Методика WFM-анализа для оценки возможного роста продаж
Как же на практике увеличить продажи? Какие приросты возможны у клиента ООО «Пупкин», а какие – у клиента ООО «Зайкин»? Как выставить обоснованные показатели продаж для менеджера по тому или иному партнеру? Для максимально точной и обоснованной оценки увеличения объемов продаж клиенту рекомендуется использовать WFM-анализ. Эта методика дает отличные результаты при работе с оптовым и дистрибуторским звеном в каналах распределения. Специалисты «Юнит-Консалтинг» неоднократно использовали ее при оценке потенциала продаж в точках традиционной розницы. Мы разработали эту методику на основании известной классификации клиентов RFM, адаптировав ее к реальным условиям российского бизнеса. На основании WFM-анализа можно определить конкретные планы по приростам продаж клиенту. Каждый торговый партнер анализируется отдельно, что необходимо делать в отношении крупных клиентов или клиентов категории АА.
Оцениваются три базовых показателя: объемы продаж, широта закупаемого ассортимента и частота закупок.
1. Width (широта ассортимента) – количество позиций в заказах клиента. Чем больше ассортиментных позиций берет торговый партнер, тем вероятнее увеличение объемов продаж.
2. Frequency (частота или количество) – количество покупок, которые совершил клиент (количество продаж). Чем их больше, тем выше вероятность того, что клиент повторит свои действия в будущем.
3. Monetary (деньги) – сумма, которую потратил клиент (выручка от продажи товара). Чем больше потраченная сумма, тем выше вероятность того, что клиент повторит заказ.
Название метода (WFM-анализ) происходит от первых букв используемых названий параметров.
Алгоритм WFM-анализа
1. Классификация по параметру Width:
• для каждого клиента определить наиболее часто закупаемый ассортимент;
• соотнести полученные данные с минимально допустимым и максимально возможным ассортиментом;
• таким образом, нам известно минимальное и максимальное количество позиций в заказах клиентов. Предположим, что это 22 и 97. Теперь необходимо определить интервалы значений этого показателя, которым будут соответствовать баллы от 1 до 5:
(22 + 97) / 5 = 23,8 ≈ 24.
5 баллов получат клиенты с количеством позиций от 97 до 73; 4 – от 73 до 49 и т. д.
2. Классификация по параметру Frequency:
• для каждого клиента определить количество покупок за определенный период;
• итак, мы имеем минимальное и максимальное количество «чеков». Предположим, это 2 и 27. Определяем интервалы, которым будут соответствовать определенные баллы (по аналогии с тем, как это делалось для параметра Width):
(2 + 27) / 5 = 5,8 ≈ 6.
5 баллов получают клиенты с количеством чеков от 21 до 27; 4 – от 15 до 20 и т. д.
3. Классификация по параметру Monetary:
• для каждого клиента определить сумму потраченных денег;
• теперь нам известны минимальная и максимальная суммы потраченные клиентами. Предположим, это 1,2 млн руб. и 5,3 млн руб. Определяем интервалы для присвоения баллов так же, как и в случае с параметрами Width и Frequency:
(1,2 + 5,3) / 5 = 1,3.
5 баллов получают клиенты с суммами заказов от 4 до 5,3 млн руб., 4 – от 2,7 млн руб., но менее 4 млн руб. и т. д.
Следует сказать, что методика присвоения баллов по всем параметрам WFM-анализа не является строгой, ее можно изменить (на основе экспертной оценки), исходя из особенностей конкретной ситуации.
4. Совмещение полученных результатов. Сумма баллов каждого клиента по всем параметрам WFM-анализа дает итоговый бал, показывающий «потенциал» клиента. Разделение полученных итоговых «потенциалов» на определенные диапазоны позволяет распределить клиентов на несколько групп, к которым необходимо применить различные подходы и программы развития продаж.
Описанный подход является адаптацией к российскому потребительскому рынку методики, разработанной зарубежными специалистами [6, 7, 8].
Приведу пример WFM-анализа для клиентов (розничных компаний) компании-производителя продуктов питания. Помимо граф «количество SKU в заказах за квартал» (W), «среднее количество заказов в месяц» (F) и «продажи за квартал» (M) в таблице 8 представлены данные по доле продукции производителя в категории у клиента. Мы уже говорили, что достижение доли в 20–30 % и более считается критически важным для поставщика, так как вместе с увеличением этого показателя увеличивается вес поставщика в глазах клиента. В описываемом примере важен этот показатель, так как нам необходимо определить реальные планы продаж. Очевидно, что если мы имеем влияние на клиента, то сможем быстро добиться большего увеличения продаж.
Итак, имея фактические данные по всем трем параметрам, сначала определяем конкретные значения, которые соответствуют баллам от 1 до 5. При распределении по группам учитывается качественный состав ассортиментных матриц клиентов. В данном примере баллы распределены следующим образом (табл. 9).
Учитывая разные возможности по расширению ассортимента у клиента и вытеснение конкурентов за счет увеличения и учащения закупок у нашего поставщика, выставляем целевые баллы по трем графам. Для клиентов, у которых доля нашей продукции в категории соответствует критической массе, мы значительно увеличиваем целевые показатели, их значения – это текущая оценка + 1. Например, для клиента 1 (со значительной долей 25 % нашей продукции в категории) количество SKU было 63 (балл 3), мы выставляем цель 94 (балл 4). А у клиента 4 (с нашей долей всего в 7 %) мы менее значительно увеличиваем количество SKU – до 69 (в пределах текущего балла 3). В таблице 10 указаны целевые показатели и итоговые приросты продаж.
Определение целевых объемов – довольно трудоемкая задача, поэтому такая процедура будет оправдана только в отношении крупных клиентов сегмента А. В любом случае целевые показатели могут варьироваться, так как не существует прямого соотношения между долей поставщика в категории и возможными приростами продаж. В значительной степени анализ по введению SKU носит качественный характер и зависит от «продуктового профиля» дистрибутора или формата розничной торговой точки.