Для ритейла это особенно важно, потому что каждая «экономия на глаз» быстро возвращается бизнесу дополнительными расходами. Поэтому cost-effective-стратегия работает не как режим жёсткой экономии, а как управленческая дисциплина: сначала найти дорогую ошибку, затем посчитать её влияние и только после этого менять процесс, цену, запас или маршрут.
Экономия сместилась с общего бюджета на точность планирования и качество расходов
Российский покупатель в 2025 году стал не просто чувствительным к цене, а избирательным. По данным компании «Нильсен», скидки перестают быть сильным фактором для мотивации, потому что потребитель привык к акциям и сравнивает не размер снижения цифры на ценнике, а итоговую выгоду покупки. На этом фоне сети чаще уходят от механического наращивания скидок к более точному управлению ценой: часть ключевых товаров держат стабильно доступными, а промо используют выборочно — там, где оно действительно даёт прирост продаж и маржи. При этом онлайн продолжает расти, а в офлайне быстрее других развивается формат дискаунтера. Так Ассоциация компаний омниканальной розничной торговли сообщает, что по итогам 2025 года число торговых объектов у крупных сетей выросло на 5,8%, но главным драйвером стали именно дискаунтеры, количество которых увеличилось на 26,4%, а выручка — сразу на 67,3%. Для сравнения, у гипермаркетов выручка выросла на 10,9%, у магазинов одежды — всего на 0,8%. Это очень наглядно для рынка, где сейчас выигрывает не тот, у кого больше товаров или акций, а тот, кто точнее собрал ассортимент, цену и формат под конкретный спрос.
Именно здесь cost-effective-стратегия становится практической моделью управления, а не общим призывом сократить расходы. В ритейле 2026 года уже недостаточно просто урезать затраты. Важно понимать, какие расходы действительно снижают цену ошибки, а какие только создают видимость экономии: сегодня бюджет меньше, а завтра сеть теряет продажи, маржу или лояльность покупателей. В ритейле cost-effective-подход обычно решает четыре задачи:
- снижает избыточные запасы и объём замороженных денег;
- уменьшает потери от списаний, уценки и неточного пополнения ассортимента;
- сокращает неэффективные расходы на промо и логистику;
- защищает выручку и маржу за счёт более точных решений.
Подспорьем в их решении становятся данные, помогающие отделить реальную эффективность от экономической иллюзии.
Запасы: самая дорогая статья затрат часто не в закупке, а в неточности
Первая зона в ритейле, где данные дают самый понятный эффект, — это запасы. И ритейлер нередко здесь допускает двойную ошибку. Избыточный запас замораживает деньги, увеличивает стоимость хранения, повышает риск уценки и списаний. Недостаточный запас бьёт по наличию товара на полке и сразу конвертируется в упущенные продажи. Особенно это болезненно для омниканальных сетей: офлайн-магазины, онлайн-заказ, самовывоз, доставка, региональные распределительные центры — чем больше каналов, тем выше цена неточного прогноза.
Как отмечает Михаил Сорыч, руководитель направления хранилища данных HoffTech, сложнее всего снижать именно товарный запас. По его словам, это связано со спецификой бизнеса: если сеть работает с крупногабаритными товарами, любое решение по запасам упирается не только в закупочную цену, но и в логистическую сеть, складские мощности, сроки пополнения и стоимость перемещения товара.
«Сократить запас на бумаге легко, но в реальности за этим стоят большие вложения и риск для продаж. Особенно когда товар занимает много места, долго едет и требует сложной логистики».
Алексей Сумин, технический руководитель домена данных «Подружка», считает, что наиболее сложной задачей остаётся оптимизация ассортимента и товарных запасов. Любое агрессивное сокращение в этих областях напрямую влияет на доступность товара и клиентский опыт.
