Голубков Е.П.,
заслуженный деятель науки РФ,
д. э. н., профессор АНХ при Правительстве РФ

Рассмотрены методические вопросы проведения ABC- и XYZ- анализа и совмещения результатов этих двух видов анализа. Указаны области применения ABC- и XYZ-анализа, отмечены их достоинства и недостатки.

1. Методические рекомендации по проведению ABC-анализа
ABC -анализ - это анализ ассортимента, объема продаж различным группам потребителей, товарных запасов путем деления их на три категории (класса), которые отличаются по своей значимости и вкладу в оборот или прибыль предприятия: А - наиболее ценные, В - промежуточные, С - наименее ценные(1).

ABC -анализ вне зависимости от сферы его применения (производственные предприятия, торговые оптовые или розничные предприятия) проводится в следующей последовательности.

1. Выбор объекта анализа (определяем, что будем анализировать - ассортиментную группу/подгруппу, номенклатуру в целом, поставщиков, клиентов). Возможна детализация направлений анализа по каналам сбыта, рыночным сегментам.

2. Определение параметра, по которому будет проводиться анализ объекта, - средний товарный запас, руб.; объем продаж, руб.; доход, руб.; количество единиц продаж, шт.; количество заказов, шт., и т. п.

Найти единственный параметр, однозначно отражающий позицию анализируемых товаров, представляет сложную задачу. Этот выбор зависит от целого ряда факторов: типа предприятия, скорости товарооборота, сезонности спроса и др. Вследствие этого эмпирическим путем можно попробовать использовать различные параметры и даже выделить группы ABC на основе последовательного применения нескольких параметров, скажем, количества отгруженных заказов, дохода, количества единиц продаж. В итоге могут быть выделены интегральные группы A , B , C . Предварительно весь возможный набор параметров анализа для выбора наиболее предпочтительных из их числа может быть проранжирован по их важности. Например, в работе приводятся следующие аргументы в пользу выбора параметров оценки. В аптеке могут за месяц купить 100 упаковок БАД марки X и 150 упаковок БАД марки Y .

(1) Аббревиатура ABC имеет и другое толкование: АВС - activity based costing - операционно-ориентированный учет затрат. В российской терминологии - функционально-стоимостной анализ. Главным объектом управления в этом подходе признаются не организационно-производственные системы, а операции, выполняемые ими.

Казалось бы, надо ориентироваться на Y , так как их куплено больше. Однако 150 упаковок БАД марки Y было куплено всего 6 покупателями - 5 человек купили по 10 штук и один - 100 упаковок. БАД марки X купили 10 человек - по 10 упаковок каждый.

Если ориентироваться на штуки как значимый параметр, то можно легко ошибиться при планировании закупок. Ведь этот один клиент (который купил сразу 100 БАД Y ) мог и не появиться, и вероятность того, что в следующем временном промежутке появится такой же клиент с таким же количеством купленного, очень низка. Вывод: нельзя ориентироваться только на количество упаковок. Ориентация же на факт продажи гарантирует бoльшую точность при закупках.

В цитируемой работе предложена двухфакторная модель АВС -анализа, в которой в качестве параметров используются прибыль и количество фактов продаж. Прибыли отдано предпочтение по сравнению с товарооборотом главным образом из-за того, что продается множество товаров с различной наценкой, соответственно, и приносимый доход (прибыль) разный. Затем каждой товарной позиции присваивается лишь один индекс. Первая буква индекса - индекс, присвоенный по прибыли; вторая - индекс, присвоенный по количеству фактов продаж.

4. Определение групп А , В и С .
Для определения принадлежности выбранного объекта к группе необходимо:

• определить величину параметра (скажем, объема продаж) для выбранных единиц объекта анализа (например, для каждой ассортиментной позиции выбранной ассортиментной группы);
• рассчитать величину параметра для выбранных единиц накопительным итогом путем прибавления величины параметра к сумме предыдущих оценок, то есть определить долю параметра в суммарной оценке;
• присвоить названия групп выбранным объектам.

