Ритейл-маркетинг. Практики и исследования - Йенс Нордфальт

Пытаясь подвести краткий итог всему сказанному в этой главе, я бы не хотел подвергнуться риску чрезмерного упрощения. Однако мне кажется важным подчеркнуть три ключевых момента.

Во-первых, все проанализированные нами исследования демонстрируют, как важно ритейлеру учитывать особенности зрительного восприятия потребителей. Правильное размещение ассортимента имеет огромное значение для продаж. Например, в первую очередь товар должен привлечь внимание покупателей, чтобы в игру могли вступить такие маркетинговые инструменты, как цена. В других случаях (например, с зубными щетками, суповыми консервами и кукурузными хлопьями) оказалось, что порой людям достаточно просто увидеть продукт, чтобы у них активировалось желание его купить.

Во-вторых, мне кажется, мы можем согласиться с выводом о средней эластичности выкладки на уровне 0,2. Фрукты и овощи, судя по всему, являются исключением из этого эмпирического правила, обладая более высокими значениями этого показателя.

В-третьих, для того чтобы товар обладал эластичностью выкладки, требуются определенные психологические предпосылки. Они являются необходимым условием, чтобы изменения выкладки произвели искомый эффект. Покупатели способны «открыть» для себя только уже хорошо известные им торговые марки или товары, в частности, те, которые уже пользуются высоким спросом в этом конкретном магазине или местности (Р. Фрэнк и У. Масси, 1970), или же «товары повседневного спроса» (Р. Керхан, 1974a). В своей диссертации я исследовал, помимо прочего, и этот вопрос (Й. Нордфальт, 2005a). Я показал, что такие психологические предпосылки не связаны исключительно с характеристиками торговой марки или товара. Привлечет ли конкретный бренд внимание, зависит не только от его известности, но и в значительной степени от эмоционального состояния покупателей, которые могут быть более открытыми или закрытыми для восприятия. Проведенный мной эксперимент показал, что люди, делавшие дополнительный круг по магазину, «видели» значительно бóльшую часть ассортимента, чем те, кто совершал покупки по списку. Другими словами, для того чтобы увидеть все богатство предлагаемого в магазине ассортимента, человек должен быть психологически готов к этому.

Теперь мы перейдем к знакомству с исследованиями, представляющими собой попытки маркетологов систематизировать использование результатов экспериментов по организации полочного пространства. Цель этих работ – преобразовать рассмотренные нами выше выводы в математические модели, позволяющие вычислить оптимальное расположение и количество фейсингов для торговой марки или товара на основе статистики продаж.

Иногда можно встретить утверждение, что литература по эффективности организации торгового и полочного пространства делится на три категории. Такого мнения, в частности, придерживается выдающийся исследователь в этой области Марсель Корстьенс. Эти три категории представляют собой: отчеты об эмпирических исследованиях (подобных тем, что были рассмотрены нами в этой главе); книги о коммерциализации исследовательских наработок, а именно: о программных продуктах электронного мерчандайзинга; и академические работы математиков и статистиков, стремящихся оптимизировать модели организации полочного и торгового пространства.

Программные продукты по построению планограмм часто опираются на эмпирический принцип, согласно которому размещение товаров определяется на основе генерируемой ими прибыли или объема продаж. Подобные решения предлагаются на рынке с 1970-х годов; одними из первых были системы SLIM (Store Labor and Inventory Management – управление товарными запасами и персоналом в магазине) и COSMOS (Computer Optimization and Stimulating Model for Supermarkets – компьютерная модель оптимизации и стимулирования продаж для супермаркетов). Я не ставил своей задачей дать полный обзор всех разработанных с тех пор алгоритмов, вплоть до современных инструментов по построению планограмм, однако счел необходимым описать наиболее важные вехи в их эволюции. Следует заметить, что многие из коммерческих инструментов создаются исследователями, которые предпочитают накоплению знаний накопление капитала, поэтому их разработки часто представляют собой упрощенные версии тех моделей оптимизации, которые можно найти в академических работах.

Я сосредоточусь здесь на последних, поскольку они всегда предшествуют коммерческим решениям. Для того чтобы быть полезными на практике, такие программы, как Spaceman и Appollo, должны основываться на значительном упрощении реальности – деталь, которая, кажется, мало волнует исследовательские круги.

Три ключевые вехи, которые будут кратко описаны далее, показывают, как исследователи постепенно решали проблему оптимизации путем включения следующих новых факторов:

• разная эластичность выкладки разных продуктовых линеек;

• перекрестная эластичность выкладки;

• прямые товарные издержки.

Эван Андерсон и Генри Амато (1973) разработали один из первых алгоритмов для решения задачи оптимизации полочного пространства. Как говорят в среде маркетологов, они подошли к проблеме «со стороны спроса». Исследователи исходили из тех знаний, которые имелись на тот момент, а именно из того факта, что разные продуктовые линейки обладают разной эластичностью выкладки. Проще говоря, их модель была основана на логистических регрессиях, которые рассчитывали бета-коэффициенты для разных продуктовых линеек. Именно этот вид вычислений лежит в основе вышеупомянутых систем SLIM и COSMOS.

Следующий важный шаг был сделан французом Марселем Корстьенсом и англичанином Питером Дойлом (1981). Тем самым Питером Дойлом, который, если вы помните, раскритиковал исследования в области ритейл-маркетинга за отсутствие прогресса. Предложенная ими модель была более обширной, чем предыдущие, и обсуждается по сей день. Помимо прочего, они включили возможность расчета прямых товарных издержек (связанных с приобретением, хранением, а также отсутствием товара на полках, так называемым out-of-stocks), эффекты спроса и фактор перекрестной эластичности. Именно включение последнего показателя принесло известность их модели.

Они протестировали свою модель на пяти продуктовых линейках в 140 магазинах, продающих сладости, мороженое и подарочные карты, с оборотом $30 млн в год. Как сообщили исследователи, эластичность выкладки составила порядка 0,19 и, таким образом, соответствовала тому, что показали более ранние эксперименты. Также было установлено, что перекрестная эластичность выкладки была отрицательной между различными видами сладостей (если магазины продавали больше шоколада, спрос на карамель падал) и положительной между сладостями и подарочными картами.