Почему «отвезти 2000 футболок на маркетплейс» — задача сложнее, чем кажется: реальная боль распределения

Хотим обсудить "боль" в чатах продавцов, которую почти никогда не разбирают подробно: распределение партии товара между площадками и складами.

Звучит скучно. На практике именно эта тема стоит продавцам десятков, а иногда и сотен тысяч рублей в месяц — упущенными продажами, замороженным товаром и логистикой, которая едет «не туда».

Условный продавец одежды. Произвёл партию — 2000 футболок одной модели, шесть размеров (XS, S, M, L, XL, XXL). Торгует на Wildberries и Ozon. Партия лежит у поставщика, нужно отгружать.

Первый вопрос: сколько везти на Wildberries, а сколько на Ozon. Доли продаж разные, средний чек разный, оборачиваемость разная. Что-то подсказывает: «70/30 в пользу Wildberries», но это эмпирическое чувство, а не расчёт.

Второй вопрос: в каких пропорциях по размерам. На Wildberries в этой модели почему-то лучше идут M и L, а XS и XXL — медленно. На Ozon наоборот, неожиданно хорошо берут XL. Если отправить «как обычно», по равной разбивке — на одной площадке через две недели закончатся M, а на другой будут лежать остатки XL.

Третий вопрос: на какие склады. У Wildberries — Коледино, Электросталь, Казань, Невинномысск и далее по списку. У Ozon — свои хабы. Скорость продаж в Сибири и в Москве разная для одной и той же модели. Один и тот же товар на разных складах оборачивается по-разному.

Четвёртый вопрос: когда отгружать и каким перевозчиком. У каждой логистической компании своё расписание: отправка во вторник приедет в пятницу, в четверг — в понедельник следующей недели. На «горячих» позициях даже три дня задержки означают упущенные продажи и снижение карточки в выдаче.

К концу четвёртого вопроса даже опытный продавец понимает, что «правильного» ответа без расчётов не существует. Поэтому большинство решают эту задачу на глаз. И именно это место — главное в утечке денег.

Несколько типичных сценариев, каждый из которых я видел в чатах продавцов с прямыми цифрами.

Сценарий первый — перекос между площадками. Продавец отгрузил 70% партии на Wildberries и 30% на Ozon, потому что «у меня обычно так». Через две недели на Ozon товар заканчивается, спрос есть, но поставить нечего. На Wildberries при этом лежит половина партии и медленно расходится. Упущенная выручка — десятки тысяч рублей за месяц только из-за того, что распределение было не по факту, а по привычке.

Сценарий второй — перекос по размерам. Продавец отгрузил «по равной доле каждого размера», потому что так удобно считать. Через неделю заканчиваются M и L (ходовые), а XS, S и XXL лежат. Карточка на маркетплейсе показывает «нет в наличии» в самых популярных размерах — алгоритм понижает её в выдаче. Когда продавец срочно довозит размеры, позиция уже потеряла видимость, и восстанавливать её придётся через рекламу. Прямые потери: упущенные продажи плюс расходы на восстановление позиции.

Сценарий третий — распределение по «удобным» складам. Продавец возит туда, куда привык — обычно поближе к Москве. А спрос на этот товар, оказывается, сильнее в Сибири или на юге. В итоге товар на привычном складе расходится медленно, а в регионах с реальным спросом покупатель ждёт доставку три дня лишних, что снижает конверсию.

Сценарий четвёртый — незнание расписания перевозчика. Продавец отгрузил во вторник, ожидая поставку в четверг. По расписанию транспортной компании она поехала в пятницу и приехала в понедельник. На этих четырёх «лишних» днях карточка ушла из топа выдачи — алгоритм маркетплейса считает остатки в реальном времени, и пустая карточка падает в рейтинге быстро.

Любой из этих четырёх сценариев — типичная история. Когда они складываются вместе на одной партии (а они часто складываются), потери от плохого распределения становятся больше, чем все «явные» расходы вроде комиссии и логистики.

Задача распределения партии — это, по сути, оптимизационная задача с несколькими переменными. Вот они:

— Скорость продаж по каждой площадке за последний период.
 — Скорость продаж по каждому размеру внутри площадки.
 — Скорость продаж по конкретному складу/региону внутри площадки.
 — Текущие остатки на каждом складе с детализацией по размерам.
 — Прогноз дней до окончания товара по каждой точке.
 — Сроки доставки от перевозчика до каждого склада с учётом расписания.
 — Маршруты перевозчика — в какие города он вообще ездит, а в какие нет.

