ANALÝZA NÁKUPNÍHO KOŠÍKU JAKO ZÁKLAD PRO OPTIMALIZACI PROMOCÍ

1. ANALÝZA NÁKUPNÍHO KOŠÍKU JAKO ZÁKLAD PRO OPTIMALIZACI PROMOCÍ

2. STORY 1) Linie: Hypermarkety (x filiálek, 50 000 položek, z toho 15 000 potravinářský sortiment) 2) Letákové akce: celkové roční náklady 50 mil. Kč, cca 100 položek v akci, pokles průměrné marže o 4%, marketingový efekt a vliv na loajalitu nezměřen 3) Realizovány 4 projekty CM, z toho 3 neúspěšné (nedotažené), za příčinu neúspěchu je považován nedostatek informací 4) Informace o prodejích položek jsou k dispozici pouze na úrovni účetního systému, běží pilotní projekt budování datového skladu na jedné filiálce s úrovní agregace „položka - den“ 5) Ve firmě běží série projektů se zaměřením na zvýšení produktivity vybraných činností

3. PROJEKT: Zvýšení produktivity marketingových aktivit • SUB - PROJEKT: EFEKTIVITA LETÁKŮ Cíle: 1) minimalizovat negativní vliv prodeje položek v akci na průměrnou marži (nesmí dojít k úbytku krycího příspěvku ) 2) výrazně snížit vyprodanost položek v akci a zamezit tvorbě nadbytečných zásob 3) nastavit nejvyšší možné ceny položek na letáku při zachování „marketingového“ efektu 4) zvýšit podíl tržeb realizovaných naší cílovou skupinou

4. VÝCHODISKA SUB -PROJEKTU: 1) letáky plní marketingovou funkci cyklického stimulování poptávky (přitáhnout nakupující do prodejny) 2) nemáme a v dohledné době nebudeme mít silnou diferencovanoupozici, která by tuto funkci nahradila (zákazníkům nedáváme ve srovnání s přímou konkurencí jiný důvod, aby k nám přišli nakupovat) 3) realizace letákových akcí zvyšuje výrazně náklady v distribučním řetězci (dodavatelé + obchod) a snižuje realizované marže optimalizace musí přinést snížení celkových nákladů v distribučním řetězci při zachování marketingového efektu a zvýšení realizovaných marží

5. REALIZAČNÍ PODMÍNKY A POSTUP PROJEKTU Cíl úkol Potřebná data minimalizovat negativní vliv prodeje položek v akci na průměrnou marži (nesmí dojít k úbytku krycího příspěvku) Snížit počet položek v akci v nákupním košíku  najít nejefektivnější kombinace položek - data z pokladních systémů agregovaná na úrovni nákupního košíku zvýšit podíl tržeb realizovaných naší cílovou skupinou identifikovat položky/ kategorie s vysokou a naopak nízkou afinitou k cílové skupině - data z pokladních systémů agregovaná na úrovni nákupního košíku s identifikací nakupujícího nastavit optimální ceny položek na letáku při zachování „marketingového“ efektu stanovení „marketingové“ elasticity letákových položek Viz předchozí + testování na vzorcích prodejen výrazně snížit vyprodanost položek v akci a zamezit tvorbě nadbytečných zásob vytvořit spolehlivý prediktivní model „čím více, tím lépe“

6. VSTUPNÍ ANALÝZA • Analýza nákupních košíků ve za jeden měsíc ze všech našich prodejen • náhodný výběr 50 000 košíků • údaje o nákupním košíku: jednotlivé položky, marže na položku, cena položky, sleva v % na akční položku oproti běžné ceně, datum a čas nákupu úkol: najít „kategorie“, které je možné vyřadit z akcí, aniž by snížily „marketingový“ efekt (krycí příspěvek) ANALÝZA A JEJÍ VÝSLEDKY JSOU FIKTIVNÍ!