• Группа А - объекты, сумма долей с накопительным итогом которых составляет первые 50% от общей суммы значений параметров.
• Группа В - следующие за группой А объекты, сумма долей с накопительным итогом которых составляет от 50 до 80% от общей суммы значений параметров.
• Группа С - оставшиеся объекты, сумма долей с накопительным итогом которых составляет от 80 до 100% от общей суммы значений параметров.

Иногда указываются другие процентные отношения, например группа A - 15% запасов, B - 20%, C - 65%.

В качестве развития идеи классического ABC -анализа в работе предложено ввести четвертую группу - неликвидов, невостребованную продукцию, которая не приносит дохода и замораживает оборотные средства предприятия.

Более глубокие математические подходы к выделению групп A , B , C рассмотрены в работах .

Сгруппировав товар по одному параметру, сопоставьте полученный результат с оценками на основе других параметров. Группа С может приносить 20% дохода, составлять 50% товарного запаса и занимать 80% площади склада. Например, АВС -анализ товаров по объему продаж показывает, какие товары обеспечивают 80% оборота компании. Проанализируйте те же товары, но по количеству единиц (или количеству заказов по ним) и в результате получите 20% товаров покупаемых 80% клиентов, а это уже является привлекательным для клиента и товарооборота компании. При создании методики АВС -анализа использовался принцип выдающегося экономиста Парето, названный в последующем его именем. Занимаясь изучением экономической жизни Италии, Парето в 1906 г. высказал мнение, что 80% благосостояния итальянского общества контролируется 20% общественного капитала. По отношению к ABC -анализу принцип Парето может звучать так: надежный контроль 20% позиций позволяет на 80% контролировать ресурсы, будь то запасы сырья и комплектующих, либо продуктовый ряд предприятия, либо его клиентура, либо ассортиментные позиции торгового предприятия, либо складские запасы и т. д.

Этот же результат можно использовать при планировании размещения товара на складе или в торговом зале магазина. Анализ товаров по доходу покажет, на чем вы зарабатываете деньги. Аналогичный анализ по затратам позволит понять, куда тратятся деньги.

В то же время важно помнить, что непродуманное сокращение товаров группы С (20% дохода компании) приведет к тому, что через некоторое время оставшиеся товары распределятся по тому же закону, но общий результат вашей деятельности для компании может снизиться на 50%.

Частота проведения АВС -анализа зависит от целого ряда факторов, и прежде всего от продолжительности жизненного цикла товара данной торговой группы, сезонности продаж, влияния факторов внешней среды. Частота проведения выбирается индивидуально для каждой торговой группы. В частности, для торговых предприятий в относительно стабильных условиях внешней среды АВС -анализ может проводиться один раз в первый рабочий день нового месяца, следующего за анализируемым периодом. АВС -анализ необходимо проводить за период, равный 1 или 2 месяцам, что позволит сглаживать в какой-то мере колебания сезонности, недопоставок и т. п.

Данные можно брать не за последний месяц, а за последние полгода, учитывая таким путемвлияние факторов, выходящих за рамки одного месяца. В то же время при более редком проведении АВС -анализа, скажем ежеквартальном, можно упустить какие-то важные факторы и, например, остаться в сезон без выгодного товара.

Группе А необходимо уделять особое внимание, постоянно использовать процедуры контроля (мониторинга) и планирования. Небольшие изменения показателей рентабельности, оборачиваемости, цен для этой группы могут привести к значимым изменениям в финансовых показателях предприятия. Вследствие этого возможен ежедневный мониторинг товаров группы A , особенно когда отлажена технология проведения такого анализа.

Что касается групп В и С , то каждый день поассортиментно данные позиции анализировать не имеет смысла. Однако для создания видимости разнообразия ассортимента желательно иметь в наличии несколько ассортиментных позиций по каждой группе.

Результаты ABC -анализа для отдельных категорий анализа целесообразно дополнить анализом «объем продаж - вклад в покрытие затрат (выручка с продаж за вычетом всех переменных издержек)» . Этот анализ может проводиться для оценки эффективности как отдельных рыночных сегментов, так и торговых предприятий, закупающих товары у производителей.

