Меню Рубрики

Как провести авс анализ по клиентам

Успешный бизнес во многих случаях зависит от корректности работы с цифрами. Это может происходить как на уровне простейших калькуляций в ходе сопоставления «дебета» и «кредита», так и в аспекте сложных, многоуровневых аналитических вычислений. К таковым эксперты относят ABC- и XYZ-анализ. Что это за методы? В чем их практическая значимость? Как их правильно задействовать?

Что такое ABC-анализ? Под таковым понимается метод, с помощью которого можно классифицировать тот или иной ресурс в зависимости от степени его важности. Базовым принципом, который используется в данном виде анализа, считается правило Парето. В общепринятой трактовке оно звучит так: 20 % действий приносят 80 % от общего объема результата.

Соотносительно с ABC-анализом как таковым, этот принцип можно интерпретировать следующим образом: надежный контроль 20 % некоторой системы (как вариант — продаж или управления предприятием) на 80 % определяет ее эффективность.

ABC-анализ подразумевает классификацию тех или иных операций или участков ресурса посредством разделения их на несколько категорий (в зависимости от степени ценности) — A, B и C. К типу A относятся самые ценные из них (те самые, что приносят 80 % результата, и их, соответственно, 20 %). Действия вида B — «посредственные», их 30 %, и они обеспечивают 15 % от результата. Активности вида C, в свою очередь, наименее ценные. Несмотря на то что их 50 %, они дают всего 5 % от результата.

Практическое задействование такого инструмента, как ABC-анализ, по большому счету сводится к тому, чтобы составить «рейтинг» полезности тех или иных действий. Критерием здесь, как правило, выступают статистические сведения или же экспертные оценки, позволяющие выявить «самые ценные» операции.

Как правило, в ходе проведения ABC-анализа можно строить графики, ось X которых будет являть собой количество действий, а Y — показатели эффективности. Тем самым можно вычислить, какие именно мероприятия будут наиболее результативными. Подобного рода графики иногда именуется кривыми Парето. Как только исследователь проранжирует эффективность всех действий, проводится статистический анализ, вычисление самых полезных активностей по всем графикам, и, как результат, формирование финального их «рейтинга».

В каком порядке следует проводить ABC-анализ? Эксперты рекомендуют придерживаться следующего алгоритма:

1. Ставим основной вопрос. Эффективность действий в отношении какого результата нас в данном случае интересует?

2. Подбираем активности, имеющие наибольшее отношение к поставленной задаче.

3. Составляем графики по каждому из действий в сопоставлении с показателями эффективности каждого.

4. Выбираем 20 % самых эффективных, 30 % — посредственных, 50 % — наименее значимых.

Конкретная методология по каждому из четырех пунктов может выбираться исходя из цели проведения анализа. В ряде случаев предприниматель, скажем, хочет показать инвестору, что такой-то товар продается лучше, и в него необходимо вкладываться активнее. Другой вариант — анализируется целесообразность распределения ресурсов, направляемых на те или иные закупки. Также целью проведения ABC-анализа может быть выявление эффективности рекламы, направленной на «раскрутку» определенных типов товаров.

Как анализ, о котором идет речь, может пригодиться на практике? Вариантов здесь много. Возьмем сферу продаж. Допустим, нам нужно выявить, какие из товарных позиций приносят наибольшую выручку. Грамотно проведенный ABC-анализ продаж позволит нам обнаружить не просто разрозненный перечень хорошо продаваемых товаров, а 20 % из них, которые обеспечивают 80 % прибыли. Аналогичная ситуация со сферой услуг. ABC-анализ клиентов может помочь найти те 20 % потребителей сервисов, от активностей которых зависит 80 % выручки. То же самое и с промышленностью. ABC-анализ запасов сырья или полуфабрикатов позволит выявить 20 % их разновидностей, которые используются в 80 % объема выпускаемой продукции, и потому являются самыми ценными. То есть теми, которым нужно отдавать приоритет в закупках и распределении емкостных ресурсов на складе.

Мы видим, насколько универсален ABC-анализ. Пример его задействования можно привести не один. Сферы, совместимые с применением этой методики, самые разные.

Есть еще один метод, дополняющий исследование по методологии ABC, — XYZ-анализ. Что он представляет собой? Считается, что такого типа исследование позволяет классифицировать имеющиеся в компании резервы в зависимости от интенсивности их потребления, а также прогноза динамики возникновения потребностей в них в привязке к конкретному временному циклу. Что это значит?

Ресурсы классифицируются в трех категориях — X, Y и Z. Те, что относятся к типу X, обладают стабильной динамикой потребления, минимальной ее корректировкой по времени, и, как следствие, их расход достаточно легко спрогнозировать. Как правило, разница между минимальным и максимальным показателями потребления, фиксируемыми в рамках временных периодов, не превышает 10 %, а то и вовсе стремится к нулю.

Ресурсы вида Y, в свою очередь, имеют заметно менее стабильную динамику потребления, однако все-таки достаточно хорошо прогнозируемую. Разница между минимальным и максимальным показателями — 10-25 %.

Ресурсы, относимые к категории Z, характеризуются очень нестабильной динамикой потребления. Ярко выраженных трендов не наблюдается, спрогнозировать что-то трудно. Значения минимального и максимального показателей потребления за временной периход могут расходиться на 25 % и более.

Интересен тот факт, что один и тот же ресурс может принадлежать к разным категориям в разные периоды измерений. Это может предопределяться, к примеру, временем года, урожайностью или же спецификой спроса. Например, зимой в магазинах традиционно хорошо продаются мандарины. Но конкретная динамика их реализации на протяжении зимы будет, скорее всего, неодинаковой. В период, скажем, с начала декабря по 20-е числа месяца мандарины, скорее всего, будут классифицироваться как товар типа Y — с относительно стабильным, но вариативным спросом. Однако в связи с тем, что этот фрукт очень популярен в Новый Год, то с 20-х чисел декабря по середину января он, скорее всего, будет продаваться с постоянно высокими темпами, что позволит отнести его к ресурсу типа X. В свою очередь, ближе к февралю мандариновый «ажиотаж» снижается, а к весне спрос на этот продукт становится близким по критериям к категории Z.

ABC-, XYZ-анализ можно сочетать. Более того, во многих случаях исследование будет неполным, если задействовать каждый из методов по-отдельности. Каким образом осуществить последовательный ABC-XYZ-анализ? Пример алгоритма, подходящего для этой цели, мы сейчас рассмотрим.

Допустим, перед нами стоит задача: проанализировать ассортимент продуктовых товаров на предмет того, продажа каких именно единиц приносит больше всего выручки и какие из них характеризуются самым стабильным спросом. В первой части исследования нам пригодится ABC-анализ ассортимента, во второй — уже XYZ. Как действовать? Какие результаты у нас могут быть в обоих случаях?

Сначала выявляем самый продаваемый товар, скажем, за прошедший месяц. Мы берем данные из CRM-системы или иного рода учетного источника, отражающие количество проданных единиц продуктов по дням. Выявляем, что 80 % всей выручки принесли колбаса, чипсы и газированные напитки. Это товары группы A. Далее мы смотрим, сколько чеков по каждой из товарных позиций пробито в каждый из дней месяца. Может оказаться так, что газировка продавалась в количестве 100-102 единицы в день. Колбаса — в один день 50, в другой — 153, в третий — 10, в четвертый — 181 единиц. В свою очередь, результаты по чипсам могут показать, что этот продукт продавался так: в первый день 80 единиц, во второй — 125, в третий — 91, в четвертый — 114. Получается, что среди товаров группы A газировка — самый стабильный, и его можно отнести к категории X (и потому смело закупать у поставщиков под выгодные условия по реализации). Чипсы — товар со средней стабильностью спроса, он будет принадлежать к группе Y. Колбаса — продукт группы Z, динамика продаж которого часто меняется.

Аналогичные процедуры можно провести по товарам типа B и C. Эксперты рекомендуют по результатам проведения комплексного исследования ассортимента, когда метод ABC-анализа сочетается с XYZ-методикой, выделять товары-лидеры (которые будут относиться к типу AX), а также позиции-аутсайдеры (классифицируемые как CZ). Кроме них, получится еще 7 товаров (всего — 9 возможных сочетаний, 3 в квадрате, а при измерениях в разные периоды, когда динамика продаж одних и тех же продуктов может меняться, общее количество вариантов может достигать 27, 3 в 3-й степени). Все их можно проранжировать и составить «рейтинг», отражающий сочетание прибыльности и стабильности продаж. Для удобства расчетов мы можем попробовать провести XYZ-, а также предшествующий ему ABC-анализ в Excel. Пример, рассмотренный нами, в достаточной мере прост, и потому мы можем задействовать упрощенные инструменты, такие как электронная таблица.

Выше мы отметили, что, определив самый прибыльный и самый стабильный товар, мы можем скорректировать политику взаимоотношений с поставщиками. Однако это не единственный плюс XYZ-анализа. Чем еще нам могут помочь результаты подобного исследования? Рассмотрим специфику их практического использования в сопоставлении с каждой из трех групп товаров.

Итак, продукция типа X характеризуется самым стабильным спросом. Самое важный критерий полезности обладания такими сведениями — планирование запасов. Мы можем наладить взаимодействие с поставщиками таким образом, чтобы наши склады использовались максимально эффективно. Мы точно будем знать, сколько времени будут находиться там товары группы X с момента загрузки и до попадания на прилавок. Следовательно, мы сможем планировать завоз менее динамичных, с точки зрения спроса, позиций Y и Z так, чтобы их всегда было где разместить.

Товары группы Y характеризуются относительно стабильной динамикой потребления. Главная функция таких изделий — поддерживать основной спрос, формируемый на товары группы X. В некоторых случаях возможны корреляции, отражающие зависимость динамики спроса в классе X от наличия на прилавках продукции типа Y. Вероятно, полагают аналитики, здесь играет роль психологический аспект. Покупатель, который видит пустые полки — берем случай, когда товары группы Y не представлены ритейлером, — не решается делать в таком магазине покупки даже тех позиций, что обычно характеризуются стабильным спросом. В свою очередь, если продукции типа Y достаточно, то «подогревается» спрос и на товары X. Главная задача для владельца магазина в данном случае — обеспечить оптимальную загрузку складских мощностей, найти идеальное сочетание между затратами на закупку вспомогательных Y-позиций и реальным экономическим эффектом их присутствия на полках.

В свою очередь, товары группы Z с трудом поддаются оптимизации в аспекте управления складом. Их прямого влияния на динамику продаж «флагманских» товаров типа X также может не быть. И потому эксперты рекомендуют отводить им минимальное место в общем объеме закупок. Или, как вариант, замещать их новинками, товарами, еще не опробованными на рынке. В этом случае хотя бы будет вероятность, что свежие бренды, появившиеся на прилавке, перерастут из категории Z в более значимые с точки зрения стабильности продаж.

Сразу оговоримся: при интерпретации итога анализа следует понимать, что, скажем, товары группы Z, относящиеся к категории A (и в этом необычность комплексного анализа) будут ценнее, чем продукция типа X для категории B. Более того, прямое их сопоставление не вполне корректно — это все равно что, условно говоря, рассматривать возможности футбольных команд из разноуровневых лиг. Поэтому, анализируя перспективы по товарам категорий A, B и C, линейно сопоставлять их распределение по группам X, Y и Z — неправильно. Важна последовательность в интерпретации результатов по изделиям в привязке к своим «лигам».

