Рубрика «Управление продажами»

У розницы очень разнообразный круг покупателей. Их много – всевозможных профессий и уровней дохода, от молодёжи до пенсионеров. Такое разнообразие не получится корректно описать двумя-тремя бизнес-правилами, потому что вы просто не сможете охватить все сочетания критериев и неизбежно потеряете часть клиентов. Поэтому для розницы очень важно как можно точнее сегментировать свою аудиторию, но это неизбежно усложняет модели. Здесь на помощь приходят технологии Machine Learning, дающие бизнесу более точные прогнозы и ответы на важные вопросы.

Что дает рознице машинное обучение: пример проекта - 1

Что дает рознице машинное обучение: пример проекта - 2
Читать полностью »

Последний из могикан. Самый старый СЕО в Fortune 500 ставит всё на падение смартфонов - 1

Человек старой закалки, глава Victoria's Secret, верит в одну довольно радикальную идею. Покупки со смартфонов упадут. И он настолько уверен, что это неизбежно, что ставит на это весь свой бизнес ценой $10 млрд.Читать полностью »

Этот материал — небольшая часть курса управления digital-проектами, и будет полезен, в первую очередь, руководителям проектов, аккаунт-менеджерам и руководителям на стороне агентств.

Поделиться своим опытом мы решили неспроста: неприятные кейсы от коллег по отрасли и самостоятельно набитые шишки подсказывают, что эта тема — больная для многих (причём, не только в IT). Читайте в материале, какую структуру договора выбрать при работе по SCRUM (и почему), а главное — как отстоять её у юристов заказчика. Лайфхаки при согласовании, 5 правил предосторожности, пара реальных историй, а также процесс документооборота в студии Сибирикс изнутри — здесь.
Читать полностью »

Ассортимент — классическая задача оптимизации - 1

Внутри магазина есть несколько важных факторов, влияющих на выручку:

— Обслуживание (хорошие добрые продавцы, знающие товар).
— Ассортимент (его полнота).
— Внешний вид магазина (чистота, красота).
— Выкладка (упорядоченность и доступность товара).
— Комфорт — всё работало, терминал был и так далее.

Про сервис и комфорт я уже говорил прошлый раз. Теперь давайте поговорим про красоту математики, конкретно — про то, как строится ассортимент, и почему «человеческие» решения тут могут только помешать.

Судя по последним исследованиям, ассортиментом в России в целом мало кто управляет эффективно. Просто если поддерживать нужные товары в нужном количестве в нужных местах, можно дико поднять эффективность продаж многих магазинов. Дико — это, например, на треть.

Естественно, мы не исключение, косяки у нас такие же примерно, как у всей страны. Правда, мы умеем наносить этим косякам ответный удар. Сейчас расскажу про то, как отомстить недостаточному наличию и злобно над ним надругаться.

Первый вопрос в том, почему вообще может не быть какого-то товара. Это очевидная вещь для любого человека из розницы, но крайне нелогичная для человека со стороны. Столетиями работает рынок, так почему, чёрт побери, до сих пор случаются неувязыки?
Читать полностью »

В январе 2010 Apple столкнулась с огромным кризисом, который сулил резкое падение репутации. Спустя несколько дней после запуска iPhone 4 (самый успешный из когда-либо запускаемых Apple продуктов) – пошли слухи о том, что при определённом способе захвата мобильника (при т.н. «смертельном захвате»), мощность его сигнала снижается. Струйки жалоб переросли в широкомасштабную лавину. В течение нескольких недель Apple высмеивали все кто только мог. Но к середине июля критика прекратилась. И не просто прекратилась, а довольно-таки хорошо забылась.

Как Apple достигла такого, казалось бы, невозможного пиара? – Разбивая 5 ключевых «правил», которые ранее в пиаре считались непреложными. Джобс и компания не последовали ни одному из этих правил, но при этом остались на высоте.

Как Apple пошла вопреки пяти общепринятым PR-нормам, но сохранила своё доброе имя - 1

Читать полностью »

SAP Process Mining или как разобраться в своих бизнес-процессах - 1

Посмотрите на эту картинку. В бизнес-процессах многих компаний такая же ситуация – очень много обходных путей, которые могут упростить действия сотрудников, не нарушая при этом принятые правила. Но как руководителям увидеть эту реальность внутри компании?

Самый простой путь – обратиться к консультантам. Что сегодня предлагает рынок консалтинга для решения этой задачи? Провести интервью с сотрудниками и узнать, как они субъективно видят свои процессы. А видеть они его могут как левую тропинку на картинке. Или вообще могут не знать, какой должна быть эта тропинка. Появляется проблема: как увидеть объективную реальность, а не интерпретацию чей-то точки зрения? Это касается любых бизнес-процессов — закупки, продажи, логистика и т.д.