7. Prodej, Ceník agregace id NK id položky počet balení datum čas cena položky marže položky akce sleva na a.p. skupina položek A/N SHROMÁŽDĚNÍ DAT Z INFORMAČNÍHO SYSTÉMU POS

8. Odvození ukazatelů za NK id NK počet položek NK průměrná marže NK v % datum čas segment id NK id položky počet balení datum čas cena položky marže položky akce sleva na a.p. skupina položek 1 2 3 4 A/N 0 SEGMENTACE NÁKUPNÍCH KOŠÍKŮ Kritéria • Počet položek v NK • Průměrná marže v % na NK Použita metoda automatického shlukování • Nalezeny 4 významné clustery (segmenty), cca 20% NK nejsou jednoznačně zařaditelné

9. % NK v segmentu • Podíl segmentu na celkové marži • % NK bez SKU v akci • % NK jen s SKU v akci • Typický počet SKU v akci v NK • Typický počet balení v akci v NK celkem počet NK marže Odvození ukazatelů za segment Odvození ukazatelů za NK id NK počet položek NK průměrná marže NK v % datum segment NK bez SKU v akci NK jen s SKU v akci počet SKU v akci V NK počet balení v akci V NK A/N A/N čas id NK id položky počet balení datum čas cena položky marže položky akce skupina položek sleva na a.p. segment počet NK marže % NK % marže (podíl) počet NK bez SKU v akci počet NK jen s SKU v akci % NK bez SKU v akci % NK jen s SKU v akci typický počet SKU v akci v NK typický počet balení v akci v NK A/N DALŠÍ ZJIŠTĚNÍ O SEGMENTECH

10. Odvození ukazatelů za skupinu položek segment skupina položek počet NK s SKU v akci ze skupiny položek id NK id položky počet balení datum čas cena položky marže položky akce skupina položek sleva na a.p. A/N DALŠÍ ZJIŠTĚNÍ O SEGMENTECH • Skupiny zboží, jejichž SKU v akci jsou často segmentem nakupovány (TOP podle zastoupení v NK segmentu)

11. Podíl na celkové marži Procento košíků 100 10/30 Počet položek 29/5 44/38 3/12 1 0 % Průměrná marže v % 40 % STRUKTURA NÁKUPNÍCH KOŠÍKŮ

12. Procento košíků jen s SKU v akci Procento košíků bez SKU v akci 38/0 0/15 8/0 85/0 STRUKTURA NÁKUPNÍCH KOŠÍKŮ 100 Počet položek 1 0 % Průměrná marže v % 40 %

13. Typický počet balení v akci v košíku Typický počet SKU v akci v košíku 3/3 12/27 7/15 0/0 STRUKTURA NÁKUPNÍCH KOŠÍKŮ 100 Počet položek 1 0 % Průměrná marže v % 40 %

14. Skupiny zboží, jejichž SKU v akci jsou často segmentem nakupovány Jogurty, ovoce, cukrovinky, prací prášky Mouka, pivo, uzeniny, maso, prací prášky, keksy, CSD Tyto skupiny zboží budeme v dalším textu nazývat „kategorie“ Prací prášky, cukr, tvrdý alkohol, víno, minerálky Víno, tvrdý alkohol, keksy STRUKTURA NÁKUPNÍCH KOŠÍKŮ 100 Počet položek 1 0 % Průměrná marže v % 40 %

15. 100 Počet položek 1 0 % Průměrná marže v % 40 % Zvýšit průměrnou marži nákupního košíku, přestat být atraktivní pro nejtvrdší jádro Zvýšit počet košíků a zachovat jejich marži, zvýšit počet nakupovaných položek ŘEŠENÍ X (řešení je především mimo rámec „letáků“) • najít skupiny „kategorií“, jejichž položky v akci jsou často kupovány společně • z každé skupiny vybrat reprezentanta či reprezentanty, kteří jsou kupováni v menším finančním objemu a často se vyskytují i v košících s nadprůměrnou marží • do akcí dávat místo celé skupiny jen tyto reprezentanty PŘÍMÉ EFEKTY: • více klidu při nákupu přiláká nové nadprůměrné košíky • u nových i stávajících košíků prodlouží dobu pobytu v prodejně

16. ANALÝZA NÁKUPNÍHO KOŠÍKU • Příprava souboru dat • Asociace kategorií • Výběr reprezentantů • Modelování výsledků promocí