Итак, подведем краткие итоги:

— товары категории X — «флагманы» продаж, их закупка у поставщиков должна быть стабильной, каналы поставки налажены и, по возможности, диверсифицированы (на случай «санкций» и иного рода явлений, не подконтрольных бизнесу);

— продукция класса Y также обязательно должна присутствовать на прилавке, выполняя поддерживающую функцию по отношению к товарам X и стимулируя общий спрос;

— товары типа Z можно если не исключать из оборота, то пробовать заменять экспериментальными образцами, которые могут, в потенциале, приобрести статус продукции категорий X и Y.

Все эти выводы имеют место быть при условии, что речь идет об анализе товаров в рамках одной группы — A, B или C. Как мы уже сказали выше, выявлять «усредненные» индикаторы здесь особого смысла не имеет.

Безусловно, такого рода рекомендации справедливы, если только результаты объединенного ABC-XYZ-анализа можно интерпретировать однозначно. Методология исследования должна сопровождаться многомерными критериями, которые позволят сделать неоспоримые, с точки зрения статистики, выводы касательно перспектив продаж конкретного товара. Когда мы рассматривали вопрос о том, как может осуществляться ABC-анализ (пример с колбасой), то распределили продукты по соответствующим категориям очень условно. То же самое с XYZ-частью. На практие методология анализа гораздо сложнее. Более того, исследователи редко проводят, как в нашем примере, ABC-анализ в Excel с применением расчетов, по сути, вручную. Как правило, используются гораздо более сложные аналитические программы — с тем, чтобы вероятность ошибок свести к минимуму, поскольку речь идет о реальном бизнесе, где просчеты нежелательны, в отличие от теоретических сценариев.

источник

ABC-анализ — метод, позволяющий классифицировать ресурсы компании (база клиентов является ресурсом) по степени их важности. Этот анализ является одним из методов рационализации и может применяться для любого предприятия и в любой сфере его деятельности.

Основная цель ABC-анализа базы клиентов – выделить в сегментах клиентов группы клиентов, которые обеспечивают наибольший вклад (80%) в результаты работы компании, с тем, чтобы сфокусироваться на наилучшем удовлетворении потребностей именно этой группы.

Заполнив форму обратной связи в конце статьи, Вы сможете получить удобный Excel шаблон для проведения ABC-анализа.

В основе ABC-анализа лежит принцип Парето: 20/80. Применительно к ABC-анализу базы клиентов правило звучит следующим образом: 20% всех клиентов компании приносят ей 80% дохода. Еще 15% дохода приносят следующие 30% клиентов. И 50% клиентов (половина клиентской базы) приносят всего 5% дохода. В зависимости от отрасли и типа бизнеса цифры эти могут немного колебаться (бывают и крайние случаи, когда у бизнеса всего 1-2 клиента), но общая статистика именно такая.

Оценка клиентов по уровню приносимого дохода — самый простой вариант оценки клиентов компании, и часто компании настраивают такую оценку в системе учета. Но, оценка только на основе принесенного клиентом дохода недостаточна. Компанию должна интересовать не просто выручка, а то какую прибыль она получает на каждую гривну продаж. Поэтому, важно понимать не только выручку от продажи конкретному клиенту, но и маржинальную прибыль, которую клиент компании принес. Маржинальную прибыль нужно определять с учетом всех затрат, связанных с продажей именно этому клиенту. Довольно часто бывает, что клиент покупает вроде бы много, но требует, и максимальной скидки, и дополнительных условий (доставка, или послепродажное обслуживание, или бонусы). При этом цикл продаж этого клиента оказывается более длинным, чем для других клиентов, и персонал продаж тратит на него больше времени, чем на других. Поэтому, маржинальный доход, приносимый клиентом, желательно оценивать на единицу времени, затраченную на каждую сделку. В итоге, посчитав все затраты, связанные с продажами таким клиентом, может оказывается, что и прибыли эти продажи компании не приносят.

Кроме того, компанию должен интересовать вопрос: какую выручку от продаж она получает на каждую гривну используемого капитала, — вопрос эффективности использования капитала компании. А это напрямую зависит от платежной дисциплины клиентов. Т.е. приводит к необходимости оценки дебиторской задолженности клиентов.

Именно поэтому, мы предлагаем использовать расширенный вариант анализа – одновременную оценку ценности клиентов на основе выручки, маржинального дохода, и нескольких других показателей, выбираемых в зависимости от специфики бизнеса и стратегии компании. К примеру, объемов продаж, сроков погашения дебиторской задолженности, частоты покупок, сроков последней покупки или выручки на одну сделку и т.д.

Безусловно, необходимым условием проведения корректного анализа является корректное ведение учета продаж в разрезе сегментов клиентов, наименований клиентов, получаемого дохода и с учетом всех видов затрат, которые компания несет на привлечение, удержание клиента, после продажное обслуживание, если такое есть. Для такого учета продаж необходима проработанная методология управленческого учета в компании и ее реализации в ИТ-системе.

АВС-анализ необходимо проводить, как минимум один раз в год, при разработке и пересмотре стратегии компании для существующего рынка с целью разработки стратегии маркетинга и стратегии продаж для существующих клиентов. Анализ также должен проводиться для среднесрочного (годового) планирования продаж: продажи существующим клиентам в прошлом могут служить основной для прогноза будущих продаж. Однако, для многих рынков и видов бизнеса желательно проводить ABC-анализ чаще, — раз в квартал, так это поможет оперативно фокусировать маркетинг и продажи на лучших клиентах компании.

ABC-анализ мощный инструмент для анализа эффективности клиентской базы компании, но он представляет только один компонент обширного процесса анализа клиентов. Поэтому, этот инструмент должен использоваться вместе с другими стратегическими инструментами: стратегический анализ клиентской базы, анализ портретов клиентов, анализ потребностей и поведения клиентов.

ABC-анализ можно применить не только для анализа базы клиентов и выделения лучших клиентов. Его можно применить для анализа категорий товаров и номенклатуры внутри категории для определения категорий и товаров, пользующихся наибольшим спросом и наиболее прибыльных, оценки эффективности менеджеров по продажам, каналов продаж, партнеров, анализа запасов, сырья и закупаемых материалов, анализ затрат и т.д.

При объединении анализа клиентов и анализа товаров получим перекрестный анализ, позволяющий фокусироваться как на приоритетных клиентах, так и на номенклатуре, которую приоритетные клиенты выбирают.

Процесс проведения ABC-анализа состоит из следующих шагов (см. Рис. 1):

Рис.1 Процесс проведения ABC-анализа

    Шаг 1 Выбор показателей продаж для анализа и подготовка учетных данных;

    Шаг 2 Анализ эффективности сегментов клиентов;

    Шаг 3 Анализ сегментов по каждому показателю продаж отдельно;

    Шаг 4 Сведение результатов оценки по отдельным показателям продаж в единую таблицу;

    Шаг 5 Анализ по совокупности всех показателей продаж;

    Шаг 6 Подготовка выводов по результатам анализа и принятие управленческих решений.

    Результат процесса ABC-анализа даст вам более четкое понимание, кто является самыми ценными клиентами компании, приносящими ей наибольший доход и прибыль. Вы получите основу для принятия взвешенных управленческих решений для распределения бюджета маркетинга с учетом самых ценных клиентов; для фокусировки усилий персонала продаж (и другого персонала компании) на самых ценных клиентах; для дальнейшей стратегической разработки уникального ценностного предложения для самых ценных клиентов и усиления конкурентоспособности компании.

    Для проведения анализа прежде всего нужно выбрать показатели продаж, по которым будет оцениваться клиентская база. Это, по своей сути, стратегические показатели продаж, которые компания выбрала для оценки продаж при разработке стратегии. Как правило, это выручка и маржинальный доход, плюс, может быть, погашение дебиторской задолженности или объемы продаж.

    Кроме этого, для проведения анализа вам понадобиться предварительная подготовка данных. Это связано с тем, что, как правило, у большинства компаний в учете нет порядка. Один и тот же клиент в учете может фигурировать под разными именами. Одна из причин, клиент может иметь несколько юридических лиц для ведения хозяйственной деятельности и оформлять сделки на разные лица. Вторая причина элементарные ошибки введения наименований компаний персоналом по продажам под разными именами в силу отсутствия в компании стандарта ведения управленческого учета. Достаточно ввести клиента один раз как «Компания», второй раз как ООО «Компания», третий как ТОВ «Компания», и в системе появится три клиента вместо одного.

    Поэтому, выгружаем данные из учетной системы в таблицу Excel и делаем анализ наименований, составляем уникальный список клиентов и продажи одного и того же клиента суммируем. Результаты этого шага могут служить основой наведения порядка в учете продаж клиентам.

    Как правило, компания работает с несколькими сегментами клиентов. Поэтому первым шагом необходимо проанализировать вклад каждого сегмента в результаты компании. А затем проводить дальнейший анализ базы клиентов внутри каждого сегмента по отдельности.

    Рис.2 Вклад сегментов в общий результат компании

    В силу того, что сегментов клиентов в компании, как правило, не много (2-4) оценка их эффективности не очень сложна и наглядна. Вычислив долю выручки сегмента в общей выручке компании и долю выручки сегмента в маржинальной прибыли от продаж, можно сразу сделать определенные выводы. В приведенном на рисунке 2 примере Сегмент 2 приносит компании 32% маржинальной прибыли при выручке менее 24%. И это самый приоритетный сегмент. На сегмент 1 нужно обратить внимание, так как при самой большой доле в выручке от продаж, он приносит компании только около 22% маржинального дохода. Еще более пристальное внимание нужно обратить на сегмент 4 – почему в этом сегменте такой низкий маржинальный доход.

    Устанавливаем диапазон категорий: АВС

    Рис.3 Диапазоны категорий ABC

    Для каждого показателя продаж готовится свой лист таблицы Excel. Рассмотрим проведение анализа на примере показателя продаж «Выручка». Последовательность анализа следующая:

    Сортируем по показателю продаж по убыванию (в данном случае по выручке);

    Рассчитываем общую сумму показателя продаж;

    Рассчитываем колонку «Доля» — долю каждого клиента в общей сумме показателя продаж по формуле: (Выручка по клиенту) / (Общая сумма выручки) * 100%;

    Рассчитываем колонку «Накопительный итог» — накопительный итого доли клиентов в выручке, начиная с самого большого значения. К примеру, доля Клиента 14 в выручке – 29,89%, доля Клиента 10 в выручке -26,55%, доля Клиента 13 в выручке – 6,09%. Накопительный итог первых трех клиентов составит: Клиент 14 (29,89%) + Клиента 10 (26,55%) + Клиента 13 (6,09%) = 62,53%;

    Присваиваем категории ABC. Находим клиента, доля которого нарастающим итогом ближе к 80%. Это нижняя граница категории А. Находим клиента, доля которого нарастающим итогом ближе к 95%. Это нижняя граница категории В. Все клиенты ниже этой границы относятся к категории С. Делаем условное форматирование по категориям: категория А –зеленый, категория В – желтый, категория С – красный.

    Читайте также:  Какие анализы сдать при кровотечение

    Рис.4 Результаты Шага 3.

    Результаты анализа предыдущего шага по каждому отдельному показателю продаж сводятся в общую таблицу. Сортировка таблицы выбирается по приоритетному показателю, к примеру, по выручке.