«На первый взгляд сокращение ассортимента может выглядеть быстрым способом снизить издержки, однако на практике такие решения способны привести к снижению трафика, уменьшению среднего чека и оттоку покупателей к конкурентам из-за отсутствия привычных товаров. Поэтому решения по ассортименту и запасам принимаются крайне взвешенно и опираются прежде всего на данные и глубокий анализ покупательского поведения».
Масштаб такой нагрузки заметен по логистике. По данным Data Insight, российский рынок онлайн-торговли с доставкой в 2025 году достиг 7,7 млрд посылок, прибавив 24,9% за год. Причём 91,2% всех отправлений уже приходится на собственные службы магазинов и маркетплейсов. Это означает, что последняя миля в ритейле крайне тесно связана с управлением запасами. Ошибка в пополнении, распределении товара или его доступности теперь немедленно суммируется со стоимостью доставки, сборки, возврата, отмены заказа и клиентского недовольства.
Поэтому хороший cost-effective-проект в запасах строится с вопроса «где именно компания ошибается чаще всего?». В реальной рознице средний прогноз по сети почти всегда неточен. Один магазин живёт офисным трафиком, другой — спальным районом, третий — сезонной дачной миграцией, четвёртый — доставкой из соседнего даркстора. Экономить здесь можно только через более точную модель решения, основанную на аналитике данных конкретной точки продаж.
Ассортимент: многообразие товаров не всегда равно сильной полке
Вторая ловушка — ассортимент. В ритейле по-прежнему существует соблазн держать на полке как можно больше позиций, потому что есть ощущение, что так лучше покрывается спрос. Но лишние товары усложняют закупку, хранение, выкладку, пополнение, аналитику, переговоры с поставщиками и промопланирование. А покупателю эта сложность просто не нужна. Потребитель всё меньше платит за избыточность и всё больше за понятную ценность. «Нильсен» пишет о рационализации ассортимента, переходе к более осмысленному выбору и готовности переключаться на качественные собственные торговые марки.
Практический смысл здесь простой. Cost-effective-ассортимент — это разбор ролей товара: какие позиции реально создают трафик, приносят маржу, нужны для имиджа категории. Без аналитики данных выяснить это невозможно. Показательно, что российские ритейлеры начинают выстраивать такой подход не только внутри себя, но и вместе с поставщиками. В 2025 году «Группа Лента» запустила аналитический портал с данными о продажах, остатках, списаниях, уровне сервиса, товародвижении, представленности товаров и промоактивностях с детализацией по дням и торговым точкам. Если поставщик и сеть видят реальную картину одинаково, можно точнее планировать ассортимент, маркетинг и логистику и тратить меньше на исправление ошибок постфактум.
Михаил Сорыч подчёркивает, что данные уже стали основой практически всех операционных решений в сети Hoff. Один из свежих примеров связан с запасами: благодаря еженедельному мониторингу остатков и продаж компания заранее увидела возможность выгодной закупки и приобрела крупную партию товара по сниженной цене. В результате сеть избежала пустых полок и получила дополнительную выручку. Другой пример — ассортимент. На основе данных компания построила модель, которая подбирает ассортиментную матрицу под каждый регион присутствия магазинов. Такой подход позволил не просто сократить лишние позиции, а точнее настроить предложение под локальный спрос, что дало рост продаж и маржи.
По мнению Алексея Сумина, данные сегодня используются практически во всех ключевых бизнес-процессах ритейла — от управления ассортиментом и запасами до маркетинга и логистики. Поэтому основной эффект для сети «Подружка» заключается не в одном ярком кейсе, а в системном использовании аналитики при принятии решений. «Такой подход позволяет снижать уровень неопределённости, быстрее выявлять отклонения и повышать качество операционного управления по всей цепочке создания ценности. Это важный нюанс: зрелая работа с данными редко выглядит как один «волшебный» проект. Чаще это постоянная настройка десятков решений, каждое из которых немного снижает цену ошибки», — добавляет технический руководитель домена данных сети «Подружка».
