докторант с 01.01.2022 по настоящее время
Москва, г. Москва и Московская область, Россия
УДК 339.37 Розничная торговля. Мелкая торговля
Настоящее исследование представляет эмпирическую валидацию кластерного подхода (КП) к оценке экономической эффективности (ОЭЭ) Федеральных FMCG торговых сетей в России [1], и обосновывает применение кластерных стратегий (КС) для управления рентабельностью и потерями. В рамках работы исследованы два сценария КС: 1) КС «максимизации Валовой доходности (ВД)» и 2) КС оптимального баланса между «ВД и розничным товарооборотом (РТО)». Пилотные изменения включали матричную перекластеризацию ТТ по бенчмаркам с заменой неликвидных SKU категории FRESH на безалкогольные/слабоалкогольные напитки (БАН/САН) в холодильных горках (ХГ) и оценку влияния на операционные и финансовые KPI: • Сценарий 1 (макс. ВД): достиг существенного снижения потерь FRESH на 1,41 п.п. (>27%), но привёл к снижению выручки данной категории на 2,18% из-за агрессивного сокращения ассортимента (~32% SKU FRESH). • Сценарий 2 (ВДvsРТО): обеспечил значительный рост выручки ТТ на 5,16% и ВД на 7,57% при умеренном сокращении Потерь от лайт оптимизации АМ (~17% замены SKU FRESH). Адаптивное перепрофилирование ХГ доказало преимущество перед их радикальным сокращением, максимизируя ROI при сохранении операционных выгод. Для устойчивого роста рекомендован Сценарий 2. Сценарий 1 КС эффективен как корректирующая мера для ТТ с высокими потерями. Гибкое управление пространством ХГ для сокращения «мёртвых зон» способно повысить оборачиваемость SKU до 18,4%. При этом выявлен ряд ограничений КП ОЭЭ по достижению прогнозного повышения EBITDA на 1,54 п.п. (факт 0,22–0,54 п.п.). Модель КП ОЭЭ требует доработки в части: учёта операционных издержек при перепрофилировании или демонтаже ХГ и связанный с этим CAPEX, временного лага адаптации АМ (до 10 недель на вывод SKU ФРЕШ), учёта кросс-эластичности спроса при замене FRESH → БАН/САН, оценки доли ТТ в ТС с сложной логистикой, экстремальной волатильностью спроса, сервисов e-com и особенностей гео. При этом исследование устанавливает новый стандарт для интеграции кластерного анализа, A/B-тестирования и динамического управления ЭЭ полочного пространства в процессы операционного управления крупными сетевыми ритейлерами.
FMCG-ритейл, кластерный анализ, динамическая кластеризация, оптимизация ассортимента, управление потерями, свежие продукты (FRESH), операционная эффективность, EBITDA, холодильное оборудование (ХГ), A/B-тестирование, эмпирическое исследование, российские розничные сети
1. Коломиец В. Б. Оценка экономической эффективности федеральных FMCG розничных сетей в России: кластерный подход = Assessment of the Economic Efficiency of Federal FMCG Retail Chains in Russia: A Cluster Approach // SSRN. 2024. 27 окт. URL: https://ssrn.com/abstract=5000886 (дата обращения: 08.06.2025). DOI:https://doi.org/10.2139/ssrn.5000886
2. Коломиец В. Б. Принятие решений на основе ROILFL: новый подход к A/B-тестированию для FMCG-ритейлеров для согласования CAPEX с ростом сопоставимых продаж = ROILFL-driven decision-making: a novel A/B testing approach for FMCG retailers to align CAPEX with comparable sales growth : [электрон. препринт] // SSRN. 2025. 24 мая. URL: https://ssrn.com/abstract=5276759 (дата обращения: 08.06.2025). DOI:https://doi.org/10.2139/ssrn.5276759
3. Портер М. Стратегия конкуренции: Методика анализа отраслей и конкурентов = Competitive Strategy: Techniques for Analyzing Industries and Competitors. New York : Free Press, 1998. 396 с.