    Рис.5 Сводная оценка клиентов по совокупности показателей продаж

    Для наглядности переносим результаты в таблицу с присвоенными категориями. Полученный наглядный результат дает возможность быстро сделать оценки и принять управленческие решения. В приведенном примере, мы видим, что Клиенты 14 и 8 и по выручке, и по маржинальной прибыли самые ценные для компании. Клиент 10 и выручки и прибыли компании приносит много, но размеры каждой сделки с этим клиентом небольшой, т.е. он покупает часто, но небольшими объемами. Соответственно во временном аспекте каждая сделка с ним требует от компании больше ресурсов. Если бы в учетной системе компании учитывалась бы маржинальная прибыль с учетом затрат времени персонала на одну сделку, скорее всего, что по показателю маржинальной прибыли, этот клиент не попал бы в категорию «А». Несовершенство учетной системы компании может приводить к неправильным выводам

    Рис.6 Сводная оценка клиентов по совокупности категорий АВС

    Есть ряд клиентов (Клиент 13, 2, 4), которые по выручке попадают в категорию «А», а по маржинальной прибыли в категорию «В». Это означает, что, возможно, этим клиентам компания предоставляет чрезмерные скидки или дополнительные бесплатные услуги. Клиент 15 при выручке в категории «В» по прибыли попадает в категорию «А». Это означает, что, если приложить усилия для увеличения продаж этому клиенту, компания сможет получать дополнительную прибыль пропорционально большую, чем увеличение продаж.

    Из представленной матрицы также видно, что половина клиентов компании попадают в категорию С, т.е. в сумме приносит компании меньше 5% выручки и прибыли.

    Возникает логичный вопрос: «Какие управленческие решения необходимо принять?»

    Эти клиенты, по сути, тянут компанию вниз, отвлекая человеческие и временные ресурсы, которые могли бы быть использованы более эффективно. Фактически, те, кто занимает место в нижней части вашего списка, являются кандидатами «на увольнение», как бы это странно не звучало.

    Ни один анализ не имеет смысла, если на основе его результатов не принимаются управленческие решения. Порой существует мнение, что нужно «подтянуть» отстающих, чтобы получить больше выручки и прибыли. Но это, ошибочное мнение. Компания должна сосредоточиться на своих самых ценных, лучших клиентах, доказавших, что они уже приносят ценность компании и могут принести ее в будущем. Лучшие клиенты – это те, которые сгенерировали наибольший доход и прибыль за последние 12 месяцев (или 24 месяцев), и дают вам максимальный почасовой доход/прибыль (доход, который они порождают, деленный на время, которое вы на них тратите).

    Решения, которые нужно принять:

    Как удовлетворять потребности самых ценных клиентов еще лучше, чтобы увеличить выручку и прибыль, приносимую ими?

    Как распределить бюджет маркетинга с учетом самых ценных клиентов?

    Как распределить усилия персонала по продажам?

    Как клиентов с категорией «В» по выручке и «А» по прибыли перевести в категорию «АА» и по выручке, и по прибыли?

    Необходимо обязательно разделять сегменты клиентов и проводить анализ внутри сегментов. Смешение клиентов разных сегментов в одной таблице анализа приведет к неправильной оценке и неправильным управленческим выводам и решениям.

    Если компания реализует свои товары на разных географических рынках и функционирует в разных отраслях — рекомендуется проводить ABC-анализ для каждого сегмента, каждого канала продаж, каждой отрасли, для каждого рынка.

    Для получения надежных оценок в ABC-анализе необходимо иметь надежную исходную информацию в системе учета. Для этого необходим продуманная политика управленческого учета с детальным учетом затрат и развернутой аналитикой по продажам.

    Самые серьезные ошибки происходят по причине некорректных учетных данных, неправильно отображающих нюансы хозяйственной деятельности компании. Поэтому необходимым условием должно быть разработка и внедрение Политики управленческого учета с максимально возможной детализацией затрат, связанных с генерированием дохода, и развернутой аналитикой по продажам.

    Необходимо обязательно разделять сегменты клиентов и проводить анализ внутри каждого сегмента.

    Не достаточно анализировать только выручку или только маржинальную прибыль. Необходимо применять совокупную оценку по стратегическим параметрам продаж компании.

    Для того, чтобы получить максимальную выгоду от ABC-анализа его следует использовать в организации на регулярной основе для обеспечения возможности выявления любых тенденций в продажах и своевременного на них реагирования.

    Как и все другие методы ABC-анализ имеет свои преимущества и недостатки.

    Обеспечивает простой, легко используемый и наглядный шаблон для анализа клиентской базы компании;

    ABC-анализ дает экономическую оценку каждому клиенту для определения его ценности для вашего бизнеса;

    Учитывает исключительно предыдущую статистику компании (в будущем динамика может измениться);

    Зависит от качества учетной информации: продуманной методологии управленческого учета и наличия развернутой аналитики продаж;

    Компаниями часто упрощают анализ и проводят его только по одному показателю продаж, что может приводить к неправильным выводам;

    Процесс должен проводиться регулярно для того, чтобы быть эффективным. Однако, часто компании этого не делают, считая, что это требует значительного времени (а значит денег);

    Для принятия стратегических решений рекомендуется ABC-анализ использовать в сочетании с методом стратегической оценки клиентской базы, который количественные показатели ABC-анализа дополняет качественными экспертными оценками стратегической значимости клиентов для будущего развития компании.

    Хотите поблагодарить? Сделайте репост:

    Для получения MS EXCEL шаблона ABC-анализа необходимо заполнить и отправить приведенную далее форму:

    источник

    АВС-классификация — это метод, используемый для ранжирования клиентской базы на группы с разным удельным весом, в зависимости от выбранного критерия. В качестве критерия могут выступать следующие показатели:

    • продаж в натуральном/денежном выражении,
    • оборота,
    • прибыли.

    Результатом использования такой классификации является АВС–анализ. Он позволяет выполнить распределение контрагентов по уровню их важности для Вашей компании.

    Идея метода АВС-анализа строится на принципе Парето: «за большинство возможных результатов отвечает относительно небольшое число причин», в настоящий момент более известного как «правило — 20 на 80». Применительно к проблеме отношений с клиентами это правило звучит так: 20 % клиентов обеспечивают 80 % выручки (и наоборот, 80 % клиентов обеспечивают лишь 20 % выручки).

    Перед тем как, проводить АВС-анализ рекомендуется ответить на следующие вопросы:

    • Какова цель проведения анализа?
    • Каким образом будут использоваться результаты анализа?

    Для проведения АВС-анализа рекомендуется использовать следующий план:

    • Выбрать объект анализа. Например: Клиент, Партнер, Менеджер, Регион
    • Выбрать критерий, по которому будет проводиться анализ объекта. Например: выручка, прибыль, количество единиц продаж, срок погашения дебиторской задолженности, обобщенный показатель, включающий несколько показателей одновременно.
    • Отсортировать объекты анализа в порядке убывания значения критерия.
    • Определить группы А, В и С.

    Для определения принадлежности выбранного объекта к соответствующей группе необходимо:

    • Рассчитать долю критерия от общей суммы критериев выбранных объектов.
    • Рассчитать эту долю с накопительным итогом. Доля с накопительным итогом высчитывается путём прибавления значения критерия к сумме предыдущих значений критериев.
    • Присвоить значения групп выбранным объектам.

    На сегодняшний день наиболее часто встречается описание следующих методов определения групп АВС:

    • Классический метод (эмпирический).
    • Метод суммы.
    • Дифференциальный метод.
    • Метод касательных.
    • Метод многоугольника.
    • Метод петли.
    • Метод треугольника.

    Некоторые из этих методов можно назвать продвинутыми, некоторые из них уже устарели (но до сих пор популярны и используются), а некоторые применимы только в частных случаях и не могут рассматриваться как эффективный инструмент для повседневной практики. Наиболее популярными являются классический (эмпирический) метод, метод суммы и метод касательных. Остановимся на этих трех методах попдробнее.

    В эмпирическом методе разделение происходит в зависимости от вклада в результат объектов и выбранной пропорции, например 80/15/5.

    В методе суммы складывается доля объектов и их совокупная доля в результате — таким образом значение суммы находится в диапазоне от 0 до 200 %. Группы выделяют так: группа А — 100 %, В — 45 %, С — остальное.

    Классический метод и метод суммы относятся к методам с фиксированными границами, которые накладывают существенные ограничения на структуру распределения объектов. Например, для объектов с равномерной структурой распределения (точка Парето = 50 %, 50 %) ранжирование на три группы вообще не имеет практического смысла, поскольку все объекты имеют одинаковые значения результата.

    Из плюсов классического метода и метод суммы можно выделить наглядность и простоту автоматизации. Однако, несмотря на эти плюсы, в общем случае описанные методы являются сильно упрощенными и могут давать довольно высокую погрешность.

    Одним из гибких и точных методов является метод с нефиксированными границами – метод касательных. Суть метода состоит в том, что на диаграмме Парето строят две касательные, которые определяют координаты границ групп А, В и С (см. Рисунок 1).

    Рисунок 1. Метод касательных.

    Из плюсов метода касательных можно отметить масштабируемость алгоритма и, как следствие, несложную автоматизацию, а также так же невысокий уровень ошибки в области средних значений точки Парето.

    Из минусов данного метода отмечается несимметричность относительно точки Парето, что повышает уровень ошибки. Так же метод плохо работает на распределениях близких к граничным точкам Парето.

    Таким образом, для проведения АВС-анализа необходимо выбрать критерий оценки. Это может быть простой критерий (например, прибыль) или обобщенный показатель. Например, нужно одновременно учесть и прибыль, и оборот, и скорость возврата дебиторской задолженности. Для этого следует присвоить каждому критерию свой весовой коэффициент и ввести для расчетов обобщенный показатель. Выбор критерия зависит напрямую от цели анализа. Для объективности анализа рекомендуется провести анализ не только в разрезе клиентов, но и в разрезе отрасли и менеджеров. Далее выбираем метод определения групп А, В, С. Проводим анализ делаем выводы и применяем их на практике.

    В следующем совете рассмотрим классификацию клиентов с использованием XYZ-анализа.

    источник

    Современный маркетинг и логистика основаны на использовании ряда всемирно опробованных инструментов. К таким инструментам относят ABC и XYZ-анализы, помогающие улучшить организацию бизнеса. Их совместное применение действенно для оптимизации бизнес-процессов, не вызывает потребности в больших трудозатратах и в привлечении высокооплачиваемых экспертов.

    Смыслом ABC-анализа можно считать выделение в бизнесе из большого количества однотипных объектов те, на которых нужно сосредоточить главное внимание исходя из конкретной выбранной цели. Этот метод может использоваться в разных направлениях: для оптимизации ассортимента, анализа клиентской базы, повышения эффективности продаж.

    ABC-анализ основан на идеях Парето, утверждающего, что в бизнесе всегда только 20% вложений даёт 80% результата. Именно на этом сегменте он рекомендует сосредоточить усилия.

    В ABC-анализе делят факторы бизнеса на 3 категории:

    • А — наиболее ценные ресурсы (20%), результат от которых в бизнесе равен 80%;
    • В — 30% ресурсов, дающих 15% результата;
    • С — 50% ресурсов, от которых результат составляет всего 5%.