2. Методические рекомендации по проведению XYZ-анализа
Данный анализ позволяет проводить классификацию товаров на основе сравнения стабильности объема их продаж. Целью анализа является прогнозирование стабильности тех или иных объектов исследования, например стабильности продаж отдельных видов товаров, колебания уровня спроса.

В основе XYZ -анализа лежит определение коэффициентов вариации (ν) для анализируемых параметров. Коэффициент вариации - это отношение среднего квадратического отклонения к среднеарифметическому значению измеряемых параметров.

где хi - значение параметра по оцениваемому объекту за i- й период; - среднее значение параметра по оцениваемому объекту анализа; n - число периодов.

Значение квадратного корня есть не что иное, как стандартное отклонение вариационного ряда. Чем больше значение стандартного отклонения, тем дальше от среднеарифметического значения находятся анализируемые значения. Если стандартное отклонение при анализе продаж одного товара равно 15, а у другого товара - 30, это значит, что ежемесячные продажи в первом случае ближе к среднемесячному значению и они более стабильны, чем во втором. Если стандартное отклонение равно 20, то при среднеарифметических значениях 100 и 100 000 это будет иметь существенно разный смысл. Поэтому при сравнении вариационных рядов между собой используют коэффициент вариации. Коэффициенты вариации 20 и 0,2% позволяют понять, что во втором случае значения анализируемых параметров значительно меньше отличаются от среднеарифметического значения.

XYZ -анализ проводится в следующей последовательности.

1. Определение объекта анализа: клиент, поставщик, товарная группа/подгруппа, номенклатурная единица и т. п.

2. Определение параметра, по которому будет проводиться анализ объекта: средний товарный запас, руб.; объем продаж, руб.; доход, руб.; количество единиц продаж, шт.; количество заказов, шт., и др.

Чаще всего для анализа используются стоимостные показатели продаж. Товарные запасы - результат действия множества факторов. Запас на складе может существенно зависеть от установленной периодичности поставок, от размера минимальной или максимальной партии, обеспечиваемой поставщиком, от наличия складских площадей. В любом случае выбор параметра для анализа лучше проводить экспериментальным путем, сравнивая результаты, полученные при применении различных параметров.

Первые два шага XYZ -анализа совпадают с этими же шагами для ABC -анализа.

3. Определение периода и количества периодов, по которым будет проводиться анализ: неделя, декада, месяц, квартал/сезон, полугодие, год.

Периодичность анализа для каждого предприятия сугубо индивидуальна. Периодичность XYZ -анализа должна быть больше срока от момента заказа товара до его получения заказчиком. Чем больше количество периодов, тем более показательными будут результаты. Если для питерской сети компаний «Мойдодыр» для анализа брались продажи за месяц, то практически все товары попадали в категорию Z . А вот при изучении цифр за квартал все становилось на свои места, появлялись и X , и Y . В итоге компания отказалась от месячных планов и перешла на квартальные .

Другой пример. Анализ продаж молока и хлеба в розничном магазине можно проводить по сумме продаж за неделю. Поставки осуществляются каждый день, продажи - тоже. Но если сопоставить между собой продажи молока и водки «Абсолют» (которую заказывают один раз в месяц и продают 1 бутылку в 2 недели), то при таком периоде 99% ассортимента магазина попадет в категорию Z , 1% - в категорию Y . Выходит, можно сделать вывод о работе в экстремальных условиях на непрогнозируемом рынке. Поэтому в данном случае целесообразно проводить анализ по ежемесячным продажам.

Особенностями обладает анализ продаж и товарных запасов в компаниях, торгующих бытовой техникой, строительными материалами, запасными частями для автомобилей и т. п. Финансовый план в компании часто составляется на месяц, а реально необходимый горизонт планирования должен быть на полгода. Анализ данных с периодом меньше, чем квартал, просто не имеет смысла. Все товары попадают в категорию Z . Используя XYZ - анализ, надо помнить о надежности полученных результатов, которая возрастает при увеличении используемого объема информации. Исходя из этого, число исследуемых периодов должно быть не менее трех.

Весьма серьезно на результат расчетов может влиять сезонность. Вот типичный случай. Предприятие информировано о повышении сезонного спроса, необходимый запас товаров приобретен или произведен. Но из-за скачков продаж товар переходит в категорию Z . В этом случае целесообразно действовать как при старте нового товара: сравнивать отклонение продаж за анализируемый период от прогноза. При этом оценивается точность планирования.

