О РИТЕЙЛ-АУДИТЕ
Концентрационная (кумулятивная, нарастающая) кривая продаж категории представляет собой графическое отображение кумулятивной зависимости объема продаж категории и численной дистрибуции.
Для ее построения нам необходимо отразить накопленные продажи категории торговыми точками отсортированные от максимального до минимального значения.
Как можно использовать концентрационную кривую? Во-первых, она позволяет определить какой процент магазинов отвечает за тот или иной объем продаж категории.
Пример:
В этом случае ~19% торговых точек отвечают за 60% продаж категории.
Строя концентрационные кривые вы на практике убедитесь, что у пресловутого правила Парето, когда 20% точек должны отвечать за 80% объема продаж, соотношение цифр далеко не всегда 20/80.:)
Вы также можете сравнить кривые для разных рынков одной категории, разных категорий на одном рынке и определить, где рынок более сконцентрирован и какую вам выбирать стратегию развития на том или ином рынке. Вы, конечно, можете строить не только концентрационные кривые продаж категории, но и концентрационные кривые продаж своих брендов, сравнивать их с конкурентами и итд.
Наверно, так кто-то и делает, но выглядит это больше, как красивая маркетинговая теория. Наиболее часто концентрационные кривые в ритейл-аудите используют просто для более корректного сравнения взвешенных дистрибуций и определения их эффективности.
Из приведенного выше примера мы могли сделать вывод, не только о том, что 19% точек отвечают за 60% объема продаж категории, но и о том, что при 19% численной дистрибуции максимально возможное значение взвешенной дистрибуции составляет 60% и это будет достигнуто только в том случае, если будем выбирать торговые точки самым оптимальным образом с точки зрения продаж категории.
Для определения настоящей эффективности взвешенной дистрибуции брендов при различных значениях численной дистрибуции нам потредуется не только очертить максимально возможный уровень взвешенной дистрибуции, но и минимально возможный уровень. Это возможно, если мы построим кривую, которая будет являться зеркальным отражением первой и для этого мы будем выстраивать торговые точки от минимального значения продаж и далее по возрастанию.
Именно отношение между фактическим значением взвешенной дистрибуции и максимально и минимально возможными значениями и позволяет рассчитать коэффициент эффективности дистрибуции:
Пример:
У бренда А показатель численной дистрибуции равен 40%, а показатель взвешенной дистрибуции составляет 60%, при этом для численной дистрибуции 40% максимально возможное значение взвешенной дистрибуции может составляет в 85,5%, а минимально возможное 5,5%. Те для бренда А показатель эффективности взвешенной дистрибуции будет равен (60%-5,5%)/(85,5%-5,5%)=54,5%/80%=0,681
В тоже время бренд Б имеет следующие показатели: численная дистрибуция 70%, взвешенная 80%, максимально возможная взвешенная дистрибуция 96,6%, а минимально возможная 22,6%. Те для бренда В показатель эффективности взвешенной дистрибуции будет равен (80%-22,6%)÷(96,6%-22,6%) = 0,776.
Те бренд Б имеет не только более высокий уровень дистрибуции, но его дистрибуция и более эффективна с точки зрения продаж категории.
Концентрационную кривую нельзя построить просто используя базу ритейл-аудита. Практически ее может построить агентство проводящее исследование и имеющее данные по торговым точкам выборки или это возможно, если вам доступны продажи (вкл. продажи категории) торговых сетей по торговым точкам. Всем остальным пример расчета кривой с использованием данных панельного исследования поможет лучше разобраться в сущности концентрационной кривой и соответственно, как ее использовать.
Пример: 6 панельных магазинов из двух проекционных групп. В этом примере приведен разбор случая, когда используется два различных проекционных фактора для точек панели (проекционный фактор продаж и проекционный фактор численной дистрибуции).
| Номер магазина | Продажи категории | Проекционный фактор продаж | Проекционный фактор численной дистрибуции |
|---|---|---|---|
| 1 | 100 | 6 | 7 |
| 2 | 50 | 6 | 7 |
| 3 | 76 | 6 | 7 |
| 4 | 82 | 5 | 4 |
| 5 | 14 | 5 | 4 |
| 6 | 26 | 5 | 4 |
Из-за использования двух различных проекционных факторов нам необходимо рассчитать средние продажи на торговую точку после проведения проекции по формуле Продажи * Проекционный фактор продаж ÷ Проекционный фактор численной дистрибуции. И отсортировать значения по этому показателю.