Промо: скидка без расчёта инкремента — это дорогая привычка
Третья зона, где ритейл годами теряет деньги, — это промо. Многие сети до сих пор оценивают акцию по обороту в моменте: выросли продажи, значит, всё сработало. Но это слишком грубая метрика, которая, например, не показывает, был ли реальный прирост или покупатель просто купил тот же товар дешевле, не перетянуло ли промо спрос с соседних позиций.
Для cost-effective-управления это означает смену постановки многих вопросов. Не сколько акций мы провели, а какие из них дали инкрементальную выручку. Не на сколько процентов снизили цену, а какую ошибку мы пытались компенсировать скидкой. Очень часто акция оказывается заменой нормальных ассортиментной, ценовой или запасной политик.
Логистика: последняя миля перестала быть сервисной опцией
Ещё недавно ритейл относился к доставке как к дополнительному сервису. Сейчас это уже часть основной финансовой модели. Когда рынок доставки растёт двузначными темпами, а покупатель привыкает к быстрому выполнению заказа, логистика превращается из бэк-офиса в составную часть конкурентоспособности.
Здесь особенно хорошо видно, как данные напрямую переводятся в деньги. «Купер» по итогам трёх кварталов 2025 года сообщил, что за счёт новой модели машинного обучения и обновлённого алгоритма ценообразования снизил стоимость доставки на 20%, увеличив при этом её скорость на 21%, качество сборки — на 30%, а эффективность курьеров — на 12%. Дополнительно внедрение искусственного интеллекта позволило курьерам выполнять до 20% больше заказов в час. Это хороший пример того, как cost-effective-решение выглядит в реальности, когда не «сэкономили на доставке», а сократили затраты через более точное прогнозирование и лучшее управление потоком заказов.
Логистические расходы редко снижаются просто решением. Их уменьшают точностью: предсказанием спроса по району и часу, более умным распределением заказов, корректной доступностью товара, уменьшением холостых пробегов, сокращением времени ожидания и лучшей сборкой. Там, где данные используются только для отчётности, логистика остаётся затратной функцией. Если результаты аналитики начинают управлять операцией в реальном времени, она становится источником экономии.
Почему многие проекты по работе с данными не дают результата
На этом месте обычно появляется соблазн сказать: значит, надо срочно внедрять искусственный интеллект. Но здесь рынок уже получил хорошую прививку от наивности. McKinsey в исследовании The State of Grocery Retail 2026 говорит, что 47% руководителей относят внедрение ИИ и автоматизации к числу своих трёх главных приоритетов, но 70% пока не видят измеримого эффекта на EBIT (Earnings Before Interest and Taxes, прибыль компании до вычета процентов и налогов) или считают, что оценивать его рано. Лишь 3% респондентов сообщили о росте EBIT более чем на 5% благодаря ИИ, а 83% компаний всё ещё находятся на ранней или развивающейся стадии AI-стратегии.
Главная проблема большинства проектов не в том, что используемые в их рамках модели плохие. Сложность заключается в том, что данные не встроены в решение. Компания может построить десять витрин, двадцать дашбордов и красивую модель прогноза, но, если менеджер, логист, закупщик и директор магазина продолжают жить в разных контурах, эффект будет мнимым.
По мнению Михаила Сорыча, главный вызов сегодня — не технологии, а люди. За последние годы инструменты аналитики, автоматизации и работы с данными действительно вышли на новый уровень, но культура их использования развивается медленнее. «Существенная часть сотрудников всё ещё отвергает цифры и технологии, полагаясь исключительно на личный опыт и мнение. При этом данных стало намного больше и использовать их нужно правильно. Но люди не всегда умеют это делать», — отмечает эксперт. Поэтому внедрение аналитики в ритейле — это не только ИТ-проект, но и изменение управленческой культуры: сотрудники должны понимать, каким данным можно доверять, как их интерпретировать и как превращать выводы в конкретные действия.
