Chain

Запускаем исследование: Как FMCG-производители работают с аналитикой продаж? – ищем 30 компаний-участников.   Изучаем, как российские FMCG-производители используют аналитику продаж: какие данные собирают, из каких источников и какими инструментами пользуются.   Кого ищем: производителей с годовой выручкой 1–6 млрд руб. Всего – 30 компаний.   Что вы получите: сводные результаты исследования. Сможете сравнить себя с рынком по ключевым показателям. Ответы анонимны – в отчёте только сводные цифры, без названий компаний.   Формат: разговор на 30 минут в удобное время. Список вопросов пришлём заранее, чтобы вы видели, о чём пойдёт речь.   Готовы участвовать? Свяжитесь со мной в Telegram – @dmitriy_kolesnikov, согласуем удобный слот.   И ещё просьба: перешлите этот пост тем, кому он может быть интересен – коллегам, отвечающим за коммерцию или аналитику продаж, или знакомым в других FMCG-компаниях.

Многофакторный ABC-анализ: приоритизируем ассортимент по трём факторам сразу   Классический ABC ранжирует SKU только по выручке – и упускает, что большой оборот может не приносить прибыль и замораживать деньги в запасах. Многофакторный подход добавляет к выручке рентабельность и оборачиваемость, сворачивает 27 профилей в три рабочие группы (ядро, рабочий ассортимент, кандидаты на вывод) и показывает весь ассортимент на одной матрице.   Подробнее в карточках >>> Cайт | MAX | VK | Дзен

Ozon: канал, который дорожает быстрее, чем растёт По итогам 2025 Ozon практически вышел в прибыль, но для селлера важнее другое: выручка площадки растёт вдвое быстрее оборота (+63% против +45%), а средний тейк-рейт на обороте продавцов поднялся с 17,2% до 19,7%. Стоимость присутствия в канале дорожает структурно – и это меняет юнит-экономику. Подробнее в карточках >>> Cайт | MAX | VK | Дзен

Концентрация в офлайне, новые каналы в онлайне. За 10 лет дистрибуция FMCG в России изменилась радикально.   ТОП-5 сетей удвоили долю рынка – почти каждый второй рубль на полке приходится на пятёрку крупнейших. Параллельно появились маркетплейсы, дарксторы и e-grocery платформы – со своей экономикой, ассортиментом и логикой промо. Онлайн-канал вырос в 18 раз за 6 лет.   Теперь производитель работает одновременно с сетями, дистрибьюторами, маркетплейсами, дарксторами и e-grocery платформами – нужны новые инструменты управления, построенные на данных.   Это и есть причина, по которой мы делаем Chain – платформу управления продажами, которая объединяет данные от отгрузки до полки.   Подробнее в карточках >>> Cайт | MAX | VK | Дзен

🚀 Запустили первую версию сайта платформы Chain - https://chain.bizan.pro/ Если ещё не видели - заходите посмотреть. Будем рады обратной связи: пишите нам прямо в личку @dmitriy_kolesnikov Демо-стенд на финишной прямой. В мае каждый сможет зайти и потрогать платформу руками - расскажем здесь, как откроем доступ.

🚀Запустили первую версию сайта платформы Chain - https://chain.bizan.pro/ Если ещё не видели - заходите посмотреть. Будем рады обратной связи: пишите прямо в личку @dmitriy_kolesnikov. А ещё: демо-стенд на финишной прямой. В мае каждый сможет зайти и изучить функциональность платформы - расскажем здесь, как откроем доступ.

X5 и Лента: стратегия развития 2025–2028: сравнение траекторий развития лидирующих игроков рынка. X5 планирует рост выручки на 92% к 2028, Лента – на 148%. По прогнозу X5, доля топ-5 в продуктовом ритейле вырастет с 37,5% до 44%. Разобрали стратегии обеих сетей: масштаб, драйверы роста, технологии – и сформулировали, что эти планы означают для поставщиков. Подробнее в карточках >>> Cайт | MAX | VK | Дзен

Аналитика покупателей на Ozon Большинство продавцов на Ozon смотрят на продажи в разрезе SKU и категорий, но почти не анализируют клиентскую базу. На самом деле всё, что нужно для клиентской аналитики, уже есть в любой выгрузке заказов FBO. Достаточно знать, как извлечь из номера заказа идентификатор покупателя – и вы сможете считать долю новых и повторных покупателей, возвращаемость по когортам, сегментацию базы и прочие показатели. В карточках – примеры 4-х вопросов, на которые отвечает анализ клиентской базы Ozon, и инструменты, которые их закрывают. Подробнее в карточках >>> Cайт | MAX

