Как оценить спрос на товар или услугу в интернете?

18.04.2016 1 672 0 Время на чтение: 7 мин. Рейтинг:

Автор

: Константин Белый

В сегодняшней публикации я расскажу вам, как оценить спрос на товар или услугу в интернете. Это обязательно необходимо сделать, например, перед тем, как открыть интернет-магазин. Некоторые компании тратят немалые деньги, заказывая маркетинговые исследования у специализирующихся на этом фирм, но сегодня вы узнаете, как оценить спрос на рынке самостоятельно, быстро и бесплатно двумя способами. Конечно же, точность этих способов не столь высокая, но вполне приемлемая, чтобы сложить мнение.

Предсказание спроса с точки зрения бизнеса

Предсказание спроса — один из ключевых инструментов для функционирования процессов в компаниях из FMCG, QSR (рестораны быстрого питания) и ритейла. На примере ритейла при повышении точности прогнозирования значительно повышается эффективность таких процессов, как:

• финансовое планирование и целеполагание;
• управление ассортиментом;
• ценообразование и планирование промо;
• оптимизация товарных запасов на всех узлах логистической цепи;
• открытие новых точек.

Глубокий анализ данных позволяет получить дополнительную информацию для поддержки принятия решений:

• найти различия в структуре спроса между торговыми точками и объединить их в кластеры со схожей структурой;
• понять, какие потребности являются ключевыми для покупателя, и сформировать дерево принятия решений;
• выделить товары, по которым будет формироваться восприятие бренда, и товары, которые могут генерировать дополнительную прибыль;
• определить эффективные и неэффективные промо-механики;
• учитывать такие кросс-эффекты, как каннибализация и гало.

Предсказания можно осуществлять в различных разрезах, что дает возможность рассчитать ключевые бизнес-показатели:

• розничный товарооборот и валовую прибыль;
• трафик торговой точки;
• средний чек.

Внедрение системы предсказания спроса на базе машинного обучения позволяет сделать первый шаг к построению рекомендательной системы в областях ассортиментного, ценового и промо-планирования за счет скорости расчета прогнозов при возможности задавать различные входные параметры.

Например, на этапе планирования акции менеджер может смоделировать множество сценариев с различными механиками промо и выбрать тот, который будет максимально удовлетворять поставленным KPI.

Этап 6: Исследование основных каналов дистрибуции

Маркетологи, которые анализируют ситуацию на рынке и участвуют в разработке бизнес-планов, часто подчёркивают, что этот пункт — один из самых значимых.

Рассматривая действующую систему сбыта, нужно выделить основные элементы — оптовые и розничные сети, отдельные магазины, склады, транспортные компании.

Исследуют как отдельные предприятия, так и работу логистической системы в целом — как продукция движется от производителей к конечным потребителям, через каких посредников проходит, сколько времени это занимает и т. п.

Что нужно выяснить:

1. Какие торговые предприятия работают на определённой территории (специализированные и фирменные магазины, супермаркеты, киоски и т. д.), их соотношение.
2. Расположение, размер и уровень продаж основных магазинов.
3. Интенсивность дистрибуции — процент точек, в которых можно купить товары конкретного производителя в данном регионе.
4. Какой контингент чаще покупает в магазинах того или иного типа (место жительства, средняя сумма чека, процент постоянных клиентов).
5. Уровень густоты дистрибуции — отношение общего количества магазинов к плотности населения на исследуемой территории.

Ключевой показатель эффективности системы дистрибуции — уровень расходов. Он рассчитывается по формуле:

ВД = Т + Сп + С9 + Г

где: ВД — затраты на дистрибуцию, Т — расходы на транспорт, Сп — фиксированные складские расходы, С9 — переменные складские расходы, Г — сумма не выполненных в срок заказов (в денежном выражении).

Как работает машинное обучение для предсказания спроса

Для этой задачи используется метод машинного обучения «с учителем». Собираются данные, которые позволяют максимально подробно описать поведение спроса. На их основе формируется набор признаков, который подается на вход в модель машинного обучения. Модель извлекает закономерности между признаками и спросом, которые в дальнейшем используются для формирования прогноза спроса.

Например, можно взять исторические продажи, объединить данные в тройки «товар — магазин — день» и научить модель находить потенциально полезные для прогнозирования сигналы.

Модель не ограничена количеством признаков, но для качественных предсказаний необходимы такие данные:

• продажи и остатки;
• справочники и описания товаров и магазинов;
• данные по изменению цен;
• календарь и описание промо.