Для анализа данных по товарам, имеющим значительные сезонные колебания, более правильным и эффективным действием будет выделение сезонной компоненты из фактических данных. Все товары компании надо разделить на группы, имеющие схожую сезонную динамику продаж. Затем для каждой группы нужно определить сезонный тренд и рассчитать сезонные коэффициенты для каждого сезонного тренда. Данные коэффициенты определяются путем деления значения продаж каждого месяца на среднее значение продаж за весь период (по данным сезонного тренда). Затем нужно фактические значения продаж разделить на сезонный коэффициент. В результате мы получим объем продаж товара без учета сезонных колебаний. Сезонный тренд - это значение прогноза продаж на данный месяц. Если прогнозирование не применяется, то надо брать среднее значение продаж в этом месяце за три предыдущих года. Теперь можно проводить XYZ -анализ по полученным данным. Из приведенного в табл. 2 примера видно, что после исключения сезонного фактора из продаж товара 1 коэффициент вариации снизился до 12% .

4. По приведенной формуле определяется коэффициент вариации для каждого объекта анализа.

5. Группирование объектов анализа в соответствии с возрастанием коэффициента вариации параметров.

6. Определение групп X , Y и Z . Табличное и/или графическое представление полученных результатов (рис. 1 и табл. 3).

В классическом варианте XYZ -анализа при оптимизация ассортимента товаров к категории X относят товары, характеризующиеся стабильной величиной продаж, незначительными колебаниями в их продажах и высокой точностью прогноза. Значение коэффициента вариации находится в интервале от 0 до 10%.

В то же время следует отметить, что эмпирически с учетом специфики сферы применения данного метода, объектов и параметров анализа возможно установление других градаций категорий X , Y , Z . Например, для категории X может быть выбран диапазон 0-15%, для категории Y - 16-50%, а для категории Z - 51-100%.

XYZ -анализ представляет интерес для дистрибьюторов и производителей, имеющих свои склады. Любая закупка связана с большими издержками для компании (логистика, хранение и т. д.), а также с прямыми рисками, например списанием товара по сроку годности. Ведение точной сбалансированной закупки является приоритетной задачей как оптового, так и розничного предприятия.

Применя XYZ -анализ в отношении своих клиентов, можно строить прогноз продаж на будущие периоды, разрабатывать специальные программы для постоянных лояльных (не подверженных различным всплескам заказов) клиентов, а также проводить мероприятия по переводу клиентов из групп Y , Z в группу X .

Таким образом, применение XYZ -анализа позволяет разделить весь ассортимент на группы в зависимости от стабильности продаж. По полученным результатам целесообразно провести работу по выявлению и устранению основных причин, влияющих на стабильность и точность прогнозирования продаж. При комплексном анализе управления товарными ресурсами наиболее продуктивно совмещение результатов АВС- и XYZ -анализа.

3. Совмещение результатов АВС- и XYZ-анализа
Для совмещения полученных результатов строим совмещенную матрицу. Наиболее простой вариант совмещения - это отсортировать оба файла с результатами анализа по индексному полю, затем скопировать столбец с группами из одного файла в другой. Лучше из XYZ в АВС , так как фактическое значение доли оборота объекта имеет больше практического смысла, чем коэффициент вариации.

В результате данного совмещения по двум показателям - степень влияния на конечный результат (АВС ) и стабильность/прогнозируемость этого результата (XYZ ) - получаем 9 групп объектов анализа (рис. 2).

В табл. 4 дается характеристика товаров и отдельных позиций ассортиментной политики для разных клеточек совмещенной матрицы.

Товары групп А и В обеспечивают основной товарооборот компании. Поэтому необходимо, чтобы они постоянно были в наличии. Общепринятой является практика, когда по товарам группы А создается избыточный страховой запас, а по товарам группы В - достаточный. Использование XYZ -анализа позволяет разработать более точную ассортиментную политику и за счет этого снизить суммарный товарный запас.

