← Все статьи

анализ ассортимента по артикулам и размерам

Как структурно проанализировать ассортимент одежды по артикулам и размерам и принять однозначное решение: масштабировать, поддержать, переработать или списать

Практическая пошаговая инструкция для владельцев небольших брендов и продавцов на маркетплейсах. Научитесь собрать минимальную цифровую базу на уровне размера, считать фактическую юнит‑экономику и распределять ассортимент по четырём операционным группам (A, B1, B2, C) с чёткими действиями и критериями оценки эффекта.

Работа с ассортиментом одежды перестаёт быть управляемой, если решения строятся на интуиции и агрегированных отчётах. В одежной категории поведение продаж, выкуп и затраты часто различаются между размерами — это ключевая причина, по которой нужно собирать и анализировать данные на уровне SKU+размер. Цель этой инструкции — дать понятную, повторяемую методику: какие данные собирать, как считать фактическую юнит‑экономику по размеру, как классифицировать ассортимент по четырём практичным группам (A, B1, B2, C) и какие конкретные действия применять к каждой группе. Для каждого шага описано почему это важно, как это делать и как оценивать результат.

1. Подготовка данных: как собрать минимальную цифровку за 1–2 цикла

Что сделать и почему

  • Задача: получить таблицу, в которой каждая строка — это комбинация артикул+размер с агрегированными продажами и расходами за выбранный период. Без этого уровня детализации вы будете принимать систематически ошибочные решения.

Обязательные поля (пояснения и признаки качества)

  • Артикул (SKU) — уникальный идентификатор модели/варианта.
  • Размер — обязательно отдельным полем, даже если часть товаров одноразмерные.
  • Дата продажи/заказа — нужна для расчёта скорости продаж и распределения по периодам.
  • Статус: заказ / выкуп / возврат — для расчёта процента выкупа и возвратов.
  • Фактическая стоимость логистики, отнесённая к строке — не усреднённая по артикулу, а если возможно по единице и по конкретному заказу (посылка, доставка до фулфилмента, обработка возврата).
  • Комиссия маркетплейса/платформы — фактическая сумма списания с выручки по строке.
  • Сумма продажи (фактическая выручка, после скидок) и рекламные расходы, если их можно отнести к SKU/размеру.

Практические шаги

  1. Выгрузка: сделайте выгрузку за последние 30 дней (оперативный срез) и за последний сезон/квартал (стратегический срез). Эти периоды подходят для большинства решений: месяц — для оперативных корректировок, сезон — для стратегий закупки и списаний.
  2. Унификация: приведите все выгрузки к единому шаблону столбцов. Если названия колонок отличаются, создайте мэппинг и автоматизируйте приведение (несколько секунд работы в Excel/Google Sheets/скрипт).
  3. Агрегация: сведите данные по ключу «артикул+размер», посчитайте: количество заказов, количество выкупов, количество возвратов, сумму комиссий, суммарную доставку, суммарную рекламу и суммарную выручку.

Пример записи в итоговой таблице

  • Артикул: A; Размер: M; Период: последние 30 дней; Заказы: 15; Выкупы: 12; Возвраты: 2; Комиссия: X; Доставка: Y; Реклама: Z; Выручка: W.

Типичные ошибки и как их избежать

  • Ошибка: работать с агрегированной таблицей по артикулу. Последствие: скрытые проблемы в отдельных размерах (например, XS продаётся плохо и накапливается). Исправление: всегда требуйте детализацию по размеру и сверяйте итоговые по артикулу с детализацией.
  • Ошибка: использовать прогнозные/плановые расходы вместо фактических. Исправление: для операционных решений используйте только фактические значения; прогнозы оставьте для раннего этапа тестирования новых SKU.

Критерии качества данных

  • Доля строк, где отсутствует размер, должна быть нулевой или минимальной.
  • Поля с расходами не должны быть пустыми для значимых объёмов — если они пусты, оцените, можно ли отнести среднюю величину и пометьте это как допущение.

2. Посчитайте фактическую юнит‑экономику на уровень размера

Почему это важно

  • Прогнозы полезны при запуске новинок, но операционные решения (масштабировать, держать, выводить) должны базироваться на фактической маржинальности и показателях выкупа по размеру. Межразмерные отличия часто влияют больше, чем разница между моделями.

