Детальные данные об оплате покупки в магазине несут в себе обилие информации для розничных торговцев и их партнеров, однако для ее эффективного использования необходимо преодолеть различного рода технологические и бизнес-преграды.

Детальные данные об оплате покупки в магазине несут в себе обилие информации для розничных торговцев и их партнеров, однако для ее эффективного использования необходимо преодолеть различного рода технологические и бизнес-преграды.

Совершая покупку в супермаркете, можно наблюдать, как кассир проводит упаковкой с мясом тунца и кремом для бритья по сканеру, видеть маленькую красную вспышку, слышать сигнал. Невольно возникает вопрос: куда идут все эти данные и что же все-таки с ними делают?

Ответ окажется объемнее, чем можно себе представить.

Сведения, которые добывают POS-терминалы (point of sale — «точка продажи»), — розничный эквивалент черного золота, «нефтяной» фонтан необработанной информации — какие продукты приобрел покупатель, когда и по какой цене, бьющий из каждого кассового аппарата. В обычный день гигант отрасли канцелярских товаров, компания Staples, чей оборот составляет 11 млрд. долл., накапливает гигабайт информации из своих 6,5 тыс. торговых точек по всей территории Соединенных Штатов (это эквивалентно 1250 копиям «Моби Дика»).

По мере того как компьютеры становятся быстрее, дешевле и распространеннее, владельцы сетей розничной торговли делают успехи в очищении сырых данных о покупках. Они строят «нефтепроводы», доставляющие данные в нужное место, внутри и вне компании, повышают «октановое число» этих данных, связывая их с другой информацией.

«Цель — иметь нужный товар в нужном месте и в нужное время, добившись этого без чрезмерных вложений капитала, — говорит Кевин Холиан, старший вице-президент Staples по запасам и цепочкам поставок. — День за днем мы балансируем на тонкой грани между покупкой достаточного количества товара для удовлетворения требований покупателей и наличием такого количества товара, чтобы не происходило замораживания капитала».

Маржа розничного торговца очень невелика, и потому у него остается очень мало пространства для совершения каких бы то ни было ошибок. Свидетельством тому — подача компанией Kmart в соответствии с главой 11 Закона о банкротстве заявления о несостоятельности в 2002 году с самым большим за всю историю розничной торговли дефицитом в 17 млрд. долл. Что делают розничные торговцы, чтобы извлечь наибольшую выгоду из своих данных, и какие преграды встают на их пути?

От нехватки данных к избытку

Политологи помнят 1974 год как время ухода в отставку Ричарда Никсона. Любители же штрих-кодов навсегда запомнят этот год благодаря вкладу Marsh Supermarket во всемирную историю розничной торговли: кассир магазина из города Троя (шт. Огайо) первым пробил чек на товар — 10 пачек фруктовой жвачки Wrigley, используя лазерный сканер. Сканирование обещало не просто ускорить оформление покупки: впервые розничные торговцы смогли получить точные сведения о своих продажах — информацию, которая дала бы им возможность уменьшить расходы и увеличить доходы.

Но анализ данных сканирования оказался более сложной задачей, чем предполагалось. «Информации было слишком много, — вспоминает Джек Эггерт, директор по глобальным стандартам Uniform Code Council (организация, которая участвовала в создании системы универсальных штрих-кодов продуктов, также известной как U.P.C.). — Мы не знали, как ее правильно использовать».

Сегодня затраты на хранение данных упали, а компьютерная мощь возросла.

«Хранилище данных, вмещающее в себя POS-данные за год или два, доступное для лиц, принимающих решения, стало модным капиталовложением для фирм розничной торговли самого разного размера, — считает Пит Абель, директор компании AMR Research по исследованиям в области автоматизации розничной торговли. — Даже мелкие розничные торговцы могут найти подрядчиков, которые установили бы для них такое хранилище данных (скажем, магазины оптовой торговли займутся хостингом хранилищ для своих меньших по размеру розничных партнеров). И нет недостатка в разработке средств, направленных на то, чтобы наделить розничных торговцев большей способностью проникновения в суть POS-данных, — ответить на вопросы, к примеру, о том, покупают ли пиво те, кто приобретают памперсы в пятницу вечером».