Товары группы АХ и ВХ отличает высокий товарооборот и стабильность. Необходимо обеспечить постоянное наличие товара, но для этого не нужно создавать избыточный страховой запас. Расход товаров этой группы стабилен и хорошо прогнозируется.

Товары группы AY и BY при высоком товарообороте имеют недостаточную стабильность продаж, и, как следствие, для того чтобы обеспечить их постоянное наличие, нужно увеличить страховой запас.

Товары группы AZ и BZ при высоком товарообороте отличаются низкой прогнозируемостью продаж. Попытка обеспечить гарантированное наличие по всем товарам данной группы только за счет избыточного страхового товарного запаса приведет к тому, что средний товарный запас компании значительно увеличится. По товарам данной группы следует пересмотреть систему заказов. Часть товаров нужно перевести на систему заказов с постоянной суммой (объемом) заказа, по части товаров необходимо обеспечить более частые поставки, выбрать поставщиков, расположенных близко к вашему складу (и снизить тем самым сумму страхового товарного запаса), повысить периодичность контроля, поручить работу с данной группой товаров самому опытному менеджеру компании и т. п. .

Товары группы С составляют до 80% ассортимента компании. Применение XYZ -анализа позволяет сильно сократить время, которое менеджер тратит на управление и контроль над товарами данной группы.

По товарам группы СХ можно использовать систему заказов с постоянной периодичностью и снизить страховой товарный запас.

По товарам группы CY можно перейти на систему с постоянной суммой (объемом) заказа, но при этом формировать страховой запас, исходя из имеющихся у компании возможностей.

В группу товаров CZ попадают все новые товары, товары спонтанного спроса, поставляемые под заказ и т. п. Часть этих товаров можно безболезненно выводить из ассортимента, а другую часть нужно регулярно контролировать, так как именно из товаров этой группы возникают неликвидные или труднореализуемые товарные запасы, от которых компания несет убытки. Выводить из ассортимента необходимо остатки товаров, взятых под заказ или уже не выпускающихся.

В табл. 5 представлен пример совмещения результатов ABC- и XYZ -анализа.

Матрицу совмещенного анализа можно также применять для рационализации использования труда сотрудников. Товары категории AX должны обслуживаться самыми опытными и квалифицированными сотрудниками, а группу товаров, попавших в категорию CZ , можно доверить новичкам. Им будет несложно работать с категорией, где заказы происходят реже, допуски по отклонениям выше и жестко лимитируется лишь сумма, расходуемая на данную товарную позицию за определенный период. Если вы берете на работу нового и неопытного сотрудника, то, поручив ему работу с товарами группы AZ , вы рискуете понести потери в тот период, когда он нарабатывает необходимый опыт. Если вы поручите ему товары группы СХ , то он, отработав год, научится нажимать клавиши на компьютере и отсылать заявки поставщику. Если поручить ему товары группы CZ , то он и опыт быстро наберет, и компания от его экспериментов сильно не пострадает, а вам при этом не нужно контролировать каждый его шаг .

Итак, использование совмещенного АВС- и XYZ -анализа позволит:

• повысить эффективность системы управления товарными ресурсами;
• повысить долю высокоприбыльных товаров без нарушения принципов ассортиментной политики;
• выявить ключевые товары и причины, влияющие на количество товаров, хранящихся на складе;
• перераспределить усилия персонала в зависимости от его квалификации и имеющегося опыта.

К достоинствам рассмотренных методов анализа можно отнести следующее.

