تحلیل سودآوری سبد محصولات شرکت

یک شرکت توزیع مواد غذایی را در نظر بگیرید که ۸ گروه کالایی اصلی و در مجموع ۱۲۰ عنوان کالا توزیع می‌کند. مدیر فروش برای افزایش سودآوری شرکت، بایستی تصویری از وضعیت فعلی فروش و سودآوری این اقلام داشته باشد. یک تحلیل‌گر داده چه کمکی به مدیر فروش می‌تواند بکند؟

اولین سوالی که یک تحلیل‌گر داده بایستی پاسخی برای آن بیابد این است که چه متغیر و شاخص‌هایی از سبد را بایستی به عنوان معیار ارزیابی آن در نظر گیرد؟ معیارهای متعددی در کتابها و سایر منابع معرفی شده‌اند (رجوع کنید به: سایمونز، رابرت، ۱۳۸۵، نظام‌های کنترل و سنجش عملکرد). درآمد ریالی از هر محصول، حاشیه سود و رشد سالانه آن، سه معیاری هستند که برای مدیران فروش جذاب هستند.

دومین سوالی که تحلیل‌گر داده بایستی به آن فکر کند این است که چه روشی برای تحلیل متغیرهای فوق مناسب است؟ برای پاسخ به این سوال بایستی به یاد داشته باشیم که اولا دقیق‌ترین روش، همیشه بهترین نیست و دوم اینکه روش‌های پیچیده لزوما جواب‌های دقیقی ندارند. بایستی با توجه به محدودیت زمانی، مالی، امکانات در دسترس و نیز دقت مورد نیاز در خروجی تحلیل، روش مناسب انتخاب شود. حتی بهتر است که روشی انتخاب شود که سایر مدیران نیز آن را به سادگی بفهمند و با ابزارهای ساده‌ای مانند اکسل بتوان آن را اجرا کرد.

رسم نمودار و ارائه تصویری داده‌ها، یکی از بهترین روش‌ها برای این هدف است. چرا که تصویری کلی از وضعیت کالاهای مختلف، دسته‌بندی و مقایسه آنها ارایه داده و راه را برای تحلیل‌های دقیق‌تر و پرسیدن سوالات جزئی‌تر هموار می‌کند. تاکید ما در دیتا پارتنرز، همواره بر این نکته بوده است که ارایه‌ی خوب داده، بخشی از راه حل مسئله است.

41 sales dashborad1

نمودار حبابی فوق، هر سه معیار را شامل می‌شود و تصویری کلی از وضعیت فروش، سودآوری و تغییرات فروش سال به سال کالاهای مختلف ارایه می‎کند:

  • محور افقی: درآمد ریالی ناشی از هر کالا را طی دوره زمانی یک سال گذشته نشان می‌دهد.
  • محور عمودی: حاشیه سود هر کالا بر حسب درصدی از درآمد ریالی را نمایش می‌دهد.
  • اندازه حباب: میزان مطلق نرخ رشد (مثبت یا منفی) سال به سال مربوط به درآمد ریالی کالا نشان می‌دهد.
  • رنگ حباب: رنگ سبز، نشانگر نرخ رشد مثبت و قرمز نشانگر نرخ رشد منفی است.

نمودار فوق را چگونه می‌توان تفسیر کرد؟ این نمودار چه سوالاتی را پاسخ می‌دهد و چه سوالاتی در ذهن برمی‌انگیزاند؟ این‌ها سوالاتی هستند که در قسمت دوم این مطلب بدان‌ها خواهیم پرداخت. تا آن زمان اگر نظری در این مورد دارید، با ما در میان بگذارید.

انتخاب تکنیک مناسب برای قیمت‌گذاری

تاکنون در این سایت، روش‌های مختلفی برای قیمت‌گذاری ارائه شده است که هر کدام دارای مزایا و محدودیت‌هایی هستند. البته تعداد روش‌های قیمت‌گذاری به همین مقدار محدود نیست و روش‌های پیشرفته و مفصل‌تری نیز برای قیمت‌گذاری وجود دارند. در این پست می‌خواهیم به این سوال پاسخ دهیم که بر اساس چرخه عمر محصول، کدام روش قیمت‌گذاری مناسب‌تر است؟

در جدول زیر، خلاصه‌ای از نیازهای قیمت‌گذاری بر اساس کاربرد آنها نمایش داده شده است.به طور مثال، زمانی که محصول در حد یک ایده اولیه است، تنها نیاز به تعریف آستانه‌های مناسب برای قیمت‌گذاری وجود دارد. ولی وقتی ایده توسعه یافت، نیاز است تا حساسیت قیمتی بازار به آن محصول بررسی شود.