    Сущность АВС-анализа — ранжирование ресурсов по приносимым ими результатам

    XYZ-анализ — это инструмент определения уровня стабильности или вариативности в продажах. Он группирует объекты бизнеса исходя из равномерности продаж, выявляет колебания в разные временные промежутки и классифицирует объекты по уровню прогнозируемости. Метод может применяться для анализа продаж отдельных товаров, услуг или поведения клиентов.

    Если ABC-анализ выделяет самые продаваемые товары, то XYZ помогает понять, насколько стабилен спрос на них.

    Методики ABC и XYZ могут применяться для анализа таких факторов:

    • товарного ассортимента (анализируем прибыль);
    • целевой клиентской базы (анализируем объём заказов);
    • базы поставщиков (анализируем объём поставок);
    • дебиторов (анализируем сумму и динамику задолженности).

    Анализ ABC по базе клиентов можно провести по выручке, которую они приносят в бизнес:

    1. A — крупные клиенты.
    2. B — средние клиенты.
    3. C — малые клиенты.

    Нет единого стандарта, каких клиентов можно отнести к группам А, В или С. Такое разделение зависит в первую очередь от масштабов исследуемого бизнеса. Сумма, определяющая крупного клиента, для мелкого розничного магазина может быть и 200 000 рублей, а в крупной оптовой торговле доход будет измеряться в миллионах. Именно процесс проведения анализа и приведёт к определению, каких клиентов относить к какой из категорий.

    XYZ-анализ отвечает на вопрос, какие клиенты совершают покупки регулярно, какие — от случая к случаю, а кто купил товар только один раз.

    В качестве широко распространённого инструмента маркетингового анализа во всех видах торговли (розничной, оптовой, онлайн) используют так называемые воронки продаж, основная идея которых заключается в том, что процесс сделки всегда состоит из отдельных этапов. Воронка продаж отражает распределение клиентов по этапам роста их полезности для продавца: от потенциального покупателя до заключения первой сделки, а затем и перехода клиента в статус постоянного, лояльного и даже агитирующего за использование конкретного бренда.

    Понятие вронки продаж строится на том, что потенциальных покупателей много, но до этапа заключения сделки доходит меньшинство

    ABC-анализ показывает, сколько потенциальных клиентов доходит до уровня сделки, кто они, каким образом узнали о компании, какой менеждер с ним работал.

    Благодаря наглядности структуры анализ воронки продаж позволяет планировать развитие процесса торговли, контролировать эффективность персонала, мотивировать сотрудников.

    Важным критерием приоритетного положения клиента должно быть получение от него высокого дохода, причём достаточно стабильно, а не одноразово. Здесь наиболее эффективно совмещение ABC и XYZ-анализа. В результате выделяются группы потенциальных клиентов, с которыми можно использовать разные методы коммуникации:

    • маркетинг отношений, программы лояльности — для малочисленной, но самой доходной группы постоянных клиентов;
    • поддержание постоянных контактов — когда клиент готов тратить на покупки большие суммы, но делает это редко;
    • исследование потребностей, расширение ассортимента — для тех, кто совершает дорогие покупки непредсказуемо.

    ABC-анализ предполагает такую последовательность действий:

    • определить цели анализа;
    • идентифицировать объекты, которые анализируем;
    • выделить параметр, на основании которого будет проводиться классификация объектов;
    • оценить каждый объект по классификационному параметру;
    • отсортировать объекты в порядке убывания значения параметра;
    • определить долю значения параметра по всем объектам;
    • ранжировать значения доли параметров нарастающим итогом;
    • разделить объекты на три группы по значениям параметра (от минимального до 80%, от 80 до 95% и свыше 95%);
    • определить количество и состав объектов в каждой группе.

    ABC-анализ выполняется пошагово в определённой последовательности

    Для примера приведём АВС-анализ клиентской базы компании ООО «Альфа». В качестве инструмента воспользуемся табличной программой Excel.

    1. Ставим цель — ранжировать клиентов из базы по степени их прибыльности.
    2. В качестве объекта анализа выбираем 20 клиентов фирмы, которых анонимно обозначим от Клиент 01 до Клиент 20.
    3. В качестве параметра анализа рассмотрим сумму покупок каждого клиента за полугодие.
    4. Сопоставим каждого клиента с суммой выручки, полученной от него за полугодие, и создадим исходную таблицу Excel, содержащую всего два столбца: А — перечень клиентов, В — выручка за полугодие. Подводим в отдельной строке итог выручки. На первом этапе анализа составляем таблицу со списком клиентов и суммами выручки по каждому из них за полугодие
    5. Отсортируем клиентов в порядке убывания выручки за полугодие (меню «Данные» → «Сортировка» → «По убыванию»).
      Список клиентов сортируется по сумме покупок за полугодие с помощью специального инструмента Excel
    6. Определим долю каждого клиента в итоговой сумме выручки компании за полугодие по формуле: Доля = (Выручка от клиента) / (Итоговая сумма выручки) * 100%. Чтобы не заводить формулу вручную каждый раз, задаём столбцу С процентный формат ячеек, в первой ячейке (С2) задаём формулу =B2/$B$22, протягиваем до последнего столбца.
      Доля каждого клиента в покупках выражается в процентах
    7. Рассчитаем накопительную долю для каждого покупателя. В первой строке дублируется процентная доля клиента, в последующих значение вычисляется суммированием этой доли и процентной доли текущего клиента. Технически это выглядит так: во второй ячейке столбца Е задаём формулу =C3+Е2, протягиваем до последней строки.
      Расчёт накопительной доли делается по формуле =C3+Е2
    8. Получим список клиентов, отсортированный по накопительной доле каждого клиента. Для контроля: в последней строке (в нашем случае 21) должно стоять значение 100%.
      Накопительные доли клиентов автоматически отображаются по нарастанию
    9. Разделим список, отражающий накопительные доли, на три группы:
      • А — клиенты с наибольшими объёмами покупок. Их накопительная доля — до 80%. В эту группу вошли 5 клиентов;
      • В — клиенты, для которых значение накопительной доли составляет от 80 до 95%. В эту группу вошли 6 клиентов;
      • С — остальные 9 клиентов, накопительная доля которых более 95%. Клиенты разбиваются на 3 категории по значению накопительной доли
    10. Подсчитаем долю общей выручки и процент от общего числа клиентов в каждой группе. На практике доля объектов в группах А, В и С не всегда точно соответствует теоретическому значению по Парето. Так, ценные 20% клиентской базы должны составлять четыре клиента, а по итогам расчётов их оказалось 5, то есть 25%. Но по расчётам видно, что они дают компании 80% выручки. Так же и с группой С. Это не следует считать ошибкой расчёта. По законам статистики ближе к теоретическому итогу можно подойти с увеличением количества объектов, например, если клиентов будет не 20, а 500. АВС-анализ позволил выделить из базы ООО «Альфа» 5 наиболее прибыльных клиентов

    Алгоритм XYZ-анализа строится так:

    1. Выбрать объект и анализируемый параметр.
    2. Определить временные рамки исследования.
    3. Рассчитать коэффициент вариации по каждому объекту.
    4. Ранжировать объекты по коэффициенту вариации.
    5. Распределить объекты на 3 группы:
      • Х — коэффициент вариации от 0 до 10% — группу характеризует устойчивость;
      • Y — коэффициент вариации от 10 до 25% — поведение группы изменчиво, но прогнозируемо;
      • Z — коэффициент вариации от 25% — случайный, разовый характер сделки, спроса и т. д.

    Выполним XYZ-анализ клиентской базы ООО «Альфа» средствами Excel:

    1. Объектом анализа выбираем клиентскую базу и рассматриваем сумму покупок по каждому.
    2. Определим период, за который проводим анализ. Это будут шесть месяцев из полугодия, рассмотренного в АВС-анализе.
    3. Составляем таблицу клиентов с объёмами покупок за каждый из выбранных шести месяцев. В исходную таблицу для XYZ-анализа включаются список клиентов и суммы их покупок по месяцам
    4. Коэффициент вариации рассчитывается по сложной формуле. Его значения колеблются от 0 до 1. В Excel для этого предусмотрен специальный инструмент: если данные начинают вводиться со строки 3 (ячейки В3-G3), в свободном столбце вписываем формулу =СТАНДОТКЛОНП(B3:G3)/СРЗНАЧ(B3:G3), протягиваем до последней строки, ячейкам задаём процентное значение. В этом варианте коэффициент будет отображаться в процентах.
      Коэффициент вариации можно рассчитать по формуле, но удобнее воспользоваться инструментом Excel
    5. Для удобства в таблице можно рассчитать средние продажи за месяц по каждому клиенту и стандартное отклонение. Но для результатов анализа принципиальным будет коэффициент вариации. На этом этапе он должен быть проставлен в строке каждого клиента.
      Коэффициент вариации рассчитавыется в отдельном столбце по каждому клиенту

    Таблицу клиентов сортируем в порядке возрастания по значению коэффициента (меню «Данные» → «Сортировка» → «По возрастанию»). Делим их на 3 группы. В группу X войдут клиенты с коэффициентом от 0 до 10%, Y — от 10 до 25%, Z — выше этого значения. Если объектов немного, можно вместо сортировки проставить принадлежность к группе вручную в отдельном столбце.

    XYZ-анализ распределяет всех клиентов по трём группам

  • Подведём итог проведённого XYZ-анализа клиентской базы ООО «Альфа». В группу X вошли стабильно покупающие клиенты, их насчиталось 8 из 20. Для вошедших в группу Y (7 клиентов) характерен колеблющийся спрос. В группе Z (5 клиентов) спрос практически непредсказуем и скорее случаен, чем закономерен. Делаем вывод, что поведение большинства клиентов компании стабильно или прогнозируемо.
    XYZ-анализ характеризует группы объектов по степени их стабильности
  • Совмещённый анализ ABC и XYZ считается эффективным и разносторонним инструментом. Метод базируется на формировании единой таблицы, где по девяти группам распределяют объекты анализа на основании итогов ABC-анализа и XYZ-анализа.