Разумный минимум глубины данных — от полутора лет. Данные за год нужны для обучения модели, так как в продажах существуют годовые и циклические закономерности, которые необходимо выявить для повышения качества модели. Остальные данные (отрезки в несколько месяцев) нужно оставить для внутренних экспериментов и тестирования модели и точности ее прогноза.

Какие данные необходимы?

Критический минимум данных:	Минимум данных:
справочник товаров,	исторические планы (ассортимент, спрос, промо и др.),
исторические продажи,	исторические остатки,
исторические цены и промо.	справочник магазинов.

При прогнозировании возможно учитывать и внешние данные:

• информацию о конкурентах;
• трафик (сколько людей ходит по улице возле магазина);
• погоду.

Но часто значимость внешних данных сильно переоценена.

Например, при очевидном влиянии погоды на продажи, не существует точного прогноза отрезком дольше двух недель, а если брать средние показатели за 10 лет, то нужно учитывать наличие аномальных случаев жары или холода. Поэтому лучше извлекать максимум пользы из внутренних данных, и тогда модель сама будет вовремя интерпретировать сигналы и улучшать прогноз.

Почему бюджет расходуется впустую?

На конференции «РИФ Воронеж 2018» я задал вопрос залу: кто испытывал трудности с названиями при выборе мебели в интернет-каталоге? Половина зала подняли руки. Поэтому давайте разберемся, зачем исследовать спрос по семантике в интернете

?

Кейс покупки дивана в интернете

Представим себе Василия. Он семьянин и купил квартиру в новостройке. В субботний вечер дети пришли с прогулки и заняли диван. Василий идет на кухню, а там только стулья. Он вспоминает, что они же когда-то хотели купить диван. И решает пойти в Яндекс. В Яндексе он вбивает запрос «диван на кухню». И Яндекс ему успешно подсказывает, что диваны есть со спальным местом, есть узкие и есть угловые.

И все эти параметры всплывают в памяти, они с женой хотели купить как раз такой диван.

Тем временем, есть две фабрики и два руководителя: Федор и Борис. Им обоим нужно продавать свою продукцию – диваны. Федор

делает ставку на рекламные бюджеты. То есть, по его мнению, продукт нужно продвигать с помощью мощной рекламной кампании.
Борис
, напротив, экономит бюджет и применяет современные методы анализа из семантики.

«Сюрприз Лайт» – настоящее название дивана в одном из магазинов. Диван демонстрируется с таким посылом покупателю в точках контакта. Вы наверняка встречали фабрики, производителей, которые публикуют большие длинные каталоги с непонятными названиями.

Далее я попросил поднять руки, кто сталкивался с такой проблемой, – ползала рук. Похоже, это популярная проблема производителей: они называют диваны «Звезда», «Милан», «Оранж» именами жен и близких владельцев фабрики. Это звучит красиво, но это совершенно непонятно клиенту!

Что такое «Сюрприз Лайт», не понимает не только Василий, не понимают и другие его знакомые.

Когда мы исследуем спрос по семантике, то получаем фактически живые запросы пользователей. Покупатель ищет диван со спальным местом, он знает, что они бывают узкие и бывают угловые. Он не ищет по названию модели.

Соответственно, когда он видит на сайте ответ именно со своим запросом, то ему это понятно. Диваны, которые имеют непонятные названия, очень сложно как-то идентифицировать. Иногда они внутри просто с описанием технических характеристик. Но что дает мне характеристика 60 на 170?

В результате диван заказывают на том сайте, где было понятно. Диван устанавливается на кухню, дети счастливы. Василий отдыхает.

Смысл в том, что наш условный Борис исследует спрос и это дает ему преимущество.

Антикейсы

Дальше я приведу несколько примеров неправильной работы с семантикой и покажу, к каким нерадостным результатам это приводит.

Антикейс 1 – только Вордстат

Образовательный проект: здесь семантику собирали из Вордстата и пытались внедрить ее самостоятельно. Результаты были неутешительные: в сентябре есть небольшой подъем. Это, конечно, не рост, а типичная ситуация невнедрения семантики.

Антикейс 2 – купили семантику за 3000 р.

Другой проект просто купил готовую семантику. Соответственно, эту семантику уже купил не один человек, не один сайт. И вероятность того, что она уже давно внедрена и именно с теми приоритетами, очень высокая. Так что покупать не стоит.

