Вы уже знаете, что успех любой капсульной коллекции начинается задолго до того, как первый образ попадает на подиум. Ключевой шаг — анализ продаж предыдущего сезона. Именно он помогает понять, какие модели «выстрелили», а какие «пролетели», и построить точный план закупок, цены и маркетинга для нового сезона. В этом уроке вы получите набор практических метрик, научитесь их рассчитывать и интерпретировать, а также узнаете, как собрать данные в единую картину, готовую к принятию решений.
| Метрика | Что измеряет | Как рассчитывать | Типичный диапазон (мода) |
|---|---|---|---|
| Объём продаж (Units Sold) | Количество проданных товаров. | Сумма SKU за период. | 10 000 – 200 000 штук (в зависимости от бренда). |
| Выручка (Revenue) | Общий доход от продаж. | Σ (Продано × Цена). | $1 M – 30 M. |
| Валовая маржа (Gross Margin) | Прибыль до учёта расходов. | (Revenue − COGS) / Revenue × 100 %. | 45 % – 70 %. |
| Sell‑through | Доля проданных товаров от запланированного объёма. | (Units Sold / Planned Units) × 100 %. | 70 % – 95 %. |
| Оборачиваемость запасов (Stock Turn) | Сколько раз за сезон «продали» весь запас. | COGS / Average Inventory. | 2 – 6. |
| Days of Inventory (DOI) | Сколько дней в среднем товар находится на складе. | (Average Inventory / COGS) × 365. | 60 – 180 дней. |
| Коэффициент возврата (Return Rate) | Доля возвращённых товаров. | (Units Returned / Units Sold) × 100 %. | 2 % – 8 %. |
| Эластичность цены (Price Elasticity) | Как меняется спрос при изменении цены. | ΔQ / Q ÷ ΔP / P. | -1 – -3 (эластичный). |
| Средний чек (Average Order Value, AOV) | Средний доход на заказ. | Revenue / Number of Orders. | $80 – 250. |
| Коэффициент удержания (Retention Rate) | Доля клиентов, совершивших повторную покупку. | (Customers who bought again / Total customers) × 100 %. | 20 % – 45 %. |
Подсказка: Не пытайтесь использовать все метрики сразу. Выберите 5‑7, которые действительно влияют на вашу бизнес‑модель, и углубляйтесь в них.
| Источник | Что берём | Как получаем |
|---|---|---|
| Точки продаж (POS) | SKU, количество, цена, дата. | Экспорт из ERP/CRM в CSV. |
| Онлайн‑платформы | Трафик, конверсия, AOV. | API Google Analytics, Shopify. |
| Складские системы | Запасы, даты поступления, возвраты. | WMS‑отчёты. |
| Маркетинговые кампании | Показатели CPM, CTR, CPA. | Facebook Ads, Google Ads. |
| Обратная связь | Причины возврата, отзывы. | SurveyMonkey, NPS‑опросы. |
Важно: Приведите все данные к единому формату (одна временная зона, одинаковый SKU‑идентификатор). Это избавит от «потерянных» продаж при агрегировании.
Зачем? Позволяет увидеть, насколько правильно была построена плановая закупка.
Как интерпретировать?
Пример: Если планировалось 10 000 пар джинсов, а продали 8 500, sell‑through = 85 %. Это хороший показатель, но стоит проверить, не «залипает» ли товар в определённых регионах.
| Показатель | Текущий сезон | Предыдущий сезон | Δ (изменение) | Интерпретация |
|---|---|---|---|---|
| Units Sold | 120 000 | 100 000 | +20 % | Рост спроса, возможно, удачная маркетинговая кампания. |
| Revenue | $2,4 M | $2,0 M | +20 % | Согласовано с ростом объёма. |
| Gross Margin | 58 % | 55 % | +3 % | Улучшение микса (более дорогие SKU). |
| Sell‑through | 88 % | 82 % | +6 % | Планирование закупок стало точнее. |
| Return Rate | 5 % | 7 % | -2 % | Улучшение качества/размеров. |
| Stock Turn | 4.5 | 3.2 | +1.3 | Быстрее оборачиваемость, меньше «залипания». |
Вывод: Сравнительный анализ помогает увидеть, какие изменения в стратегии дали результат, а какие требуют доработки.
| Ошибка | Последствия | Как избежать |
|---|---|---|
| Считать только объём продаж | Игнорирует прибыльность и возвраты. | Добавьте маржинальные метрики. |
| Не учитывать сезонность | Показатели могут выглядеть «плохими», хотя это нормальная сезонная динамика. | Сравнивайте с тем же периодом прошлого года. |
| Переоценка «топ‑SKU» | Ставите всё на несколько моделей, забывая о «длинном хвосте». | Анализируйте распределение продаж по SKU‑вд |
| Использование устаревших данных | Принятие решений на основе «мёртвых» цифр. | Обновляйте данные минимум раз в неделю. |
| Пренебрежение контекстом (маркетинг, погода) | Ошибочная интерпретация спада/роста. | Сопоставляйте метрики с внешними событиями. |
Совет: Начните с простого дашборда в Excel: таблица с KPI, график «Продажи vs. План», гистограмма «Возвраты по категориям». По мере роста данных переходите к BI‑инструментам.
| Вывод | Действие |
|---|---|
| Sell‑through < 70 % у «платьев‑макси» | Сократить закупку, усилить рекламные кампании с акцентом на стиль. |
| Возврат > 8 % у обуви | Перепроверить размерные сетки, добавить видеоруководства по подбору размера. |
| Эластичность цены = -2,5 у курток | Рассмотреть возможность небольшого снижения цены или добавить бонусные аксессуары. |
| Retention = 15 % у новых клиентов | Запустить программу лояльности (скидка 10 % на второй заказ). |
Расчёт KPI
У вас есть данные за сезон: 150 000 проданных единиц, план — 180 000, выручка — $3 M, COGS — $1,2 M, средний запас — 30 000 единиц. Вычислите:
Сравнительный анализ
Сравните текущий сезон с предыдущим, где показатели: Units Sold = 120 000, Revenue = $2,4 M, Gross Margin = 55 %. Составьте таблицу изменений и напишите короткое заключение (2‑3 предложения).
Идентификация проблем
Вы обнаружили, что возврат обуви составляет 12 %, а у остальных категорий — 4 %. Сформулируйте две гипотезы, почему так происходит, и предложите по одному измеру проверке каждой гипотезы.
Эластичность цены
При повышении цены на футболки с $25 до $27 продажи упали с 20 000 до 16 000 единиц. Вычислите эластичность цены и определите, стоит ли удерживать новую цену.
Планирование закупок
На основе sell‑through = 85 % и ожидаемого роста спроса на 10 % в следующем сезоне, рассчитайте, сколько единиц нового топа‑платья следует закупить, если плановый объём — 50 000 единиц.
Поздравляем! Вы теперь владеете набором метрик, которые превратят «чувство» в точный, измеримый процесс планирования. Применяйте их в каждом сезоне, и ваши капсульные коллекции будут регулярно попадать в центр внимания покупателя. 🚀