Prodajna podjetja se slej ko prej srečajo z vprašanjem preučevanja korelacije prodaje med izdelki oz. preučevanjem t.i. križne prodaje (cross sales). Pristopov je zagotovo več, od enostavnejše vizualizacije do naprednejših statističnih metod. Prednost rešitev TIBCO Spotfire® je v tem, da omogočajo oboje. V praksi običajno poizkusimo z enostavnejšimi rešitvami in tu je ena izmed takih, ki kombinira različne funkcionalnosti TIBCO Spotfire® orodja za enostavno reševanje relativno kompleksnega problema.
Izziv
Izziv pri analizi košarice dobrin je pogosto v tem, da zahteva podatke na najnižjem možnem nivoju. To je posameznega računa in vseh njihovih postavk. Teh podatkov je v primeru velikih trgovskih sistemov lahko tudi več milijard. Rešitve TIBCO Spotfire® omogočajo obdelavo zelo velikih količin podatkov, obdelava slednjih pa je zelo hitra zaradi in – memory tehnologije.
Drugi izziv je enostaven odgovor na vprašanja:
- Kateri so tisti izdelki, ki so se prodali skupaj z izbranim izdelkom?
- Kakšna je bila pogostost skupne prodaje izbranega izdelka z vsemi ostalimi?
- Kdo je bolj uspešen pri križni prodaji in kdo manj?
Kako so bile uporabljene rešitve TIBCO Spotfire®
Za rešitev tega problema so bile uporabljene naslednje funkcionalnosti rešitev TIBCO Spotfire®
- Vizualizacija velikega števila podatkov, saj so uporabljeni podatki na nivoju računa in postavke.
- Kombinacije uporabe »tag« funkcije, enostavne Iron Python skripte in izračunanih stolpcev, saj je treba pripraviti izbor ne le izbranega izdelka (kar enostavno omogoča marking) temveč izbor tudi vseh ostalih izdelkov, ki so se skupaj z izbranim pojavljali na računih.
Primeri rešitev
Primer na naslovni sliki je zelo enostaven prikaz križne prodaje. Klik na izbran izdelek, kjer prikazujemo količinsko prodajo in število računov v izbranem obdobju (podatki so lahko filtrirani ali pa ne), nam določa primarni izdelek, ki ga želimo primerjati z vsemi ostalimi, kateri so se prodajali skupaj z njim na računih.
Zgolj markiranje v tem primeru ne zadostuje, saj s tem markiramo le izbran izdelek, ne pa številko računa. Uporabimo preprosto skripto, s katero pripišemo vsem računom in s tem izdelkom kriterij (uporabimo funkcijo »tag«), na podlagi katerega prikažemo podatke v desni vizualizaciji »Košarica za izbran izdelek«.
Podatki v desni vizualizacij so lahko poljubno prikazani, v tem primeru je bila rešitev taka. Površina pravokotnika je enaka odstotku, v katerem se je nek drug izdelek pojavil skupaj z izbranim izdelkom
Največji pravokotnik predstavlja sam izbrani izdelek. Ta ima korelacijo sam s sabo in zato % v višini 100 %. Prikazujemo ga zgolj za lažjo prestavo razmerij z ostalimi izdelki.
Vsak naslednji izdelek pa ima manjše deleže. Naš drugi največji pravokotnik tako predstavlja izdelek, ki se je najbolj pogosto pojavljal skupaj z izbranim izdelkom in tako naprej.
Hiter zaključek z enim klikom na posamezen izdelek torej je: izbranega izdelka smo v izbranem obdobju prodali v skupni količini 1.387 kosov, za kar smo izdali 1.298 računov. Artikel, ki se je največ prodajal z izbranim artiklom, se je na istih računih pojavil v 413 primerih oz. 32 odstotkih, kar nam na hitro sporoča površina pravokotnika. Barva pa sporoča prodano količino tega izdelka, ki je 635 kosov. V tem primeru je odtenek barve sorazmeren pogostosti križne prodaje, a ni nujno vedno tako. Lahko bi zaznali tudi izdelek, ki redko korelira z izbranim izdelkom, a se na enem računu pojavlja v velikih količinah.
Od tu naprej se pojavljajo dodatna vprašanja, posebej, če imajo zaposleni velik vpliv na križno prodajo. V spodnjem primeru je zgornji graf zgolj »razbit« po dveh prodajalcih, pri čemer ima eden dodatno prodajo omejeno na dva izdelka, drugi pa na večje število (22 v tem primeru). Cilj analitika in vodstva potem je, da ugotovi, kateri tip prodaje bolj prispeva k ciljem podjetja in skupni uspešnosti.
Drugi primeri bi bila primerjava križne prodaje v maloprodaji v dveh različnih obdobjih, pri čemer bi v vsakem obdobju različno pozicionirali izdelke v sami prodajalni in na ta način ugotavljali učinke na prodajo.
Zanimivo pri vsem skupaj je, da so ljudje v marketingu običajno prepričani, da dobro vedo, kaj se prodaja skupaj. To je v večini primerov tudi res, a čar take analitike je tudi v tem, da se odkrivajo neznani in pogosto presenetljivi vzorci križne prodaje, torej vnaprej nepoznane relacije, ki jih lahko izkoristimo sebi v prid. To pa je vir konkurenčne prednosti, upravljanje z informacijami in znanjem, katerega ne poznajo vsi.