    AX
    Высокая потребительская стоимость, высокая степень надёжности прогноза вследствие стабильности потребления
    AY
    Высокая потребительская стоимость, средняя степень надёжности прогноза вследствие нестабильности потребления
    AZ
    Высокая потребительская стоимость, низкая степень надёжности прогноза вследствие стохастичного потребления
    BX
    Средняя потребительская стоимость, высокая степень надёжности прогноза вследствие стабильности потребления
    BY
    Средняя потребительская стоимость, средняя степень надёжности прогноза вследствие нестабильности потребления
    BZ
    Средняя потребительская стоимость, низкая степень надёжности прогноза вследствие стохастического потребления
    CX
    Низкая потребительская стоимость, высокая степень надёжности прогноза вследствие стабильности потребления
    CY
    Низкая потребительская стоимость, средняя степень надёжности прогноза вследствие нестабильности потребления
    CZ
    Низкая потребительская стоимость, низкая степень надёжности прогноза вследствие стохастического потребления

    Выполним совмещение АВС и XYZ-анализов клиентской базы ООО «Альфа» средствами Excel:

    1. Берём результаты ABC-анализа — таблицу с разбивкой клиентов на группы.
    2. Берём результаты XYZ-анализа клиентской базы.
    3. Создаём совмещённую таблицу (можно добавить дополнительные столбцы на уже созданную странницу). В отдельном столбце по каждому клиенту проставляем две буквы — группы из АВС и XYZ-анализа.
      Таблица совмещённого анализа может формироваться на основе уже заполненных таблиц АВС и XYZ
    4. Создаём новую таблицу из трёх строк и трёх столбцов. Строки обозначаем последовательно как A, B и C, а столбцы — X, Y и Z. Исследуемые объекты (у нас это клиенты) разместим в девяти ячейках сводной таблицы в зависимости от присвоенных им отметок из двух букв.
      Матрица совмещённого анализа состоит из 9 ячеек, по которым распределяются клиенты
    5. Сделаем выводы из совмещённого анализа. У нас будет сформирован список клиентов, на работу с которыми следует обращать активное внимание. В ячейке AX будут клиенты с наиболее стабильной потребностью в товарах и дающие максимум выручки. Также обратим внимание на ячейки BX и AY, отражающие покупателей с довольно высоким потенциалом. Самые неперспективные клиенты займут позиции BZ и особенно CZ.
    Читайте также:  Какие анализы нужно принести гастроэнтерологу
    A Большой стабильный доход Большой предсказуемый доход Большой нерегулярный доход
    B Средний стабильный доход Средний предсказуемый доход Средний нерегулярный доход
    C Маленький стабильный доход Маленький предсказуемый доход Маленький нерегулярный доход
    X Y Z

    Совмещение использования ABC и XYZ-анализа помогает управлять как товарными ресурсами, так и базой клиентов. Этот инструмент помогает корректировать ассортиментную политику, повышая долю востребованных товаров и платёжеспособных клиентов. Совмещённый анализ хорош тем, что универсален, пригоден в разрезе любых объектов бизнеса: от товаров до оценки работы персонала.

    источник

    АВС-анализ – это один из самых доступных методов группировки клиентов по степени важности. В первую очередь, он полезен тем компаниям, где существуют сложности с обработкой данных специализированным программным обеспечением. Однако у начинающих специалистов, которые впервые столкнулись с необходимостью проанализировать продажи с помощью этого метода, он нередко вызывает массу вопросов. Попробуем разобраться, что именно приводит к сложностям и как их преодолеть.

    АВС-анализ – это один из методов ранжирования клиентской базы на группы с разным удельным весом, в зависимости от того или иного критерия. В литературе чаще всего можно встретить примеры проведения АВС-анализа по показателям продаж в натуральном выражении, оборота или прибыли.

    Одним из вариантов интерпретации АВС-анализа является диаграмма Паретто. Дело в том, что АВС-анализ базируется на принципе Паретто, который означает, что 20% усилий дают 80% результата, а остальные 80% усилий — лишь 20% результата. Однако при проведении АВС-анализа клиенты, как правило, распределяются не на две, а на три группы А – 75%, В – 20% и С – 5%. Откуда берутся эти цифры? «Из головы». На самом деле, число таких групп и процентные отношения между ними могут быть произвольными, в чем мы сможем убедиться чуть ниже.

    Для макетолога, который является экспертом в своей отрасли, подобной технологии ранжирования клиента совершенно достаточно для общей оценки ситуации на конкретном предприятии. Но для специалиста, который только начинает свое знакомство с тем или иным рынком, может быть полезен более глубокий анализ. В этом мы имели возможность убедиться на собственном опыте. Вкратце объясним те сложности, с которыми мы и наши коллеги сталкивались при проведении анализа описанным выше методом.

    Во-первых, при произвольном изменении процента покрытия групп «А», «В» и «С» меняется их состав, причем зачастую довольно существенным образом. Как с этим быть, какие выводы делать и какие рекомендации предлагать предприятию, становится непонятным. Кроме того, если использовать деление на группы для оценки «важности клиентов», на первый взгляд, очень сложно понять, почему группа «А» должна вносить вклад в размере 75%, а, например, не в размере 80%.

    Во-вторых, если мы используем заданный процент для анализа динамики поступлений от клиентов в течение времени, может получиться так, что какой-нибудь отдельно взятый клиент с одним и тем же стабильным объемом покупок (или прибылью) попадает в разные группы, в зависимости от взятого периода.

    Пример такой ситуации приведен в группе таблиц №1. В ней мы рассматриваем реальную ситуацию, сложившуюся в компании, которая занимается продажей тканей, и приводим анализ пяти ее клиентов по критерию объема закупок в натуральном выражении за год. При этом в данном случае, проводя АВС-анализ, клиентов мы будем «разбивать» в соотношении 70:20:10.

    А) Данные по продажам ткани в динамике: простой список клиентов

    Клиент 2000 г. (метров) 2001 г. (метров) 2002 г. (метров)
    Клиент 1 3000 3200 3800
    Клиент 2 700 700 700
    Клиент 3 300 450 800
    Клиент 4 50 180 1000
    Клиент 5 10 000 12 000
    Всего: 4050 14 530 18 300

    Б) Данные по продажам ткани в динамике: ранжированный список клиентов

    Клиент 2000 г. (метров) 2001 г. (метров) 2002 г. (метров)
    Клиент 1 3000 Клиент 5 10 000 Клиент 5 12 000
    Клиент 2 700 Клиент 1 3200 Клиент 1 3800
    Клиент 3 300 Клиент 2 700 Клиент 4 1000
    Клиент 4 50 Клиент 3 450 Клиент 3 800
    Клиент 5 Клиент 4 180 Клиент 2 700

    В) Предварительное распределение клиентов по группам

    Группы 2000 г (метров) 2001 г (метров) 2002г (метров)
    А — 70% 2835 10 171 12 810
    В — 20% 810 2906 3 660
    С — 10% 405 1453 1830

    С какими проблемами мы сталкиваемся в данном примере? Проблема первая: анализируя ситуацию в динамике, невозможно точно отнести клиентов к той или иной группе. По данным на 2000 г., «Клиент №1» формирует группу «А», но также вносит свой вклад в долю группы «В». Но в следующие два года «Клиент №1», наоборот, вносит очень незначительный вклад в группу «А», хотя при этом у него наблюдается положительный рост объема продаж. Неопределенной является ситуация и с «Клиентом №2»: в первый год он попадает в группу «В», а в третий — в группу «С», хотя объем его закупок не изменился.

    Конечно, можно обратить внимание на то, что в 2001 г. у компании появился новый клиент – «Клиент №5», который существенным образом повлиял на расклад ситуации. Поэтому можно попытаться решить проблему «миграции» групп путем раздельного анализа старых и новых клиентов, но и это позволяет решить имеющуюся проблему лишь частично.

    Проблема номер два: если нам, к примеру, понадобится проанализировать историю клиентов и по объемам продаж, и по показателям прибыли, и по срокам погашения дебиторской задолженности, то мы не сможем этого сделать. В данном примере невозможно анализировать клиентов по нескольким параметрам одновременно, хотя такой многомерный анализ является сутью грамотного разбиения клиентов на группы.

    Таким образом, описанный нами вариант ранжирования клиентов по фиксированному проценту покрытия оптимален, когда нам необходимо провести анализ клиентов в рамках одного периода. А вот анализ показателей в динамике в этом случае затруднен.

    Как обойти описанные выше сложности? Это возможно, если за основу для разбиения по группам взять не заданный процент, а фиксированный объем продукции в натуральном выражении. Вернемся к нашему примеру. Предположим, мы хотим, чтобы в группу «А» были включены клиенты, чей годовой объем закупок превышает 1000 м, в группу «В» – клиентов с закупками от 100 до 999 м, а в группу «С» – клиентов, покупающих менее 100 м ткани.

    Тогда по итогам 2000 г. в группу «А» войдет клиент №1, в группу «В» – клиенты №2 и №3, а в группу «C» – клиент №4. Как видно, этот вариант разбиения клиентов снял проблему невозможности четко определить, в какую группу относится клиент. Также отсутствует проблема «перехода» клиента из одной группы в другую без реального изменения объема продаж. Но возникает ряд других сложностей. В 2001 г. в группу «А» вошли клиенты №1 и №5, в группу «В» – №2, №3 и №4. В 2002 г. в группу «А» попали клиенты №4, №1 и №5, в группу «В» – №3 и №2. Как это повлияло на распределение процентных долей наших групп? Данные представлены в таблице №2.

    Таблица №2. Данные по продажам ткани и ранжирование клиентов исходя из фиксированных показателей объема закупок

    2000 г. 2001 г. 2002 г.
    Клиент 1 3000 А Клиент 5 10 000 А Клиент 5 12 000 А
    Клиент 2 700 В Клиент 1 3200 А Клиент 1 3800 А
    Клиент 3 300 В Клиент 2 700 В Клиент 4 1000 А
    Клиент 4 50 С Клиент 3 450 В Клиент 3 800 В
    Клиент 5 Клиент 4 180 В Клиент 2 700 В
    Всего: 4050 14 530 18 300
    Процент Процент Процент
    А 74% А 91% А 92%
    В 25% В 9% В 8%
    С 1%

    Вводя фиксированный объем закупок в качестве границ для групп, мы можем увидеть, насколько существенно различается вклад каждой группы из года в год. При этом определение базовых объемов закупок, которые берутся за основу для разделения клиентов на группы, будет критичным для анализа.

    Метод, о котором мы рассказали в предыдущем разделе, хорош для быстрого, поверхностного анализа динамики клиентов. Предположим, нам надо посмотреть, как менялась структура клиентов по заданному параметру (например, объем продаж) в течение нескольких лет. Сначала мы проводим анализ последнего года[i] по первому методу, то есть исходя из заданного процента покрытия групп (70:20:10). Потом мы анализируем группу «А» и выбираем базовый объем продаж. В нашем случае в качестве базового периода был принят 2000 год, а исходя из беглого анализа клиентов, мы пришли к выводу, что критичными являются объемы продаж в 1000 и 100 метров.

    И, наконец, проводим разбиение с использованием выбранного критического значения нужного параметра по всем годам (в приведенном примере это объем продаж в натуральном выражении). Видно, что группа «А» существенно увеличила свой вклад в объемы продаж фирмы.

    Кстати, этот же анализ можно провести с учетом дополнительных параметров «новый клиент», «старый клиент», «потерянный клиент» и «вернувшийся клиент». Но об этом мы расскажем чуть позже. А пока посмотрим, как можно повысить качество ранжирования, если обосновать выбор критических значений.

    Мы предлагаем один из самых простых и интуитивно понятных способов решения этой задачи – будем разбивать клиентов с использований квартилей[ii]. А сделаем мы это на примере случайной выборки из 22 клиентов компании (данные представлены в группе таблиц №3).

    А) Исходные данные: продажи по клиентам

    Клиент Объем покупок (в метрах)
    1. Клиент 1
    30000
    1. Клиент 9
    7000
    1. Клиент 2
    5000
    1. Клиент 10
    3600
    1. Клиент 17
    2300
    1. Клиент 3
    1000
    1. Клиент 18
    860
    1. Клиент 11
    700
    1. Клиент 7
    680
    1. Клиент 21
    620
    1. Клиент 8
    590
    1. Клиент 16
    510
    1. Клиент 20
    470
    1. Клиент 19
    350
    1. Клиент 14
    320
    1. Клиент 4
    250
    1. Клиент 12
    200
    1. Клиент 6
    180
    1. Клиент 13
    170
    1. Клиент 16
    170
    1. Клиент 5
    140
    1. Клиент 15
    50
    Итого 55160

    Максимальное значение Минимальное значение Среднее значение Нижний квартиль Медиана Верхний квартиль
    30000 50 2507,2727 212,5 550 965

    Интуитивно можно предположить, что пороговыми значениями будет 1000 и 10 000.

