Втрачені продажі: скільки насправді втрачає мережа через Out-of-Stock?

Покупець уже в магазині й готовий купити — але потрібного товару на полиці немає.

Один такий out-of-stock (OOS) здається дрібницею, проте в масштабі мережі порожні полиці швидко перетворюються на недоотриманий прибуток і втраченого покупця. Причини можуть бути будь-де — від прогнозу й замовлення в магазині до управління ланцюгом постачань.

Розбираємо, що таке OOS у ритейлі, скільки втрачає магазин через відсутність товару, як розрахувати втрачені продажі за простою формулою і які інструменти управління запасами в ритейлі закривають проблему системно.

Що таке Out-of-Stock (OOS)

Важливо: OOS не означає, що товару немає в мережі взагалі. Він може бути в системі, мати ціновий ярлик і своє місце на планограмі, а також фізично знаходитися на складі магазину, у підсобному приміщенні чи в розподільчому центрі. Але якщо в потрібний момент полиця порожня, для покупця це вже OOS.

Саме тому дефіцит товару в магазині так важко побачити у звітності: формально з даними все гаразд. Мережа дізнається про проблему з падіння продажів — тобто тоді, коли гроші вже втрачені.

Типи OOS

З боку покупця будь-який дефіцит виглядає однаково: він підходить до полиці й бачить порожнє місце. Для мережі ж за цією порожньою полицею стоять три різні сценарії, і кожен виникає у своїй точці — у торговому залі, на етапі поставки або в обліковій системі. Саме тому розділити їх варто ще до пошуку рішення: у кожного типу свої причини, свої ознаки і свій інструмент виправлення.

Отже, різні типи OOS мають різні причини, а значить — і різні способи вирішення. Відсутність на полиці зменшується завдяки контролю викладки та своєчасному поповненню полиці. Відсутність на складі потребує точнішого прогнозування попиту, коректного планування запасів і автоматизації замовлень. А у випадку з фантомними залишками ключовим є точний облік залишків, регулярна звірка даних і виявлення розбіжностей між системою та фактичною наявністю товару.

Саме тому OOS не варто сприймати як одну проблему: щоб зменшити його рівень, потрібно спочатку зрозуміти, де саме виникає дефіцит — на полиці, на складі чи в даних.

З цією логікою працює і система для управління товарними запасами — ABM Inventory. Система допомагає зменшувати відсутність товару на складі: прогнозує попит, розраховує страховий запас для кожної позиції та точки й автоматично формує замовлення з урахуванням термінів постачання. Відсутність товару на полиці та фантомні залишки допомагає виявляти звіт «Сумнівні залишки». Він показує позиції, які за даними системи є в наявності, але не продаються кілька днів поспіль. Так магазин може швидко перевірити фактичну наявність товару та вчасно усунути проблему.

Скільки втрачає мережа через Out-of-Stock

Найповніше дослідження на цю тему провели Grocery Manufacturers of America та Food Marketing Institute у 2002 році. Воно охопило понад 71 000 покупців у 29 країнах і досі лишається основним джерелом цифр у цій темі.

Джерело: Gruen, Corsten, Bharadwaj, «Retail Out-of-Stocks: A Worldwide Examination of Extent, Causes and Consumer Responses», GMA/FMI, 2002. Популярний виклад — «Stock-Outs Cause Walkouts», Harvard Business Review, 2004.

Якщо згрупувати реакції покупців за наслідками для ритейлера, картина виглядає ще показовіше. 40% покупців магазин фактично втрачає: 31% ідуть за потрібним товаром до іншого магазину, а 9% узагалі відмовляються від покупки.

Ще 45% залишаються в магазині, але змінюють свій вибір: 26% беруть інший бренд, а 19% — інший формат або розмір того самого бренду. У такому випадку продаж відбувається, але його фінансовий результат для магазину може відрізнятися від запланованого. Тобто маржинальність може як знизитися, так і зрости — залежно від того, який товар покупець обере на заміну. Решта 15% відкладають покупку — і немає гарантії, що повернуться за нею пізніше.

Найбільші втрати виникають тоді, коли покупець іде до конкурента. У такому випадку мережа втрачає поточний продаж і ризикує втратити частину майбутніх покупок цього клієнта. Саме тому вплив OOS варто оцінювати не тільки в межах одного чека, а й з урахуванням довгострокової цінності покупця.

