Er det mulig å gjennomføre en omfattende analyse av kundeservice når det gjelder mottatte inntekter eller salgsvolum? XYZ-analyse av kunder 1c-analyse av kundelojalitetsverdi av klassifiseringsparameteren.

XYZ/ABC-analyse er et nøkkelbegrep innen lagerstyring og dannelse av automatiske bestillinger fra leverandører.

Hver kjøper må forstå betydningen og kunne bruke den i programmet.

Det er mange teorier om dette emnet, så jeg skal prøve å presentere det kort. Hvis noe forblir uløst, legg igjen et spørsmål i skjemaet nedenfor eller prøv å finne materialet selv. Selv brukte jeg en utmerket bok. En beskrivelse av ABC- og XZY-metodene begynner på side 353. En enorm mengde informasjon er tilgjengelig på nettsiden til Purchasing Management. Uten referanse til 1C og med en haug med matematikk, men mange problemstillinger diskuteres i noen detalj, inkludert ABC-analyse.

ABC

ABC-analyse er en metode som lar deg gruppere produkter etter deres betydning. Den er basert på Pareto-prinsippet – 20 % av alle varer gir 80 % av omsetningen. Eller med andre ord, pålitelig kontroll av 20 % av stillingene lar deg kontrollere systemet med 80 %.

• A - den mest verdifulle, 80% av salget
• B - middels, 15% av salget
• C - minst verdifull, 5 % av salget

Salg kan vurderes på ulike måter. Den rimeligste måten er basert på mottatt fortjeneste. De. Jo mer verdifullt et produkt er, jo mer fortjeneste gir det. Du kan også bruke omsetning eller solgt kvantum.

Som et eksempel tok jeg en ekte database fra en av våre kunder.

Genererte rapporten "ABC-salgsanalyse" (menyelementet "Rapporter / Salg / Salgsanalyse / ABC-salgsanalyse"

Her er resultatene:

Som du kan se er gruppe C størst, men samtidig ga den latterlige inntekter sammenlignet med gruppe A.

Følgelig bør disse produktene ikke gis for mye oppmerksomhet. Tvert imot, de første 10 produktene i A-klassen ga inntekter på 1,5 millioner rubler. Det er klart at du må jobbe ideelt med dem - se etter de beste leverandørene, opprettholde en konstant balanse på lageret og engasjere deg i markedsføring.

Se også:

XYZ

XYZ-klassifiseringen viser hvor konsekvent et produkt selges.

For å gjøre dette beregnes variasjonskoeffisienten for hvert produkt, som viser hvor mange prosent i gjennomsnitt salget i hver periode avviker fra gjennomsnittlig salg av dette produktet. Hvis koeffisienten er null, betyr det at hver uke (eller måned, avhengig av hvilken frekvens du velger for analyse) selges produktet på samme måte. Jo høyere forholdet er, desto mer ustabilt er salget for dette produktet.

Jo mer konsekvent et produkt har solgt tidligere, jo mer nøyaktige vil prognosene for fremtiden være. Derfor, for varer med en liten koeffisientverdi, kan du lage bestillinger til leverandører basert på data om gjennomsnittlig salg.

Klasse X inkluderer produkter som selges konsekvent i den valgte perioden, klasse Y inkluderer produkter med gjennomsnittlig salgsstabilitet. Produkter som selges svært sjelden er klassifisert som klasse Z.

• Anbefalte prinsipper for arbeid med varer avhengig av klasse:
  • X. produktet er preget av stabilitet i etterspørselen. Hovedoppgaven til innkjøpsavdelingen er å ta med nøyaktig like mye varer som selges, for ikke å skape overskudd på lageret (just-in-time teknologi). Nesten samme mengde selges hver periode.
  • Y. et produkt som er gjenstand for ulike trender (sesongvariasjoner, vekst eller nedgang i etterspørselen på grunn av mote/reklame osv.). Hovedoppgaven for entreprenøren er å tenke med hodet når han lager en ordre til leverandøren.
  • Z. et produkt hvis salg ikke kan forutses. Ingen prognose er mulig.