40 pricing strategy methods 1

در جدول زیر، به این سوال پاسخ داده شده که هر کدام از روش‌های قیمت‌‌گذاری کدام الزام را برآورده می‌کنند. برخی از این روش‌ها در پستهای پیشین معرفی شده‌اند.

40 pricing strategy methods 2

شما با داشتن این دو جدول، می‌توانید به راحتی روش مناسب برای قیمت‌گذاری محصول تجاری خود را انتخاب کنید.

پی‌نوشت: اگر علاقه‌مند پیگیری مداوم مطالب ما هستید، دیتا پارتنرز را در تلگرام، توییتر و اینستاگرام دنبال کنید.

تکنیک ارزیابی هم‌زمان قیمت و برند

در تکنیک‌های قیمت‌گذاری که در پست‌های قبل معرفی شد، محصول به صورت مستقل و فارغ از وجود رقبای خارجی در بازار بررسی می‌شد. حال اینکه در عمل برای هر محصول در بازار یک برند رقیب و جایگزین وجود دارد. منظور از کالاهای رقیب، کالایی است که از نظر کارآیی و ویژگی‌ها، تفاوتهای اساسی با هم ندارد. در این بازار ممکن است برند خاصی برای مشتری ارزش ویژه‌ای داشته باشد. مثلا مشتری به دلیل تجربه خوبی که از تلویزیون سامسونگ دارد، به تبلت سامسونگ نگاه مثبتی داشته و حاضر باشد برای آن پول بیشتری بدهد.

در بازار کالاهای FMCG هم محصولات مختلف از نظر کارکرد با یکدیگر تفاوت چندانی ندارند. مثلا ماست تولیدی یک کارخانه با ماست کارخانه دیگر، تنها ممکن است کمی در طعم، میزان نمک یا چربی با هم تفاوت داشته باشند. حتی در این بازار هم تعداد گزینه‌های در اختیار مشتری آن قدر زیاد است که تقریبا تمام ترکیبات ممکن از این ویژگی‌ها به صورت محصولات مختلف در بازار وجود دارد.

تکنیک ارزیابی قیمت و برند (Brand/Price Tradeoff) برای بازارهایی مانند خرده‌فروشان طراحی شده و به سوالات زیر پاسخ می‌دهد:

  • بیشترین قیمت قابل قبول برای این محصول در بازار چه قدر است؟ و به طور کلی، بازه مناسب قیمت‌گذاری که با بیشترین احتمال، مشتری در آن بازه خرید می‌کند چه‌قدر است؟ (تعیین جایگاه‌یابی رقابتی در تدوین استراتژی بازاریابی)
  • در یک سطح قیمتی وشرایط رقابتی، سهم بازار مورد انتظار این محصول چه قدر است؟
  • مشتریان از نظر ریالی، چه ارزشی برای هر یک از برندهای موجود در بازار قائل هستند؟ به بیان دیگر، رابطه بین قیمت قابل قبول هر کالا با برند آن از نظر مشتری چیست؟

روش کار به این شکل است که مجموعه‌ای از گزینه‌ها شامل نام برند/قیمت در اختیار پاسخگو قرار داده می‌شود (همانند شکل زیر). مشتری از بین گزینه‌های زیر یکی را انتخاب می‌کند. قیمت گزینه‌ای که مشتری انتخاب کرده را یک سطح بالاتر برده و مجددا از مشتری خواسته می‌شود که از بین گزینه‌ها یکی را انتخاب کند. این تست آنقدر تکرار می‌شود تا یکی از برندها در تمام سطوح قیمتی انتخاب شود.

38 pricing method

برای هر مشتری، می‌توان سلسله مراتب انتخاب‌ها را تحلیل کرد. برخی از مشتریان نسبت به قیمت حساس‌تر بوده و برخی نیز به یک برند وفادارتر هستند. این سلسله مراتب مشخص می‌کند که در یک سناریوی رقابتی در بازار، سهم بازار هر برند در بازار چه‌قدر خواهد بود. لازم به ذکر است که معمولا کشش قیمتی به دست آمده از این روش بیش از کشش قیمتی واقعی در بازار است.

فروش هر یک از محصولات شرکت در ماه‌های آتی چه قدر خواهد بود؟

یکی از مهم‌ترین سوالاتی که از تحلیل‌گران داده می‌پرسند، در مورد پیش‌بینی است. در حوزه فروش، تحلیل‌گران داده بایستی در مورد فروش در ماه‌های آتی پیش‌بینی‌های خود را ارائه دهد تا شرکت برای آن برنامه‌ریزی کند. در این پست، یکی از روش‌های ساده و کاربردی تحلیل و پیش‌بینی سری زمانی فروش را مرور می‌کنیم.