Порахуємо на простому прикладі. Якщо середній чек становить 500 грн, а покупець відвідує магазин двічі на місяць, його річні витрати становлять близько 12 000 грн. Якщо через відсутність потрібного товару десять постійних покупців почнуть регулярно купувати в іншій мережі, потенційні втрати можуть сягнути 120 000 грн на рік.

Навіть коли покупець залишається в магазині, OOS змінює фінансовий результат продажу: замість потрібного товару він обирає іншу позицію з іншою ціною та маржинальністю. Сам такий продаж не обов’язково гірший — покупець може взяти й дорожчий товар. Ризик в іншому: цей вибір робить за мережу порожня полиця, а не категорійний менеджер. Структура продажів і прибуток стають некерованими, а плани за категорією — приблизними.

Формула розрахунку втрачених продажів

Щоб оцінити фінансовий вплив OOS, можна порахувати, скільки продажів і прибутку магазин потенційно втрачає за період відсутності товару. Для базового розрахунку достатньо знати середню кількість продажів товару на день, його ціну та прибуток з однієї одиниці.

Приклад. Товар А був відсутній 4 дні. У звичайні дні він продається 7 разів на день, ціна — 200 грн, прибуток з одиниці — 80 грн.

• Втрачені продажі: 4 × 7 × 200 = 5 600 грн
• Втрачений прибуток: 4 × 7 × 80 = 2 240 грн

І це лише одна товарна позиція. У масштабі мережі таких SKU можуть бути десятки або сотні, тому навіть короткий OOS швидко перетворюється на відчутні втрати. За аналогічного профілю продажів 50 позицій дадуть близько 280 000 грн втрачених продажів за один епізод OOS, а 200 позицій — 1,12 млн грн. Якщо така ситуація повторюється щомісяця, річний обсяг недоотриманих продажів може сягати приблизно 3,4–13,4 млн грн. У підсумку проблема одного відсутнього товару легко масштабується до суттєвих втрат на рівні всієї мережі.

Чому виникає Out-of-Stock — 5 головних причин

Out-of-Stock рідко має одну причину. Зазвичай це наслідок кількох збоїв одразу — у плануванні запасів, у постачанні або в роботі самого магазину.

Дослідження GMA показує, на яких етапах найчастіше виникають причини Out-of-Stock. Близько 47% випадків OOS пов’язані з замовленням і прогнозуванням попиту на рівні магазину, ще 25% — з проблемами поповнення полиці, а 28% — з процесами вище по ланцюгу постачання.

Отже, майже три чверті випадків OOS виникають через процеси на рівні магазину — від формування замовлення до фактичного поповнення полиці. Для ритейлера це означає, що значна частина причин дефіциту перебуває у його зоні контролю та може бути скорочена завдяки точнішому замовленню, своєчасному поповненню й коректному обліку залишків.

Як побачити ризик OOS раніше: Service Level і Fill Rate

Для системного контролю OOS важливо дивитися не лише на сам факт відсутності товару, а й на метрики, які показують, наскільки стабільно мережа забезпечує його наявність і покриває попит. Дві з ключових — service level і fill rate. Їх часто використовують поруч, хоча вони відповідають на різні питання.

Service level показує, наскільки стабільно товар залишається доступним для продажу. Наприклад, service level 98% означає, що SKU був у наявності протягом 98% контрольованого періоду. Чим нижчий показник, тим частіше виникають періоди OOS.

Показник рахують по кожному SKU в кожному магазині, а потім усереднюють по категорії або мережі. Якщо товар був на полиці 358 днів із 365, рівень сервісу становить 98% — тобто протягом року він був відсутній приблизно 7 днів.

Fill rate показує, яку частку потреби вдалося фактично закрити. Наприклад, якщо магазин замовив у розподільчого центру 1 000 одиниць товару, а отримав 900, fill rate становить 90%. Аналогічно показник можна використовувати для оцінки виконання замовлень постачальниками або внутрішнього поповнення магазинів.

На відміну від рівня сервісу, який вимірює час, fill rate вимірює обсяг. Тому товар може бути на полиці більшу частину періоду, але зникати саме в піки продажів — і тоді fill rate виявиться помітно нижчим.

Разом ці два показники дають повнішу картину: service level показує, наскільки стабільно товар залишається в наявності, а fill rate — наскільки повно мережа забезпечує потрібний обсяг. Погіршення одного з показників може стати раннім сигналом ризику OOS і потенційних втрат продажів.

