Маркетплейсы / SKU margin
Как считать прибыль по SKU с ИИ
Прибыль по SKU — это разница между выручкой от продаж конкретного товара и всеми затратами на его закупку, логистику, хранение, продвижение и возвраты. ИИ автоматизирует сбор и классификацию данных, выявляет аномалии и прогнозирует прибыль, но формула остаётся базовой: Прибыль = Выручка − Себестоимость − Логистика − Маркетинг − Прочие затраты.
Проблема
Почему это важно
Без системы расчёта прибыли по SKU компании часто опираются на выручку или валовую маржу, не учитывая полную структуру затрат. Это приводит к тому, что товары, которые кажутся прибыльными, на деле убыточны из-за высоких логистических издержек, платного продвижения или частых возвратов.
Почему возникает
- Данные о затратах разрознены: закупка, логистика, маркетинг, возвраты хранятся в разных системах и не сводятся в единый расчёт.
- Ручной расчёт по каждому SKU трудоёмок и подвержен ошибкам, особенно при большом ассортименте.
- Отсутствие единой методики отнесения косвенных затрат (например, хранение) на конкретный товар.
Риски и потери
- Продолжение продаж убыточных SKU, что снижает общую прибыль.
- Неверное распределение маркетингового бюджета на товары с низкой реальной маржой.
- Принятие решений о закупках на основе неполной информации, что ведёт к затовариванию склада неликвидом.
Что влияет на результат
- Выручка от продаж (цена × количество)
- Себестоимость закупки
- Логистические затраты (доставка до склада, доставка до клиента, возвраты)
- Затраты на хранение и упаковку
- Маркетинговые расходы (реклама, акции, комиссии площадки)
- Прочие операционные затраты, относимые на SKU
Типичные ошибки ручного подхода
- Забывают учесть возвраты и их логистику.
- Не распределяют косвенные затраты (хранение, упаковка) на SKU.
- Путают выручку с прибылью, считая валовую маржу без вычета маркетинга и логистики.
Определение
Что важно понимать
SKU
Stock Keeping Unit — уникальный идентификатор товарной позиции (артикул), позволяющий отслеживать продажи и запасы конкретного товара.
Без SKU невозможно точно отнести затраты и выручку к конкретному товару, поэтому расчёт прибыли по позициям теряет смысл.Прибыль по SKU
Чистая прибыль от продажи конкретного товара после вычета всех затрат: закупка, логистика, хранение, маркетинг, возвраты.
Показывает реальную эффективность каждой позиции, помогает решить, какие SKU развивать, а какие выводить из ассортимента.Валовая маржа
Разница между выручкой и себестоимостью закупки, без учёта логистики, маркетинга и других затрат.
Часто используется как упрощённый показатель, но может вводить в заблуждение, так как не отражает полную картину прибыльности.Данные
Какие данные нужны
Данные о продажах
Для расчёта выручки по каждому SKU: количество проданных единиц и цена продажи.
- SKU
- дата продажи
- количество
- цена продажи
Данные о закупках
Для определения себестоимости единицы товара.
- SKU
- цена закупки
- дата закупки
- поставщик
Логистические затраты
Для учёта расходов на доставку до склада, до клиента и возвраты.
- SKU
- стоимость доставки до склада
- стоимость доставки до клиента
- стоимость возврата
Маркетинговые расходы
Для распределения рекламного бюджета и акций на конкретные SKU.
- SKU
- расходы на рекламу
- скидки
- комиссии площадки
Затраты на хранение и упаковку
Для отнесения косвенных затрат на SKU (аренда склада, упаковочные материалы).
- SKU
- стоимость хранения за единицу
- стоимость упаковки
Методология
Методика расчёта прибыли по SKU
Принципы
- Учитывать все прямые и косвенные затраты, связанные с SKU.
- Использовать единую методику распределения косвенных затрат (например, по доле выручки или по весу/объёму).
- Регулярно пересматривать расчёт при изменении тарифов логистики или цен закупки.
Допущения
- Косвенные затраты (хранение, упаковка) распределяются пропорционально выручке или количеству проданных единиц.