Антикейс 3 – выгрузили англоязычную семантику западного конкурента

Представьте запрос «купить ключ для Diablo». В этой тематике – копирование ассортимента англоязычного поставщика не дает трафика, мы ведь в России, и люди у нас не ищут по западным названиям.

Антикейс 4 – собрали спрос и не работали с сайтом

«Поздравить с 8 Марта», «с Днем рождения брата» – это запросы для сайтов, на которых можно заказать и скачать праздничные поздравления.

Что случиться, если на несколько лет останавливается системная работа по проекту? Правильно, немного стагнации – и начинается падение. Проекту на графике год-два назад нужно было системно работать со спросом, семантикой и не упускать волну успеха. Но ее упустили, этот проект обогнали крупные сайты с новыми текстами по семантике. И все выглядит печально, и теперь придется вытаскивать сайт с большими усилиями.

Антикейс 5 – искусственная семантика

На проекте внедрили большое количество фильтров, не обращая внимание на их востребованность. Всего впоследствии по собранной семантике нашлось около 3000 таких страниц, никак не более 3 миллионов, как получилось на сайте

Обратите внимание: сгенерированных бесполезных страниц получилось в тысячу раз больше, чем востребованных живых подборок.

Не делайте так! Есть противоречивое мнение насчет фильтров, можно в каких-то случаях их открывать. Моя рекомендация – не открывать фильтры, открывать только оптимизированные страницы, проверенные по семантике.

Оценка качества и экономический эффект от прогнозирования

При оценке качества прогнозов принято использовать две ключевые метрики:

• WAPE (взвешенная абсолютная процентная ошибка) — показывает ширину разброса наших прогнозов, учитывая веса товаров в общих продажах;
• BIAS (смещение) — показывает смещение ошибок прогноза в положительную или отрицательную сторону.

При оценке качества прогноза ставится общая цель на уменьшение WAPE и задаются ограничения на BIAS в зависимости от прогнозируемой категории. Например, для скоропортящихся продуктов смещение BIAS в положительную сторону критично, так как это приводит к риску списания товара.

Повышение точности предсказания спроса оказывает прямое влияние на экономический эффект в управлении товарными запасами. Для его оценки сравниваются два модельных сценария — со старым и новым прогнозом. Затем оценивается сокращение влияющих на выручку и валовую прибыль негативных эффектов, вызванных перепрогнозом и недопрогнозом конкретных связок «товар — магазин — период».

Этап 4: Анализ конкурентов

Говоря о том, как научиться анализировать рынок, особое внимание следует уделить изучению предприятий, которые уже работают в данной отрасли. Прежде всего нужно узнать как можно больше о самих компаниях и их возможностях:

• технологии, которые используются при производстве товаров и услуг;
• наличие патентов и уникальных технологических преимуществ;
• уровень квалификации персонала;
• доступ к ограниченным, редким ресурсам;
• возможность получения дополнительных инвестиций.

Следующий шаг — изучение товаров и услуг конкурентов. Оценивать нужно “глазами потребителя”, учитывая как рациональные, так и эмоциональные факторы.

Остаётся систематизировать данные и объективно сравнить основных игроков рынка. Для удобства предлагаем воспользоваться простым шаблоном.

Компания А	Компания Б	Компания В
“Точки пересечения” (в чём именно конкурируете)
ЦА (целевая аудитория)
Доля рынка
Ассортимент и качество продукции
Цены
Маркетинговая стратегия (оффлайн)
Маркетинговая стратегия (в Интернете)
Политика сбыта
Конкурентные преимущества
Сильные стороны конкурента
Недостатки конкурента

Заполнив таблицу, вы получите базовое представление об основных игроках рынка и их деятельности, а также сможете сравнить их показатели со своими.

Интерпретируемость прогнозов

Распространена ситуация, когда бизнес-пользователи не принимают результаты модели, несмотря на кажущееся повышение качества предсказания. Отсутствие доверия вызвано тем, что предсказания строятся в «черном ящике» и их сложно интерпретировать с точки зрения бизнес-смысла.

Для интерпретации модели прогнозов можно использовать разные параметры, которые учитываются моделью. Например, это могут быть эластичность по цене, каннибализация, гало-эффект и многие другие.

Эластичность по цене

Учебники по экономике показывают красивую гиперболическую зависимость спроса от цены. На самом деле эта зависимость выглядит скачкообразно. В модель изначально не заложены требования к зависимости спроса от цены, но бизнес-пользователю это интересно.

Для этого следует заложить ограничения монотонности по признакам: задать алгоритму условие, при котором он будет искать зависимость спроса по цене.