1. ABC -анализ позволяет просто и наглядно изучать большую совокупность экономических данных. Данный метод анализа получил большое развитие благодаря своей универсальности и эффективности. Он может применяться как в деятельности оптовых и розничных торговых предприятий, так и в деятельности организаций - производителей товаров и услуг.
2. Результаты ABC -анализа позволяют в дальнейшем рационализировать деятельность по управлению ассортиментом. Проще и легче контролировать и поддерживать ассортимент 20 позиций, чем 100. Тем более когда эти 20 позиций дают 80% прибыли. В результате необходимо лишь вести, скажем, ежедневный ассортиментный и количественный контроль наличия товаров, относящихся к группе А . В то же время выявляются не только прибыльные товары, но и товары, пользующиеся повышенным спросом, зачастую дешевые.
3. АВС -анализ позволяет произвести достаточно быструю, но в то же время эффективную оценку состояния дел на складе, позволяет рационально решать вопросы управления запасами.
4. Регулярное сравнение нового и старого ABC -индекса позволяет увидеть, на сколько позиций (вверх или вниз по классификации) товар двигался. Результатом этой классификации является возможность увидеть, какие товары пользуются все большей популярностью (находятся в стадии роста по этапам жизненного цикла товара), а какие - в фазе упадка.
5. Применение ABC -анализа помогает решать задачи сегментирования потребителей, изучения спроса, выбора эффективных маркетинговых инструментов, рационального использования труда сотрудников.

В то же время можно отметить следующие недостатки данных методов.

1. Возможность попадания в группу С товаров-новинок. Возникают трудности в случае динамично меняющейся ситуации, например при выводе на рынок нового товара (аналогами которого компания до сих пор не торговала) или однократного приобретения каких-то товарных позиций. Когда количество продаж новинки еженедельно растет, XYZ -анализ ничего не даст, товар неизбежно попадет в «нестабильную» группу Z .
2. XYZ -анализ лишен смысла и для предприятий, работающих под заказ, подобные прогнозы им просто не нужны.
3. На сегментах рынка, на которых разброс значений ежедневных продаж в течение месяца может составлять 50% и более, применение XYZ -анализа может оказаться бесполезным, поскольку все товары попадут в категорию Z .
4. Как ABC -анализ, так и XYZ -анализ ориентированы на их использование в относительно стабильных условиях внешней среды. Кризисные явления, существенные изменения курса валют, изменение конкурентной ситуации и др. резко уменьшают прогнозную ценность полученных результатов.

Особенно это касается XYZ -анализа, поскольку даже в стабильной ситуации делать прогнозные выводы на основе данных для 3-5 временных периодов надо с большой осторожностью. Следует также признать, что фактическое значение доли оборота объекта имеет больше практического смысла, чем коэффициент вариации.

Несмотря на отмеченные недостатки ABC- и XYZ -анализ являются современным инструментом маркетинга, совместное применение которых с другими методами анализа помогает решать вопросы ассортиментной и ценовой политики, выбора рыночных сегментов и каналов сбыта, управления запасами, повышения эффективности использования инструментов маркетинговых коммуникаций.

Литература
1. АВС -анализ // http://www.abc-analysis.ru/
2. Афанасьев С.В. Метод треугольника в FBC-анализе / С.В. Афанасьев //Маркетинг в России и за рубежом. - 2007. - № 2.
3. Бодряков Роман . Семинар на тему ABC и XYZ / Роман Бодряков // http://www.rombcons.ru/ABC_XYZ.htm/
4. Бодряков Роман. ABC- и XYZ -анализ: составление и анализ итоговой матрицы / Роман Бодряков // http://www.loglink.ru/massmedia/analytics/record/?id=275/
5. Двухфакторный АВС -анализ по методике П.В. Грека // Remedium.ru/
6. Дибб С. Практическое руководство по маркетинговому планированию / С. Дибб, Л. Симкин, Дж. Брэдли. - СПб.: Питер, 2001.
7. Облаков П.О. К статье «Метод треугольника в FBC-анализе» / П.О. Облаков // Маркетинг в России и за рубежом. - 2008. - № 2.
8. Хамлова Ольга. АВС -анализ: методика проведения / Ольга Хамлова // Управление компанией. - 2006. - № 10.
9. http://www.sf-online.ru/
10. XYZ-анализ (сценарий) // http://www.4p.ru/index.php?page=17601#/

Также по этой теме.

Для анализа ассортимента товаров, «перспективности» клиентов, поставщиков, дебиторов применяются методы ABC и XYZ (очень редко).

В основе ABC-анализа – известный принцип Парето, который гласит: 20% усилий дает 80% результата. Преобразованный и детализированный, данный закон нашел применение в разработке рассматриваемых нами методов.

ABC-анализ в Excel

Метод ABC позволяет рассортировать список значений на три группы, которые оказывают разное влияние на конечный результат.

