Tatsiana BandziukAnalityka w handlu i modzie

Nowe krzywe rozmiarów dla marki odzieży męskiej po dwóch sezonach braków

Marka odzieży męskiej przeliczyła krzywe rozmiarów po dwóch sezonach, w których najpopularniejsze rozmiary szybko się wyprzedawały. Przed obliczeniem z historii sprzedaży usunięto tygodnie z brakami towaru i zwroty, a krzywe policzono osobno dla każdego rynku.

zanonimizowana ilustracja dashboardu · schemat, dane poglądowe

Wyzwanie: krzywe rozmiarów zniekształcone przez braki towaru

Dwa sezony braków towaru nauczyły krzywe rozmiarów złej lekcji: rozmiary, które się wyprzedały, w danych wyglądały na mało popularne, więc kolejne zamówienia jeszcze je zmniejszały.

  • Braki towaru zapisane w danych jako niski popyt
  • Zwroty liczone jako sprzedaż
  • Jedna krzywa rozmiarów dla wszystkich rynków

Co zrobiono, aby przeliczyć krzywe rozmiarów odzieży męskiej

01

Oczyszczenie historii sprzedaży

Usunięte tygodnie z brakami towaru i zwroty.

02

Krzywe rozmiarów dla każdego rynku

Policzone według kategorii i kroju.

03

Monitoring kompletności rozmiarów

Cotygodniowa kontrola niepełnych rozmiarówek.

Wyniki projektu krzywych rozmiarów w liczbach

−27%

niepełnych rozmiarówek

+9p.p.

udziału sprzedaży w pełnej cenie

Narzędzia w projekcie krzywych rozmiarów

Model krzywych rozmiarów w Excelu

Oczyszczona historia i krzywe dla rynków.

Widok kompletności rozmiarów w Power BI

Monitoring co tydzień.

Powiązana usługa: planowanie asortymentu i zarządzanie asortymentem

Krzywe rozmiarów i kolorów liczone z oczyszczonej historii sprzedaży, osobno dla każdego rynku.

krzywe rozmiarówbraki towaruzwroty
Umów konsultacjęPowiązana usługa

Wyprzedany rozmiar to nie jest niepopularny rozmiar.

Powiązane artykuły o analityce w handlu

Krzywe rozmiarów odzieży męskiej — pytania o projekt

Projekt trwał cztery tygodnie. Obejmował oczyszczenie historii sprzedaży, przeliczenie krzywych rozmiarów dla każdego rynku oraz wdrożenie cotygodniowej kontroli niepełnych rozmiarówek.

Potrzebna była historia sprzedaży i zapasów według rozmiaru, rynku, kategorii i kroju z dwóch ostatnich sezonów, razem ze zwrotami. Dane o zapasach pozwoliły wskazać tygodnie z brakami towaru i usunąć je z historii przed obliczeniem krzywych.

Zamówienia opierają się na krzywych policzonych osobno dla każdego rynku, kategorii i kroju, a nie na jednej krzywej dla wszystkich. Wyprzedane rozmiary nie są już traktowane jako mało popularne. Kompletność rozmiarówek jest sprawdzana co tydzień w Power BI.

Case study z analityki w handlu i modzie