Без потери качества соблюдается монотонность по цене и результат, который выдает модель, совпадает с внутренними ожиданиями пользователя.

Каннибализация

Это сокращение спроса одного товара за счет возросшего спроса на другой товар в аналогичной категории.

Отслеживание каннибализации следует отдельно закладывать в модель, так как для нее не очевидны зависимости спроса двух схожих товаров.

Объем работы зависит от количества товаров. При малом количестве товаров можно настроить матрицу каннибализации вручную. Это требует временных затрат, но результат будет ощутим.

При большом количестве товаров универсального хорошего решения нет. Можно анализировать пользовательские сценарии принятия решений или смотреть различные корреляции товаров по историческим данным.

Малое количество товаров:	Большое количество товаров:
ручная разметка связанности товаров для выделения групп каннибализации;	различные корреляции;
учет каннибализации за счет монотонности по признакам других товаров из той же группы каннибализации.	эмбеддинги товаров;
анализ пользовательских сценариев принятия решений.

Продукты, ниши, рынки

Теперь посмотрим, что дает изучение спроса на примере рынков, ниш и продуктов – как семантика применяется в этих направлениях.

Продукт

У продавца в ассортименте электроники появляется товар, например, «iPhone». Продавец хочет его продавать через интернет. С чего начать?

Мы хотим узнать, интересуется ли вообще кто-то iPhone 8 Plus? Для этого мы собираем семантику, и вскрываются нюансы.

Из анализа семантики для модели iPhone 8 Plus выяснились размеры спроса:

• продавать как новый – 20%,
• как новый восстановленный – 20%,
• в рассрочку (самый большой сегмент спроса) – 60%.

Как под микроскопом можно увеличивать масштаб и погружаться в атомы спроса – поисковые фразы. Наш продавец не понимал этих деталей на старте. Когда мы спросили его, оказалось, что ему не нужны заказы в рассрочку. Дальше выяснилось, что эконом вариант восстановленных телефонов «как новый» также мусор, потому что с поставщиком у него были проблемы по этому товару. Остаются только новые. Новые оказались тоже с сюрпризом – серые ЕВРОТЕСТ, белые РОСТЕСТ и ряд нюансов с типами процессора.

А для другого клиента с широким ассортиментом вся электроника подходит, не только Apple. Плюс он еще ремонтирует iPhone: можно менять стекла, восстанавливать их и предлагать аксессуары.

А если сравнивать просто один продукт того же Xiaomi, то получается, что огромный вроде как спрос по Apple сопоставим с одним продуктом Redmi. Продукты нужно анализировать в масштабе рынка и ниши, не только точечно с абсолютными значениями.

Ошибочно сосредотачиваться только на базовых запросах продукта, не понимая того, что бюджет будет расходоваться впустую.

Ниши рынка

В Википедии рыночная ниша – сфера хозяйственной деятельности с ограниченным масштабом и количеством потенциальных потребителей. Разберем, как с помощью семантики определять границы вашей ниши и не потратить бюджет впустую.

Кейс «Утилизация мусора»

Речь пойдет о двух проектах. На старт они оба пришли с простым запросом: охватить весь целевой спрос на 100%. Оба клиента утверждали, что занимаются всей утилизацией на рынке, и они лидеры в своем сегменте.

Была проведена аналитика спроса с целью создания и модификации страниц сайта. Сформирована структура идеального сайта. В результате, в утилизации мы нашли порядка десяти разновидностей услуг. Самые популярные из этих сегментов были: утилизация опасных отходов, техники и утилизация шин.

И эти два клиента вроде бы должны иметь общую семантику. Или, по крайней мере, очень сильно похожую. Оказалось:

Клиент 1. Целевые сегменты – это опасные отходы и утилизация техники. У них имеются специализированные разрешения и сертификаты, а их основная направленность – утилизация техники.

Клиент 2. Имел технические возможности утилизации шин и все смежные услуги утилизации шин.

В сравнении два клиента пересекались только в сегменте утилизации техники. Семантика общая на 20%. Услуги, на которых зарабатывали бизнесы, оказались разные. Бизнесы разные.

Не бывает двух одинаковых семантик, так как не бывает двух одинаковых бизнесов.

Рынки

Уникальность семантики и бизнеса прослеживается и в больших масштабах.