Это семь переменных, каждая с своими данными. В Excel такую задачу можно решить, но она занимает несколько часов на одну партию — и решать её надо каждую неделю. Большинство продавцов либо делают расчёт раз в три месяца и пользуются им до устаревания, либо просто прикидывают на глаз и принимают потери как часть бизнеса.

Если упрощать до самого ядра, задача такая. Для каждой комбинации (площадка + склад + размер) нужно посчитать дни до окончания товара на текущих остатках при текущей скорости продаж. Те комбинации, где остатков осталось меньше всего дней — туда нужно довозить в первую очередь. Те, где остатков много — можно пропустить или сократить.

Формула расчёта для одной точки:

Если «дни до окончания» меньше, чем срок доставки от вашего перевозчика до этого склада — товар на точке закончится раньше, чем приедет следующая партия. Это та точка, куда нужно везти.

Дальше задача — распределить 2000 единиц партии по точкам так, чтобы во всех точках после поставки оставался достаточный запас на ближайший период, и никакая из точек не «голодала», пока другие переполнены.

Это решаемая задача, но она требует одновременной работы с данными по обеим площадкам, всем складам и всем размерам. Открыть личный кабинет Wildberries, потом личный кабинет Ozon, потом Excel, потом расписание перевозчика — и держать в голове семь переменных одновременно — мало кто реально делает.

Несколько практических шагов, в порядке возрастания эффективности.

Считать «дни до окончания» хотя бы укрупнённо. Даже грубый расчёт «у меня M на Wildberries закончится через 5 дней, а L на Ozon — через 20» сразу даёт правильные приоритеты для следующей поставки. Это можно делать в Excel, и это уже лучше, чем «отвезу как обычно».

Разделять партию между несколькими складами одной площадки, а не отгружать всё в один. Это снижает риск, что одна точка отгрузки «съест» всю партию, а в других регионах товар закончится. На больших партиях это даёт серьёзное снижение упущенной выручки.

Сверять расписание перевозчика с моментом отгрузки. Простой шаг, который очень многие пропускают. Если знать, что транспортная компания идёт во вторник и в пятницу — лучше готовить отгрузку под её расписание, а не «когда сами успеем».

Использовать инструмент, который считает распределение автоматически. Мы в команде ПродайБро решаем эту задачу в модуле «Единое планирование». Кратко — как он работает.

Для Wildberries сервис считает потребность каждого склада на основе средней скорости заказов и текущих остатков именно на этом складе. Если на Коледино товар расходится по 30 единиц в день, а в наличии осталось 60 — система видит, что точка «голодает» через два дня, и ставит её в приоритет. Для Ozon используется их собственный отчёт о срочности поставок — он встроен в логику расчёта.

Учитываются три типа ограничений одновременно. Первое — сколько единиц партии доступно к отгрузке (нельзя предлагать схему на 2000 штук, если на руках только 1500). Второе — желаемое распределение по площадкам: продавец может задать «30% на Ozon, 70% на Wildberries», и система будет искать оптимум внутри этого ограничения, а не игнорировать его. Третье — логистические возможности конкретного перевозчика.

Третий пункт стоит отдельного объяснения, потому что именно он чаще всего «ломает» расчёты в простых сервисах. Допустим, продавец работает с логистической компанией «Альфа». Она забирает груз из Казани в Москву только по понедельникам и вторникам, разгружает только по четвергам и пятницам, и совсем не возит в Санкт-Петербург. Если на питерском складе товар закончится первым — отправлять туда всё равно нельзя, эта компания туда не ездит. Если сегодня среда, а отгрузка нужна в Москву на этой неделе — слот в понедельник уже не успеть, а во вторник возможно поймать. Если не успеваем — следующее окно через неделю.

Эту цепочку «куда нужнее → может ли мой перевозчик туда → когда у него ближайшая отгрузка → когда фактически доедет» система распутывает за пользователя. На выходе — конкретная схема: какой склад, сколько единиц, в какой день отгружать. Без сверок календарей перевозчика с потребностью каждого склада руками.

Список перевозчиков частично готовый — несколько распространённых компаний с их расписаниями уже зашиты в сервис. Если продавец работает с локальным перевозчиком, можно добавить свою компанию с её расписанием и маршрутами.