Опыт торговой сети «Подружка» показывает, что при работе с ИИ ритейлеру приходится проходить практически весь набор типичных сложностей: качество данных, интеграцию с существующими системами, адаптацию бизнес-процессов и обучение сотрудников. По мнению Алексея Сумина, ни один из этих факторов сам по себе не является непреодолимым барьером. Важнее правильно выбрать прикладную задачу и встроить ИИ в реальный рабочий процесс, а не оставлять его на уровне эксперимента. Один из кейсов «Подружки» связан с поддержкой хранилища данных. В компании описали в каталоге данных наиболее востребованные таблицы DWH (Data Warehouse, хранилище данных) — около 10% от общего объёма. Для этого использовали комбинацию генерации описаний с помощью ИИ и последующей валидации экспертами. Кроме того, ИИ-агент получил доступ к кодовой базе и документации. «Среднее время анализа инцидентов уровня L3, то есть третьей линии поддержки, сократилось с трёх часов до двадцати минут. При этом часть инцидентов уже разбирается полностью автоматически, без участия специалистов. Это позволило повысить скорость реагирования на проблемы с данными и перенаправить освободившийся ресурс на развитие», — поделился результатами Алексей Сумин, добавляет технический руководитель домена данных сети «Подружка».
На практике это означает, что данные из касс, складов, логистики, программ лояльности и промокалендарей должны попадать в хранилища, построенные при помощи систем управления базами данных (СУБД), а затем возвращаться в операционные решения от заказа товара до маршрутизации доставки.
Иначе говоря, cost-effective-подход в ритейле — это не «нанять data-science-команду и ждать чуда». Сначала нужно выбрать конкретную зону потерь — например, списания, пустую полку, лишний запас, неэффективное промо или дорогую доставку. Затем понять, какие данные влияют на эту сферу, встроить аналитику в ежедневную работу закупки, логистики или магазина и уже после этого автоматизировать само решение: заказ, пополнение, маршрутизацию или запуск промо. Без этой связки проект превращается в дорогую попытку впечатлить руководство словами про внедрение ИИ.
С чего ритейлу начинать прямо сейчас
Не стоит пытаться сразу оценить и проанализировать все процессы. Начинать стоит с тех зон, где ошибка уже понятна и дорога. У продуктовой сети это чаще всего запасы, списания, промо и доступность товара. У непродовольственного ритейла — матрица, остатки, скорость пополнения, возвраты и точность омниканального исполнения. У e-grocery и быстрой доставки — спрос по часу и локации, маршрутизация, сборка и распределение товарного потока. То есть первый вопрос должен быть не «какую платформу купить», а «где мы теряем деньги из-за неточного решения».
На практике разумный старт обычно выглядит так:
- выбрать 2–3 зоны, где потери уже видны в деньгах;
- зафиксировать базовые метрики: out-of-stock (товар, который числится в ассортименте и представлен в системе учёта, временно отсутствует на складе, в торговой точке или недоступен для покупки), избыточный запас, списания, инкрементальную маржу промо, стоимость выполнения заказа;
- связать данные из продаж, остатков, логистики и промокалендаря в единый контур;
- встроить аналитику в регулярное управленческое решение, а не оставлять её на уровне отчёта.
В ближайшие годы ритейл вместо комфортного роста ждёт режим постоянного давления на маржу. Это видно и по замедлению российской розницы, и по поведению покупателя, и по смещению рынка в сторону дискаунтеров, собственных торговых марок, более жёсткой промоэкономики и операционной эффективности.
Именно поэтому главный резерв снижения затрат в ритейле сегодня не в урезании бюджетов. Он находится в более точных решениях: сколько и куда везти, что держать на полке, что выводить из матрицы, какие акции оставлять, где нужен запас, а где он лежит мёртвым грузом. Экономить в ритейле нужно умнее. А умнее сегодня почти всегда означает с опорой на данные.
Автор статьи:
Максим Власюк
Директор по работе с корпоративным сектором Группы Arenadata
Источник: New Retail