    Проверим. Вычисляем выбросы по формуле:

    Выброс = «Верхний квартиль» + 1,5 * (Верхний квартиль — Нижний квартиль) = 2093,75.

    То есть, все числа, превышающие 2093,75, — выбросы.

    Нижние выбросы в данном случае нас не интересуют. На практике они часто не учитываются, потому что:

    Нижний выборос = Нижний квартиль — 1,5 * (Верхний квартиль — Нижний квартиль) = — 410.

    В) Рассматриваем продажи по клиентам, попавшим в верхние выбросы

    Клиент 1 30000
    Клиент 9 7000
    Клиент 2 5000
    Клиент 10 3600
    Клиент 17 2300

    Нижний квартиль Верхний квартиль Выбросы
    3600 7000 12100

    Г) Итоговое разбиение клиентов

    Группа Клиент Продажи Продажи по группе Процентная доля
    А Клиент 1 30000
    30000 54%
    В Клиент 9 7000
    Клиент 2 5000
    Клиент 10 3600
    Клиент 17 2300
    17900 32%
    С: Клиент 3 1000
    Клиент 18 860
    Клиент 11 700
    Клиент 7 680
    Клиент 21 620
    Клиент 8 590
    Клиент 16 510
    Клиент 20 470
    Клиент 19 350
    Клиент 14 320
    Клиент 4 250
    Клиент 12 200
    Клиент 6 180
    Клиент 13 170
    Клиент 16 170
    Клиент 5 140
    Клиент 15 50
    7260 13%

    Несколько пояснений к расчетам. Приведенный список клиентов сортируется по мере уменьшения объемов покупок. После этого для приведенных показателей определяются: среднее значение, медиана, нижний и верхний квартиль[iii]. Все эти вычисления можно делать с помощью стандартных функций «КВАРТИЛЬ» и «СРЗНАЧ» в Microsoft Excel.

    Если посмотреть на значения из списка бегло, можно предложить разбить клиентов на группы по следующему принципу:

    • Группа А – от 10 000 м,
    • Группа В – от 1 000 до 9 000,
    • Группа С – от 999 и ниже.

    Теперь считаем выборосы и получаем, что критическим значением для верхнего выбороса является (округленно) число 2094. Благодаря этому вычислению мы можем для начала разбить клиентов на две группы: в первую попадут те, чей объем покупок выше указанного значения, во вторую — те, чей объем ниже. В приведенном примере первая группа будет обеспечивать 87% всех продаж в натуральном выражении (общая сумма продаж равняется 55 160 метрам, а на первую группу приходится 47 900 из них). Мимоходом заметим, что подобная ситуация характерна для сырьевых рынков и рынков расходных материалов.

    Что теперь? Проведение дальнейшего анализа зависит от поставленных задач. В целом можно пойти двумя путями. Можно первую полученную группу назвать группой «А», а оставшуюся часть, при необходимости, разбить еще на две группы — это уже субъективное решение. А можно полученные выбросы опять проанализировать с помощью квартилей, как мы и поступили. В некоторых случаях это дает очень полезные данные. К примеру, в нашем случае был выделен один клиент, чей объем продаж сильно отличается от всех остальных (см. таблицы 3-В и 3-Г).

    По итогам анализа мы видим, что в группу «А» вошел только один клиент. Если мы встречаемся с такой ситуацией на практике, мы всегда стараемся понять, откуда взялся такой клиент, который вносит целых 54% в продажи и по сути формирует собой целую группу. Для начала мы советуем обратиться к исходным данным и проверить, нет ли там ошибки.

    Но в данном случае все проще. Специфика деятельности взятого нами сырьевого рынка в том, что на нем действительно присутствует небольшая группа клиентов, которая обеспечивает непропорционально высокий вклад в продажи. Отметим, что в данном случае мы имеем дело с небольшой выборкой из 280 клиентов компании, а на самом деле таких крупных заказчиков, как в группе «А», у нее 7 и они обеспечивают 88-процентный вклад в продажи.

    Так как анализ с помощью квартилей и выбросов помогает выделить клиентов, чей объем продаж сильно отличается от общей группы, повторный анализ этим методом позволяет определить клиентов, к которым надо относиться ОЧЕНЬ внимательно. На практике мы часто проводим повторный анализ с помощью квартилей, чтобы выделить клиентов в особую группу VIP, которую мы добавляем к традиционным А, В и С.

    Теперь пойдем дальше. К настоящему моменту мы осуществляли общий анализ вклада клиентов в продажи. Теперь же рассмотрим выборки клиентов за три года и проанализируем показатели в динамике (данные представлены в группе таблиц №4).

    А) Показатели продаж в динамике, исходные данные

    Клиент 2000-й г. (м) 2001-й г. (м) 2002-й г. (м)
    Клиент 1 30000 35000 32000
    Клиент 10 3600 2800
    Клиент 11 700 650 8000
    Клиент 12 200 600
    Клиент 13 170 350 240
    Клиент 14 320 2000 600
    Клиент 15 50
    Клиент 16 510 600 800
    Клиент 16 170 4000 7000
    Клиент 17 2300 500 410
    Клиент 18 860 710 950
    Клиент 19 350 1100 980
    Клиент 2 5000 15000
    Клиент 20 470 800 970
    Клиент 21 620 250 270
    Клиент 22 2500 3200
    Клиент 23 520 680
    Клиент 24 1700 2200
    Клиент 25 150
    Клиент 26 270 530
    Клиент 27 40 150
    Клиент 28 6800 9400
    Клиент 29 380 570
    Клиент 3 1000 460 980
    Клиент 30 710
    Клиент 4 250 350 410
    Клиент 5 140 270 250
    Клиент 6 180 560
    Клиент 7 680 240 950
    Клиент 8 590 280
    Клиент 9 7000 6800 9400
    Итого 55160 83030 84300

    Примечание. Казалось бы, наблюдается явное несоответствие в группировке клиентов по годам, если мы будем осуществлять ее на основе анализа квартилей по каждому отдельно взятому году. В 2000 году в группу ‘В’ попадет любой клиент, чей объем покупок выше 3000 м, а в 2001 году — те, у кого объем продаж выше 4000 м. Но это лишь на первый взгляд.

    Для начала проверим адекватность разбиения клиентов по группам. Для этого проведем описанный выше анализ для каждого года отдельно.

    Б) Квартили и выбросы: анализ по годам

    2000-й г. 2001-й г. 2002-й г.
    Нижний квартиль 212,5 332,5 530
    Верхний квартиль 965 1775 2800
    Выброс 1 2093,75 3938,75 6205
    Нижний квартиль 3600 6800 8000
    Верхний квартиль 7000 15000 9400
    Выброс 2 12100 27300 11500

    В) Ранжирование по группам

    Клиент 2000-й г. Группа 2001-й г. Группа 2002-й г. Группа
    Клиент 1 30000 А 35000 А 32000 А
    Клиент 9 7000 В 6800 В 9400 В
    Клиент 28 6800 В 9400 В
    Клиент 11 700 С 650 С 8000 В
    Клиент 16 170 С 4000 В 7000 В
    Клиент 22 2500 С 3200 С
    Клиент 10 3600 В 2800 С
    Клиент 24 1700 С 2200 С
    Клиент 19 350 С 1100 С 980 С
    Клиент 3 1000 С 460 С 980 С
    Клиент 20 470 С 800 С 970 С
    Клиент 18 860 С 710 С 950 С
    Клиент 7 680 С 240 С 950 С
    Клиент 16 510 С 600 С 800 С
    Клиент 23 520 С 680 С
    Клиент 14 320 С 2000 С 600 С
    Клиент 29 380 С 570 С
    Клиент 6 180 С 560 С
    Клиент 26 270 С 530 С
    Клиент 17 2300 В 500 С 410 С
    Клиент 4 250 С 350 С 410 С
    Клиент 21 620 С 250 С 270 С
    Клиент 5 140 С 270 С 250 С
    Клиент 13 170 С 350 С 240 С
    Клиент 27 40 С 150 С
    Клиент 2 5000 В 15000 В
    Клиент 30 710 С
    Клиент 12 200 С 600 С
    Клиент 8 590 С 280 С
    Клиент 25 150 С
    Клиент 15 50 С

    Г) Вклад каждой группы в продажи:

    2000-й г. 2001-й г. 2002-й г.
    Итоговый объем продаж 55160 83030 84300
    Кол-во клиентов 22 28 25
    Средний объем продаж в пересчете на 1 клиента 2507,273 2965,357 3372
    Группа А
    Объем продаж по группе за год 30000 35000 32000
    В % от итогового объема продаж 54% 42% 38%
    Кол-во клиентов 1 1 1
    В % от всех клиентов 5% 4% 4%
    Средний объем продаж в пересчете на 1 клиента
    S (стандартное отклонение в данной группе)
    Коэффициент вариации[iv]
    Группа В
    Объем продаж по группе за год 17900 32600 33800
    В % от итогового объема продаж 32% 39% 40%
    Кол-во клиентов 4 4 4
    В % от всех клиентов 18% 14% 16%
    Средний объем продаж в пересчете на 1 клиента 4475 8150 8450
    S (стандартное отклонение в данной группе) 2012,254 4753,595 1170,47
    Коэффициент вариации 45% 58% 14%
    Группа С
    Объем продаж по группе за год 7260 15430 18500
    В % от итогового объема продаж 13% 19% 22%
    Кол-во клиентов 17 23 20
    В % от всех клиентов 77% 82% 80%
    Средний объем продаж в пересчете на 1 клиента 427,0588 670,8696 925
    S (стандартное отклонение в данной группе) 1013,346 613,4471 840,0407
    Коэффициент вариации 237% 91% 91%

    Что мы сделали? В качестве исходных данных для анализа мы снова взяли реальные показатели продаж тканей за три года. Если информация о покупках для некоторых клиентов за какой-то год отсутствует, это означает, что в этот период они не купили ничего.

    В таблице №4-Б представлены данные анализа клиентов по квартилям и разбросам за каждый год отдельно. Что можно сказать о динамике продаж без анализа новых, старых, упущенных и вернувшихся клиентов? Если посмотреть на объемы продаж, то мы видим резкий рост в 2001 году по сравнению с 2000, и примерно один и тот же уровень в 2002. Но если сравнить выбросы №1 и №2 за три года, мы видим, что их динамика отличается от общей динамики продаж. Это говорит о значительных изменениях в структуре клиентов компании (выбросы №2 в первом и третьем периоде практически одинаковы, а во втором – резко повышаются).

    Если работать с таким относительно небольшим диапазоном данных, как в данном примере, такую тенденцию легко обнаружить невооруженным взглядом, даже без анализа динамики квартилей. Но если список клиентов исчисляется сотнями, то можно использовать рекомендованными нами несложный подход, чтобы быстро оценить внутренние изменения клиентской базы за разные периоды.