فرض کنید، سری زمانی محصولی را در دست داریم که روند قوی و نوسانات فصلی تکرارپذیر دارد. سری زمانی با این کیفیت، طبق طبقه‌بندی که قبلا در دیتا پارتنرز ارایه کردیم، تا حد خوبی پیش‌بینی‌پذیر است.

37 sales dashboard 1

در پیش‌بینی فروش معمولا از معادله زیر استفاده می‌شود که قادر به نشان دادن روند و نوسانات فصلی نیز هست:

فروش پیش‌بینی‌شده در ماه t = مقدار مبنا + (مقدار روند) * (عدد دوره) + شاخص نوسانات فصلی ماه t

در این معادله چند کلیدواژه داریم:

مقدار مبنا: بهترین تخمین از سطح اولیه (و بدون نوسانات فصلی) سری زمانی در شروع دوره زمانی مشاهداتی. به زبان ساده، معادل مقداری است که نوسانات فروش و تغییرات روند حول آن اتفاق می‌افتد.

مقادر روند: نرخ تغییرات سری زمانی طی هر دوره نسبت به دوره قبلی.

عدد دوره: عدد دوره زمانی مورد نظر نسبت به کل تعداد دوره‌ها.

شاخص فصلی برای هر ماه: این شاخص انعکاسی از نوسانات فصلی ماه‌های مشابه، در ماه ‌پیش‌بینی شده است. مثلا شاخص فصلی ۴ برای ماه اول سال یعنی اولین ماه سال همواره ۴ واحد بیشتر از یک ماه میانگین طی سال است.

در این معادله، مقادیر مبنا، روند و شاخص فصلی برای هر ماه را باید به کمک محاسبات ریاضی تقریب زد به گونه‌ای که پیش‌بینی حداقل خطا را داشته باشد. البته این کار به راحتی  دراکسل و با کمک ابزار Solver قابل انجام است. پس از انجام تحلیل به مقادیر زیر رسیدیم:

37 sales dashboard 2

تفسیر جدول فوق به شرح زیر است:

  • مقدار مبنا در اولین دوره‌ی سری زمانی ۳۷٫۳ واحد است.
  • روند کلی ماهانه افزایشی و معادل ۰٫۵۹ واحد است.
  • ۶ اُمین ماه سال بیشترین و دومین ماه، کمترین تقاضا را نسبت به یک ماه میانگین دارد.

برای اطمینان از اینکه خروجی نهایی، دقت مورد انتظارمان را دارد و نیز تفسیر بهتر مدل، مقادیر انحراف معیار، ضریب همبستگی پیرسون و مجموع مربعات خطا را نیز محاسبه کردیم:

37 sales dashboard 3

تفسیر جدول فوق به شرح زیر است:

  • با احتمال ۹۵% مقادیر پیش‌بینی حداکثر دوبرابر انحراف معیار، ۰٫۷۷۲ واحد، خطا دارند.
  • ضریب همبستگی پیرسون ۰٫۹۸۹ است، یعنی مدلی که برای پیش‌بینی این سری زمانی برآورد کردیم قادر به توضیح ۹۸٫۹% تغییرات در مقادیر فروش است.
  • مجموع مربعات خطا نیز هرچه کمتر باشد بهتر است، اما در واقع برای مقایسه با سایر روش‌های پیش‌بینی به‌کار می‌رود.

حال اگر برای برنامه ریزی به مقادیر پیش‌بینی فروش ماه‌های آینده نیاز داشته باشیم، با کمک فرمولی که ابتدا ذکر کردیم، قادر به محاسبه مقادیر فروش در ماه‎های آینده هستیم. نتیجه را در نمودار زیر مشاهده می‌کنید:

37 sales dashboard 4

این مطلب، پنجمین قسمت از مطالب تحلیل و ارایه داده‌های فروش است. قسمت های قبلی را از اینجا می‌توانید مطالعه کنید: اول، دوم، سوم، چهارم.

نکاتی در مورد قیمت‌گذاری بر مبنای پرسشنامه

روش‌هایی مانند van Westendorp، تست تکین و تست نردبانی که در قسمت‌های قبل معرفی شده‌اند به روش‌های مبتنی بر پرسشنامه مشهور هستند. این روشها هر چند از نظر تئوریک دارای منطقی قوی هستند، ولی پیاده‌سازی آنها با مشکلاتی روبرو است. در این بخش، به برخی مشکلات عملی پیاده‌سازی این روشها اشاره می‌کنیم.

بستگی دارد!