Благодаря анализу ABC пользователь сможет:

• выделить позиции, имеющие наибольший «вес» в суммарном результате;
• анализировать группы позиций вместо огромного списка;
• работать по одному алгоритму с позициями одной группы.

Значения в перечне после применения метода ABC распределяются в три группы:

1. А – наиболее важные для итога (20% дает 80% результата (выручки, к примеру)).
2. В – средние по важности (30% - 15%).
3. С – наименее важные (50% - 5%).

Указанные значения не являются обязательными. Методы определения границ АВС-групп будут отличаться при анализе различных показателей. Но если выявляются значительные отклонения, стоит задуматься: что не так.

Условия для применения ABC-анализа:

• анализируемые объекты имеют числовую характеристику;
• список для анализа состоит из однородных позиций (нельзя сопоставлять стиральные машины и лампочки, эти товары занимают очень разные ценовые диапазоны);
• выбраны максимально объективные значения (ранжировать параметры по месячной выручке правильнее, чем по дневной).

Для каких значений можно применять методику АВС-анализа:

• товарный ассортимент (анализируем прибыль),
• клиентская база (анализируем объем заказов),
• база поставщиков (анализируем объем поставок),
• дебиторов (анализируем сумму задолженности).

Метод ранжирования очень простой. Но оперировать большими объемами данных без специальных программ проблематично. Табличный процессор Excel значительно упрощает АВС-анализ.

Общая схема проведения:

1. Обозначить цель анализа. Определить объект (что анализируем) и параметр (по какому принципу будем сортировать по группам).
2. Выполнить сортировку параметров по убыванию.
3. Суммировать числовые данные (параметры – выручку, сумму задолженности, объем заказов и т.д.).
4. Найти долю каждого параметра в общей сумме.
5. Посчитать долю нарастающим итогом для каждого значения списка.
6. Найти значение в перечне, в котором доля нарастающим итогом близко к 80%. Это нижняя граница группы А. Верхняя – первая в списке.
7. Найти значение в перечне, в котором доля нарастающим итогом близко к 95% (+15%). Это нижняя граница группы В.
8. Для С – все, что ниже.
9. Посчитать число значений для каждой категории и общее количество позиций в перечне.
10. Найти доли каждой категории в общем количестве.

АВС-анализ товарного ассортимента в Excel

Составим учебную таблицу с 2 столбцами и 15 строками. Внесем наименования условных товаров и данные о продажах за год (в денежном выражении). Необходимо ранжировать ассортимент по доходу (какие товары дают больше прибыли).

Вот мы и закончили АВС-анализ с помощью средств Excel. Дальнейшие действия пользователя – применение полученных данных на практике.

XYZ-анализ: пример расчета в Excel

Данный метод нередко применяют в дополнение к АВС-анализу. В литературе даже встречается объединенный термин АВС-XYZ-анализ.

За аббревиатурой XYZ скрывается уровень прогнозируемости анализируемого объекта. Этот показатель принято измерять коэффициентом вариации, который характеризует меру разброса данных вокруг средней величины.

Коэффициент вариации – относительный показатель, не имеющий конкретных единиц измерения. Достаточно информативный. Даже сам по себе. НО! Тенденция, сезонность в динамике значительно увеличивают коэффициент вариации. В результате понижается показатель прогнозируемости. Ошибка может повлечь неправильные решения. Это огромный минус XYZ-метода. Тем не менее…

Возможные объекты для анализа: объем продаж, число поставщиков, выручка и т.п. Чаще всего метод применяется для определения товаров, на которые есть устойчивый спрос.

Алгоритм XYZ-анализа:

1. Расчет коэффициента вариации уровня спроса для каждой товарной категории. Аналитик оценивает процентное отклонение объема продаж от среднего значения.
2. Сортировка товарного ассортимента по коэффициенту вариации.
3. Классификация позиций по трем группам – X, Y или Z.

Критерии для классификации и характеристика групп:

1. «Х» - 0-10% (коэффициент вариации) – товары с самым устойчивым спросом.
2. «Y» - 10-25% - товары с изменчивым объемом продаж.
3. «Z» - от 25% - товары, имеющие случайный спрос.