Rapport om XYZ/ABC-salgsanalyse i 1C: Trade Management 10.3

Start rapporten via menypunktet "Rapporter / Salg / Salgsanalyse"

For å generere en rapport må du angi følgende innstillinger:

• 1. Sluttdato for perioden (i eksempelet 31.12.2012)
• 2. Antall perioder analysert. Det gir ingen mening å beregne variasjonskoeffisienten over et lite antall perioder. Derfor er det bedre å ikke bruke en mengde mindre enn 10.
• 3. Frekvens. Hvis du velger en uke, sørg for at sluttdatoen angir datoen som faller på slutten av uken. Du kan ikke sette 12/31/12, fordi Det er mandag. Trengs 30.12.12.
• 4. Den analyserte parameteren er fortjeneste eller inntekt, alt etter som du finner passende.
• 5. Analysert objekt - nomenklatur (rapporten lar deg klassifisere kunder på samme måte)
• 6. Klikk på «Innstillinger...»-knappen på «Klasser»-fanen, sett grensene for å definere klasser
  • 1C kategoriserer som standard produkter i klasser som følger:
    • fra 0 til 20 % - X-klasse
    • fra 20 % til 50 % - Y
    • mer enn 50 % - Z
  • I salget til selskapet hvis data jeg brukte, ble ingenting klassifisert som X-klasse, bare 4 produkter ble klassifisert som Y, og alt annet ble klassifisert som Z. Derfor endret jeg grensene:
    • X - opptil 100 %
    • Y - fra 100 % til 200 %
    • resten er i Z.
  • Du må bestemme grensene som er komfortable for deg.

Slik ser den genererte rapporten ut:

• Rapportkolonner:
  • «Andel» er produktets andel av det totale salget. Eksemplet viser at produkt nr. 1616 ga 0,71 % av den totale årlige omsetningen.
  • "Inntektsbeløp", "Antall solgte varer", "Antall salg" - feltene velges ved å bruke knappen "Innstillinger..." på fanen "Generelt"
  • «Gjennomsnittsverdien av analyseparameteren» er total inntekt delt på antall perioder.
  • "Variasjonskoeffisient" er selve koeffisienten som produktet fordeles i grupper på grunnlag av.

Det kan sees at produkt nr. 1616 falt i gruppe X med en variasjonskoeffisient på 21 %.

Du kan forsikre deg om at produktet faktisk selges regelmessig gjennom en salgsrapport generert per måned:

• Noen generelle kommentarer om ulike varegrupper fra Sterligovas bok (s. 374)
  • I et tradisjonelt handelsforetak med varer indikerer fraværet av varer i AX- og AY-gruppene mangelen på en stabil og effektiv arbeidskarakter.
    • Dessuten bør de fleste av selskapets produkter være i disse gruppene.
  • Du må bruke anbefalinger for XYZ-grupper med et øye på ABC-gruppen. Så hvis du for eksempel tar med deg nøyaktig like mye varer fra gruppe A som det selges, vil en uventet forsinkelse i leveranser forårsake betydelig skade.
  • Akkumulering av varer i AZ-gruppen kan føre til frysing av betydelige midler på lageret. På den annen side kan denne gruppen ikke stå helt uten levninger, pga det gir tross alt en god inntekt.
  • CX er den viktigste testplassen for å teste "just in time" leveranser, fordi feil vil ikke føre til store tap for organisasjonen.

Kort beskrivelse av hver klassifiseringsgruppe:

Kundelojalitet bør betraktes som et sett med parametere som karakteriserer deres oppførsel (volum og konsistens av kjøp) og oppfatning av leverandøren av varer og tjenester. Å måle disse parameterne krever ikke bare akkumulering av betydelige mengder informasjon om salg og kunder, men også bruk av ulike databehandlingsverktøy. Som et resultat bygger programvareproduktleverandører inn i dem ulike mekanismer som lar dem samle og oppsummere informasjonen som er nødvendig for å analysere kundelojalitet og formulere nødvendige ledelsesbeslutninger. La oss se på dem ved å bruke eksemplet med den nye (10.2) utgaven av "Trade Management"-konfigurasjonen av "1C:Enterprise 8.0"-programsystemet.

E. Shuremov, doktor i økonomi n.

Atferdsmessig lojalitet

Grunnlaget for å måle atferdslojalitet er salgsrekorder. Trade Management-konfigurasjonen har ulike verktøy for å samle og oppsummere slike data. I denne forbindelse er det spesielt verdt å fremheve ABC- og XYZ-analyseverktøyene som er implementert i den.

