Out-of-stock (OOS) в розничной торговле и FMCG: что это, чем отличается от phantom inventory, как считать KPI и как снижать потери с помощью AI

Ключевые выводы

• OOS — это момент, когда покупатель готов купить товар, но товар недоступен для продажи: на полке его нет или он не выложен в торговом зале.
• Phantom inventory опасен тем, что система показывает наличие товара, хотя физически его нет, из-за чего автозаказ и пополнение могут не сработать.
• Уровень OOS нужно считать несколькими способами: по SKU, по времени отсутствия и по потерянным продажам.
• Потери от OOS в FMCG могут составлять 3–8% потенциального оборота по категориям, а типичный уровень OOS часто находится в диапазоне 5–10%.
• AI и компьютерное зрение позволяют видеть фактическое состояние полки, прогнозировать риск OOS и быстрее запускать корректирующие действия.

OOS — это не абстрактная проблема, а прямой разрыв между спросом и продажей

Что такое OOS простыми словами

Out-of-stock, или OOS, — это ситуация, когда покупатель хочет купить конкретный товар в конкретном магазине, но не может этого сделать, потому что товара нет в продаже. Проще всего это выглядит так: человек пришёл за определённым йогуртом, шампунем или упаковкой кофе — а полка пустая.

Для розницы это не просто “неудобство на полке”. Это момент, в котором выручка не состоялась. Для производителя — это потерянный контакт бренда с покупателем и часто переход спроса к конкуренту.

Важно понимать: OOS — это не только полное отсутствие товара в магазине. С точки зрения покупателя товар также “отсутствует”, если он есть в подсобке, но не выложен в торговом зале.

Почему OOS критичен именно для FMCG

В FMCG товары покупаются часто, быстро оборачиваются и легко сравниваются между собой. Если на полке нет нужной позиции, решение принимается за секунды: покупатель берёт замену, отказывается от покупки или уходит в другой магазин.

Именно поэтому OOS особенно болезнен в категориях с высокой частотой покупок: молочная продукция, напитки, снеки, бытовая химия, средства личной гигиены.

Операционный сценарий

Сеть запускает промо на популярный бренд газированных напитков. Трафик вырастает, товар быстро уходит с полки, но вечернее пополнение задерживается. По данным учётной системы остаток в магазине ещё есть, а фактически полка пустая уже три часа. Для покупателя это OOS. Для системы — “товар в наличии”.

“Пустая полка начинается как локальная ошибка, а заканчивается как системная потеря продаж.”

OOS и phantom inventory — это связанные, но разные операционные проблемы

В чём разница между OOS и phantom inventory

OOS — это факт недоступности товара для продажи.

Phantom inventory — это расхождение между учётными и фактическими остатками, когда система показывает, что товар есть, а физически его нет или его меньше, чем отражено в учёте.

То есть phantom inventory — это не просто “ошибка учёта”. Это одна из самых опасных причин скрытого OOS.

Почему phantom inventory опаснее обычного дефицита

Когда остаток в системе нулевой, механизмы пополнения хотя бы могут сработать. Когда система считает, что запас есть, заказ часто не формируется. В результате пустая полка может сохраняться дольше, чем при обычном дефиците.

Причины phantom inventory типичны для крупных сетей:

• ошибки при приёмке
• несвоевременное списание
• кражи
• повреждения без отражения в системе
• ошибки инвентаризации
• разрывы между ERP, WMS и кассовыми данными

Операционный сценарий

На полке нет популярного SKU шампуня. В подсобке его тоже нет. Но в ERP числится 12 единиц. Автозаказ не запускается. Магазин теряет продажи несколько дней, пока не пройдёт инвентаризация или пока проблему не увидит полевой сотрудник.

Почему это важно для цифровых проектов

Если компания строит аналитику только на учётных остатках, phantom inventory делает прогнозы и KPI ненадёжными. Именно поэтому мониторинг полки и контроль фактического наличия должны дополнять учётные данные.

“Если система считает, что товар есть, OOS перестаёт быть видимым для стандартного пополнения.”

Уровень OOS нужно считать несколькими способами, а не одной метрикой

Базовая формула расчёта OOS по SKU

Самый простой показатель — доля товарных позиций, отсутствующих на полке в момент замера:

OOS = Количество SKU в отсутствии / Общее количество SKU, которые должны быть представлены × 100%

Например, если из 200 обязательных позиций 12 отсутствуют, OOS составляет 6%.