Як уникнути out-of-stock: 3 аналітичні кроки

Повністю уникнути OOS неможливо. Але рівень дефіциту товарів можна контролювати, якщо регулярно відповідати на три ключові питання: скільки ми продаємо, коли товар може закінчитися та наскільки надійно працює постачання.

Завдання не в тому, щоб повністю виключити дефіцит, а в тому, щоб заздалегідь бачити ризик його виникнення, розуміти причину та вчасно реагувати. Для цього достатньо трьох базових кроків, які працюють незалежно від розміру торговельної мережі.

Крок 1. Аналіз продажів і прогнозування попиту

Для кожного SKU в кожному магазині зазвичай аналізують щоденні дані. Мінімальний набір показників:

• кількість продажів і товарообіг у динаміці;
• товарні залишки на кінець дня;
• оборотність товарів;
• середньоденний оборот за порівнянний період.

На основі цих даних визначають базовий рівень продажів — скільки одиниць товару зазвичай продається за день, коли він є в наявності.

Наприклад, за 30 днів продано 240 одиниць, але 6 днів товару на полиці не було. Тоді базовий рівень рахують за 24 дні: 240 / 24 = 10 одиниць на день. Якщо поділити на всі 30 днів, вийде 8 — і потреба буде занижена на чверть.

Далі прогноз коригують з урахуванням факторів, які впливають на попит: сезонності, дня тижня, свят, акцій та зміни ціни.

Наприклад, якщо в будні продається близько 10 одиниць товару на день, а у вихідні — 25, звичайне середнє за тиждень не покаже реальної потреби. Через це запасу, розрахованого за середнім значенням, може не вистачити саме в період пікового попиту. Тому прогноз має враховувати особливості кожного дня, а не спиратися на одне усереднене значення.

Для кількох десятків позицій такі розрахунки ще можна вести в Excel. Але коли йдеться про тисячі SKU та десятки чи сотні магазинів, ручний аналіз стає занадто складним і потребує автоматизації.

Прогнозований попит порівнюють із поточним залишком, щоб визначити, на скільки днів вистачить запасу та де існує ризик OOS. При цьому позиції доцільно пріоритезувати за ABC-аналізом товарів: дефіцит товарів групи A зазвичай створює значно більші втрати продажів, ніж відсутність позицій групи C.

Крок 2. Прогноз дати виходу товару в нуль

Коли базовий рівень продажів відомий, можна порахувати, за скільки днів товар закінчиться. Це переводить питання «чи вистачає запасу?» у конкретну дату, коли полиця стане порожньою.

Наприклад, у магазині залишилося 80 одиниць товару, а середньоденні продажі становлять 10 одиниць. Підставляємо у формулу: 80 / 10 = 8. За незмінного темпу продажів цього запасу вистачить приблизно на 8 днів — саме тоді товар вийде в нульові залишки.

Далі цей показник зіставляють із терміном поставки. Якщо нова партія надходить через 10 днів, а запасу вистачить лише на 8, магазин отримує потенційний OOS на два дні. Тобто замовлення потрібно було сформувати раніше.

Саме тому орієнтуватися на момент, коли товар майже закінчився, запізно. Замовлення формують з урахуванням часу поставки та страхового запасу, щоб нова партія надійшла до того, як поточний запас буде вичерпано.

Крок 3. Аналіз надійності постачальника

Перші два кроки виходять із того, що замовлений товар приїде вчасно і в повному обсязі. На практиці так буває не завжди, тому надійність постачальника теж варто перевести в цифру й відстежувати регулярно.

Якщо з 1 000 замовлених одиниць товару ритейлер отримав лише 820, надійність постачання становить 82%. Цільовий рівень для кожної категорії може бути різним: у продуктовому ритейлі орієнтуються приблизно на 90–95%, в інших категоріях поріг буває нижчим. Але якщо показник стабільно не дотягує до цільового, зростає ризик дефіциту навіть за правильно розрахованого замовлення.

У такій ситуації можна переглянути умови роботи з постачальником, збільшити страховий запас для його товарів або знайти альтернативне джерело постачання. Водночас більший страховий запас означає додаткові кошти, заморожені в запасах.

Показник варто відстежувати щомісяця: динаміка за кілька періодів допомагає побачити системні проблеми, аргументовано вести переговори з постачальником і своєчасно переглядати рівень страхового запасу.