Розничная торговля, как и другие отрасли, связанные с переработкой большого количества данных, все еще может пасть жертвой беспомощности аналитических средств. Джозеф Фабрицио, старший вице-президент Boscov?s Department Stores, сети универсальных магазинов с оборотом в 1 млрд. долл., признает, что зачастую его компания недостаточно быстро обрабатывает получаемые данные: «Это сбивает с толку. После того как анализ данных наконец удается завершить, удобный момент упущен».

Интерпретация данных — искусство, и здесь проявляется индивидуальность компании. Фабрицио приводит такой пример: женское белье ярких цветов уходит с прилавков быстрее, чем белье стандартное или пастельных цветов. Но несмотря на эту, полученную при помощи анализа данных информацию, в Boscov?s Department Stores не выделяют больше площади для модно окрашенного белья: выбор непопулярной палитры мог бы поставить розничных торговцев под чрезмерно большой финансовый риск. «Единожды совершив ошибку, можно напрочь испортить себе показатели продаж, — поясняет Фабрицио. — По-видимому, у Limited или Victoria?s Secret нет такого разумного стандарта. Они намного охотнее идут на риск, который считают обоснованным».

Раскопки данных для максимальной отдачи

POS-данные сами по себе не расскажут розничным торговцам, почему один продукт уходит с прилавков, в то время как другой собирает пыль, или о том, как покупатели отреагируют на изменения цены, промоушн или мерчендайзинг. Для того чтобы понять и предсказать покупательский спрос, гарантировать наибольшую прибыль, POS-данные необходимо поместить в контекст. Было ли новое моющее средство пересыпано под самую крышку? Было ли объявление о медленно продающемся наборе столового серебра из 60 предметов погребено в воскресном приложении к газете? Была ли кожаная куртка оригинального дизайна чересчур высоко оценена, а затем слишком низко и слишком поздно?

Новые программные инструменты помогут создать этот комплексный контекст, учитывающий различные статьи доходов, динамику цен, оптимизацию товарных запасов, прогнозирование спроса и особенности менеджмента. Использование статистических алгоритмов в состоянии помочь торговцам точнее регулировать цены, максимизировать маржу при уценке товара, добиться оптимального снижения цен для стимулирования продаж, даже сократить излишки запасов и количество товаров на складах магазинах, что является очень трудной задачей для розничной торговли — ведь покупатели не могут купить то, чего нет на прилавке.

В КВ Toys анализ годовых показателей продаж, запасов и данных о продвижении помог найти лучшее сочетание товаров для каждого из 1300 магазинов, выяснив, какое идеальное количество кукол Jam ?n? Glam или картриджей Harry Potter Game Boy нужно иметь на прилавках и какие пороговые показатели продаж должны инициировать повторные заказы. Это чрезвычайно сложная проблема для КВ Toys, которая управляет сразу четырьмя видами магазинов, от универмагов площадью свыше 300 квадратных метров до мелких торговых точек. ProfitLogic, поставщик услуг аренды приложений мерчендайзинга, произвел расчеты и обнаружил, что КВ Toys может иметь меньшие суммарные товарные запасы, если распределит магазины на девять категорий по объему продаж и соответственно установит их уровень запасов (прежде компания выделяла пять категорий магазинов).

«Мы получили немалую единовременную экономию, — отметил Роберт Мюллер, вице-президент по управлению запасами КВ Toys. — Вы отправляете подходящие товары в каждый магазин и добиваетесь лучшего употребления всех товарных запасов».

Чтобы удостовериться, что уровень запасов соответствует спросу, ProfitLogic в дальнейшем будет дважды в год подвергать глубокому анализу данные о продажах и товарных запасах КВ Toys.

Kacca XXI века

Кассовый аппарат прошел долгий путь с момента своего появления в конце XIX века. В то время его главным достоинством была защищенность от воровства (колокольчик звонил всякий раз, когда кассовый ящик открывался; вероятность, что выручка от очередной продажи не будет зафиксирована и окажется в кармане недобросовестного кассира, снижалась).