Временной OOS показывает глубину проблемы

Для операционного управления важен не только факт отсутствия, но и длительность:

OOS по времени = Время отсутствия товара / Время наблюдения × 100%

Если товар отсутствовал 8 часов из 40 часов продаж за неделю, временной OOS — 20%.

Это показатель намного ближе к реальному клиентскому опыту, чем разовый аудит.

OOS по потерянным продажам отражает финансовый ущерб

Наиболее ценный для руководителей показатель:

OOS по продажам = (Потенциальные продажи − Фактические продажи) / Потенциальные продажи × 100%

Проблема в том, что потенциальные продажи нужно моделировать: учитывать сезонность, промо, трафик, соседние магазины, историю без дефицита.

Какие KPI используют ритейлеры и производители

Чаще всего в управлении применяются:

• уровень OOS по SKU
• on-shelf availability, то есть наличие товара на полке
• средняя длительность эпизода отсутствия
• доля магазинов ниже целевого уровня наличия
• потерянные продажи из-за OOS
• потерянная маржа
• OOS по промо-товарам
• OOS по ключевым брендам и категориям

Практический вывод

Один KPI недостаточен. Разовый аудит может показывать норму, а продажи при этом будут теряться из-за вечерних провалов на полке.

“Измерять OOS только по инвентарным срезам — значит видеть проблему слишком поздно.”

Основные причины OOS лежат не в одной точке, а по всей цепочке исполнения

Поставки и сбои в цепи поставок формируют складской дефицит

Если товар не доехал до магазина, причина может быть на любом уровне:

• ошибка прогноза спроса
• низкий уровень исполнения заказа поставщиком
• задержка транспорта
• дефицит сырья или производства
• неверная аллокация товара между магазинами

Даже при достаточном запасе на уровне сети отдельные магазины могут уходить в OOS из-за слабого распределения.

Выкладка и пополнение полки создают полочный OOS

Одна из самых частых ситуаций: товар есть в магазине, но его нет на полке. Причины:

• не успели пополнить
• не соблюдена планограмма
• товар остался в подсобке
• персонал перегружен
• нет приоритизации по критичным позициям

Для покупателя такой OOS ничем не отличается от полного отсутствия товара.

Ошибки прогноза особенно опасны в промо

Во время акций спрос может вырасти кратно. Если промо-эффект недооценён, пустая полка появляется именно в момент максимального трафика.

Это двойная потеря: деньги на продвижение уже потрачены, а конверсия в продажу не реализована.

Расхождение учётных и фактических остатков поддерживает скрытый OOS

Это зона phantom inventory. При плохой дисциплине учёта система не понимает, что продажа уже невозможна, и решение о пополнении задерживается.

Организационная причина тоже существенна

Во многих сетях за наличие товара на полке никто не отвечает сквозным образом. Логистика отвечает за поставку, магазин — за операции, категорийный менеджмент — за ассортимент, IT — за данные. Но OOS — это результат всей системы.

“Разрывы в исполнении масштабируются быстрее, чем отчётность успевает их зафиксировать.”

Потери от OOS измеряются процентами оборота и миллиардами долларов

Что говорят отраслевые оценки

Консолидированные оценки отраслевых исследований, на которые ссылаются McKinsey, NielsenIQ и Gartner, показывают устойчивую картину:

• типичный уровень OOS в ключевых категориях часто находится в диапазоне 5–10%
• потери продаж из-за OOS обычно оцениваются в 3–8% потенциального оборота по соответствующим категориям
• вероятность того, что покупатель столкнётся с отсутствием позиции из своего списка, может достигать 10–15%, особенно в периоды повышенного спроса

Источник для контекста по retail availability и supply chain performance: McKinsey, NielsenIQ, Gartner.

Почему потери выше, чем кажется по кассе

Не каждая потерянная продажа видна как “ноль в строке”. Часть спроса уходит:

• на товар конкурента
• в другой магазин
• в перенос покупки
• в сокращение всей корзины

Если покупатель ушёл в другой магазин, ритейлер теряет не только один SKU, но и сопутствующие покупки.

Что это означает в денежном выражении

Для крупной сети с оборотом в миллиарды долларов даже 3–5% потерь по чувствительным категориям означают десятки и сотни миллионов недополученной выручки в год. Для производителя — это не только упущенный объём, но и просадка доли рынка и эффективности трейд-маркетинга.

McKinsey Operations insights также регулярно подчёркивает, что улучшение on-shelf availability на несколько процентных пунктов может давать прирост продаж без расширения ассортимента и без дополнительных маркетинговых расходов.