ABC-analyse brukes til å klassifisere kunder i tre grupper basert på deres betydning. Den første gruppen inkluderer de som kollektivt bringer hoveddelen av inntektene (ankommet). Den andre gruppen inkluderer disse klientene anskaffelse hvilken relativt liten , men genererer fortsatt en betydelig del av inntektene. Den tredje gruppen inkluderer klienter som utfører mindre eller engangskjøp. Inndeling av klienter i grupper kan brukes som en veiledning for å ta beslutninger om differensiering av rabatter gitt til dem, størrelsen på handelskreditt, fastsettelse av spesielle bonuser, etc.

Kunder kan også klassifiseres etter stadier i forholdet til dem, for eksempel potensiell, engangs-, vanlig og tapt kunde.

Hvis en klient foretok et lite antall kjøp i løpet av den analyserte perioden, tilhører han klassen "Engangskjøper". Dersom en viss kjøpsterskel overskrides, blir klienten en vanlig kjøper. Ved å bruke XYZ-analyseverktøyene implementert i konfigurasjonen, deles vanlige kunder inn i tre underklasser avhengig av verdien av variasjonskoeffisienten til den valgte indikatoren (inntekt, fortjeneste, antall kjøp, etc.) beregnet for en viss tidsperiode. Små verdier av variasjonskoeffisienten indikerer stabilitet av kjøp og derfor høy atferdslojalitet til klienten for det valgte tidsintervallet. Høye verdier, tvert imot, indikerer visse problemer i forholdet til denne klienten.

Med tanke på å vurdere kundelojalitet er det spesielt interessant å studere historier om forholdsendring med ham. For eksempel, ved å bruke XYZ-analysedata innhentet for forskjellige perioder, kan du spore dynamikken i kundebevegelser fra en kategori til en annen. Noen blir en vanlig kunde - hans lojalitet øker, mens for andre tvert imot synker lojaliteten og kjøpene blir mindre stabile. I sistnevnte tilfelle er det nødvendig å iverksette ytterligere tiltak for å øke kundens interesse i forholdet til selskapet.

For å gjøre det lettere for brukere å løse problemene med å overvåke dynamikken i endringer i kundeatferdslojalitet, har den nye utgaven av "Trade Management"-konfigurasjonen innebygd muligheten til å dokumentere og lagre historikken til endringer i ABC og XYZ klassifisering av kunder. Dette tillater samle informasjon om endringer i kundeadferdslojalitet direkte i informasjonsbasen til systemet og forenkler analysen over lange tidsintervaller.

Opplevd lojalitet

Når man vurderer denne typen lojalitet, er hovedverktøyet spesielt metoder for å kartlegge forbrukere og behandle relevante personopplysninger . Bruk av slike verktøy, for eksempel SERVQUAL tjeog dens variasjoner, kan gi interessante og praktisk viktige konklusjoner. For eksempel, ifølge ulike studier, påvirker ikke tilfredshet lojalitet direkte: misnøye garanterer illojalitet, men bare maksimal tilfredshet sikrer lojalitet. Samtidig er det stor sannsynlighet for at delvis fornøyde kunder skifter leverandør. Og dette til tross for at deres oppførsel (volum og konsistens av kjøp i en gitt periode) ser ut til å indikere lojalitet.

Kundeundersøkelser krever innsamling og behandling av betydelige mengder informasjon. Derfor er regelmessig bruk av SERVQUAL-metoder bare mulig hvis undersøkelsesprosessen er satt på industriell basis og støttet av informasjonsteknologi.

Med dette i betraktning, har den nye utgaven av "Trade Management"-konfigurasjonen innebygde spesialverktøy, for eksempel verktøy for å automatisere generering av spørreskjemaer, distribusjon av dem og mottak av resultater via e-post. For dette formålet er det mulig å generere og lagre lister med spørsmål og standard spørreskjemaer, automatisk distribuere spørreskjemaer til spesifiserte lister, velge spørreskjemaer sendt av klienter fra strømmen av elektronisk korrespondanse, registrere dem og analysere resultatene av spørreskjemaet.

Dermed gir "Trade Management"-konfigurasjonen til "1C:Enterprise 8.0"-programsystemet bedriftens markedsføringstjenester de utviklede verktøyene som er nødvendige for å analysere kundelojalitet og utvikle ledelsesbeslutninger som tar sikte på å øke effektiviteten i samhandlingen med dem.