Сегодня розничным торговцам от POS-терминалов требуется гораздо больше. В идеале они должны опознавать ценных покупателей, проверять товары на складах, размещать в Web заказы для предметов, недоступных в магазинах, выдавать дисконтные карты и многое другое. Согласно Forrester Research, развитие многих розничных сетей всерьез сдерживается тем, что им приходится поддерживать устаревшую технологию, которая не позволяет в реальном времени запрашивать данные из внутрикорпоративных систем, не говоря о центре обработки заказов, Web-сайтах и Internet-киосках внутри магазина.

«Нам потребовалось провести громадную работу по программированию, чтобы предоставить покупателям возможность размещать заказы в Internet-киосках и затем оплачивать их у кассового аппарата», — говорит руководитель технического отдела Staples Майк Рагунас. Его сотрудники самостоятельно разработали программные компоненты, позволившие связать кассовые аппараты магазинов с Staples.com, a также с системой управления заказами и с системами финансового учета. В результате этих усилий Staples получила неожиданную прибыль: компании удалось полностью отказаться от запасов ПК примерно в 200 магазинах (ожидается, что это число удвоится к концу года); дело в том, что в этих магазинах покупатели делают заказы на ПК посредством Staples.com.

B течение следующих нескольких лет аналитики Forrester советуют розничным магазинам отказаться от подхода, предполагающего использование изолированного POS-терминала с ограниченной функциональностью в пользу того, что в компании называют подходом «сервисного пункта». Речь идет о специализированном программном обеспечении, которое связывает в реальном времени оборудование на уровне продавца (например, Internet-киоск, кассовый аппарат или мобильные устройства служащих) с внутрикорпоративной системой управления запасами и системой CRM и которое основано на использовании стандартных форматов данных наподобие XML, благодаря чему другие подразделения — и даже внешние поставщики и партнеры — могут делиться информацией, в мгновение ока выверяя свои планы.

Но перемены, вне сомнения, будут происходить медленно. Розничные магазины не хотят тратить деньги на значительные модернизации кассовых аппаратов.

«У нас 5 тыс. кассовых аппаратов, — говорит Майк Принс, директор информационной службы Burlington Coat Factory. — Если цена аппарата составляла 4 тыс. долл., то это будет 20 млн. долл. и 20 млн. причин не торопиться».

Принс предпринимает некоторые шаги по модернизации, но предпочитает постепенный подход. Он единовременно модернизировал часть POS-оборудования. В новых системах используются POS-программы, работающие в среде ОС Linux; Принс предполагает, что ему удастся оперативно добавлять к этому программному обеспечению новые функции (например, такие, как способность предлагать дисконтные карты). Он также следит за распространением POS-программ, написанных на языке Java.

Используя штрих-коды, можно получить полезную информацию и о покупателях. Одно дело — понять спрос в целом. Другое — связать его с отдельными покупателями, подобно тому как это делали владельцы магазинов в маленьких городах в прошлых десятилетиях. У бакалейщиков были годами выверенные карточки лояльности, позволявшие убедить покупателей отслеживать их покупательскую историю в обмен на премиальные купоны и специальные скидки в кассе.

Между тем карточки лояльности имеют свои ограничения; главное из них — «вы тратите много денег, чтобы вознаградить людей, которые, может быть, не заслуживают внимания в вашем магазине». Такие сомнения разделяет Джефф Хандлер, старший вице-президент по маркетингу сети Sports Authority c оборотом в 1,5 млрд. долл., включающей 199 магазинов спортивных товаров. Вместо этого в Sports Authority y покупателей на кассе спрашивают их телефонные номера. Собранные детализированные данные обрабатывает Harte-Hanks, поставщик услуг маркетинга, сопоставляя телефонные номера с адресами и помогая Хандлеру идентифицировать новых покупателей, а также отслеживать привычки постоянных клиентов.

За два года Хандлер создал базу данных о 8,5 млн. покупателях, которую предполагается использовать для целевой почтовой рассылки с предложением специальных купонов. В Harte-Hanks отслеживают непосредственный отклик на эти купоны (опять-таки на основе POS-данных) и могут быстро произвести ограниченную повторную рассылку, благодаря чему у Хандлера есть возможность в течение недели предложить покупателям, которые ответили первыми, новые стимулы для совершения покупок. Во время рождественских праздников 2000 года в Sport Authority наблюдали 10-процентный рост откликов на эти повторные рассылки, что, по словам Хандлера, втрое больше среднего показателя.