Операционный сценарий

Производитель инвестирует в национальную промо-кампанию FMCG-бренда. Продажи в части магазинов не растут не потому, что спрос слабый, а потому что товар отсутствует на полке. Маркетинговые инвестиции не конвертируются в оборот.

“OOS — это один из немногих источников потерь, где выручка уже почти заработана, но не реализована физически.”

Поведение покупателя при OOS напрямую определяет, кто теряет деньги

Покупатель не реагирует на OOS одинаково

При отсутствии товара на полке возможны четыре базовые реакции:

• взять замену в той же категории
• выбрать другой бренд
• отказаться или отложить покупку
• уйти в другой магазин

Для ритейлера и производителя эти сценарии финансово различаются.

Когда теряет производитель, а когда — и ритейлер тоже

Если покупатель меняет один бренд на другой внутри того же магазина, производитель теряет продажу, а ритейлер — только часть маржи или структуры корзины.

Если покупатель уходит в другой магазин, теряют оба: и сеть, и производитель, который мог бы продаться в этой точке.

Категория влияет на вероятность замещения

В базовых категориях замена происходит чаще. В брендозависимых — выше риск отказа или ухода. Это особенно заметно в:

• детском питании
• специализированной косметике
• функциональных напитках
• премиальных товарах
• товарах с выраженной лояльностью к бренду

Операционный сценарий

Покупатель приходит за конкретным детским питанием. На полке его нет. Ближайшая замена не воспринимается как равноценная. Покупка переносится, а затем совершается в другом магазине. Сеть теряет не только эту позицию, но и регулярный трафик семьи.

Управленческий вывод

Нужно оценивать OOS не только как общий процент, но и по поведенческому риску категории: где замещение вероятно, а где пустая полка означает прямой уход клиента.

AI и компьютерное зрение позволяют бороться не с отчётом, а с самой причиной OOS

Почему традиционных аудитов уже недостаточно

Ручные обходы полок дают редкие и фрагментарные данные. POS-аналитика часто опаздывает. Учётные остатки искажены phantom inventory. В результате решение принимается уже после потери продажи.

Как компьютерное зрение работает на полке

Система анализирует фотографии или видеопоток, распознаёт товары, считает фейсинги, находит пустые места и сравнивает фактическую выкладку с планограммой.

Это даёт ответ на вопросы:

• есть ли товар на полке
• хватает ли полочного запаса
• соблюдена ли планограмма
• какие SKU требуют срочного пополнения
• где фактическая выкладка не соответствует учётной картине

Как AI помогает прогнозировать OOS заранее

Модели машинного обучения могут учитывать:

• историю продаж
• цены и промо
• сезонность
• погоду
• внешние события
• данные по поставкам
• фактическое состояние полки

На этой основе можно рассчитывать риск ухода SKU в OOS до того, как полка опустеет окончательно.

Где здесь применим SmartMerch SM Visor

Системы класса SmartMerch SM Visor логично использовать как контур фактического контроля полки. Если изображения стеллажей регулярно анализируются, сеть получает не отчёт “задним числом”, а операционный сигнал: где уже есть отсутствие, где нарушена выкладка, где накапливается риск OOS.

Это особенно полезно в категориях с высокой скоростью оборота, сложной планограммой и высокой стоимостью полочного разрыва.

“Ритейл выигрывает от AI тогда, когда данные с полки становятся частью ежедневного управленческого контура.”

Если товар точно уйдёт в OOS, нужно управлять не только запасом, но и последствиями

Раннее предупреждение лучше экстренного реагирования

Если сеть видит, что поставка сорвётся или спрос превысит доступный запас, нужно запускать сценарий заранее:

• пересмотреть распределение остатков
• остановить или ослабить промо
• скорректировать приоритеты магазинов
• подготовить замещающий ассортимент
• сообщить командам на местах о риске

Перераспределение остатков между магазинами снижает общий ущерб

Если дефицит ограничен, логично направлять остаток туда, где:

• выше трафик
• выше роль категории в корзине
• выше риск потери клиента
• сильнее конкурентное давление

Не всегда справедливая поставка равна эффективной поставке.