Какие формулы применять (пошагово)

  1. Базовая юнит‑метрика (на размер):
  • Юнит‑прибыль = (Суммарная фактическая выручка по выкупленным единицам — Суммарные фактические расходы на эти выкупленные единицы) / Количество выкупленных единиц.
  • Расходы включают: себестоимость закупки (фактическая цена себестоимости по поставке), фактическая логистика, комиссии, отнесённую рекламу и стоимость обработки возврата (если применимо).
  1. Дополнительные метрики:
  • Процент выкупа = Выкупы / Заказы. Это ключ для решения о закупках.
  • Уровень возвратов = Возвраты / Выкупы.
  • Дни оборачиваемости (или среднее время нахождения товара на складе) — помогает оценить замороженный капитал.
  • Средняя стоимость возврата на единицу — включает транспорт и потенциальное снижение цены при рекачестве.
  • ARPU по размеру (средняя выручка на заказавший размер) — помогает увидеть, влияют ли комплекты и кросс‑продажи.

Как интерпретировать результаты

  • Низкий процент выкупа при нормальной конверсии заказов по другим размерам указывает на проблему посадки/размера и требует проверки описания/фото или изменения в предложении.
  • Отрицательная юнит‑прибыль — явный маркер к ограничению закупок и запуску акций очистки.
  • Высокая маржа, но медленная оборотность — позиция «кандидат на масштабирование» только с оговорками: нужно оценить скорость продажи при увеличении объёма и влияние складских расходов.

Сравнение периодов

  • Сравнивайте минимум два периода: месяц (оперативный контроль) и сезон/квартал (стратегия). Если маржинальность и выкуп стабильны в обоих — сигнал для масштабирования. Если есть расхождения — назначьте статус "под наблюдением" и запустите дополнительные проверки.

Типичная ошибка и её исправление

  • Ошибка: рассчитывать юнит‑прибыль на базе заказов, а не выкупов. Исправление: расчёт должен учитывать только выкупленные единицы, потому что доход фактически получен и расходы реально понесены.

3. Классификация: разбивайте ассортимент на A, B1, B2, C по размеру

Задача классификации

  • Не цель — получить красивую диаграмму, а получить однозначные операционные инструкции для каждой позиции. Группы должны приводить к набору действий, а не быть просто ярлыками.

Предложенные критерии (комбинация показателей)

  • Фактическая юнит‑прибыль на выкупленную единицу (в абсолютном или относительном выражении).
  • Процент выкупа.
  • Оборачиваемость / количество выкупов за период.

Как выставлять пороги (методика)

  1. Определите пороги по каждому объектному критерию, исходя из бизнеса. Пример базовой логики (не догма):
  • A: высокая маржа, высокий процент выкупа и быстрая оборачиваемость.
  • B1: маржа средняя/низкая, но роль в комплекте/кросс‑продаже повышает ценность.
  • B2: имеют продажи, но нерегулярно — низкая маржа/низкий выкуп/медленная оборачиваемость.
  • C: длительная лежалка, низкий выкуп и отрицательная маржа после всех расходов.
  1. Для каждой позиции вычислите совокупный «скрипт принятия решения»: если 2 из 3 метрик в зоне A → назначается A; если 1 из 3 в B1 и прочие нейтральны → B1; и т.д. Такой подход снижает шум от одиночных аномалий.
  2. Прогоните классификацию на двух периодах и сравните стабильность. Позиции, меняющие группу между месяцем и сезоном, пометьте «под наблюдением». Не масштабируйте сразу такие позиции.

Как проверять корректность порогов

  • Если более половины каталога сразу попадает в C — пороги слишком строгие. Подгоните их так, чтобы группы отражали реальные приоритеты: A — не более 10–20% по числу SKU+размеров в типичном малом бренде, но это ориентир, не правило.
  • Визуализируйте распределение по группам и по этим же метрикам для топ‑10 позиций — если распределение неоднозначно, пересмотрите правила агрегации расходов.

