ABC анализ, применимость метода.

Страницы: Пред. 1 2 3 4 5 6 ... 9 След.
ABC анализ, применимость метода.
 
я с вами согласен. у всех разные цели. у начальника производства - стабильная работа, для него предоставление скидок вообще кажется опасной затеей например.
 
Так вот если он хочет работы стабильной, пусть занимается производством, обеспечивает высокой качество и низкие сроки изготовления, разрабатывает новые более качественные изделия и не мешает людям работать. Ваше коммерция не его ума дело.
Может еще водителей позовем обсуждать медиаплан ?
Вы еще забыли упомянуть глав буха  те тоже любят влезать куда не попадя. )))
 
Ficher, спасибо!  :)
Из Вашего объяснения я поняла, что, возможно, мы говорим об одном и том же, только называем по-разному.
Levius, делюсь опытом:
Для анализа использую Excel.
Беру статистику продаж по крупным группам (у нас их 65) за год (по месяцам).
Захожу в Сервис-Анализ данных-Корреляция. Входной интервал - выделяю таблицу без "шапки", ставлю группирование по строкам, ставлю галочку, что метки в первом столбце.
Получаю результат в виде удобной матрицы. На основе свойств коэффициента корреляции делаю вывод о взаимосвязанном спросе.
Потом каждую группу рассматриваю более подробно.  ;)
 
Sverket:
Книга называется Количественные методы анализа в маркетинге / Под ред. Т. П. Данько, И. И. Скоробогатых. - СПб.: Питер, 2005. - 384 с.: ил.
В ней Глава 2.6 называется "Модели оптимизации ассортимента продукции" (!), и приводится несколько моделей и методов. Наверное, это как раз то, то Вам нужно. В частности, там есть и по ассоциативному анализу на стр. 102 - 117. В целом книга, несмотря на недостатки, очень ценная, поэтому пригодится тому кто хочет активно использовать аналитику в маркетинге.
Как ни странно, в разделе про ассоциативные правила в этой книге нет формул, хотя приводятся результаты расчетов. Обычно в ассоциативном анализе считается два коэффициента (в книге они описаны словами):
1. Поддержка правила - отношение количества покупок, содержащих товары входящие в правило к общему количеству покупок. Например, если вы определяется правило для двух товаров, то значит в числителе будет количество покупателей (покупок), которые приобрели оба эти товара одновременно.
2. Достоверность правила - процентное отношение количества покупок, содержащих все товары, входящие в правило к количеству покупок (или и условие, и следствие), содержащих товары, которые входят в условие.
Таким образом, коэффициент здесь даже попроще, чем коэффициент корреляции. Однако в этом анализе есть проблема, которую не решает и корреляционный анализ. А именно, при покупке вместе двух товаров, который из них является условием, а который следствием. Понятно, что если человек покупает принтер и катридж к нему, или насос и запасные детали (каку Левиуса), то здесь первое условие, а второе следствие. Но далеко не всегда так легко можно это определить. У меян были некоторые идеи о том, как для решения этого вопроса подключить теорию поведения потребителей, но к сожалению, я их еще не во что не воплотил.
 
И еще... Я тут покумекал, и мне показалось, что для выявления взаимосвязанных покупок гораздо эффективнее использовать не ассоциативный анализ, а факторный анализ. поскольку он позволит сразу выделить не просто пары или тройки товаров, а именно взаимосвязанные группы разного количества, и плюс еще оценить их важность.
 
я помню замечательную книгу филиппа котляра, бывшего одессита, он же котлер, так мне показалось что основной мыслью там было создание товара нужного рынку а не наоборот кантование потребителя насчет брендовости торговой марки через средства массовой коммуникации...
 
ЭЭЭ
а здесь кто то против ?
 
Ficher, книгу обязательно почитаю, спасибо.  :)

А эти 2 коэффициента в ассоциативном анализе меня озадачили - странные они какие-то. 1 - показывает % взаимосвязанных покупок в общем количестве покупок. 2 - %-е отношение общего количества покупок к взаимосвязанным покупкам.  ???
Условие - это основной товар, а следствие - сопутствующий.
По-моему, авторы излишне намудрили. И дело даже не в том, что трудно определить, что является условием, а что - следствием, а в том, чтобы найти эти взаимосвязанные товары.

Насчёт факторного анализа не знаю - ещё ни разу не приходилось применят его на практике.  :)

 
Вначале про ассоциативный анализ. Авторы особенно не перемудрили, эти коэффициенты я видел и в других изданиях, они являются стандартными. Другое дело то сразу разобраться, а тем более объяснить двумя фразами это сложновато. Особенно когда авторы пишут не формаулы, а объясняют словами. К сожалению у меня сейчас нет другой литературы, поэтому я постараюсь просто исходя из данных фраз написать их сам.
Предположим, что мы рассматриваем взаимосвязь между пивом "Балтика" и сухариками "Кириешки". Априорно почти точно можно предположить, что пиво - это условие, а сухарики - это следствие. Если взаимосвязь окажется сильной, то например, целесообразно выложить сухарики рядом с пивом для увеличения количества незапланированных покупок.
Единица анализа - товары, приобретенные одним посетителем, или если так проще сказать один чек. Всего у нас посетителей было N. Из них N1 - купили и пиво и сухарики, N2 - купили пиво (как с сухариками, так и без сухариков).
Тогда коэффициенты будут равны:
1. K1=N1/N.
Этот коэффициент показывает важность правила. То есть если он очень низкий, то значит очень малое количество покупает и пиво и сухарики одновременно. А значит, нас не волнуют эти товары и их выкладка.
2. K2=N1/N2.
Этот коэффициент показывает достоверность (правильность) правила. То есть, с какой вероятностью человек купивший пиво, приобретет и сухарики.
Если вероятность большая (конечно при условии что многие посетители покупают пиво, то есть большой и коэффициент K1), то конечно сухарики необходимо выкладывать рядом с пивом.
Может быть, так понятнее.
 
Цитата

Levius, делюсь опытом:
Для анализа использую Excel.
Беру статистику продаж по крупным группам (у нас их 65) за год (по месяцам).
Захожу в Сервис-Анализ данных-Корреляция. Входной интервал - выделяю таблицу без "шапки", ставлю группирование по строкам, ставлю галочку, что метки в первом столбце.
Получаю результат в виде удобной матрицы. На основе свойств коэффициента корреляции делаю вывод о взаимосвязанном спросе.
Потом каждую группу рассматриваю более подробно.  ;)


Не очень понял, как считаете, но когда подумал дома, мне показалось, что этот подход к определению взаимосвязанного спроса, или более точно совместных покупок неверен.
Предположим мы продаем строительные материалы. Некоторые фирмы используют утеплитель А, а другие утеплитель Б. Эти утеплители заменяют друг друга. поэтому вместе не используются. Спрос на строительные матерриалы имеет ярко выраженную сезонность. Зимой он низкий, летом высокий, обычно наиболее высокий в конце весны. Поэтому если мы будем рассматривать коэффициент корреляции между помесячными продажами утеплителей А и Б, то он получится большой. Но это вовсе не означает, что спрос на товары взаимосвязан, он просто определяется внешними условиями. И может быть фирме лучше сосредоточить свои усилия на продаже только одного типа утеплителя.
Вывод: для изучения взаимосвязанного спроса необходимо рассматривать не объемы продаж разных товаров, а их наличие или отсутствие в отдельных покупках, то есть приобретение вместе одним клиентом.
Страницы: Пред. 1 2 3 4 5 6 ... 9 След.
Список просмотренных товаров пуст
Список сравниваемых товаров пуст
Список избранного пуст
Ваша корзина пуста