- Возвраты учитываются как отрицательная выручка и дополнительные логистические затраты.
Ошибки
- Не учитывать возвраты и их стоимость.
- Считать только валовую маржу, игнорируя маркетинг и логистику.
- Использовать среднюю себестоимость вместо фактической по партиям.
Роль ИИ
Как ИИ решает задачу
Автоматический сбор и консолидация данных о продажах, закупках, логистике и маркетинге из разных источников
Данные на входе: Выгрузки из маркетплейсов, ERP, CRM, рекламных кабинетов
Что делает модель: Сопоставляет SKU, объединяет данные по единому ключу, очищает от дублей и ошибок
Результат: Единая таблица с полной структурой затрат по каждому SKU
Как используется: Сотрудник видит актуальные данные для расчёта без ручного копирования
Классификация затрат и распределение косвенных расходов на SKU
Данные на входе: Данные о затратах, правила распределения (по выручке, весу, объёму)
Что делает модель: Применяет заданные правила для отнесения косвенных затрат на каждый SKU
Результат: SKU с полной себестоимостью, включая распределённые затраты
Как используется: Система автоматически рассчитывает полную себестоимость, сотрудник проверяет корректность правил
Выявление аномалий в данных (резкие скачки цен, логистики, возвратов)
Данные на входе: Исторические данные по продажам и затратам по SKU
Что делает модель: Сравнивает текущие показатели с историческими, выявляет отклонения за пределами порогов
Результат: Список SKU с аномалиями и описание отклонения
Как используется: Сотрудник проверяет аномалии, чтобы исключить ошибки в данных или выявить реальные проблемы
Прогнозирование будущей прибыли по SKU на основе исторических данных
Данные на входе: Исторические данные о продажах, сезонности, маркетинговых активностях
Что делает модель: Строит прогноз спроса и затрат, рассчитывает ожидаемую прибыль
Результат: Прогноз прибыли по каждому SKU на следующий период
Как используется: Руководитель использует прогноз для планирования закупок и маркетингового бюджета
Формирование рекомендаций по ассортименту (вывод убыточных SKU, увеличение закупок прибыльных)
Данные на входе: Расчёт прибыли по SKU, прогнозы, остатки на складе
Что делает модель: Ранжирует SKU по прибыльности, предлагает действия на основе правил (например, вывести SKU с отрицательной прибылью)
Результат: Список рекомендаций с обоснованием
Как используется: Менеджер по ассортименту принимает решение о выводе или развитии SKU
Разбор
Как это работает
- 1
Вход: данные о продажах, закупках, логистике, маркетинге из разных систем. Действие: система автоматически собирает и очищает данные, сопоставляя по SKU. Результат: единая таблица с полной структурой затрат.
- 2
Вход: правила распределения косвенных затрат (например, по доле выручки). Действие: система применяет правила для отнесения затрат на каждый SKU. Результат: полная себестоимость по каждому SKU.
- 3
Вход: исторические данные по затратам и продажам. Действие: модель машинного обучения выявляет аномалии (резкие скачки цен, логистики). Результат: список SKU с аномалиями для проверки.
- 4
Вход: данные о продажах, сезонности, маркетинге. Действие: модель прогнозирует спрос и затраты на следующий период. Результат: прогноз прибыли по каждому SKU.
- 5
Вход: расчёт прибыли, прогнозы, остатки. Действие: система формирует рекомендации по ассортименту (вывод убыточных, увеличение закупок прибыльных). Результат: список рекомендаций с обоснованием.
- 6
Вход: рекомендации системы. Действие: менеджер принимает решение, утверждает изменения. Результат: обновлённый ассортимент и план закупок.