Vi snakket om hvordan du analyserer salgseffektiviteten til ulike produkter og hvordan du fremhever de prioriterte varene i nettbutikken din som genererer mest inntekt. Mulighetene til UT 11 er imidlertid ikke begrenset til analyse av nomenklatur.

I 1C UT 11-konfigurasjonen er det mulig å klassifisere klienter etter de samme kriteriene: attraktivitet (ABC) og lojalitet (XYZ). Og når som helst vil du kunne bestemme hvilke kunder som er den mest lønnsomme virksomheten på det nåværende stadiet, og hvilke kunder som kjøper mest konsekvent.

Hvordan kan du identifisere fra den generelle listen over kunder de som kjøper mest konsekvent og gir størst fortjeneste?

ABC-analyse er basert på Pareto-prinsippet, eller 20/80-loven: 20 % av handlingene gir 80 % av resultatet.

Når det gjelder en nettbutikk, vil regelen for salg være: 20 % av kundene gjør kjøp som gir butikkeieren 80 % av overskuddet, de resterende 80 % av kundene gir kun 20 % av overskuddet.

XYZ-analyse klassifiserer kunder etter grad av lojalitet, vurderingen er basert på konsistensen av kjøpene. Det er flere stadier av kundeforhold:

• Potensiell klient
• Engangsklient
• Fast kunde
• Mistet klient

Etter å ha utført samtidig klassifisering i henhold til to kriterier, bygges BCG-matrisen - som vil vise en omfattende analyse av kundebasen. I denne rapporten er klientene delt inn i flere grupper (mer detaljer nedenfor).

For å konfigurere begge klassifiseringene, åpne "Markedsføring"-fanen og i "Service"-feltet velg "Client Classification", spesifiser visningsalternativet "Full capabilities":

Bilde 1.
Klikk på "Innstillinger"-knappen:

Figur 2.
Spesifiser klassifikasjonsparametere (inntekt, bruttofortjeneste, antall salgsdokumenter) og perioder for hver klassifisering. Lagre innstillingene dine.

Etter hver endring i innstillinger må du slette alle data for klassifiseringer basert på tidligere innstillinger. Gjør dette ved å bruke knappene "Tøm ABC-klassifisering for alle perioder" og "Tøm XYZ-klassifisering for alle perioder".

Deretter klikker du på "Utfør ABC-klassifisering for alle perioder" og "Utfør XYZ-klassifisering for alle perioder."

Nå som klassifiseringsoppsettet er fullført, la oss gå videre til resultatene.

På «Markedsføring»-fanen, i «Markedsførings- og planleggingsrapporter»-blokken, velg «BCG Matrix» og generer en rapport ved å velge byggedato. Vi vil hoppe over piktogrammene som viser komplekse kundeanalysegrupper foreløpig; vi kommer tilbake til dem litt senere.

La oss se på resultatet:

Figur 3.
Tabellen "ABC/XYZ distribusjon" viser fordelingen av klienter samtidig på tvers av begge klassifikasjonene. Antall klienter som faller inn i en bestemt klasse er angitt direkte i linjene. For å finne ut hvilke klienter som tilhører denne kategorien, klikker du bare i den tilsvarende cellen i tabellen:

Figur 4.
De to nederste tabellene viser dynamikken til endringer separat for hver klassifisering - kundeoverganger mellom kategorier innenfor valgt tidsperiode vises her.

Positive overganger (med økning i klasse) er markert med grønt, negative overganger (med nedgang i klasse) er markert med rødt.

I likhet med den generelle delen, klikker du på hver celle i tabellen, vises en liste over klienter med to verdier for klassifiseringsparameteren - for gjeldende og forrige skiver.

La oss nå gå tilbake til BCG-matrisen og vurdere den komplekse klassifiseringen av klienter:

Figur 5.
Denne typen kundebaseanalyse lar deg automatisk identifisere flere kategorier av kunder, og tilordne hver til en separat gruppe for klarhet:

• "Stjerner"– kunder som kjøpte uventet mye. Dette inkluderer klienter som tilhører klasse A og Z samtidig. De. klienten gjør store kjøp, men er ikke stabil. Hovedmålet med å jobbe med slike klienter er å overføre dem til gruppen av faste klienter, det beste personellet og så mange ressurser som kreves bør tildeles dette.