Пример в тематике «дети»

В семантику для проектов детской тематики входят все сайты, посвященные детям. Начинающие бизнесы считают, что целевая аудитория – это все дети и все родители. Но чем больше время работы проекта, тем четче его специализация. Вся тематика детства, по нашим исследованиям, составляет примерно 20 000 000 запросов и более 50 000 кластеров (потребностей клиента). И внутри этой тематики уже существуют проекты.

В нашем случае было три проекта:

Портал №2

• образовательная тематика,
• курсы, кружки, досуг,
• поступление для школьников.

Эти два проекта не пересекались в общих сегментах, но это было неочевидно на старте проектов. Каждый проект опасался упустить что-то ценное и ставил некорректную задачу специалистам по семантике – собирать все. Однако после сбора полного семантического поля потребностей каждый клиент выбрал для внедрения только те кластеры, которые относились к его целевой аудитории.

Портал №3

• специализировался на дошкольном возрасте;
• идея проекта в дошкольном воспитании.

Три проекта, работая в одной сфере, не являются прямыми конкурентами.

Как получить максимум?

1. Необходимы данные глубиной от 1,5 лет. Также есть критический минимум данных — это справочник товаров, исторические продажи, исторические цены и промо.
2. Требуется постоянная корректировка метрик. Нельзя зацикливаться на одном текущем понимании метрики. Следует улучшать алгоритм в сторону метрики, а метрику — в сторону идеального направления.
3. Необходимо работать с обратной связью. Непрерывно собирать гипотезы от бизнес-пользователей, менеджеров и технических специалистов.
4. Нужно грамотно организовывать работу на проекте. Приводить данные в порядок. Тестировать гипотезы. Оценивать, какие признаки дают эффект, и постоянно улучшать модели.

Фото на обложке: Shutterstock / ZoneCreative

Показатели оценки результатов опроса на примере мотор-колеса.

По результатам опроса мы скорректировали настройки ЦА для запуска рекламы и составили портрет потенциального покупателя: что знает о продукте и какие его технические характеристики важнее всего, сколько готовы заплатить за мотор-колесо.

На рекламную кампанию с опросами нам удалось потратить в 2 раза меньше бюджет и получить на 31 анкету больше со средней ценой 36,71 руб. за 1 анкету (по плану бюджета стоимость анкеты была 100 руб.).

Именно эти “боли” покупателей мы добавили в УТП текстов рекламных кампаний.

Этап 7: Оценка эффективности рекламных кампаний

Ещё один аспект, на котором нужно остановиться, обсуждая, как анализировать рынок. Нужно выяснить, какие инструменты используют другие компании, что делают для привлечения и удержания клиентов.

Основные элементы комплекса маркетинговых коммуникаций — это:

• реклама (в газетах, журналах, на интернет-ресурсах, ТВ, радио, наружная и т. д.);
• PR/пропаганда — создание позитивного имиджа компании и её продукции за счёт публикации новостей, обзоров, интервью и других материалов в СМИ;
• стимулирование сбыта — особые мероприятия для побуждения к покупке (купоны, конкурсы, бесплатные образцы товара, дисконтные программы);
• личные продажи.

Где конкуренты чаще всего размещают рекламу? Что о них пишут в СМИ? Какие скидки и бонусы они предлагают? Чем больше информации — тем лучше.

На этом этапе особое внимание нужно уделить цифрам:

1. Среднее количество контактов потенциального клиента с разными носителями рекламы.
2. Эффективность объявлений. Проще всего отслеживать статистику на интернет-площадках — современные сервисы предоставляют информацию о количестве просмотров и переходов по ссылкам, времени, которое пользователь провёл на сайте и его активности.
3. Конверсия — процент посетителей сайта/магазина/мероприятия, которые совершили покупку или другое целевое действие, от общего количества посетителей.
4. Цена контакта — сколько денег компании понадобилось вложить в рекламу, чтобы 1 человек оставил свои данные или обратился к менеджеру (отношение суммы рекламного бюджета к числу потребителей, с которыми удалось связаться).

Чтобы понять, где и как лучше всего “ловить” потенциальных клиентов в конкретной нише, следует по отдельности исследовать эффективность каждого метода в выбранной нише.

Пример

Реклама в традиционных СМИ (ТВ, радио, популярные журналы) отлично работает в B2C-сегменте, но совершенно неэффективна для B2B — серьёзные руководители зачастую даже не тратят на это время. Зато их может заинтересовать статистика, планы с чёткими цифрами, “сухие” факты, доказывающие выгоду для бизнеса — то, что на обычного потребителя лишь навеет скуку.