Каннибализация промо: как измерить реальный эффект акции Промо поднимает продажи – но на сколько на самом деле? Валовой прирост не учитывает, что часть объёма – это перетекание из соседних магазинов, смежных SKU и будущих покупок. Разрыв между валовым и инкрементальным приростом может составлять 2–3 раза. В этом посте разбираем три типа каннибализации, формулу расчёта инкрементального объёма и пример с декомпозицией промо-эффекта. Подробнее в карточках >>>

Самый жёсткий. 2 года спустя: Обновлённое сравнение бизнес-моделей жёстких дискаунтеров в продуктовом ритейле России Давно не выходили с аналитикой по рынку – возвращаемся с обновлением одного из самых популярных постов канала. За два года в сегменте жёстких дискаунтеров произошли серьёзные изменения: смена лидера, масштабное сокращение сети Светофор и рост оборота сегмента в 1,7× быстрее рынка. Кратко разобрали, что изменилось в каждой из трёх бизнес-моделей и что это значит для поставщиков. Подробнее в карточках >>>

Мы считаем, что система управления продажами может быть построена только на прочной аналитической базе. Поэтому для платформы Chain мы собрали полное дерево метрик коммерческого P&L для омниканальных производителей потребительских товаров. 94 метрики, 5 каналов продаж — от off-take в торговой точке до коммерческой прибыли. Каждая метрика кликабельна: формула, описание, связи. Рекомендуем открывать с десктопа: https://chain.bizan.pro/metrics-tree

В посте мы разобрали факторный анализ валовой прибыли и пообещали подробно остановиться на самом комплексном факторе – цене реализации. Рост средней цены часто воспринимается как результат успешной ценовой политики. Однако без декомпозиции невозможно понять, какая часть роста связана с фактическим повышением прайс-листа, а какая – со структурными эффектами продукт- и клиент-микса. Подробнее в карточках>>>

Ранее мы не писали о том, чем именно занимаемся. Наша основная деятельность в Бизан – разработка систем аналитики и цифровых аналитических сервисов. Последние два года мы активно работаем с производителями потребительских товаров. Для них мы ведём этот канал, где делимся прикладными аналитическими подходами и практикой работы с данными. Накопив практический опыт, мы систематизировали наши решения и начали создавать собственный продукт – Chain. Это система управления продажами для омниканальных производителей. Ключевая особенность системы – объединение данных по первичным, вторичным и третичным продажам в едином аналитическом контуре. В связи с запуском разработки продукта мы переименовываем канал в Chain. С точки зрения контента практически ничего не изменится – мы продолжим делиться подходами к работе с данными и аналитикой рынка. Дополнительно будем рассказывать о прогрессе разработки системы.

В начале года FMCG-производители подводят финальные итоги и оценивают выполнение бюджета по валовой прибыли. На практике разбор часто остаётся на уровне общих формулировок и не даёт ответа на главный управленческий вопрос – какие факторы и в каком объёме сформировали результат. В карточках – подход к факторному анализу валовой прибыли и логика интерпретации его результатов.

В продолжение предыдущего поста – пример дашборда по анализу воронки продаж на маркетплейсах. Дашборд состоит из трёх ключевых блоков: ● Сводные показатели. Таблица по артикулам / брендам / категориям со всеми необходимыми показателями, которые, помимо метрик воронки продаж, включают среднедневные запасы, оборачиваемость и т.д. По каждому показателю отображается изменение к выбранному периоду сравнения. Данный блок используется для приоритизации точек воздействия. ● Факторный анализ изменения объёма продаж. Waterfall-диаграмма и таблица, которые количественно показывают вклад каждого фактора (посещения карточек, конверсии в корзину и в заказ, среднее количество единиц в заказе, % выкупа) в изменение объёма продаж в штуках. ● Тренды. Дневные графики по показателям внутри анализируемого периода, чтобы фиксировать эффект действий и временные лаги между изменениями и результатом. Доступна кросс-фильтрация: при клике на артикул в таблице со сводными показателями остальные блоки дашборда – факторный анализ и тренды – автоматически перестраиваются под выбранную позицию. Это позволяет быстро получать данные для анализа каждой позиции.

Воронка продаж на маркетплейсах: как измерять результативность своих действий В предыдущем посте мы показали, как может выглядеть стратегический дашборд, построенный на основании дерева метрик. Внизу дерева – воронка продаж. Сегодня – о том, как построить и визуализировать воронку продаж на маркетплейсах, оценить результативность предпринимаемых действий и понять, какие факторы действительно влияют на объём продаж. Подробнее в карточках >>>

В предыдущем посте мы разобрали подход к построению дерева метрик для канала 3P-продаж на маркетплейсах. В этом посте – пример стратегического дашборда, сформированного на основе дерева. 📌 Представленная визуализация построена по принципу: ● уровни дерева метрик – слева направо, показатели внутри уровней – сверху вниз; ● все метрики отображают изменение к выбранному прошлому периоду (возможно выполнять сравнение с планом при наличии плановых значений по всем показателям); ● цветовая индикация (зелёный, оранжевый, красный, чёрный) отражает факт положительной, отрицательной или нейтральной динамики показателей по сравнению с прошлым периодом. 📈 За счёт наглядности дашборд позволяет менеджменту и собственникам за секунды оценить результаты бизнеса и выделить показатели, требующие детального анализа – с переходом на тактические и операционные дашборды.