Составим учебную таблицу для проведения XYZ-анализа.

В группу «Х» попали товары, которые имеют самый устойчивый спрос. Среднемесячный объем продаж отклоняется всего на 7% (товар1) и 9% (товар8). Если есть запасы этих позиций на складе, компании следует выложить продукцию на прилавок.

Запасы товаров из группы «Z» можно сократить. Или вообще перейти по этим наименованиям на предварительный заказ.

Прежде чем приступить к анализу, нужно определить его цель, какую именно информацию вы хотите получить. Затем определяем, какие именно данные вы собираетесь анализировать (объект анализа). В качестве объекта анализа могут выступать:

1. товарные группы;
2. покупатели;
3. поставщики;
4. менеджеры по продажам.

Следующий важный момент — это определение параметров, по которым будет производиться анализ. Ведь каждый из перечисленных выше объектов анализа имеет разные параметры описания и измерения.

Выполнив описанные выше действия, можно приступать к проведению анализа. В системе анализируется выбранный параметр за указанный вами период по данным, накопленным в информационной базе. На основе этого анализа в дальнейшем будет построена АВС-классификация.

Как сделать ABC анализ?

1. Определите цель анализа

   Определение критериев успешности. ABC-анализ может выполнить одну из двух основных целей: сократить расходы на закупки или увеличить поток наличности за счет наличия правильных товаров, доступных для производства или непосредственно для продажи клиентам.

2. Соберите данные для анализа

   Наиболее распространенные данные, обычно имеющиеся в стандартном бухгалтерском учете, являются ежегодными расходами по каждому пункту, включая все затраты на заказ и стоимость перевозки, если они могут быть легко рассчитаны.

3. Отсортируйте запасы по важности в порядке убывания

   По крайней мере, ранжирование каждого складского товара по себестоимости.

4. Посчитайте суммарный эффект

   С помощью электронного отчета вычисляется совокупное влияние списка складских товаров путем деления годовых затрат на общее количество годовых запасов, а затем добавив эту сумму к суммарному общему затраченному проценту.

5. Разделите запасы на категории

   У вас может не получиться точного отношения 80/20, которое требует принцип Парето. Ориентируйтесь на общую картину и не стремитесь к точному соблюдению правила 80/20. Цель заключается в том, чтобы найти области, в которых пересмотр контрактов, консолидация поставщиков, изменение методологии или внедрение электронных закупок могут обеспечить значительную экономию средств или обеспечение наличия большего объема товаров на складе.

6. Проанализируйте товары в категориях и примите соответствующие решения

   Ключом к этому шагу является последующая деятельность и отслеживание. После того как стратегическое управление затратами будет осуществляться на основе категорий, периодическое рассмотрение имеет решающее значение для контроля за успехом или невыполнением решений.

Артем Эмануэль

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.

Беглый анализ

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.

Группа таблиц №1

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

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

В) Предварительное распределение клиентов по группам

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

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.

Углубленный анализ

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 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 . А сделаем мы это на примере случайной выборки из 22 клиентов компании (данные представлены в группе таблиц №3).

Группа таблиц №3.

А) Исходные данные: продажи по клиентам

Б) Распределение значений

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

Г) Итоговое разбиение клиентов

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 . 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).

Группа таблиц №4

А) Показатели продаж в динамике, исходные данные

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

В) Ранжирование по группам

Г) Вклад каждой группы в продажи:

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.

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)

Пояснения к таблице:

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).

Таблица №6

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

Пояснения.

• 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)

В) Сравнительный анализ работы менеджеров:

(отражает количество клиентов каждой группы у каждого менеджера)

Г) совмещенный анализ по менеджерам и отраслям:

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

• в разрезе менеджеров

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.

Или любого другого, который будет принят как базовый.

Квартиль - граница на шкале измеряемого показателя, отделяющая 25% испытуемых от общей выборки. Различаются три квартиля: Q1 - первые 25%, Q2 - 50% (медиана), Q3 - 75%.

При желании можно провести стандартный анализ разброса данных, но об этом – ниже.

Рассчитывается как стандартное отклонение, поделенное на среднее отклонение.