Маркетплейсы / Promo uplift
Как оценить эффективность акции с ИИ
Эффективность акции оценивается через промо-апслифт — прирост продаж, который обеспечила акция сверх базового уровня. Формула: (фактические продажи во время акции − базовые продажи) / базовые продажи × 100%. ИИ помогает точнее рассчитать базовые продажи, учитывая сезонность, тренды и другие факторы, а также автоматически выявляет аномалии и дает рекомендации.
Проблема
Почему это важно
Без оценки эффективности акции компания не понимает, окупилась ли скидка, и часто продолжает давать скидки там, где они не нужны, теряя маржу.
Почему возникает
- Сравнение продаж во время акции с предыдущим периодом без учета сезонности и трендов
- Отсутствие единой методики расчета базовых продаж
- Ручной сбор данных из разных источников, что приводит к ошибкам и задержкам
Риски и потери
- Лишние скидки на товары, которые и так хорошо продаются
- Неверная оценка ROI акции, ведущая к неоптимальному бюджету на маркетинг
- Невозможность сравнить эффективность разных акций и выбрать лучшие
Что влияет на результат
- Базовые продажи (без акции)
- Сезонность и тренды
- Длительность акции и размер скидки
- Категория товара и поведение покупателей
Типичные ошибки ручного подхода
- Сравнение с прошлым годом без учета роста рынка
- Игнорирование сезонных пиков
- Смешивание продаж по акции с органическими продажами
Определение
Что важно понимать
Промо-апслифт (promo uplift)
Показатель, отражающий прирост продаж, который обеспечила акция сверх базового уровня (продаж без акции).
Позволяет отделить эффект акции от естественных колебаний спроса и оценить, насколько акция действительно увеличила выручку.Базовые продажи
Уровень продаж, который был бы без акции, с учетом сезонности, трендов и других факторов.
Точный расчет базовых продаж — ключ к корректному промо-апслифту. Ошибка в базе искажает результат.Данные
Какие данные нужны
Данные о продажах
Для расчета фактических продаж во время акции и базового уровня
- дата
- SKU
- количество
- выручка
- цена со скидкой
Календарь акций
Чтобы определить периоды акций и сравнить с неакционными периодами
- дата начала
- дата окончания
- тип акции
- размер скидки
Исторические данные
Для построения базового уровня с учетом сезонности и трендов
- продажи за прошлые периоды
- сезонные коэффициенты
- индексы цен
Методология
Методика расчета промо-апслифта
Принципы
- Сравнивать фактические продажи с базовыми, а не с предыдущим периодом
- Учитывать сезонность и тренды при расчете базы
- Использовать ИИ для автоматического расчета базы и выявления аномалий
Допущения
- Базовые продажи рассчитываются на основе исторических данных без акции
- Акция не влияет на продажи других товаров (каннибализация не учитывается в простой модели)
Ошибки
- Сравнение с прошлым месяцем без учета сезонности
- Игнорирование роста рынка
- Включение в базу периодов с другими акциями
Роль ИИ
Как ИИ решает задачу
Расчет базовых продаж с учетом сезонности и трендов
Данные на входе: Исторические продажи, Календарь акций, Сезонные коэффициенты
Что делает модель: Модель прогнозирует базовые продажи на период акции, исключая влияние акции
Результат: Прогноз базовых продаж на каждый день акции
Как используется: Система использует прогноз для расчета промо-апслифта
Выявление аномалий в продажах
Данные на входе: Фактические продажи, Прогноз базовых продаж
Что делает модель: Сравнивает фактические продажи с прогнозом и выявляет отклонения, не объяснимые акцией
Результат: Список аномальных дней или товаров
Как используется: Аналитик проверяет аномалии и корректирует расчет
Формирование рекомендаций по оптимизации скидок
Данные на входе: Промо-апслифт по товарам, Маржинальность, Данные о прошлых акциях
Что делает модель: Определяет товары, где скидка не дает прироста, и предлагает снизить скидку или отменить акцию
Результат: Рекомендации по корректировке скидок
Как используется: Маркетолог принимает решение о будущих акциях
Разбор
Как это работает
- 1
Вход: исторические данные о продажах и календарь акций. Действие: система строит модель базовых продаж с учетом сезонности и трендов. Результат: прогноз базовых продаж на период акции.
- 2
Вход: фактические продажи за период акции. Действие: система сравнивает фактические продажи с прогнозом базы. Результат: промо-апслифт в процентах и абсолютных величинах.
- 3
Вход: данные о продажах по дням. Действие: система выявляет аномальные дни, когда продажи сильно отклоняются от ожидаемых. Результат: список аномалий для проверки.
- 4
Вход: промо-апслифт по товарам и маржинальность. Действие: система определяет товары с низким апслифтом и высокой маржой. Результат: рекомендации по снижению скидок.
- 5
Вход: рекомендации системы. Действие: маркетолог утверждает изменения в акциях. Результат: скорректированный план акций.
Расчет
Формула промо-апслифта
Промо-апслифт рассчитывается как отношение прироста продаж к базовым продажам.
Промо-апслифт
Promo Uplift = (Фактические продажи − Базовые продажи) / Базовые продажи × 100%- Фактические продажи — выручка за период акции
- Базовые продажи — прогноз продаж без акции
Условный пример: Если фактические продажи за неделю акции составили 1 200 000 ₽, а базовые продажи — 1 000 000 ₽, то промо-апслифт = (1 200 000 − 1 000 000) / 1 000 000 × 100% = 20%.