Расчет
Формула расчёта прибыли по SKU
Базовая формула для расчёта прибыли по конкретному SKU выглядит так:
Прибыль по SKU
Прибыль = Выручка − Себестоимость − Логистика − Маркетинг − Прочие затраты- Выручка = Цена продажи × Количество проданных единиц
- Себестоимость = Цена закупки × Количество проданных единиц
- Логистика = (Доставка до склада + Доставка до клиента + Возвраты) × Количество
- Маркетинг = Расходы на рекламу + Скидки + Комиссии площадки
- Прочие затраты = Хранение + Упаковка + Прочие операционные расходы
Условный пример: Для SKU с ценой продажи 1000 руб., себестоимостью 500 руб., логистикой 100 руб., маркетингом 50 руб. и прочими затратами 30 руб. при продаже 10 единиц: Выручка = 1000 × 10 = 10000 руб.; Себестоимость = 500 × 10 = 5000 руб.; Логистика = 100 × 10 = 1000 руб.; Маркетинг = 50 × 10 = 500 руб.; Прочие = 30 × 10 = 300 руб.; Прибыль = 10000 − 5000 − 1000 − 500 − 300 = 3200 руб.
Это упрощённый пример. В реальности нужно учитывать возвраты, сезонность и распределение косвенных затрат.
Пример расчета
Как это выглядит в цифрах
Условный пример: расчёт прибыли по двум SKU
- Допущение: SKU A: цена продажи 1500 руб., себестоимость 800 руб., логистика 150 руб., маркетинг 100 руб., прочие 50 руб., продано 20 шт.
- Допущение: SKU B: цена продажи 2000 руб., себестоимость 1200 руб., логистика 200 руб., маркетинг 300 руб., прочие 80 руб., продано 10 шт.
SKU A: Выручка = 1500 × 20 = 30000 руб.; Себестоимость = 800 × 20 = 16000 руб.; Логистика = 150 × 20 = 3000 руб.; Маркетинг = 100 × 20 = 2000 руб.; Прочие = 50 × 20 = 1000 руб.; Прибыль = 30000 − 16000 − 3000 − 2000 − 1000 = 8000 руб. SKU B: Выручка = 2000 × 10 = 20000 руб.; Себестоимость = 1200 × 10 = 12000 руб.; Логистика = 200 × 10 = 2000 руб.; Маркетинг = 300 × 10 = 3000 руб.; Прочие = 80 × 10 = 800 руб.; Прибыль = 20000 − 12000 − 2000 − 3000 − 800 = 2200 руб.SKU A приносит больше прибыли (8000 руб.) по сравнению с SKU B (2200 руб.), несмотря на меньшую цену. Причина — высокие маркетинговые расходы на SKU B. Рекомендуется пересмотреть маркетинговую стратегию для SKU B или рассмотреть возможность повышения цены.
Логика решения
Почему дана такая рекомендация
Что повлияло на решение
- Прибыль по SKU (абсолютное значение)
- Маржинальность (прибыль на единицу)
- Динамика затрат (рост маркетинга, логистики)
- Прогноз спроса
Какие риски учтены
- Риск вывода SKU, который может быть стратегически важен для привлечения трафика
- Риск сокращения маркетинга, что приведёт к падению продаж
- Риск ошибок в распределении косвенных затрат
Какие варианты рассматривались
- Повысить цену на SKU B вместо сокращения маркетинга
- Оптимизировать логистику (пересмотреть тарифы, изменить способ доставки)
- Вывести SKU B из ассортимента, если прибыль не восстановится
Выбрано сокращение маркетинговых расходов, так как это наиболее быстрое и контролируемое действие, не влияющее на наличие товара на складе.
Если бы SKU B был новым товаром с высоким потенциалом роста, рекомендация могла бы быть иной — сохранить маркетинг для раскрутки.