Типичная ошибка

  • Слепое копирование учебных долей (например, 80/15/5). Улучшение: адаптируйте методику под ваш ход продаж и фиксируйте её документально.

4. Действия по группам: конкретные операционные сценарии и KPI

Общая логика

  • Каждая группа получает прописанную политику действий и KPI для оценки успешности: это делает процесс повторяемым и прозрачным для команды.

A — что делать и по каким критериям оценивать

  • Действия: масштабирование — добавить цвета/фурнитуру, увеличить закупки, протестировать новые размеры, увеличить рекламу под KPI ROI/ROAS.
  • Как тестировать: сначала небольшая партия в 1–2 склада/фулфилмента и короткая рекламная кампания (например, 2–4 недели).
  • KPI для решения о полном масштабе: стабильная или увеличенная юнит‑прибыль, процент выкупа не упал, возвраты на прежнем уровне или меньше.
  • Типичная ошибка: сразу масштабировать по всем складам и каналам. Исправление: расширяйтесь поэтапно и фиксируйте влияние логистики на маржу.

B1 — что делать и по каким критериям оценивать

  • Действия: улучшение листинга (фото, посадка, описание), формирование комплектов с A‑позициями, точечные акции.
  • KPI: влияние на средний чек при продаже в комплекте, изменение выкупа и удержание маржи.
  • Когда переводить в A: если после серии улучшений маржа и выкуп выходят в диапазон группы A и это подтверждено минимум в двух периодах.

B2 — что делать и по каким критериям оценивать

  • Действия: серия тестов — изменение цены, короткие промо‑раунды, изменение листинга, перевод в другой фулфилмент, проверка посадки/размерной сетки.
  • KPI: прирост выкупа и маржи в тестовом периоде (фиксируйте гипотезы и критерии успеха до теста). Если тесты не дали результата — перевод в C.
  • Как документировать: записывайте гипотезу, длительность теста и пороги успеха (например, увеличение выкупа на X% и улучшение юнит‑прибыльности на Y%).

C — что делать и по каким критериям оценивать

  • Действия: ограничение закупок, акции очистки, пакетные предложения, если ничего не помогает — план на списание.
  • Проверки перед списанием: есть ли регион, где позиция востребована; есть ли сезонный пик; был ли недавно тест изменений листинга. Только после отрицательной проверки — списание.
  • KPI: уменьшение остатков, улучшение оборотности по SKU+размеру после акций.

Организация ответственности и сроки

  • Для каждой позиции укажите ответственного и срок проверки (например, тест 30 дней, сезонная проверка при закрытии сезона). Это обязательное условие для контроля исполнения.

5. Как выбрать периоды и критерии контроля (месяц, сезон, триггеры)

Почему период важен

  • Короткие периоды показывают быстрые изменения и помогают реагировать, но дают шум. Длинные — сглаживают сезонность, но медленны. Для одежды нужно сочетание.

Рекомендуемая система контроля

  1. Месяц: оперативный мониторинг — процент выкупа, возвраты, маржа по размеру, скорость продаж. Действия: оперативные корректировки (коррекция закупок, быстрое промо для проблемных размеров).
  2. Сезон/квартал: стратегические решения — сохранение модели в каталоге, планирование производства, крупные закупки.
  3. Триггеры (пример логики):
  • Падение процента выкупа на два последовательных месяца → инициировать тест (изменение посадки, фото, скидка для восстановления выкупа).
  • Устойчиво отрицательная юнит‑прибыль за сезон → перевод в C и подготовка плана очистки/списания.

Как оценивать триггеры

  • Перед автоматическим списанием или масштабированием убедитесь, что сигнал повторяется в двух независимых периодах или подтверждён дополнительным тестом. Это снижает риск ошибочных окончательных решений.

Типичная ошибка

  • Списывать товар после одного плохого месяца. Решение: вводите правило "две точки подтверждения" (два месяца или один месяц + тест).