• "Kyr"– det viktigste laget av kunder og støtten til nettbutikken. Dette inkluderer klienter som tilhører klasse A og X. Strategien for å jobbe med dem er å oppfylle alle forpliktelser i tide og uten problemer, uten å måtte hoppe over hodet for å vinne dem. De er allerede dine.

• "Hunder"– kunder som kjøper regelmessig, men for små beløp. Dette er henholdsvis C- og X-klasser av klienter. Du kan overføre ressurser fra dem til de to foregående klassene, dette vil ikke føre til spesielle tap.

• "Spørsmål"– dette er alle andre kunder som ikke faller inn i noen av de ovennevnte kategoriene. De bør behandles mer forsiktig, siden de i fremtiden kan vokse til en "stjerne" eller til og med en "ku".

Det mest fordelaktige for butikkeiere er overgangen til kunder fra gruppen av "stjerner" til gruppen "kyr", noe som gjør det mulig å gi dyre innkjøp større stabilitet.

Å bringe tapte kunder tilbake inn i prosessen kan også være et av de viktige områdene for forretningsutvikling.

En slik kundeanalyse, hvis den utføres med tilstrekkelig hyppighet, vil tillate deg å spore hvordan kundebasen til nettbutikken din utvikler seg og raskt svare på endringer og overgangen til kunder fra en gruppe til en annen.

Atferdsmessig kundelojalitet kan vurderes ved å analysere salgsdata. I den typiske konfigurasjonen av 1C: Trade Management 8, implementeres ulike verktøy for å akkumulere og behandle slike data. En av dem er ABC- og XYZ-analyse.

ABC-analyse brukes til å klassifisere kunder etter viktighet. Det fungerer som følger. Alle kunder er delt inn i tre grupper:

• den første inkluderer de som bringer inn en betydelig del av inntektene;
• for det andre de som gjør små kjøp, men regelmessig;
• for det tredje de som er mindre eller engangskjøp.

Dette verktøyet kan brukes som en guide for å lage et system med rabatter, bestemme mengden av handelskreditt osv.

I tillegg kan klienter klassifiseres i henhold til stadiene i forholdet til dem:

• konstant,
• potensiell,
• en gang,
• eller mistet klient.

Hvis en klient har gjort et lite antall kjøp over en viss tidsperiode, kan han klassifiseres i gruppen "Engangskjøper". Hvis det angitte antallet kjøp i løpet av den analyserte perioden overskrides, går kjøperen fra gruppen "Engangskunde" til gruppen "Vanlig kunde".

XYZ-analyse implementert i programmet 1C: Handelsledelse 8, lar deg dele kunder i tre klasser avhengig av verdien av koeffisienten som gjenspeiler den relative indikatoren for inntekt, antall kjøp osv.

Det er XYZ-analysedataene som er interessante for å studere i forskjellige tidsperioder, siden de lar deg tydelig vurdere endringen i atferdslojaliteten til kunder når de beveger seg fra gruppe til gruppe, samt utvikle et sett med tiltak rettet mot øke kundeinteressen for produktet.

Opplevd kundelojalitet

Denne indikatoren vurderes ved å gjennomføre ulike forbrukerundersøkelser og bearbeide data fra innkomne svar. Og slike verktøy er i programmet 1C: Handelsledelse 8, slik at du kan automatisere:

• utforming av spørreskjemaer,
• sende dem ut og motta svar via e-post,
• behandle de oppnådde resultatene.

Dermed programvareproduktet 1C: Handelsledelse 8 er ikke bare et effektivt middel for lagerregnskap, men også et uunnværlig verktøy i utviklingen og gjennomføringen av markedsundersøkelser, som senere lar oss utvikle en kompetent forretningsstrategi som tar sikte på å øke effektiviteten av interaksjon med kunder, og dermed fortjeneste.

For enhver virksomhet rettet mot langsiktig forretningsutvikling er det viktig å lagre og analysere ulike opplysninger om kunden, spore alle stadier av forholdet til kunden, analysere lønnsomhet og lønnsomhet for hver kunde, region, marked og produktgruppe.

Identifisering av strategisk viktige partnere (kjøpere) vil tillate oss å utvikle en fleksibel ordning for å jobbe med denne sektoren: inngå langsiktige kontrakter, personlige rabatter og priser, tilleggsbetingelser under kontrakter, minimal kontroll over vilkårene og gjeldsbeløpene.