    Данные в таблице №4-Г интересно рассмотреть более детально. Из нее мы видим, что для данного примера в группу «А» входит только 1 клиент. Это нетипичная ситуация, и как объяснялось ранее, она возникла потому, что мы используем выборки из реальных данных сырьевого предприятия, а также разбиваем клиентов на группы с помощью повторного анализа выбросов. Если такая ситуация возникает на практике, то такого клиента (или очень малое число клиентов, значительно превосходящих по объемам продаж основную группу), полезно рассматривать отдельно, к чему мы еще вернемся.

    Кроме того, из таблицы №4-Г можно заключить, что вклад группы «В» в общий объем продаж постепенно растет, хотя динамика последних двух лет незначительна, а количество клиентов не меняется. Повышается и средний размер покупки, хотя и здесь в два последние периода рост незначителен.

    Читайте также:  Какие анализы сдавать для уролога

    Если посмотреть на значения стандартного отклонения и коэффициента вариации, мы можем сделать вывод, что в 2002 году группа «В» по объему покупок достаточно гомогенна, а в 2001 году разброс объема продаж внутри группы наиболее выражен. Из этого мы можем сделать два предположения: либо мы имеем дело с различными сегментами клиентов, либо мы имеем дело с различной эффективностью работы нашей компании с этой группой клиентов. Забегая вперед, скажем, что для того, чтобы сделать окончательный вывод, нужно проводить несколько иной вид анализа, который мы рассмотрим позже.

    В группе «С» ситуация иная. Внутри этой группы наблюдается значительный разброс по показателям продаж. С одной стороны, это может говорить о том, что разбиение клиентов на группы выполнено неверно. Но если мы уверены в корректности ранжирования, мы можем констатировать, что клиенты данного сегмента значительно разнятся между собой. Динамика по ее вкладу в продажи положительна, но с количеством клиентов такой четкой зависимости нет.

    Итак, для наиболее полного анализа клиентов полезно совместить все три описанных выше подхода: первый – на основе заданного процентного вклада в группу, второй – на основе заданного вклада в абсолютном выражении, третий – на основе анализа распределения с использованием квартилей. Не вдаваясь в подробности, скажем лишь, что последний вариант разбиения клиентов хорошо подходит для относительного анализа динамики клиентов, но не может быть использован для отнесения клиентов в группы для того, чтобы использовать их как индикаторы «значимости» клиентов.

    Нужно учитывать, что повторный анализ выбросов может сформировать очень небольшую группу клиентов. Тогда ее полезно выделить в отдельную группу VIP, а разбиение оставшейся части делать немного по-другому. Обычно, когда повторный анализ выбросов дает группу из очень небольшого числа клиентов, то структура продаж будет очень неоднородной. Этих клиентов стоит рассматривать отдельно и анализировать, почему возникла такая ситуация. Очень часто это может говорить о том, что компания «доросла» до нового этапа – для работы с очень крупными заказчиками и эта группа VIP сильно отличается от всех прошлых клиентов.

    Возможны, конечно, и другие варианты. В общем случае, еще раз повторимся, эту группу надо рассматривать отдельно. Тогда на данном этапе у нас получатся только две основные группы. Первая – группа «А», которую мы выделили исходя из анализа выбросов первый раз. Чтобы «разбить» оставшуюся «внизу» группу на две части, полезно посмотреть, какой вклад в продажи вносит уже готовая группа «А». Если группа «А» занимает в структуре продаж больше 70%, то полезно пытаться разбить оставшуюся группу так, чтобы клиенты «В» занимали от 20 до 25%.

    Тут возникает проблема, которой мы пока не касались. Предположим, у Вас есть список:

    • Клиент 1 – 800
    • Клиент 2 – 750
    • Клиент 3 – 600
    • Клиент 4 – 550
    • Клиент 5 – 500
    • Клиент 6 – 450
    • И т.д.

    В такой ситуации разница между каждой парой клиентов очень невелика. И если мы скажем, что клиенты с 1 по 3 – это группа «В», а ниже – «С», то будет неясна разница между клиентом 4 и 3. Почему 4-й это уже группа «С», а 3-й еще «В»? Проблема действительно серьезная, потому что предполагается, что разбиение клиентов осуществляется не просто так. К тому же, разделив клиентов на группы, вы будете по разному к ним относиться и предлагать им разные условия работы. Возможный выход из ситуации – введение в анализ дополнительных данных по клиентам. В общем виде эти данные должны исходить из отдела маркетинга и представлять критерии разбиения клиентов на сегменты.

    Очень часто полезен и такой подход. В качестве дополнительных двух критериев вы можете ввести потенциальный объем потребления клиентом вашего товара (за оцениваемый период) и его отраслевую принадлежность. Этот вариант особенно хорош, если вы занимаетесь продажами сырья или расходных материалов, то есть продукции, которую один и тот же клиент использует постоянно в своем производстве. Тогда менеджеры компании могут оценивать ориентировочные объемы продаж по данному клиенту, а кроме того – они довольно точно могут указать их отрасль.

    Введение этих двух дополнительных параметров имеет ограничение: если каждый менеджер по продажам работает с сотнями клиентов, то получение подобной информации затруднительно. Как вариант, можно попросить их указать данные по потенциальным объемам продаж только для тех клиентов, которые могут покупать много, но в реальности покупают у вас мало. Но это уже несколько другой анализ.

    На самом деле есть большая вероятность, что после разбиения клиентов на группы по признаку УЖЕ СОВЕРШИВШИХСЯ ПРОДАЖ – будь то прибыль, оборот в денежном или натуральном выражении, — вы совершаете одну большую неточность. Ведь среди ваших клиентов есть группа, которая у вас покупает МАЛО, но РЕАЛЬНО потребляет много. Этот особенно характерно для тех отраслей, где возможности дифференциации по продуктам низки, например, тех же сырьевых.

    Чем выше степень коммодизации сырья, тем проблема актуальнее. К примеру, если вы торгуете биржевым товаром, то подобная проблема стоит особенно остро. В связи с этим мы рекомендуем все-таки проводить подобный анализ, где в качестве критерия анализа выступает степень покрытия потребности клиента вашей продукцией. В рамках такого анализа для каждого клиента необходимо высчитать коэффициент, который получается путем деления объема продаж вашей продукции этому клиенту на общую потребность клиента в этой продукции.

    Пример. Допустим, вы продаете бумагу для типографий. Если вы продали типографии 100 тонн бумаги в год, а ее потребность – 1000 тонн в год, то коэффициент покрытия равен 0,1. То есть, вы обеспечиваете клиенту 10% его потребности в продукции. Почему так? Об этом стоит подумать. Возможно, этот клиент представляет не основной целевой сегмент компании (тогда стоит проанализировать перспективы выхода в этот сегмент), а может быть, это показатель неэффективной работы службы продаж.

    Очень часто при проведении такого анализа возникает проблема – где взять данные о реальных потребностях клиентов? На это вопрос ответим кратко: если в вашем отделе продаж работают профессионалы, они ДОЛЖНЫ знать реальные потребности своих клиентов. Точка.

    Обобщим вышесказанное. На первом этапе АВС-анализа необходимо выбрать критерии для оценки. Это может быть один простой критерий (например, прибыль) или же некий обобщенный показатель. Какие критерии делать базой для анализа, решать только вам. Но именно от этого будет зависеть практическая полезность выводов, сделанных в результате итогового анализа.

    Например, в ситуациях, когда менеджеры по продажам получают фиксированный процент от оборота, а для компании важна краткосрочная прибыль, те оценки значимости клиентов, которые дают менеджеры, могут не соответствовать целям организации. Часто бывает, что менеджеру важно просто заключить как можно больше контрактов и он будет давить и давить на руководство, требуя возможности снижения цен, предоставления отсрочек и т.д. Не вдаваясь в дискуссии на тему того, насколько приемлема эта ситуация, отметим: в таком случае может быть полезно проведение анализа клиентов на основе критерия «прибыль». Во-первых, это поможет лучше понять, к каким клиентам действительно нужно менять отношение (не полагаясь на субъективное мнение менеджеров). Во-вторых, это может стать фундаментом для разработки мотивационной схемы оплаты труда менеджеров, которая будет лучше подходить целям фирмы.

    Как мы уже отметили, что у маркетологов также есть возможность использовать некий интегральный критерий ценности клиента, включающий в себя все другие. Предположим, нужно одновременно учесть и прибыль, и оборот, и скорость возврата дебиторской задолженности. Для этого следует присвоить каждому критерию свой весовой коэффициент и ввести для расчетов обобщенный показатель.

    Приступая ко второму этапу анализа, важно понимать, что вы хотите получить на выходе. Если нужно проанализировать данные за один период, то достаточно воспользоваться простым процентным методом. Дополнительный анализ распределения показателей внутри каждой группы используйте для самопроверки, он позволит увидеть, насколько грамотно выбраны проценты разбиения долей.

    Как бы то ни было, одна лишь эта группировка вряд ли даст вам сколько-нибудь значимые результаты, которые можно применить на практике. Поэтому анализ одного периода необходимо дополнить таким же анализом по степени покрытия клиентов, а также провести оценку в разрезе отрасли и менеджеров. В итоге, простой процентный анализ должен быть дополнен еще тремя-четырьмя.

    В целом мы можем говорить о том, что в рамках АВС-анализа есть несколько необходимых видов ранжирования:

    • Обобщенный анализ, процентный метод. Вы смотрите несколько вариантов группировок – 75%, 20%, 5%. 80, 15, 5. 70, 25, 5 и т.д. вплоть до 80, 20. Анализ распределения и вариативности каждой группы а также обычный здравый смысл подскажет вам, какой вариант наиболее соответствует вашей ситуации. Результаты устраивают? Прекрасно. Тогда не надо больше тратить на это время. Есть потребность в более глубоком анализе данных? Идем дальше.
    • Попробуйте ввести параметр «Отрасль». Посмотрите, есть ли отрасли, которые попадают только в группу «С»? Только в «А»? Над этим стоит подумать. Такого нет? Все отрасли распределены примерно одинаково? А грамотно ли вы дифференцируетесь? Сделайте анализ для каждой отрасли отдельно.
    • Можно ввести параметр «Менеджер». Есть ли менеджеры, чьи продажи сосредоточены только в группе «С»? Только в «А»? Обдумайте это. Такой зависимости нет? Проведите анализ для каждого менеджера отдельно. Сделайте для всех такую же группировку клиентов по группам, какую вы уже делали для каждой отрасли. Это поможет проверить, насколько приоритеты, которые расставляют менеджеры для своих клиентов, соответствуют целям компании.
    • Все еще недостаточно данных? Сделайте все эти анализы для процента покрытия потребностей клиентов. Для этого попросите менеджеров оценить клиентов данного периода по уровню потребности в товаре, подобном вашему. (Или используйте доступные базы данных).
    • Если же Вы хотите посмотреть динамику клиентов, то для начала сделайте описанный выше общий анализ для каждого периода. Динамика средних, количества клиентов, вклада каждой группы и коэффициента вариации может многое сказать о том, как меняются ваши продажи.
    • Если вы хотите пойти более глубоко, анализ вариативности можно сделать для отраслей и менеджеров, или и для отрасли и для менеджера вместе. К примеру, вы сможете увидеть, что большинство клиентов из отрасли «Х» входят в группу «А». Но из этой отрасли есть клиенты, которые попали в группу «С». Может быть, с ними работает какой то конкретный человек?
    • Есть и более логичный подход – стройте распределения не на основе процентного метода, а на основе заданного общего для всех периодов количества проданной продукции в натуральном выражении (можно использовать значения, приведенные в денежном выражении, но у них есть свой недостаток – замучаетесь с поправками на инфляцию, курсы валют и т.п.). Здесь вы выбираете для каждой группы клиентов некое критическое значение, превышение которого позволяет отнести клиента к заданной группе.