Делиться информацией с поставщиками

По теории умные розничные торговцы не хранят свои POS-данные для себя, но делятся ими со своими поставщиками, чтобы таким образом вместе понять тенденции продаж и улучшить поставки новых товаров.

«Но исторически розничных торговцев и производителей связывали далеко не самые доверительные отношения, — поясняет Пол Фаррис, профессор по маркетингу Высшей школы делового администрирования Дардена. — Обе стороны борются за получение большого куска этой важнейшей маржи между тем, сколько стоит производство продукта, и тем, сколько потребители готовы за него заплатить. И, даже когда производители и розничные торговцы решают сотрудничать, они сталкиваются с определенными трудностями по поводу синхронизации данных и интеграции систем».

Одно из решений проблемы — это делиться данными с поставщиками посредством Web-сайта. Например, через StaplesPartners.com компания Staples позволяет каждому поставщику видеть еженедельные данные о продажах и об имеющихся запасах их собственной продукции (поставщики не могут видеть результаты продаж продукции их конкурентов).

«Раньше Staples делились частью этих данных с поставщиками посредством средств EDI, но было намного сложнее принимать и управлять ими, это было намного дороже как для Staples, так и для их поставщиков», — рассказывает Холиан. В Staples делятся информацией бесплатно, и сейчас более 100 поставщиков используют сайт. Вскоре Staples также будет публиковать и прогнозы закупок.

«Наша философия такова: мы будем обеспечивать поставщиков любой нужной им информацией об их коммерческой деятельности в отношении Staples, так как это позволит им лучше выполнять свою работу, — говорит Холиан. — Мы пришли к пониманию, что нам необходимо теснее работать с поставщиками и что поставщики — наши партнеры, а не соперники. Когда вы занимаете такую позицию, вместе с этим появляется возможность делиться информацией».

«Розничные торговцы и производители ежедневно используют электронный обмен данными. Но информация, которой делятся бакалейщики, приходит с их товарных складов (сколько поступило паллет виноградного желе, сколько выбыло), а не из магазинов, — сокрушается Ди Биггс, директор по покупательской логистике компании Welch. — Нет хорошей корреляции между тем, что поступает в магазины, и тем, что уходит с прилавков».

Получение актуальных DOS-данных помогло бы производителям исправить свои прогнозы и сократить запасы.

«У нас как у отрасли слишком много товаров и складов, — говорит Биггс. — Многие из них залеживаются из-за того, что мы имеем очень слабое представление о потребителе».

Биггс верит, что существует реальная возможность для третьей стороны — независимых поставщиков информации — заполнить этот пробел. (Производители потребительских товаров действительно уже обращаются к ним за необходимыми POS-данными.)

Новая технологическая инициатива, поддержанная ассоциацией Grocery Manufacturers of America, направлена на то, чтобы предоставить хотя бы некоторым поставщикам сведения о ежедневных продажах. Схема «торговли, основанной на сканировании» (Scan-based Trading, SBT), ориентирует производителей на доставку продуктов напрямую в магазин, а не на склад. Согласно же традиционной схеме, такие производители (обычно безалкогольных напитков, хлеба и чипсов) сдают свои товары в магазины, которые становятся их «владельцами». Между тем Schwan?s Consumer Brands North America, изготовитель замороженных пицц, помещает свою продукцию прямо в морозильную камеру магазинов, но при этом по-прежнему «владеет» ими до тех пор, пока потребитель за них не заплатит. Schwan?s и розничные торговцы используют информационные системы программы в единой сети. Это позволяет Schwan?s получать информацию о ежедневных продажах, которая используется для оформления счета-фактуры владельцу магазина и для того, чтобы накапливать данные о продажах синхронно с точным выставлением счета-фактуры.

На примере одного розничного торговца, который использовал схему SBT во всех своих магазинах, в Schwan?s наблюдают значительное улучшение эффективности доставки грузов, так как трейлеры могут доставлять товары туда, куда удобно Schwan?s, — они не зависят от часов приема товаров в магазинах.

«В будущем, — отмечает Расс Даниэлс, директор по логистике Schwan?s, — в нашей компании надеются использовать данные еще лучше. Мы можем взять данные сканирования и создать историю; видеть, что происходит, когда мы продаем нашу пиццу за доллар вместо двух. Тогда бы стало возможно построить примерный заказ для наших отчетов по продажам. Это наша цель».