Identifisering av det mest/minst etterspurte sortimentet av varer (produkter) vil gjøre det mulig å bestemme nivået på nødvendige lager, identifisere grupper hvis salg er mer hensiktsmessig etter forhåndsavtale med kjøpere, og gradvis fjerne grupper med lav etterspørsel og tilfeldig forbruk fra sirkulasjon.

Programvareproduktet "1C: Manufacturing Enterprise Management" automatiserer prosessen med å innhente denne viktigste administrasjonsinformasjonen ved å bruke to kategorier:

• ABC-klassifisering – klassifisering i henhold til graden av attraktivitet til kjøpere.
• XYZ klassifisering av kunder - klassifisering i henhold til stadier av relasjoner med kunder.

Disse klassifiseringsverktøyene er ment å formulere en kundeforholdsstrategi.

Vi vil gjennomføre en ABC- og XYZ-analyse ved Romashka LLC-bedriften for perioden fra 05/01/2013 til 30/06/2013.

Klassifisering av klienter i "1C:UPP 8" etter attraktivitet (ABC-klassifisering)

ABC-klassifisering i 1C:UPP 8 er basert på Pareto-regelen: et relativt lite antall årsaker (20%) er ansvarlige for flertallet av mulige resultater (80%). Hvis vi bruker dette prinsippet på problemet med kunderelasjoner, er regelen: 20 % av kundene gir 80 % av inntektene (og omvendt gir 80 % av kundene kun 20 % av inntektene). Hvis det brukes på produksjonsvolumet, blir 80 % av salgsvolumet gitt av 20 % av sortimentet.

Det er viktig for en bedrift å allokere disse 20 % til seg selv både når det gjelder kunder og vareutvalget for å bestemme forretningsutviklingsstrategien.

Derfor er det fornuftig for en kontoansvarlig å fokusere sin hovedinnsats på å tiltrekke og beholde store kunder. Og selskapet skal tilby store kunder spesielt gunstige betingelser for samarbeid.

ABC-klassifisering lar deg dele kunder inn i tre viktige grupper:

• høy (klasse "A");
• gjennomsnitt (klasse "B");
• lav (klasse "C").

Muligheten til å utføre denne analysen er aktivert i "Regnskapspolicy (Administrasjonsregnskap)" på fanen "Kundeklassifisering" - "ABC-klassifisering":

I denne innstillingen velger du hovedparameteren som programmet skal klassifisere kunder på grunnlag av. Programmet tilbyr følgende alternativer:

• Etter inntektsbeløpet – inntektsbeløpet tas lik det totale salgsbeløpet, eksklusive merverdiavgift.
• Ved mengden bruttofortjeneste - beløpet beregnes som salgskostnaden redusert med kostnaden for solgte varer (produkter).

Merk. Når du analyserer disse parameterne, vurderes alle handelsoperasjoner utført i løpet av den angitte perioden (salg av varer, produkter, arbeider, tjenester).

For å tilordne en bestemt klasse til kjøpere, bruker programmet dokumentet "ABC klassifisering av kjøpere":

Meny: “Sales Management”-grensesnitt - CRM-meny

Overskriften på dokumentet angir datoen kjøperens klasse ble bestemt.

La oss begynne å jobbe med dokumentet fra fanen "Parametere":

• Feltet "Fordelingsparameter (fra regnskapsprinsipp)" viser verdien av parametersettet i regnskapsprinsippet (styringsregnskap).
• I "Distribusjonskriterier"-feltene må du angi dataene for klassedistribusjon.

Viktig! Summen av de angitte parameterne må være 100 %.

Verdien spesifisert i hvert felt er grensen for å inkludere kjøper i en bestemt klasse. For eksempel inkluderer C-klasse kjøpere hvis inntekter utgjør opptil 10 % av den totale salgsinntekten.

Denne fanen angir perioden analysen utføres for.