یکی از جوابهایی که مردم در مواجهه با سوالات قیمت‌‌گذاری زیاد تکرار می‌کنند این است: “بستگی دارد”. این جواب کاملا درست و منطقی است. یک فرد ممکن است برای یک نوشابه گازدار که از سوپر مارکت تهیه می‌کند، حاضر باشد ۵۰۰ تومان بپردازد. ولی برای همین نوشابه در یک رستوران حاضر است تا ۲ هزار تومان هم بپردازد و حس نکند که این نوشابه برای وی گران تمام شده است.

یک  درس مهم مثال بالا این است که پرسشگر حرفه‌ای بایستی کل شرایط را برای پاسخ دهنده تشریح کند تا وی بتواند با دقت بیشتری به سوال پاسخ دهد.

پایان باز یا بسته؟

اگر یک کیف به دست شما بدهند و از شما بپرسند که به نظر شما وزن این کیف چه قدر است، شما به سختی و بسیار با احتیاط جواب می‌دهید. ولی وقتی دو کیف به شما بدهند و از شما بپرسند که کدام یک از آنها سنگین تر است، راحت تر و با آرامش بیشتری به سوال پاسخ می‌دهید.

یک درس مهم این مثال این است که برخورد بسیار خام با یک پاسخ دهنده برای کشف قیمت یک محصول، وی را محتاط کرده و خطای پرسشنامه را بسیار بالا می‌برد. در حالی که با ارائه یک سری از نقاط مبنا به مشتری و فراهم کردن امکان مقایسه برای آنها، می‌توان پاسخ‌های دقیق از آنها شنید.

ناسازگاری در پاسخ‌ها

برخی تحقیقات نشان داده است که حدود ۲۰% از مشتریان حین پاسخ به سوالات، عملا قیمت مناسب را پایین‌تر از «قیمت بسیار ارزان» در مدل ون-وستندورپ اعلام می‌کنند. این درس نشان می‌دهد که حتی پاسخ یک مشتری در پاسخ به یک مجموعه از سوالات نیز ممکن است دچار ناسازگاری باشد.

مذاکره در تست نردبانی

در تست نردبانی، وقتی مشتری اعلام کرد که به احتمال زیاد این محصول را در قیمت ۲۰۰۰ تومان خواهد خرید، پرسشگر از وی می‌پرسد: ۲۲۰۰ تومان چه طور؟

در این فضا، پیش آمده که مشتری احساس کند که وارد یک مذاکره تجاری شده و عملا سوگیری نظرات وی تغییر می‌کند.

ابزارهای پاسخدهی

ابزارهای پاسخدهی نیز ممکن است عامل اشتباه در پاسخها شوند. مثلا پاسخ‌های گروه‌های کانونی که معمولا در مورد آن محصول متخصص هستند، به گرایش‌ها و نظرات تخصصی آنها نزدیک است و نه واقعیتهای بازار. از طرفی برخی تحقیقات نشان می‌دهند که معمولا ۴۰% است پاسخدهندگان در نظرسنجی‌های اینترنتی، نطرات غیرصحیح (دروغین) را ثبت می‌کنند.

خودنمایی

گاه مشتری در پاسخ به سوالات می‌خواهد خودنمایی کند و پاسخ‌ها را به گونه‌ای ارائه دهد که وی را فردی خوش‌سلیقه یا حتی خوش‌خرج نشان دهد. در حالی که در عمل، این فرد سلایق دیگری دارد. مثلا ممکن است بگوید که حاضر است یک عینک با رنگ خاص قرمز را به ۱۰۰ هزارتومان بخرد. ولی در عمل یک عینک سیاه می‎خرد تا بتواند آن را در هر جایی و هر موقعیتی استفاده کند.

ممکن است برخی پاسخ دهندگان که هیچ دیدی در مورد قیمت مناسب محصول ندارند به اشتباه وارد گروه پاسخ‌دهندگان شوند و بدتر اینکه مانند یک امتحان، بخواهند به هر طریقی به همه سوالات پاسخ دهند تا شاید نمره بیشتری بگیرند. همین اتفاق به ظاهر ساده و خنده‌دار در برخی موارد تا ۵ برابر از میانگین، بازه قیمتی را گسترش داده است.

ارتباط قیمت و کیفیت

به طور پیشفرض، بین قیمت و کیفیت رابطه وجود دارد و مشتری نیز به همین ترتیب، قیمت را بر اساس کیفیت مورد انتظار بررسی می‌کند. پرسشگر بایستی کلیه جنبه‌های کیفیت کالا را برای مخاطب پاسخ داده تا وی دچار اشتباه نشود. چرا که در قیمت گذاری عمدتا تنها متغیر، قیمت است و نه کیفیت.