Замещение должно быть подготовлено заранее

Если OOS неизбежен, нужно:

• определить релевантные заменители
• скорректировать выкладку
• усилить видимость альтернатив
• обучить персонал, что рекомендовать покупателю
• в онлайн-канале настроить корректные рекомендации

Коммуникация с покупателем уменьшает репутационный ущерб

Особенно в e-commerce и омниканальных моделях полезны:

• уведомления о временном отсутствии
• информация о сроках восстановления
• подписка на поступление
• подсказка об альтернативном товаре

Операционный сценарий

Ритейлер понимает, что один из промо-SKU в бытовой химии закончится на 3 дня раньше следующей поставки. Вместо пассивного OOS сеть завершает акцию раньше, перераспределяет остатки в ключевые магазины и переводит трафик на ближайшую альтернативу с сопоставимой ценой. Потери снижаются, хотя избежать OOS полностью не удалось.

“Если OOS нельзя предотвратить, его нужно сделать управляемым.”

Внедрение управления OOS требует не только технологии, но и новых процессов

Главная проблема — не отсутствие данных, а их несинхронность

Для качественного управления OOS нужно объединить:

• продажи
• остатки
• промо-календарь
• планограммы
• данные поставок
• визуальный контроль полки
• задачи персоналу

Без этого даже сильная аналитика будет фрагментированной.

Сквозная ответственность важнее локальной оптимизации

Если логистика оптимизирует только запасы, магазин — только трудозатраты, а коммерческий блок — только маржу, OOS неизбежно будет воспроизводиться.

Нужна единая логика управления наличием товара на полке как сквозным KPI.

Что меняется в операциях после внедрения AI-контроля

Меняются роли:

• мерчендайзер получает не просто маршрут, а приоритетные задачи
• директор магазина видит критичные полочные разрывы
• категорийный менеджер видит, где планограмма не соответствует реальному спросу
• supply chain получает сигналы не только по остатку, но и по фактической доступности

Где помогает разговорная аналитика

Если данные по KPI доступны в естественном языке через корпоративный AI-помощник, управленческий цикл сокращается. Здесь логично использовать подходы, подобные SM Pulse, когда руководитель может быстро получить ответ: где выше всего OOS, по каким SKU теряется выручка и какие магазины выбиваются из нормы.

“Задержка управленческих решений в крупных сетях часто дороже, чем сама технологическая ошибка.”

Заключение

OOS в рознице и FMCG — это не частный инцидент магазина, а системный показатель качества операционного исполнения. Он возникает на стыке прогноза спроса, поставок, пополнения полки, дисциплины учёта и скорости управленческой реакции. Финансово это один из самых чувствительных разрывов: покупатель уже готов купить, маркетинг уже отработал, место на полке оплачено — но выручка не происходит.

В 2025–2026 годах зрелое управление OOS всё больше строится вокруг фактической видимости полки, синхронизации данных и предиктивной аналитики. Именно поэтому AI и компьютерное зрение становятся не дополнительным инструментом, а частью базовой операционной инфраструктуры современной сети.

Компании, которые умеют видеть OOS до того, как он становится массовым, и быстро замыкают контур “данные — решение — действие”, получают не только рост доступности товара, но и более устойчивую модель розничного исполнения.

FAQ

Что такое OOS простыми словами?

Это отсутствие товара в продаже в тот момент, когда покупатель хочет его купить. Если товара нет на полке, для покупателя это уже OOS — даже если он лежит в подсобке.

Чем OOS отличается от phantom inventory?

OOS — это фактическая недоступность товара. Phantom inventory — это ситуация, когда система показывает остаток, которого нет физически. Phantom inventory часто становится причиной скрытого OOS.

Как считается уровень OOS?

Базовая формула: количество отсутствующих SKU делится на количество SKU, которые должны быть представлены, и умножается на 100%. Но для управления также важны OOS по времени и OOS по потерянным продажам.

Сколько теряют ритейлеры и производители из-за OOS?

По отраслевым оценкам, потери продаж часто составляют 3–8% потенциального оборота по категориям, а сам уровень OOS по ключевым товарам нередко находится в диапазоне 5–10%. Источники для отраслевого контекста: McKinsey, NielsenIQ, Gartner.

Можно ли снизить OOS без увеличения запасов?

Да, если проблема связана не с общим объёмом товара, а с выкладкой, ошибками учёта, несвоевременным пополнением полки, слабым прогнозом спроса или неправильной аллокацией между магазинами.

Как AI помогает бороться с OOS?

AI помогает двумя способами: видит фактическое состояние полки через компьютерное зрение и прогнозирует риск OOS заранее по данным продаж, поставок, промо и запасов. Это позволяет реагировать до потери продажи.