Dlaczego optymalizacja procesu promocyjnego ma w firmie tak duże znaczenie?
Z naszego doświadczenia wynika, że na wysoko konkurencyjnych rynkach w handlu nowoczesnym, znaczenie sprzedaży promocyjnej jest coraz wyższe i niekiedy może ona przekroczyć 30% całości obrotów. W oczywisty sposób, każda z takich sprzedaży wsparta jest inwestycją ze strony sieci handlowej. Z drugiej strony widzimy, że nawet do 60% akcji promocyjnych i marketingowych nie przynosi oczekiwanych rezultatów i prowadzi do ujemnego ROI. Poprawa działań w tym obszarze, przekłada się zazwyczaj na 1-1,5 punktu procentowego generowanej marży, co wpływa bezpośrednio wynik.
Jakie wyzwania powodują, że zarządzanie promocjami nie jest łatwe
W przypadku wielu sieci handlowych widzimy duży potencjał optymalizacji w obszarze planowania i zarządzania promocjami. Bazując na zrealizowanych przez nas projektach, kluczowymi wyzwaniami, które w praktyce uniemożliwiają efektywne wykorzystywanie budżetów trade marketingowych i osiągnięcie zadowalającego ROI promocyjnego są:
Dlaczego warto dobrze zbierać dane?
Sieci handlowe zbierają codziennie niezliczone ilości danych. Praktyka pokazuje jednak, że znaczna część z nich nie jest nigdy wykorzystywana do podejmowania decyzji. Wynika to m.in. z braku odpowiednich narzędzi analitycznych, niespójności danych pomiędzy różnymi źródłami lub braku podstawowych znaczników jak np. informacja o promocji w danych sprzedażowych. Planując wdrożenie narzędzia analitycznego należy określić jakie dane są niezbędne do jego prawidłowego działania oraz zidentyfikować jakie dodatkowe informacje spowodują, że narzędzie będzie prawdziwym wsparciem w podejmowaniu decyzji.
Bazą analityczną powinny być historyczne dane sprzedażowe z przypisanymi promocjami na poziomie pojedynczego produktu, sklepu i dnia. Z kolei bieżące dane sprzedażowe powinny być uzupełniane w trybie dziennym ze wszystkich sklepów w danej sieci.
Dlaczego warto pracować nad optymalizacją procesu zarządzania i planowania promocji?
Nasze doświadczenie projektowe pokazuje, że wykorzystanie rozwiązań big data jako wsparcie podejmowania decyzji w obszarze planowania promocji może pozwolić na oszczędność nawet do 15% budżetów trade marketingowych. Ponadto, wykorzystanie zintegrowanych narzędzi do analiz, akceptacji promocji i komunikacji między zespołami, pozwala skrócić czas w tym procesie o 60%, co z kolei pozwala na skuteczniejsze działanie strategiczne i taktyczne.
Co powinno oferować kompleksowe narzędzie wspierające proces zarządzania i planowania promocji?
Budowa rozwiązania dedykowanego do zarządzania i planowania promocji - Retail Growth Toolkit
"Bazując na naszym wieloletnim doświadczeniu w pracy z sieciami handlowymi i widząc z jakimi wyzwaniami w obszarze analitycznym i procesowym muszą się mierzyć, zdecydowaliśmy się w ramach zespołów PwC Polska i Strategy& Polska na rozwój własnej platformy wspierającej najważniejsze procesy komercyjne - Retail Growth Toolkit. Było to naturalnym, kolejnym krokiem na drodze do dostarczania naszym Klientom analitycznych i procesowych rozwiązań na najwyższym poziomie. Wyzwaniem w takich zadaniach jest umożliwienie pełnego wykorzystania potencjału jaki daje praca na wielu dużych zbiorach danych (big data) przy jednoczesnym zapewnieniu szybkiego dostępu do danych historycznych, analiz, prognoz i wszystkich kroków procesu.
Narzędzie powstało w sposób iteracyjny, a wiele pomysłów konsultowanych było z działami komercyjnymi wiodących sieci handlowych. Dzięki temu możliwe było sprawne zbudowanie platformy w pełni adresującej początkowo zdefiniowane cele.
Aktualnie, narzędzie koncentruje się na wsparciu pełnego procesu zarządzania promocjami, a w najbliższych miesiącach planujemy poszerzenie funkcjonalności o moduły związane z zarządzaniem asortymentem, efektywnością operacyjną sklepów czy też zarządzaniem stratami.
Sercem Retail Growth Toolkit jest Machine Learningowy (ML) moduł prognostyczny. W zależności od wprowadzonej zniżki oraz dedykowanego wsparcia promocyjnego jak plakat lub dodatkowe miejsce w sklepie, prognozuje on wolumeny sprzedaży promocyjnej i regularnej. Modele ML trenowane są często nawet na ponad 1 mld pojedynczych linii paragonowych. Pozwala to w możliwie pełny sposób określić zachowania konsumentów, zidentyfikować sezonowość i określić linie bazowe. Dzięki temu możliwe jest uzyskanie wysokiej dokładności prognoz a co za tym idzie, maksymalizowania ROI promocyjnego."
Zapisz się na newsletter PwC Retail Platform, aby na bieżąco dostawać najważniejsze analizy z sektora handlu detalicznego i dóbr konsumpcyjnych!
Materiał powstał w ramach współpracy z PwC Retail Platform.
Poznaj autorów:
Maciej Kroenke: Partner, PwC Polska
Marek Kowalski: Wicedyrektor, Doradztwo strategiczne PwC Polska