17. Asociační analýza segment segment id asociace asociace % výskytu 1 a1 A, B, D 20% id NK 1 id položky a2 počet balení C, E datum čas cena položky 35% marže položky akce skupina položek sleva na a.p. 1 a3 F, G, I, J 16% 2 a4 A, C, E, J, K 22% 2 a5 K, L 28% A/N ASOCIACE KATEGORIÍ (SKUPIN POLOŽEK) Použita metoda data miningu - analýza asociací • Nalezeno několik významných asociací podle % výskytu v NK (podle segmentů)

18. segment segment id asociace % výskytu 1 a1 A, B, D 20% id NK 1 id položky a2 počet balení C, E datum čas cena položky 35% marže položky akce skupina položek sleva na a.p. 1 a3 F, G, I, J 16% a3 finanční objem % výskytu v NK s nadprůměrnou marží 2 a4 A, C, E, J, K 22% 2 a5 K, L 28% F 11 524 32% A/N G 56 867 14% I 54 800 6% J 124 566 33% VÝBĚR REPREZENTANTŮ

19. vysoce asociované skupiny kategorií v košíku KONKRÉTNĚ: 100 pivo, uzeniny, maso, jedlé oleje, mouka, vejce, instantní polévky pivo, uzeniny, maso, jedlé oleje, mouka, vejce, instantní polévky Počet položek reprezentanti skupiny nejvíce vyhovující zadaným kritériím cukr, tvrdý alkohol, minerálky, jogurty, ovoce, pochutiny cukr, tvrdý alkohol, minerálky, jogurty, ovoce, pochutiny 1 0 % Průměrná marže v % 40 %

20. 100 Počet položek 1 0 % Průměrná marže v % 40 % VÝSLEDKY • Růst průměrné marže o 6 % • Pokles počtu košíků: 10 % • Růst průměrné marže o 0 % • Nárůst počtu košíků: 5 % Tržby: +3 % Marže:+1,2%

21. PŘÍNOSY OTIMALIZACE POLOŽEK V PROMOCI Firma Obrat (mil. Kč) Čistý přírůstek z marže (mil Kč) Celkový efekt* (mil. Kč) Ahold 29 600 355 366 Tesco Stores ČR 18 500 222 229 Globus ČR 14 600 175 180 Delvita 11 500 138 142 Carrefour ČR 10 500 126 130 Billa 9 000 108 111 Julius Meinl 7 300 87 90 * započítání nárůstu obratu 3% (neuvažuje přírůstek obratu daný expanzí)

22. Důležité nevyřešené otázky: Ovlivní snížení počtu položek v letácích obsah nákupních košíků v podprůměrných segmentech ? Hypotéza: ANO Ovlivní variování skupin kategorií v jednotlivých letácích obsah nákupních košíků v podprůměrných segmentech? Hypotéza: ANO Ovlivňují další faktory nezařazené do analýzy (chování a aktivity konkurence, aktivity dodavatelů, vývoj makroprostředí, lokální vlivy…) obsah nákupních košíků v podprůměrných segmentech? Hypotéza: ANO • na základě této ad hoc analýzy není možné udělat žádná strategická rozhodnutí • je třeba provádět postupné kroky v omezování rozsahu letáku a průběžně analyzovat změny různého typu • je potřeba vytvořit systém pro periodické „on-line“ analýzy

23. Skórování skóre Databáze Datový sklad SYSTÉM PRO PERIODICKÉ ON-LINE ANALÝZY ModelováníAdastra ModelováníInterní pracovníci IT pracovníci model model Příprava dat Příprava skórovacích procedur pro hromadné nasazení data data data • Koncoví uživatelé • Management • Analytici Běh modelu (Skórování) Analytický Datový sklad Akceschopné znalosti Rozsáhlé vzorky dat data

24. Příklad: Prezentace výsledků analýzy nákupního košíku Vícerozměrnost problému • segment • asociace • kategorie • čas • akce • ……. segment id asociace % výskytu • Koncoví uživatelé • Management • Analytici Skórování 1 a1 A, B, D 20% skóre 1 a2 C, E 35% Akceschopné znalosti 1 a3 F, G, I, J 16% a3 finanční objem % výskytu v NK s nadprůměrnou marží 2 a4 A, C, E, J, K 22% 2 a5 K, L 28% F 11 524 32% G 56 867 14% I 54 800 6% Databáze Datový sklad J 124 566 33% SYSTÉM PRO PERIODICKÉ ON-LINE ANALÝZY