XYZ-анализ спроса на Wildberries: расчёт и применение

Что показывает XYZ-анализ и чем он отличается от ABC

ABC-анализ ранжирует товары по вкладу в результат: выручку, прибыль или маржу. XYZ-анализ смотрит на другое измерение — насколько ровно распределены продажи во времени. Два артикула могут дать одинаковые 500 штук за квартал, но один продавался по 38–42 штуки в неделю, а второй выдал 400 штук за одну акционную неделю и почти ничего в остальные.

• Группа X — стабильный спрос, прогноз надёжен, страховой запас минимален.
• Группа Y — заметные колебания: сезонность, акции, тренд. Прогноз возможен, но требует поправок.
• Группа Z — нерегулярные, случайные продажи. Статистический прогноз практически не работает.

Практический смысл: X-товары можно возить крупными партиями на склад площадки, а Z-товары держать минимальным запасом ближе к себе. Совмещение с ABC-анализом даёт готовые правила для каждой группы ассортимента.

Математика: среднее, стандартное отклонение, коэффициент вариации

Весь XYZ-анализ строится на одном показателе — коэффициенте вариации. Считается он в три шага.

Два технических уточнения, которые чаще всего портят расчёт:

1. Генеральная или выборочная формула. В приведённой формуле сумма квадратов делится на количество периодов — это генеральное стандартное отклонение (в Excel функция СТАНДОТКЛОН.Г). Выборочный вариант делит на количество периодов минус один (СТАНДОТКЛОН.В) и даёт немного большее значение. Оба подхода допустимы, но выбирать нужно один и применять его ко всему ассортименту, иначе группы окажутся несопоставимы.
2. Периоды должны быть однородны. Берите равные интервалы: 8–12 недель или 6–12 месяцев. Смешивать недели и месяцы нельзя.

Коэффициент вариации безразмерен, поэтому им можно сравнивать товары с продажами 20 штук в неделю и 2 000 штук в неделю. Именно это делает XYZ универсальным инструментом для всей матрицы.

Пошаговый пример расчёта коэффициента вариации

Пример. Берём продажи трёх артикулов за 8 недель (штук в неделю) и считаем по генеральной формуле.

Шаг 1. Среднее

• Товар A: сумма 988, среднее 988 ÷ 8 = 123,5.
• Товар B: сумма 728, среднее 728 ÷ 8 = 91,0.
• Товар C: сумма 890, среднее 890 ÷ 8 = 111,25.

Шаг 2. Отклонения и их квадраты

Для товара A отклонения от среднего 123,5 равны −3,5; +4,5; −8,5; +8,5; +0,5; −4,5; +3,5; −0,5. Квадраты: 12,25; 20,25; 72,25; 72,25; 0,25; 20,25; 12,25; 0,25. Сумма квадратов = 210,0.

Для товара B отклонения от 91,0: −6; +5; −17; +19; −3; +11; −12; +3. Квадраты: 36; 25; 289; 361; 9; 121; 144; 9. Сумма = 994,0.

Для товара C отклонения от 111,25: −71,25; +98,75; −46,25; −93,25; +18,75; −19,25; +188,75; −76,25. Сумма квадратов = 67 825,5.

Шаг 3. Стандартное отклонение и коэффициент вариации

Читаем результат. Товар A отклоняется от своего среднего примерно на 4% — поставки можно планировать по среднему с небольшим запасом. Товар C имеет разброс 83%: его недельные продажи колеблются от 18 до 300 штук, и планировать закупку по среднему значению 111 штук — прямой путь либо в дефицит, либо в неликвид.

Границы групп X, Y, Z и как их выбирать

Классические пороги — 10% и 25%. Они удобны как отправная точка, но не являются законом: для категории с высокой сезонностью почти весь ассортимент окажется в Z, и анализ потеряет смысл.

Если после расчёта в группе X оказалось меньше 10% ассортимента, сдвиньте границы по фактическому распределению: например, X — нижняя треть по коэффициенту вариации, Z — верхняя треть. Смысл группировки не в конкретных числах, а в том, чтобы разделить товары по степени доверия к прогнозу.

Коэффициент k задаёт желаемый уровень сервиса: примерно 1,65 для 95% и 2,33 для 99%. Формула прямо показывает, почему Z-товары требуют непропорционально большого запаса: стандартное отклонение у них велико само по себе.

Матрица ABC × XYZ: что делать с каждой группой

По отдельности ни ABC, ни XYZ не дают готового решения. Совмещение даёт девять групп с понятной политикой управления.

Группа CZ обычно составляет заметную долю SKU и почти ничего не даёт в прибыли, зато занимает склад и внимание. Именно с неё начинают чистку ассортимента. Скорость возврата капитала по группам считается через оборачиваемость, а риск потерь от дефицита по AX — через контроль остатков.

Ограничения метода и типичные ошибки

1. Дни без остатка искажают всё. Ноль продаж из-за OOS алгоритм воспримет как провал спроса и завысит коэффициент вариации. Такие периоды нужно исключать или восстанавливать по доступным дням.
2. Слишком короткий ряд. На 3–4 периодах коэффициент вариации статистически неустойчив. Минимум — 8 периодов, лучше 12.
3. Новинки в общем расчёте. У товара с историей в 3 недели XYZ не считается: разгон продаж выглядит как нестабильность.
4. Сезонность принимается за хаос. Регулярный годовой сезон — это предсказуемая закономерность, а не случайность. Для сезонных категорий сравнивайте с аналогичным периодом прошлого года.
5. Акции внутри периода. Всплеск от распродажи переводит стабильный товар в Z. Помечайте акционные недели и учитывайте это при интерпретации.
6. Смешение генеральной и выборочной формул в одной таблице — группы получаются несопоставимыми.
7. XYZ вместо ABC. Стабильность не означает прибыльность: товар группы X может быть стабильно убыточным.

Обновляйте XYZ раз в месяц или квартал и держите его в общем контуре аналитики Wildberries вместе с прибылью по артикулам — тогда решения по закупкам опираются и на деньги, и на риск.