| Номер магазина | Продажи категории | Проекционный фактор продаж | Проекционный фактор численной дистрибуции | Продажи категории в среднем на один магазин после проекции |
|---|---|---|---|---|
| 4 | 82 | 5 | 4 | 102.50 |
| 1 | 100 | 6 | 7 | 85.71 |
| 3 | 76 | 6 | 7 | 65.14 |
| 2 | 50 | 6 | 7 | 42.86 |
| 6 | 26 | 5 | 4 | 32.50 |
| 5 | 14 | 5 | 4 | 17.50 |
Далее моделируем генеральную совокупность (юниверс) магазинов.
| Номер панельного магазина | Номер магазина юниверса | Продажи категории в среднем на один магазин после проекции | Доля точки в общем объеме продаж категории | Накопленные продажи категории | Вклад точки в численную дистрибуцию | Накопленная численная дистрибуция |
|---|---|---|---|---|---|---|
| 4 | 1 | 102,50 | 5,2% | 5,2% | 3,0% | 3,0% |
| 4 | 2 | 102,50 | 5,2% | 10,4% | 3,0% | 6,1% |
| 4 | 3 | 102,50 | 5,2% | 15,6% | 3,0% | 9,1% |
| 4 | 4 | 102,50 | 5,2% | 20,9% | 3,0% | 12,1% |
| 1 | 5 | 85,71 | 4,4% | 25,2% | 3,0% | 15,2% |
| 1 | 6 | 85,71 | 4,4% | 29,6% | 3,0% | 18,2% |
| 1 | 7 | 85,71 | 4,4% | 33,9% | 3,0% | 21,2% |
| 1 | 8 | 85,71 | 4,4% | 38,3% | 3,0% | 24,2% |
| 1 | 9 | 85,71 | 4,4% | 42,7% | 3,0% | 27,3% |
| 1 | 10 | 85,71 | 4,4% | 47,0% | 3,0% | 30,3% |
| 1 | 11 | 85,71 | 4,4% | 51,4% | 3,0% | 33,3% |
| 3 | 12 | 65,14 | 3,3% | 54,7% | 3,0% | 36,4% |
| 3 | 13 | 65,14 | 3,3% | 58,0% | 3,0% | 39,4% |
| 3 | 14 | 65,14 | 3,3% | 61,3% | 3,0% | 42,4% |
| 3 | 15 | 65,14 | 3,3% | 64,6% | 3,0% | 45,5% |
| 3 | 16 | 65,14 | 3,3% | 67,9% | 3,0% | 48,5% |
| 3 | 17 | 65,14 | 3,3% | 71,3% | 3,0% | 51,5% |
| 3 | 18 | 65,14 | 3,3% | 74,6% | 3,0% | 54,5% |
| 2 | 19 | 42,86 | 2,2% | 76,7% | 3,0% | 57,6% |
| 2 | 20 | 42,86 | 2,2% | 78,9% | 3,0% | 60,6% |
| 2 | 21 | 42,86 | 2,2% | 81,1% | 3,0% | 63,6% |
| 2 | 22 | 42,86 | 2,2% | 83,3% | 3,0% | 66,7% |
| 2 | 23 | 42,86 | 2,2% | 85,5% | 3,0% | 69,7% |
| 2 | 24 | 42,86 | 2,2% | 87,6% | 3,0% | 72,7% |
| 2 | 25 | 42,86 | 2,2% | 89,8% | 3,0% | 75,8% |
| 6 | 26 | 32,50 | 1,7% | 91,5% | 3,0% | 78,8% |
| 6 | 27 | 32,50 | 1,7% | 93,1% | 3,0% | 81,8% |
| 6 | 28 | 32,50 | 1,7% | 94,8% | 3,0% | 84,8% |
| 6 | 29 | 32,50 | 1,7% | 96,4% | 3,0% | 87,9% |
| 5 | 30 | 17,50 | 0,9% | 97,3% | 3,0% | 90,9% |
| 5 | 31 | 17,50 | 0,9% | 98,2% | 3,0% | 93,9% |
| 5 | 32 | 17,50 | 0,9% | 99,1% | 3,0% | 97,0% |
| 5 | 33 | 17,50 | 0,9% | 100,0% | 3,0% | 100,0% |
| 1966,00 |
И как результат мы получим вот такую концентрационную кривую.