6. Тактики масштабирования и оптимизации операций (пошагово и с критериями)

Безопасные тактики (поэтапный план)

  1. Низкорискованный тест: добавить новый цвет/вариант на одном складе (хабе) в ограниченном тираже, запустить короткую рекламу. Цель — проверить спрос и влияние на выкуп.
  2. Измерение: зафиксируйте KPI теста до старта (процент выкупа, юнит‑прибыль, скорость продаж). Сравнивайте с контролем (существующий цвет/размер без изменений).
  3. Решение о масштабе: если KPI улучшились или остались не хуже контрольной группы и маржа удовлетворительна — расширяйте в другие хабы/регионы.
  4. Если тест провалился — зафиксируйте причину (плохая посадка, низкий интерес, плохая фотография) и переведите позицию в B2 или C в зависимости от оценки.

Региональная оптимизация

  • Анализируйте продажи по регионам. Если спрос концентрируется в нескольких центрах, целенаправленная отгрузка в локальные фулфилменты сокращает сроки доставки и повышает выкуп. Но учтите: работа с дополнительными складами увеличивает учётную сложность.

Как оценивать успех масштабирования

  • Сравнивайте юнит‑прибыль при увеличенном объёме с исходной маржой с учётом изменения логистики и складских затрат. Если маржа падает сильнее допустимой — масштабирование невыгодно.

Типичные ошибки и их предотвращение

  • Ошибка: масштабировать шире, чем тест доказал. Исправление: всегда увеличивайте объём поэтапно и контролируйте влияние логистики.

7. Контроль и документирование: как не потерять логику решений

Почему это критично

  • Без фиксации гипотез, сроков и результатов тестов процесс становится хаотичным: повторяются одни и те же ошибки, теряются данные для ретроспектив.

Практические правила документирования

  1. Карточка изменения для каждой позиции: исходные метрики (период, юнит‑прибыль, выкуп, возвраты), гипотеза (что вы проверяете), план (действия, размер теста, склад, регион), KPI успеха и срок проверки.
  2. Журнал решений: дата, ответственный, короткая мотивация решения и ссылка на карточку изменения.
  3. Цикл проверки: по истечении теста фиксируйте результат и выносите итоговое решение — масштаб/откат/перевод в C.

Контроль качества решения

  • Периодически (например, ежесезонно) анализируйте журнал: сколько тестов закончились успехом, какие гипотезы были ошибочны, как часто решения переводили позиции из одной группы в другую. Это даёт фидбек в улучшение методики.

Типичная ошибка

  • Не фиксировать гипотезы и сроки. Исправление: одна строка карточки на каждое изменение с ключевыми метриками и сроком проверки — минимальный стандарт.

Короткий практический план на сегодня (пошагово и конкретно)

  1. Выгрузите данные за последние 30 дней и за сезон/квартал с полями: артикул, размер, дата, статус (заказ/выкуп/возврат), суммарные комиссии, суммарная доставка, реклама, выручка.
  2. Сведите выгрузки в одну таблицу по ключу артикул+размер. Посчитайте агрегаты: заказы, выкупы, возвраты, суммарные расходы.
  3. Для 10 самых активных и 10 самых проблемных по остаткам артикулов посчитайте: юнит‑прибыль на размер и процент выкупа по размеру. Пометьте их как первичные кандидаты для классификации и тестирования.
  4. Сформируйте простую карточку изменения для каждого из этих 20 позиций: исходные метрики, гипотеза, план теста (срок, объём, склад), KPI успеха.
  5. Запустите 1–2 низкорискованных теста по A‑позициям (добавление цвета/партии в одном складе) и 1–2 теста по B2 (короткая промо‑акция или изменение листинга). Зафиксируйте результаты по истечении срока и примите решение согласно заранее указанным KPI.

Заключение

  • Начинайте с дисциплины в данных: детализация по размеру и фиксация фактических расходов — основа правильных решений. Классификация A/B1/B2/C по размеру превращает интуитивные шаги в управляемые операции. Тестируйте масштабирование поэтапно, документируйте гипотезы и результаты, и комбинируйте месячные и сезонные срезы для баланса оперативности и устойчивости решений. Правильно собранная цифровая база и стандартный цикл "гипотеза → тест → метрика → решение" позволят вам последовательно улучшать маржу и снижать риски замораживания капитала в неликвиде.

Удачный старт: соберите выгрузки и сделайте первую агрегацию — это даст вам конкретные кандидаты для тестов уже в этом месяце.