Tabelldelen fylles ut automatisk ved å klikke på "Fyll"-knappen basert på data om inntekter mottatt fra hver kunde for den angitte perioden:

For å gjøre det enklere å sjekke de mottatte dataene, kan du bruke "Bruttofortjeneste"-rapporten:

Informasjonen som mottas for hver motpart kan også detaljeres ved å bruke "Go"-knappen:

Dette dokumentet kan redigeres manuelt: legg til eller slett linjer, endre kundeklasse. For eksempel, hvis det ble mottatt lite inntekter fra en kunde i en gitt periode, men kunden er lovende, kan det tas en beslutning om å gi ham (manuelt) en høy klasse.

Pilikonet viser at det i en gitt periode var en økning i klassen (pilen peker opp), en nedgradering i klassen (pilen peker ned) eller det var ingen endring i klassen (pilen er plassert horisontalt).

Klassen til hver klient kan sees:

For hver klient vil det også bli lagret en historikk over klasseendringer i informasjonsregisteret "Liste ABC-klassifisering av kunder". Den kan sees fra dokumentet "ABC-klassifisering av kjøpere" ved å klikke på "Historikk"-knappen:

Klassifisering av 1C:UPP-klienter etter relasjonsstadier (XYZ-klassifisering)

I henhold til stadiene i utviklingen av relasjoner med kunder (frekvens og volum av kjøp gjort), identifiserer programmet følgende kategorier av kjøpere:

• Potensielle kjøpere er kjøpere som er i kundebasen (oppført i «Motparter»-katalogen), som det ikke var noen forsendelser for i den angitte perioden.
• Engangskjøpere er kjøpere som har gjort et minimum antall kjøp i løpet av en periode (denne verdien settes av organisasjonen uavhengig).
• Vanlige kunder er kunder som har gjort mer enn minimumsantallet kjøp i løpet av en periode.
• Tapte kunder er kjøpere hvis volum og frekvens av kjøp stadig synker.

Vanlige kunder blir på sin side klassifisert i henhold til kjøpsfrekvensen:

• stabile kjøp – X-klasse;
• uregelmessige kjøp – Y-klasse;
• sporadiske kjøp – Z-klasse.

Automatisk vurdering av relasjonsstadier og bestemmelse av XYZ-klassifisering i programmet gjenspeiles i dokumentet "Klassifisering av kjøpere etter relasjonsstadier".

"Parameters"-fanen:

• Denne fanen angir hvor mange kjøp kjøperen må gjøre for å komme til «Engangskjøper»-stadiet. I vårt eksempel vil vi fastslå at hvis klienten kun foretok ett kjøp i løpet av den angitte perioden, er han en engangskjøper.
• Også for vanlige kunder er den relative variasjonskoeffisienten angitt her. Basert på denne koeffisienten tildeles klienten en eller annen fase av forholdet.

Variasjonskoeffisienten bestemmer stabiliteten (stabiliteten) til den angitte variasjonsserien. Grunnlaget for å beregne koeffisienten og bestemme bærekraftsklassen til vanlige kunder er parameteren som er etablert i regnskapspolicyen (administrasjonsregnskap) på fanen "Kundeklassifisering":

I vårt eksempel vil vi ta mengden bruttofortjeneste som grunnlag for analyse.

Merk! Jo lavere variasjonskoeffisienten er, desto mer stabil vurderes forholdet til en gitt klient, og jo høyere klasse som tildeles den.

Det antas at hvis variasjonskoeffisienten overstiger 33%, anses befolkningen som ustabil og prognoser kan ikke lages basert på slike data.

Merk. Ved analyse av disse parameterne vurderes kun handelsoperasjoner for salg av varer og produkter utført i løpet av den angitte perioden (salg av tjenester er ekskludert fra den valgte distribusjonsparameteren).

Meny: «Distribusjon»-fanen

• "Frekvens"-feltet angir hvor ofte informasjonen analyseres.
• "Antall perioder"-feltet angir antall perioder som skal analyseres.
• «Sluttdato»-feltet indikerer slutten av den analyserte perioden.

Basert på dataene vist i figuren kan vi konkludere med at perioden som analyseres er for mai-juni 2013.

"Distribusjon"-fanen fylles ut automatisk ved å klikke på "Fyll"-knappen basert på den valgte parameteren (i vårt eksempel er det "Bruttofortjeneste"). Kolonnen "Parameter (verdi)" gjenspeiler bruttofortjenesten mottatt fra hver kjøper for mai-juni 2013:

Under distribusjon blir alle kunder automatisk delt inn i relasjonsstadier basert på den valgte parameteren og den beregnede variasjonskoeffisienten. Den vanlige kjøperen blir på sin side tildelt en XYZ-klasse. Brukeren kan manuelt endre kjøperens stadium eller XYZ-klasse, samt slette eller legge til linjer. I tillegg, i «Motpart»-kolonnen, viser ikoner for hver kjøper endringen i trinn med gjeldende kjøper.

