Вы уже знаете, как собрать капсульную коллекцию, но без правильного распределения размерных групп ваш товар может «застрять» на складе и упустить прибыль. В этом уроке вы узнаете, как:
Эти навыки позволяют сократить остатки, повысить оборачиваемость и удержать маржинальность на уровне +15 % от базовой.
| Термин | Что означает | Почему важно |
|---|---|---|
| Размерный диапазон | Диапазон измерений (объём груди, талии, бедер) в пределах одного “размера”. | Позволяет понять, сколько реальных людей попадают в каждый размер. |
| Коэффициент конверсии | Доля покупателей, которые покупают товар в конкретном размере от общего числа просмотров. | Помогает предсказать, сколько единиц нужно закупить. |
| Сезонный сдвиг | Изменение спроса на определённые размеры в зависимости от сезона (например, в летний период часто выбирают «более свободные» размеры). | Позволяет адаптировать план под текущие тенденции. |
Аналогия: представьте, что вы готовите суп. Размерные группы – это разные ингредиенты (морковь, картофель, лук). Если добавить слишком много моркови и почти не положить картофеля, вкус будет односторонним. Точно так же, если закупать только «M», вы упустите спрос на «S» и «L».
| Шаг | Что делаем | Как делаем |
|---|---|---|
| Удаляем выбросы | Исключаем аномальные продажи (например, 100 ед. M в один день из‑за акции). | Фильтр sales < Q3 + 1.5·IQR. |
| Приводим к единым измерениям | Все размеры переводим в см (объём груди, талии, бедер). | Таблица с переводом: XS = 84‑88 см, S = 88‑92 см и т.д. |
| Нормализуем по времени | Приводим данные к «ежедневному» уровню, чтобы сравнивать разные периоды. | Делим суммарные продажи за месяц на количество дней. |
[ \text{Qty}_i = \frac{Di}{\sum\limits{k=1}^{N} D_k} \times \text{Total_Qty} ]
Пример:
- Общий план: 10 000 ед.
- Спрос по размерам (в %): XS = 5 %, S = 20 %, M = 45 %, L = 25 %, XL = 5 %.
- Расчёт: Qty_XS = 0.05 × 10 000 = 500 ед., Qty_M = 0.45 × 10 000 = 4 500 ед., и т.д.
[ \text{Adj_Qty}_i = \text{Qty}_i \times (1 + \Delta_i) ]
Сценарий: в летний сезон спрос на «XL» обычно растёт на +10 % из‑за более свободных кроев. Если (\Delta{XL}=0.10) и (\text{Qty}{XL}=2 500), то (\text{Adj_Qty}_{XL}=2 750).
[ \text{Final_Qty}_i = \left\lceil \frac{\text{Adj_Qty}_i}{\text{Batch}} \right\rceil \times \text{Batch} ]
| Размер | Исторический спрос | Сезонный сдвиг | Базовое Qty | Корректированное Qty | Округлённое (по 12) |
|---|---|---|---|---|---|
| XS | 4 % | –2 % | 400 | 392 | 384 |
| S | 18 % | +1 % | 1 800 | 1 818 | 1 824 |
| M | 48 % | 0 % | 4 800 | 4 800 | 4 800 |
| L | 26 % | +3 % | 2 600 | 2 678 | 2 688 |
| XL | 4 % | +5 % | 400 | 420 | 432 |
| Итого | 100 % | — | 10 000 | 10 012 | 10 128 |
Обратите внимание: итоговое количество (10 128) немного превышает план, но это безопасный «запас», который покрывает возможные возвраты и небольшие колебания спроса.
| Инструмент | Что делает | Как внедрить |
|---|---|---|
| Excel / Google Sheets | Быстрый расчёт формул, визуализация (диаграммы). | Создайте шаблон с динамическими диапазонами и условным форматированием. |
| Power BI / Tableau | Дашборд в реальном времени по продажам и размерным группам. | Подключите к ERP‑системе, настройте фильтры по сезону. |
| Python (pandas, numpy) | Автоматизация расчётов, интеграция с API поставщика. | Напишите скрипт, который каждый день обновляет Adj_Qty и отправляет заказ в CSV. |
| ERP‑модуль «Size Allocation» | Прямой импорт в планирование производства. | Согласуйте таблицу Final_Qty с отделом производства, задайте правила MOQ. |
Совет: начните с Excel, а потом перенесите логику в Python – это ускорит масштабирование и уменьшит риск человеческой ошибки.
| Ошибка | Почему опасна | Как исправить |
|---|---|---|
| Игнорировать возвраты | Возвраты часто связаны с неправильным размером, что искажает реальный спрос. | Включайте в расчёт коэффициент возвратов R_i = 1 - (returns_i / sales_i). |
| Фиксировать «стандартный» набор | Потребители меняют предпочтения, особенно в онлайн‑моде. | Проводите ежемесячный анализ и корректируйте Δ_i. |
| Не учитывать «пиковые» события | Распродажи, коллаборации могут резко увеличить спрос на определённые размеры. | Добавляйте «корректирующий» коэффициент P_i в формулу. |
| Переполнять склад | Слишком большой запас приводит к уценке и убыткам. | Устанавливайте верхний порог Max_Qty_i = Avg_Demand_i × 1.5. |
| Показатель | Как рассчитывать | Целевое значение |
|---|---|---|
| Коэффициент оборачиваемости | Sales_i / Avg_Inventory_i |
> 1.5 за сезон |
| Уровень остатков | Ending_Stock_i / Total_Stock_i |
< 10 % |
| Точность прогноза | |Forecast_i - Actual_i| / Actual_i |
≤ 5 % |
| Маржа по размеру | Revenue_i - Cost_i |
≥ 30 % от цены |
Регулярно проверяйте эти метрики в конце каждой недели, чтобы быстро реагировать на отклонения.
Расчёт базового распределения
У вас планируется закупить 8 000 ед. новой футболки. Исторический спрос: XS = 6 %, S = 22 %, M = 40 %, L = 24 %, XL = 8 %. Считайте количество моделей в каждом размере, используя формулу пропорционального распределения.
Учёт сезонного сдвига
В летний сезон спрос на L растёт на +12 %, а на XS падает на ‑4 %. Пересчитайте количество моделей из задания 1, применив коэффициенты сдвига.
Округление до партии
Поставщик принимает заказы кратно 15 ед. Округлите результаты из задания 2 до ближайшего кратного 15, используя «вверх» округление.
Анализ возвратов
По данным за прошлый год возвратов по размерам: XS = 3 %, S = 2 %, M = 1 %, L = 2 %, XL = 4 %. Какой скорректированный спрос (уменьшенный на возвраты) вы бы использовали в формуле?
Оценка эффективности
После сезона у вас остался 5 % товаров в размере M и 12 % в размере XL. Какие выводы вы сделаете и какие изменения внесёте в план на следующий сезон?
Ответьте на каждый пункт, сравните полученные числа с вашими ожиданиями и запишите, какие шаги вы бы предприняли для улучшения точности распределения.
Поздравляем! Вы теперь владеете полным набором методик от сбора данных до автоматизированного расчёта и контроля качества распределения размерных групп. Применяйте их в каждом новом сезоне, и ваша капсульная коллекция будет продаваться быстрее, а склад будет «чистым» и прибыльным.