Як автоматизувати контроль OOS — досвід ABM Cloud

Коли мережа налічує тисячі SKU та десятки магазинів, контролювати ризик OOS вручну практично неможливо. Потрібно одночасно враховувати поточні залишки, прогноз попиту, сезонність, промо, терміни постачання, обмеження постачальників та потребу кожної торгової точки. Тому спеціалізовані системи для управління та оптимізації товарних запасів для мережевого ритейлу сьогодні — базова необхідність.

ABM Inventory бере на себе весь цикл поповнення: від прогнозування попиту й розрахунку потреби до формування та відправлення замовлення постачальнику. В основі — алгоритми машинного навчання, які аналізують продажі, сезонність, промоактивності й десятки інших чинників попиту, тому замовлення відповідають реальній потребі кожного магазину та розподільчого центру.

Що вміє система:

• Прогнозує попит по кожному товару в кожній точці — з урахуванням сезонних і промоційних коливань.
• Формує та відправляє замовлення без ручного втручання — розраховує потребу, створює замовлення, передає його постачальнику й контролює виконання.
• Працює з категорією Fresh — балансує доступність і списання товарів із коротким терміном зберігання.
• Готує запас до акцій — окремо прогнозує попит на акційні позиції й розраховує, коли замовити товар, щоб він був на полиці на старті промо.
• Оптимізує запаси на всіх рівнях ланцюга — розподіляє товар між центральним складом, розподільчими центрами та магазинами з урахуванням реальних залишків у кожній точці. Детальніше — в матеріалі про оптимізацію управління запасами у багаторівневому ланцюгу.
• Перерозподіляє товар усередині мережі — якщо в одному магазині позиція лежить без руху, а в іншому закінчується, система пропонує переміщення, і дефіцит закривається без нового замовлення.
• Оцінює постачальників — веде рейтинг альтернативних джерел постачання і рахує, наскільки точно кожен виконує замовлення.
• Планує сезон за кількома сценаріями — дозволяє підготуватися до пікових періодів під різні варіанти розвитку попиту.
• Дає аналітику в BI-модулі — понад 40 готових звітів про доступність, оборотність товарів, рівень сервісу та причини втрачених продажів, зокрема «Залишки без продажів» і «Сумнівні залишки».

ABM Inventory створений з урахуванням реальних процесів мережевого ритейлу, де попит постійно змінюється, постачальники працюють за різними графіками та з різними обмеженнями, а асортимент і правила поповнення можуть відрізнятися в кожній торговій точці. Система об’єднує ці фактори в єдиній моделі та допомагає виявляти ризик дефіциту ще до того, як товар фактично зникне з полиці.

Український ритейл — один із ключових ринків для ABM Inventory. Система розвивається понад 10 років і має за плечима понад 100 впроваджень, а значна частина функціональності формувалася на основі реальних проєктів українських мереж — продуктових, аптечних, DIY, дитячих, магазинів краси та алкогольного ритейлу. Завдяки цьому рішення враховує локальну специфіку та адаптується під різні формати бізнесу — від невеликих мереж до великих компаній із власними розподільчими центрами.

Як це працює на практиці, видно на прикладі мережі «Будинок Іграшок» — понад 50 магазинів у 18 містах. Після впровадження ABM Inventory втрачені продажі скоротилися на 26%, а доступність SKU вийшла на 98%. Паралельно мережа перевела замовлення на повну автоматизацію, скоротила надлишки на 19% і наростила зіставні продажі (LFL) на 10%. Докладніше — у кейсі «Будинок Іграшок».

Висновки

Повністю позбутися Out-of-Stock неможливо: попит змінюється, постачання може затримуватися, а в операційних процесах завжди залишається ризик помилок. Тому реалістичне завдання ритейлера — зробити OOS контрольованим і прогнозованим: бачити ризик заздалегідь, розуміти його причину та реагувати ще до того, як покупець зіткнеться з порожньою полицею. Для цього важливо контролювати весь процес — від прогнозування попиту й формування замовлення до постачання та поповнення полиці.

У масштабі мережі з тисячами SKU та десятками магазинів такий контроль вимагає автоматизації. Саме тому система автоматизації управління запасами ABM Inventory стає базовим інструментом сучасного ритейлу: вона бере на себе прогнозування попиту, розрахунок потреби та формування замовлень, а команді залишає аналіз і рішення. У результаті управління запасами переходить від щоденного ручного контролю до системного процесу, заснованого на даних.