Допущение: Базовые продажи должны учитывать сезонность и тренды, иначе результат будет искажен.
Пример расчета
Как это выглядит в цифрах
Условный пример: оценка эффективности акции на категорию товаров
- Допущение: Компания провела акцию на категорию «Средства для стирки» с 1 по 14 марта.
- Допущение: Исторические данные за 6 месяцев до акции.
- Допущение: Фактические продажи за период акции: 2 500 000 ₽.
- Допущение: Базовые продажи, рассчитанные ИИ с учетом сезонности: 2 000 000 ₽.
Промо-апслифт = (2 500 000 − 2 000 000) / 2 000 000 × 100% = 25%. Это означает, что акция обеспечила прирост продаж на 25% сверх базового уровня.Акция дала значимый прирост, но необходимо проверить, не была ли часть продаж перенесена с будущих периодов (каннибализация).
Логика решения
Почему дана такая рекомендация
Что повлияло на решение
- Промо-апслифт по категориям и товарам
- Маржинальность товаров
- Историческая эффективность аналогичных акций
Какие риски учтены
- Каннибализация будущих продаж
- Снижение маржи из-за скидок
- Недостаточный прирост для окупаемости
Какие варианты рассматривались
- Снизить размер скидки
- Сократить длительность акции
- Заменить скидку на бонусы или подарки
Выбран вариант с наибольшим апслифтом при сохранении маржинальности
Если бы апслифт был ниже целевого, рекомендация была бы отменить акцию или изменить условия
Результат
Что видит пользователь
Дашборд с промо-апслифтом по акциям
Таблица с показателями: фактические продажи, базовые продажи, апслифт, маржинальность
Маркетолог видит, какие акции эффективны, и планирует бюджетУведомление о низком апслифте
Система предупреждает, что акция не достигла целевого апслифта
Маркетолог оперативно корректирует акцию или завершает еёАвтоматизация
Что автоматизируется, а что нет
Выполняется автоматически
- Сбор данных о продажах
- Расчет базовых продаж
- Расчет промо-апслифта
- Выявление аномалий
Требует настройки
- Настройка календаря акций
- Определение целевого апслифта
- Настройка порогов аномалий
Остаётся за человеком
- Утверждение изменений в акциях
- Проверка аномалий
- Решение о запуске новых акций
Внедрение
Как внедрить решение
Быстрый запуск
- Собрать данные о продажах и акциях в Excel
- Рассчитать базовые продажи как среднее за аналогичный период прошлого года
- Вручную посчитать промо-апслифт по формуле
Рабочая система
- Настроить автозагрузку данных из CRM и касс
- Создать модель базовых продаж с учетом сезонности
- Разработать дашборд с показателями
Расширенный вариант
- Внедрить ML-модель для прогноза базовых продаж
- Добавить анализ каннибализации
- Настроить автоматические рекомендации по скидкам
Подготовка
Чек-лист перед запуском
- 1
Определить перечень акций и их периоды
- 2
Собрать исторические данные о продажах минимум за 6 месяцев
- 3
Учесть сезонность и тренды при расчете базы
- 4
Рассчитать промо-апслифт по каждой акции
- 5
Сравнить апслифт с целевым значением
- 6
Проверить аномалии в данных
- 7
Оценить влияние акции на маржу
- 8
Скорректировать план будущих акций
Вывод
Главное
Эффективность акции оценивается через промо-апслифт, который показывает реальный прирост продаж сверх базового уровня.
Основные данные — продажи и календарь акций; ключевой расчет — промо-апслифт по формуле.
ИИ автоматизирует расчет базовых продаж, выявляет аномалии и формирует рекомендации по оптимизации скидок.
Начните с расчета промо-апслифта в Excel для одной акции, используя средние продажи за прошлый год как базу.
Метод ReMetod
На чем основан вывод
Метод ReMetod показывает, как строить обучение вокруг пути: бизнес-проблема → модель решения → данные → автоматизация → интерфейс → работающее решение. В контексте оценки эффективности акций это означает, что сначала формулируется бизнес-проблема (лишние скидки), затем строится модель расчета промо-апслифта, определяются необходимые данные, автоматизируется расчет и предоставляется интерфейс для принятия решений.
В программе практикума этот подход разбирается пошагово: от формулировки бизнес-задачи до модели решения, данных, автоматизации, интерфейса и проверки результата.
Посмотреть программу практикумаВопросы
Что обычно уточняют
Не проще ли сравнить продажи во время акции с прошлым месяцем?
Проще, но некорректно: прошлый месяц может иметь другую сезонность, тренды или включать другие акции. Промо-апслифт с базовыми продажами учитывает эти факторы и дает точную оценку.
Нужен ли ИИ для расчета промо-апслифта?
ИИ помогает точнее рассчитать базовые продажи, автоматически учитывая сезонность и тренды, а также выявляет аномалии. Для простых случаев можно обойтись Excel, но ИИ снижает риск ошибок и экономит время.
Следующий шаг
Выберите, как продолжить с ReMetod
Хотите научиться оценивать эффективность акций с помощью ИИ? Приходите на бесплатный вебинар ReMetod.