4. Fildes R., Ma S., Kolassa S. Retail Analytics: Integrated Forecasting and Inventory Management for Perishable Products // Production and Operations Management. 2022. Vol. 31, № 5. P. 789–812. DOI:https://doi.org/10.1111/poms.13722 (Ссылка на DOI условна, т.к. в оригинале не указан; при наличии DOI он указывается).
5. Ковалев В. Е., Новикова К. В., Антинескул Е. А. Кластерный анализ продовольственных ритейлеров России // Управленец. 2022. № 1. URL: https://cyberleninka.ru/article/n/klasternyy-analiz-prodovolstvennyh-riteylerov-rossii (дата обращения: 08.06.2025).
6. Катермина Т. С., Макамбедджан А. А. Анализ методов кластеризации для поддержки принятия решений в розничной торговле // Математические структуры и моделирование. 2024. № 1(69). С. 69–76. DOI:https://doi.org/10.24147/2222-8772.2024.1.69-76
7. Лавренко А. Кластеризация в задачах ассортиментного планирования в торговых сетях // Управление экономическими системами: электронный научный журнал. 2011. № 29. URL: https://cyberleninka.ru/article/n/klasterizatsiya-v-zadachah-assortimentnogo-planirovaniya-v-torgovyh-setyah (дата обращения: 08.06.2025).
8. Hübner A., Kuhn H. Retail category management: State-of-the-art review of quantitative research and software applications in assortment and shelf space management // Omega. 2012. Vol. 40, № 2. P. 199–209. DOI:https://doi.org/10.1016/j.omega.2011.05.008
9. Lavoie J. R., Daim T. Technology transfer: A literature review // R&D Management in the Knowledge Era / ed. by T. Daim. Cham : Springer, 2019. Ch. 17. P. 183–201. DOI:https://doi.org/10.1007/978-3-030-15409-7_17
10. Fildes R., Ma S., Kolassa S. Retail forecasting: Research and practice // International Journal of Forecasting. 2022. Vol. 38, № 4. P. 1283–1318. DOI:https://doi.org/10.1016/j.ijforecast.2019.06.004
11. Коломиец В. Б. Описательные характеристики анализируемых ассортиментных матриц товаров категории FRESH в торговых точках розничной сети - кластерный подход = Descriptive characteristics of analyzed FRESH product assortment matrices in retail chain outlets - cluster approach : [набор данных] // Figshare. 2024. URL: https://doi.org/10.6084/m9.figshare.27083080.v1 (дата обращения: 08.06.2025). DOI:https://doi.org/10.6084/m9.figshare.27083080.v1
12. Kolomiets V. TT KPI data from the pilot and control groups of TT Scenario 1 - focus on Max Gross Income : [набор данных] // Figshare. 2025. URL: https://doi.org/10.6084/m9.figshare.29329448 (дата обращения: 08.06.2025).
13. Kolomiets V. FRESH KPI data from the TT pilot and control group of Scenario 1 - focus on Max Gross Income : [набор данных] // Figshare. 2025. URL: https://doi.org/10.6084/m9.figshare.29329502 (дата обращения: 08.06.2025).
14. Kolomiets V. KPI data from the BAN-SAN pilot and control group TT Scenario 1 - focus on Max Gross Income : [набор данных] // Figshare. 2025. URL: https://figshare.com/articles/dataset/_/29329637 (дата обращения: 08.06.2025). (Примечание: В исходном тексте не был указан DOI для этого набора, поэтому сохранен URL).
15. Kolomiets V. TT KPI data from the TT pilot and control group of Scenario 2 - focus on the balance of Gross income and RTO : [набор данных] // Figshare. 2025. URL: https://doi.org/10.6084/m9.figshare.29330006 (дата обращения: 08.06.2025).
16. Kolomiets V. FRESH KPI data from the TT pilot and control group of Scenario 2 - focus on the balance of Gross income and RTO : [набор данных] // Figshare. 2025. URL: https://doi.org/10.6084/m9.figshare.29330009 (дата обращения: 08.06.2025).
17. Kolomiets V. KPI data from the BAN-SAN pilot and control group TT Scenario 2 - focus on the balance of Gross income and RTO : [набор данных] // Figshare. 2025. URL: https://doi.org/10.6084/m9.figshare.29332943 (дата обращения: 08.06.2025).