Дерево метрик как основа для разработки системы аналитики – на примере канала 3P-продаж на маркетплейсах. В большинстве компаний развитие системы аналитики происходит хаотично: разработка дашбордов и отчётов происходит по отдельным запросам бизнес-подразделений. В результате со временем возникают следующие проблемы: ● Дашборды начинают дублировать друг друга и ими перестают пользоваться. ● Теряется причинно-следственная часть между разными дашбордами и отчётами. ● Не представляется возможным отследить связь между метриками нижнего уровня и ключевыми показателями бизнеса, отслеживаемыми менеджментом и собственниками. Мы начинаем разработку системы аналитики с создания дерева метрик – логической модели, которая описывает связи между метриками на операционном, тактическом и стратегическом уровнях. В этом посте мы разберём подход к созданию дерева метрик на примере канала 3P-продаж на маркетплейсах. Структура дерева метрик отражает иерархию влияния на бизнес-результат. Каждая связь между метриками фиксируется формулой или логической зависимостью: ● Вершина дерева – North Star Metric: например, контрибуционная прибыль (Выручка минус Переменные расходы, связанные с продажей товаров через маркетплейсы). ● Далее – бизнес-метрики: выручка, себестоимость, расходы на рекламу, комиссия МП, эквайринг и пр. ● Ниже – операционные метрики: посещаемость карточек, конверсии в воронке продаж (в добавление в корзину и в заказ), % выкупов и пр. ● Ещё ниже – продуктовые метрики: средний рейтинг, отзывы, полнота размерной сетки, доля Out-of-Stock (OOS) и пр. Для продуктовых метрик, как правило, не существует однозначной цифровой зависимости: они влияют на поведение покупателей опосредованно, через восприятие карточки, релевантность в поисковой выдаче, привлекательность товара и т.д. Их влияние важно учитывать в аналитике, но связь с бизнес-результатом чаще всего устанавливается через корреляции, а не прямые формулы. Построение дерева метрик – это не визуальное упражнение, а фундаментальный шаг к созданию эффективной системы управления на основе данных. Такой подход позволяет: ● Связать между собой операционные метрики и стратегические цели бизнеса; ● Устранить дублирование и фрагментацию дашбордов; ● Задать единую логику для анализа данных и принятия решений. ● Определить целевую структуру хранилища данных – с учётом иерархии метрик и логики трансформации данных на каждом уровне аналитической модели. По ссылке мы разместили пример дерева метрик для производителя одежды, который реализует товары только через маркетплейсы по 3P-модели.

Мы подготовили подборку последних постов в нашем канале, чтобы вы могли быстрее сориентироваться в его содержании. Рынок и тренды (4) ● Х5 и Магнит: ключевые тренды в основных торговых форматах за последние 5 лет. ● Самый жёсткий: сравнение бизнес-моделей жёстких дискаунтеров в продуктовом ритейле России. ● e-Grocery в России: как рост доли онлайн в продуктовой рознице повлияет на форматы физических магазинов. ● Рост доли СТМ в продуктовом ритейле: макротренд, который нужно учитывать в долгосрочной стратегии. Метрики и фреймворки: аналитика для принятия решений (6) ● Как определить перспективные SKU для расширения дистрибуции. ● Бенчмаркинг для FMCG-производителей: оценка динамики выручки в сравнении с рынком. ● Формула продаж в офлайн-канале для FMCG-производителей. ● Off-take sku: как считать, анализировать и откуда брать данные. ● Ловушка Gross выручки: как корректно сравнивать рентабельность клиентов. ● Индекс жалоб покупателей (CCI): опережающий индикатор изменения продаж в FMCG. Данные по цепочке поставок: источники, состав и практическое применение (5) ● Данные как основа управления продажами для производителей потребительских товаров. ● Данные по вторичным продажам: источники, возможности и практическое применение. ● Данные по третичным продажам в офлайн-канале: источники, состав и практическое применение. ● Данные по третичным продажам - маркетплейсы: источники, состав и практическое применение. ● Объединяем данные по продажам в единую систему и принимаем решения, видя полную картину. Интересные факты из прошлого (2) ● Модель Fix Price в 1914 году. ● Уловки при продаже инфопродуктов 100 лет назад.