Очевидно, что некоторые розничные торговцы и их поставщики начинают очищать свои необработанные данные сканирования штрих-кодов, используя это для того, чтобы увеличить потребительский спрос. Но они могут и должны делать больше. Почему? Потому что любая компания, которая способна понять, как получить большую выгоду из собственных данных, повергнет своих конкурентов в прах.


Мастера раннего сканирования

Когда-то сканирование штрих-кодов было такой невидалью, что собирало толпы людей. Джек Эггерт, директор по глобальным стандартам Uniform Code Council, вспоминает развертывание одного из первых в Соединенных Штатах пункта сканирования, размещенного в The Great Atlantic & Pacific Tea Company, в 1974 году.

Покупатели выстраивались в очередь, чтобы понаблюдать за тем, как кассиры переворачивали их коробки с хлопьями и упаковки молока набок и проводили маленькими смешными черно-белыми полосками по сканерам. Информация, представленная этими полосками, оживала в компьютерах размером в несколько больших рефрижераторов. Если по счастливому стечению обстоятельств все системы функционировали нормально, то компьютерные программы, выполнив оптическое распознавание, расшифровывали штрих-код, и кассовый аппарат показывал название продукта, а также его цену. В противном случае аппарат выдавал таинственный код ошибки мэйнфрейма IBM, ставивший в тупик сотрудников супермаркета.

Использование карточек лояльности оптимальным образом

Карточки лояльности — прием, который помогает розничным торговцам установить соответствие между сохраняющим анонимность покупателем и его историей покупок. Покупатели раскрывают немного частной информации у кассового аппарата в обмен на скидки или другие привилегии; розничные торговцы отслеживают покупки и изучают детальную информацию о том, кто, что и когда купил. В супермаркетах более 60% покупателей используют карточки лояльности. Но, как считают в Forrester Research, большинство магазинов бездарно обращаются со своими данными о карточках лояльности, используя их, только чтобы предложить специальные скидки и купоны у кассового аппарата. Аналитики Forrester рекомендуют извлекать из данных в карточках лояльности детальную информацию об образе жизни покупателей и предлагать соответствующие виды товаров.

Внешняя информация

Производители потребительских товаров, желающие получить консолидированные данные сканирования штрих-кодов, могут обратиться к независимым поставщикам информации, таким как А.С. Nielsen и Information Resources. Они собирают данные сканирования у сотен магазинов (и о многих тысячах покупателей) на территории всех Соединенных Штатов, очищают ее и формируют ее в заказные отчеты, показывающие изменение рыночных цен во времени. Такой анализ данных очень ценен для производителей. Но Майк Грин, вице-президент по потребительскому маркетингу компании Kellogg?s, искал более детальных данных о продажах, вплоть до информации о том, был ли конкретный продукт продан в конкретном магазине.

В Kellogg?s начали работать с Efficient Market Services (EMS, www.emsinfo.com), чтобы достичь более высокого уровня детализации информации о том, что происходит внутри магазинов. EMS собирает данные сканирования в супермаркетах Среднего Запада. Затем она увязывает эти данные с информацией о том, где и как продукт был выставлен, продан, внесен в недельный циркуляр и по какой цене. Часть этой информации собирается путем проведения собственных внутренних аудиторских проверок магазинов.

«Мы можем взглянуть на действия магазина и решить, кто из мерчендайзеров действительно является причиной эффективности продаж», — говорит Грин.

Эти данные особенно полезны, когда Kellogg?s представляет новый продукт. Если кто-то из розничных торговцев не реагирует на акцию Kellog?s выделением достаточных площадей и не держит продукт на полках, в Kellogg?s узнают об этом.

«EMS предоставляет нам информацию на ранней стадии жизненного цикла нового брэнда, так что мы можем быстро дать рекомендации магазинам, упускающим возможности нового брэнда, — отмечают в Kellogg?s. — Мы говорим им: ?Если вы измените свою позицию в отношении нового продукта, то продажи в ваших магазинах увеличатся?».

Sari Kalin. Making Use of All That Data. Darwin, May 2002.

Поделитесь материалом с коллегами и друзьями