    Будьте осторожны с выбором порогов. Например, если вы относите к группе «А» клиентов, чей объем продаж за год превысил 100 единиц чего-либо, в группу «В» — купивших от 10 до 99 единиц, а в группу «С» — купивших менее 10, вам может быть довольно сложно объяснить, почему клиент с объемом 99 единиц – это группа «В», а с объемом 100 – уже «А».

    Что делать? Для начала подойдет такой путь. Возьмите за основу для анализа данные за первый из рассматриваемых периодов (то есть, если вы хотите проанализировать продажи за пять лет – 2001, 2002, 2003, 2004 и 2005, — начните с 2001 года). Попробуйте проанализировать эти данные описанными выше методами (процентным и с помощью квартилей). Ваша цель – выявить критические точки для разбиения клиентов по группам. Помните, что, если вы воспользуетесь квартилями, это поможет вам разбить клиентов на две группы. Верхнюю группу полезно обозначить как «А», а оставшихся клиентов разбить вручную на «В» и «С».

    Есть и другой вариант. Посмотрите на порядок значений, определяющих покупки самого крупного клиента. Предположим это 567.300 единиц продукции. Далее постройте ориентировочную гистограмму продаж. Если клиентов с объемами одного порядка – в данном случае от 100 000 и выше – будет хотя бы 5-10%, это будет группа «А». Далее ищите клиентов, чья объемы на порядок ниже. В данном случае это от 10 000 до 99 000. Если количество таких клиентов будет от 50 до 80%, перед вами группа «В». Оставшиеся клиенты будут составлять группу «С».

    • После определения критических значений для разбиения клиентов по группам, проведите анализ по всем рассматриваемым периодам, а также для каждого клиента укажите отрасль и менеджера, с которым он работает. Помимо этого, введите еще одну характеристику для каждого клиента за все периоды: «новый клиент», «старый клиент», «упущенный клиент» (если в течение одного из периодов он не сделал ни одной покупки) и «вернувшийся клиент».

    Для каждого периода также подсчитайте общий объем покупок, средний объем покупок, количество клиентов и коэффициент вариации. Проделайте то же самое для каждой группы в каждый период. При всей кажущейся сложности, даже при использовании обычной офисной программы Excel, эти операции занимают не так уж много времени. В итоге у вас должна получиться таблица, похожая на таблицу №5.

    Таблица №5: сводная (пример)

    Продукт 2000 2001 2002 2003 2004 2005 2005vs2004
    Метраж (вес и т.д.)
    Общее кол-во кл-в
    Сред
    S
    Коэф. Вар-ции
    Клиенты А
    Метраж (вес и т.д.)
    Кол-во
    % веса от общего
    % клиентов
    Сред
    S
    Коэф. Вар-ции
    Клиенты В
    Метраж (вес и т.д.)
    Кол-во
    % веса
    % клиентов
    Сред
    S
    Коэф. Вар-ции
    Клиенты C
    Метраж (вес и т.д.)
    Кол-во
    % веса
    % клиентов
    Сред
    S
    Коэф. Вар-ции
    Динамика клиентов
    Новые
    Старые
    Ушедшие
    Динамика А
    Новые А
    Ушедшие А (по предыдущему году)
    Старые А
    Динамика В
    Новые В
    Ушедшие В (по предыдущему году)
    Старые В
    Динамика С
    Новые С
    Ушедшие С (по предыдущему году)
    Старые С
    Рост
    CA
    CB
    BA
    Падение
    AB
    AC
    BC
    Неизм
    АА
    BB
    CC

    1. В поле, которое здесь названо «метраж», вы указываете объем покупок всех клиентов в натуральном выражении (это может быть кол-во единиц продукции в штуках, в тоннах, кг, метрах и т.д.)

    2. Для каждого периода указываете общее количество клиентов, средний объем покупки одного клиента, стандартное отклонение и коэффициент вариации.

    3. Проделываете то же самое для каждой группы отдельно.

    4. В полях «динамика» указываете движение клиентов по каждой группе (какое количество клиентов в данной группе пришло, ушло, было потеряно или было возвращено). При желании эти данные можно дополнить информацией по объемам продаж. Это даст возможность увидеть, насколько вы удерживаете клиентов.

    5. В полях «рост», «падение» и «неизм» вы указываете движение клиентов из группы в группу. В данном случае рассматриваются ТОЛЬКО старые клиенты по сравнению с прошлым годом. Здесь вы получаете информацию о том, как происходит изменение в динамике объема покупок клиентами, которые остаются с вами на протяжении хотя бы двух лет. По сути, эти поля являются более детальным анализом клиентов, формирующих поле «Старые» в полях «динамика».

    Такие же таблицы можно сделать отдельно по отраслям и по менеджерам, а также по тем и другим одновременно. Помимо них, можно использовать любые макро- и микро-показатели, которые вы сочтете нужным – от географии клиентов до степени целевого использования продукции. Кроме того, полезно провести анализ покрытия потребности клиентов за каждый год. Единственное, что здесь клиентами группы «А» будут те, у кого коэффициент покрытия минимальный, ведь именно на них надо обратить пристальное внимание. По сути, дальнейшие действия полезно проводить совместно начальнику отдела продаж и начальнику отдела маркетинга.

    Так, из полученных данных можно делать выводы о грамотности сегментирования клиентов или же искать группы клиентов, схожих между собой для проведения сегментации. Кроме этого можно смотреть на эффективность работы фирмы по отраслям, географии и любому другому признаку, а также проводить совместный анализ. Отдельный анализ по группам позволит понять динамику крупных, средних и мелких клиентов, а анализ новых и старых поможет увидеть более реальную картину происходящего. Логику возможных расчетов мы приводим в еще одном примере (группа таблиц №6).

    А) Сводная таблица продаж в динамике с разбивкой по отраслям, менеджерам и категориям клиентов

    Клиент Отрасль Менеджер 2004 2005 NDOR АВС 04-05
    1 1 м1 194 800 N -A
    2 1 м1 80 500 N -B
    3 1 м1 16 500 37 400 O BB
    4 2 м1 25 19 325 O CB
    5 2 м1 10 000 18 750 O BB
    6 2 м2 16 800 18 500 O BB
    7 3 м2 4 000 17 875 O CB
    8 3 м3 1 125 17 825 O CB
    9 3 м3 17 000 N -B
    10 4 м3 25 16 900 O CB
    11 4 м3 400 14 700 O CB
    12 4 м2 10 004 12 150 O BB
    13 5 м4 400 10 500 O CB
    14 5 м4 10 400 N -B
    15 5 м4 50 9 775 O CB
    16 6 м4 9 500 N -B
    17 6 м1 1 500 D C-
    18 6 м2 1 100 6 350 O CC
    19 7 м3 575 6 000 O CC
    20 7 м4 5 000 N -C
    21 7 м1 5 900 4 650 O CC
    22 7 м2 6 750 4 000 O CC
    23 7 м3 4 000 N -C
    • В первом столбце вместо порядковых номеров вы проставляете названия клиентов, во втором – название отрасли, к которой клиент относится, в третьей – имя менеджера, который работает с данным клиентом.
    • Четвертый и пятый столбцы в данном случае отводятся под значения оборота в натуральном выражении за соответствующий период.
    • Обозначения в шестом столбце: N – новый клиент (new), D – упущенный клиент (disappeared), O – старый клиент (old), R – возвращенный клиент (returned).
    • Седьмой столбец – динамика клиентов за два года по группам.

    Б) Сравнительный анализ отраслей:

    (отражает количество клиентов в каждой группе по каждой отрасли)

    Отрасль A B C
    1 1 2
    2 3
    3 3
    4 3
    5 2 1
    6 2
    7 4

    В) Сравнительный анализ работы менеджеров:

    (отражает количество клиентов каждой группы у каждого менеджера)

    м1 м2 м3 м4
    А-1
    B-4 В-3 В-4 В-2
    С-1 С-2 С-2 С-3

    Г) совмещенный анализ по менеджерам и отраслям:

    (отражает, какие группы клиентов есть у данного менеджера в данной отрасли)

    Отрасль м1 м2 м3 м4
    1 А-1, В-2
    2 В-2 В-1
    3 В-1 В-2
    4 В-1 В-2
    5 С-1, В-2
    6 С-1 С-1
    7 С-1 С-1 С-2 С-1

    Отрасль N O D R
    1 2 1
    2 3
    3 1 2
    4 3
    5 1 2
    6 1 1 1
    7 2 3

    • в разрезе менеджеров
    Менеджер N O D R
    м1 2 4 1
    м2 5
    м3 2 4
    м4 3 2

    Как видно на приведенным примере, из данных таблицы №6-А можно получить еще три распределения. К этой информации можно добавить не просто количество клиентов, а количество клиентов разбитых по группам. Скажем, потеря клиента «С» намного менее значима, чем потеря клиента «А». То же и для привлечения: если менеджер привлек клиента в группу «А», это намного лучше, чем если он привлек клиента в группу «С».

    Существенный вопрос — миграция клиентов между группами. В частности, полезно посмотреть, насколько менеджеры повышают покрытие клиентов. Если клиент был в группе «С», а попал в группу «А», менеджер сработал хорошо. Но это только в том случае, если повысился коэффициент покрытия потребностей клиентом.

    Пример. В 2004 году клиент покупал у вас 100 единиц продукции и был в группе «С», а его потребность составляла 1000 метров. В следующем году он стал приобретать у вас 1000 единиц продукции и попал в группу «А», но при этом и его потребность повысилась до 10000 единиц. Говорит ли рост сбыта об эффективной работе с клиентом, — большой вопрос. Скорее всего, он стал покупать больше вовсе не благодаря хорошей работе менеджера.

    Что еще? Результаты данного анализа можно использовать для установления конкретных целевых задач для каждого менеджера по удержанию клиентов в разных группах, по привлечению и возвращению утерянных клиентов. Также эти задачи можно конкретизировать в разрезе отраслей, регионов и т.п. Подобный подход можно использовать и для распределения клиентов между менеджерами. Может быть, Вы обнаружите, что тот или иной менеджер показывает низкую эффективность работы с отраслью «Х», но очень высокую в отрасли «Z». Или же один менеджер «работает» на привлечении новых клиентов, которые быстро уходят, а другой – на удержании старых, но не привлекает новых.

    Так или иначе, мы надеямся, что описанный здесь методологический подход будет полезен Вам.

    Также мы будем признательны, если Вы поделитесь с нами ЛЮБОЙ критикой в адрес предложенного подхода, а также расскажите о Ваших успехах и неудачах с его применением.
    e_artem@mail.ru.

    [i] Или любого другого, который будет принят как базовый. [ii] Квартиль — граница на шкале измеряемого показателя, отделяющая 25% испытуемых от общей выборки. Различаются три квартиля: Q1 — первые 25%, Q2 — 50% (медиана), Q3 — 75%. [iii] При желании можно провести стандартный анализ разброса данных, но об этом – ниже. [iv] Рассчитывается как стандартное отклонение, поделенное на среднее отклонение.

    источник