Результат
Что видит пользователь
Дашборд с прибылью по каждому SKU
Таблица с колонками: SKU, выручка, себестоимость, логистика, маркетинг, прочие затраты, прибыль, маржинальность
Быстро определить убыточные и прибыльные SKU, принять решение о корректировке ассортиментаУведомления об аномалиях
Сообщения о резких изменениях затрат или продаж по конкретным SKU
Своевременно реагировать на проблемы (например, рост логистики) и предотвращать убыткиПрогноз прибыли на следующий период
Прогнозные значения прибыли по SKU с учётом сезонности и маркетинговых планов
Планировать закупки и маркетинговый бюджет на основе ожидаемой прибылиАвтоматизация
Что автоматизируется, а что нет
Выполняется автоматически
- Сбор и консолидация данных из разных источников
- Расчёт прибыли по формуле
- Выявление аномалий
- Формирование прогнозов
Требует настройки
- Настройка правил распределения косвенных затрат
- Определение порогов для аномалий
- Настройка интеграций с маркетплейсами и ERP
Остаётся за человеком
- Решение о выводе SKU из ассортимента
- Утверждение изменений маркетингового бюджета
- Проверка аномалий и корректировка данных
Внедрение
Как внедрить решение
Быстрый запуск
- Собрать данные о продажах, закупках, логистике и маркетинге в Excel-таблицу
- Рассчитать прибыль по каждому SKU вручную по формуле
- Выявить SKU с отрицательной прибылью и обсудить с командой
Рабочая система
- Настроить автоматическую загрузку данных из маркетплейсов и ERP
- Создать базу данных для хранения информации по SKU
- Разработать дашборд для визуализации прибыли
- Настроить уведомления об аномалиях
Расширенный вариант
- Внедрить модель машинного обучения для прогнозирования спроса и прибыли
- Подключить несколько источников данных (рекламные кабинеты, складские системы)
- Реализовать сценарный анализ (что будет, если изменить цену или маркетинговый бюджет)
Подготовка
Чек-лист перед запуском
- 1
Определить перечень SKU для анализа
- 2
Собрать данные о продажах, закупках, логистике, маркетинге за последние 3-6 месяцев
- 3
Установить правила распределения косвенных затрат
- 4
Рассчитать прибыль по каждому SKU по формуле
- 5
Проверить данные на аномалии и ошибки
- 6
Сравнить прибыль по SKU с прошлым периодом
- 7
Выявить SKU с отрицательной или низкой прибылью
- 8
Разработать план действий по улучшению прибыльности
- 9
Настроить регулярный пересчёт (ежемесячно)
- 10
Внедрить автоматизацию сбора данных и расчёта
Вывод
Главное
Прибыль по SKU — это ключевой показатель эффективности ассортимента, который требует учёта всех затрат, а не только себестоимости.
Основные данные: продажи, закупки, логистика, маркетинг, прочие затраты. Расчёт: Прибыль = Выручка − Себестоимость − Логистика − Маркетинг − Прочие.
ИИ автоматизирует сбор данных, распределение затрат, выявление аномалий и прогнозирование, что позволяет быстро и точно оценивать прибыльность каждого SKU.
Начните с простого: соберите данные по ключевым SKU в таблицу и рассчитайте прибыль вручную, чтобы увидеть реальную картину.
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 расчёта прибыли по SKU это означает: сначала определить проблему (неэффективный ассортимент), затем построить модель расчёта, собрать данные, автоматизировать процесс и получить работающее решение для управления прибылью.
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
Нужен ли ИИ для расчёта прибыли по SKU, если можно посчитать в Excel?
В Excel можно посчитать для небольшого ассортимента, но при росте числа SKU и источников данных ручной расчёт становится трудоёмким и подвержен ошибкам. ИИ автоматизирует сбор данных, распределение затрат и выявление аномалий, что экономит время и повышает точность.
Какие данные нужны для расчёта прибыли по SKU?
Нужны данные о продажах (цена, количество), закупках (себестоимость), логистике (доставка, возвраты), маркетинге (реклама, скидки, комиссии) и прочих затратах (хранение, упаковка).
Как распределить косвенные затраты (хранение, упаковку) на SKU?
Косвенные затраты можно распределять пропорционально выручке, количеству проданных единиц, весу или объёму товара. Выбор метода зависит от специфики бизнеса и должен быть зафиксирован в методике.
Что делать, если SKU убыточный?
Сначала проверьте корректность данных и расчёта. Если SKU действительно убыточен, рассмотрите варианты: повысить цену, снизить затраты (логистика, маркетинг), пересмотреть условия закупки или вывести SKU из ассортимента.
Следующий шаг
Выберите, как продолжить с ReMetod
Хотите автоматизировать расчёт прибыли по SKU? Запишитесь на диагностику, и мы покажем, как это сделать с помощью ИИ.