Клиент (селлер)

• Маркетплейсы: Вайлдберриз, Озон
• Оборот: 300+ млн руб. в год
• Число Личных Кабинетов (на всех маркетплейсах): 15
• Число артикулов: 2 000+

Контекст и Проблема

Клиент понимает, что позиция в выдаче в конкретном регионе зависит от того насколько быстро товар может быть доставлен покупателю, а это зависит от наличия товара на ближайших складах. Но как понять на какие склады и сколько именно товара везти (у ВБ 20+ складов по всей стране)? Особенно это важно для новых товаров, у которых еще низкая дистрибуция и история продаж с разных складов

Как Клиент делал это самостоятельно и какие были с этим проблемы
Клиент опирался на исторические данные продаж с разных складов и поставлял на них с учетом этого, но этот подход имел недостатки

• Продажа со склада не означает, что товар не везут в далекий регион - просто это был ближайший склад (например, если вы поставляете только в Коледино, то в Дальний Восток тоже будут вести из Коледино, но, очевидно, что это не самый близкий склад)
• Для новых товаров истории нет, и поставлять на много складов сразу опасно - а вдруг товар не пойдет?
• И как любой расчет - это было трудозатратно (30 часов в месяц), были ошибки (т.к. расчет непростой) и из-за этого постоянно было "недоверие" к результатам

Решение и результат

Помимо автоматизации мы сделали важное изменение - данные из API маркетплейсов содержат данные о географии продаж, а именно откуда (с точностью до административного района) был сделан заказ. Это позволяет корректно понять географию своих продаж с точки зрения именно покупателей и оптимизировать поставки

Что было сделано

• Мы настроили автоматический сбор данных о географии спроса (где находятся покупатели и в каких объемах покупают)
• Изменили расчет необходимых поставок с учетом фактическего спроса по регионам - таким образом, чтобы товар поставлялся на ближайший склад к фактическому спросу. Это позволяет держать карточки товаров в топе
• При этом не все хотят поставлять на все 20 складов, поэтому мы добавили возможность ограничить список складов, на которые ведутся поставки и алгоритм выбирает ближайшие из их числа
• И конечно же алгоритм учитывает все базовые параметры: кратность, сроки поставки, минимально необходимый уровень товаров по складам, объем товаров в пути и процент выкупа

В итоге клиент получил следующие результаты

• Рост продаж на 10% благодаря тому, что карточки находятся высоко в выдаче благодаря быстрой доставке до клиента (т.к. товары на ближайших складах)
• 20% ускорение вывода новых товаров на плановые значения благодаря оптимальной географии поставок
• 30 часов сэкономленного времени
• Повышение доверия к отчетам - исключены ручные ошибки, наглядные и прозрачные отчеты, которые легко сверить с другими данными при необходимости