Fra den resulterende distribusjonen ser vi at «Vanlig kjøper»-stadiet (fra vår tilstand er dette mer enn 1 kjøp i løpet av perioden) inkluderer kjøper 1 og kjøper 2. «Engangskjøper»-stadiet (1 kjøp i perioden under vurdering) inkluderer kjøper 3 og kjøper 4. Stadiene ble tildelt basert på stabiliteten til den vurderte indikatoren "Bruttofortjeneste".

Vanlige kunder ble tildelt klasser avhengig av hyppigheten og volumet av kjøp som ble gjort.

For å analysere og kontrollere de oppnådde resultatene, kan du bruke "Bruttofortjeneste"-rapporten. La oss inkludere "Bevegelsesdokument (opptaker)" i grupperingen av rapportlinjer.

La oss analysere resultatene oppnådd for vanlige kunder.

Bruttofortjeneste for dokumentet "Klassifisering av kjøpere etter stadier av forhold" beregnes som:

Bruttofortjeneste (RUB) = Salgskostnad (RUB) inkludert MVA – Kostpris (RUB).

I bruttoresultatrapporten er denne indikatoren beregnet som følger:

Bruttofortjeneste (rub.) = Salgskostnad (rub.) Uten moms – Cost (rub.).

Indikatorer for beregninger med detaljer for solgte varer og registreringsdokumenter kan fås ved å bruke "Bruttofortjeneste"-rapporten:

Så, for vår analyse, var bruttofortjenesten for kjøper 1: 84 000 rubler. – 56 000 = 28 000 gni.

For kjøper 2: 517 500 – 345 000 = 172 500 rubler.

Vi mottok disse dataene i «Parameter (verdi)»-kolonnen:

Deretter, basert på stabiliteten til denne indikatoren, beregner programmet "variasjonskoeffisienten". Videre, når du beregner koeffisienten, vil programmet også ta hensyn til stabiliteten til utvalget av varer som selges til en gitt kjøper.

Ved å klikke på "Historikk"-knappen i dokumentet kan du også se historikken for endringer i stadiene til den gjeldende motparten. Ved bokføring av et dokument opprettes det oppføringer i informasjonsregisteret «Stadier av forhold til motparter» fra datoen for dokumentet.

Basert på dataene som er registrert i systemet, kan du bygge en rapport "Analyse av stadier av relasjoner":

Meny: "Sales Management"-grensesnitt – CRM-meny

ABC salgsanalyse. XYZ/ABC salgsanalyse

Hvis bedriften ikke har til oppgave å lagre historikk og analysere dynamikken i endringer i klassen og stadiene av forhold til kunder og bare krever innhenting av data for en bestemt dato, kan du ikke opprette dokumentene beskrevet ovenfor, men bruke rapportene "ABC-salgsanalyse", "XYZ/ABC-salgsanalyse":

Meny: "Salgsadministrasjon"-grensesnitt - "Salg"-meny

Rapporten "ABC Sales Analysis" lar deg klassifisere 3 typer objekter: Motparter, Nomenklatur, Kjøperansvarlig:

Velg distribusjonsparameteren i feltet "Analyseparameter" i rapportoverskriften fra følgende alternativer:

I rapportinnstillingene (kalles opp av "Innstillinger"-knappen på fanen "Generelt"), velg indikatorene som skal vises i rapporten:

På kategorien ABC-klasser må du spesifisere kriteriene for fordeling etter klasse:

Som et resultat kan vi få følgende rapportalternativer:

Rapporten "XYZ/ABC-salgsanalyse" kombinerer 2 typer analyser: etter attraktivitet (ABC) og stadier av relasjoner (XYZ). Oppsett av rapporten gjøres på samme måte.

Som et resultat av en slik analyse er det mulig å trekke konklusjoner om verdien for selskapet til spesifikke kunder og utvalget av varer (produkter, tjenester) som selges. Optimal fordele innsats og organisere arbeidet til ansatte med ansvar for salg og kundeservice.