В линейке продуктов SAP есть отдельное решение SAP Process Mining, которое позволяет видеть «цифровые шаги» сотрудников компании. Фактически, можно увидеть любой процесс из любой информационной системы, прослеживать соответствие действий сотрудников корпоративным политикам и стандартам, различным референсным моделям. Масштаб компании тут не имеет значения — главное, чтобы сам процесс был оцифрован, а не вёлся на бумаге.

SAP Process Mining или как разобраться в своих бизнес-процессах - 2

Читать полностью »

Азы работы магазина - 1

Первое, что нужно понять — факт, что магазин не является точкой генерации прибыли компании. Это инструмент по переработке загруженного товара в деньги, и он создаёт только расходы. Источник прибыли — часто не сам товар, и решаются эти вопросы далеко за пределами магазина.

Главное в магазине — это его валовая прибыль: это выручка минус себестоимость продажи. Всё это декомпозируется до довольно предсказуемых и измеряемых факторов. Упрощённая формула вот такая:

Азы работы магазина - 2

Число покупок это группа конверсий: прошёл мимо -> зашёл в магазин -> купил. И есть аналогичная цепочка на тех, кто откуда-то узнал про товар направленно и пошёл в магазин за ним. Упрощая:

Азы работы магазина - 3

Работать надо с каждым из множителей этой цепочки. Давайте декомпозируем чуть дальше.
Читать полностью »

Мы не особо любим социальные сети, но вынуждены их почитывать: мониторить упоминания, отслеживать мнения, ближе знакомиться со своей аудиторией. Что удивительно, о CRM говорят много, часто безапелляционно и квази экспертно, реже — разумно и профессионально. Но все эти люди проявляют к CRM-системам интерес, а значит, интересны нам. Мы погуляли по Facebook, собрали кучу высказываний пользователей за 2018 год и готовы скопом ответить на их претензии, мнения, вопросы в области CRM-систем. Как минимум, формат получился занятным, как максимум весьма полезным. Ведь «экспертиза» просто зашкаливает.

Отвечаем за чужой базар: что социальные сети говорят о CRM - 1
Типичный «эксперт» в социальной сети
Читать полностью »

В прошлой статье я рассказал как для целей прогнозирования выручки люди построили большой и сложный excel файл (можете почитать тут). Мы решили вмешаться в этот стыд и предложили переделать модель прогноза так, чтобы было меньше ошибок, проще эксплуатация, появилась гибкость в настройке.

Какие ключевые проблемы в описанной модели:

  1. Данные, модель и представления смешаны в одну сущность. Из-за этого изменение хотя бы в одном элементы разрушает весь этот монолит.
  2. Чрезмерный расчет на ручную обработку, что плодит ошибки и опечатки в огромных количествах.

Что мы предложили:

  1. В начальной модели нигде не фигурировали исходные данные на которых она была построена. Мы предложили внести эти данные в формате 2-ой нормальной формы в сам файл Excel на 2 отдельных листа (продажи и кол-во клиентов). Благо, данные по продажам в нашей агрегации по месяцам — это всего лишь десятки тысяч строк, а не миллионы. Так же мы настроили получение этих данных при помощи Power Query напрямую из базы данных.Читать полностью »

Каждая компания это не звездные технологии и супер крутые программисты, а огромная гора bottleneck, неэффективностей и сумма плохих решений, которая как-то да едет и делает свою работу. Но вот вы решили сделать какие-то изменения и сразу начинаете сталкиваться с тем, что в огромном кол-ве бизнес процессов у вас проблемы. Ну и эти проблемы, конечно, нужно решать не идеальным способом, а оптимальным по трудозатратам.

Хочу поделится одним таким примером, связанных с моей темой анализа данных и управления данными. Во многих организациях существует финансовые службы, основная цель которых предоставлять финансовую информацию руководству о состоянии предприятия. Среди многих работ этих людей есть одна такая задача: составление прогноза выручки на следующий период (год, квартал у кого как). Этот прогноз выручки часто бывает первым этапов в согласовании планов на следующий период и составлении общего прогноза по прибылям и убыткам предприятия.

Все, кто занимается такого рода прогнозированием, понимают, что в этом вопросе важна не столько точность прогнозов, сколько правильные взаимосвязи между вашими предпосылками и результатами. Ведь что мы хотим от прогноза? Мы хотим узнать, что будет, если делать все как обычно (AS IS) и что будет, если мы что-то поменяем (сценарии). Для того, чтобы сделать эту работу финансовая служба должна придумать какую-то модель предприятия, которой она может легко управлять, легко объяснять бизнесу как она работает и легко предоставлять данные в различных разрезах, в которых бизнес захочет это дело посмотреть.

Это все отличные намерения, но тут мы сталкиваемся с суровой реальностью: методологические и технические навыки для выполнения этих задач в конкретных предприятиях откровенно слабы. Модели неудобные, быстро не изменяемые, не обновляемые, легко ничего не объясняется, файлы не удобные, а разрезы получить невозможно или очень долго. Давайте посмотрим конкретный пример, где всё плохо и как это можно исправить.

Читать полностью »