FMCG-аналитика: полный справочник для производителя — данные, KPI, инструменты и управление исполнением в рознице

Ключевые выводы

• FMCG-аналитика помогает производителю понять, где бренд теряет продажи: в дистрибуции, наличии товара, выкладке, промо или работе полевой команды.
• Sell-in и sell-out нельзя заменять друг другом: отгрузка показывает движение товара в канал, а продажи с кассы — фактический спрос покупателя.
• Полочные данные объясняют причины коммерческого результата: наличие SKU, долю полки, фейсинги, ценники, POS-материалы и соблюдение планограммы.
• Компьютерное зрение превращает фотоотчёты в структурированные KPI и сокращает задержку между фактом на полке и управленческим решением.
• SmartMerch, SM Visor и SM Pulse закрывают разрыв между полевым фото, аналитикой исполнения и действиями в торговой точке.

FMCG-аналитика переводит управление продажами из интуиции в измеримые действия

FMCG-аналитика объединяет данные об отгрузках, продажах, выкладке и поведении покупателей в систему управленческих решений. Для производителя это не набор разрозненных отчётов, а способ увидеть, где бренд теряет продажи: в недостаточной дистрибуции, отсутствии товара на полке, нарушении планограммы, неисполненной промоакции или неверно распределённом ресурсе мерчандайзинга.

В 2025–2026 годах преимущество получают компании, которые сокращают разрыв между фактом на полке и управленческим решением. Чем быстрее производитель получает достоверный сигнал из торговой точки, тем точнее он управляет запасом, полочным пространством, промо и коммерческими инвестициями.

FMCG-аналитика — это система сбора, объединения и интерпретации данных по продажам и исполнению в торговых точках. Она позволяет производителю управлять дистрибуцией, наличием товара, полочным пространством, промоактивностью и развитием категории через количественные показатели, а не через отдельные мнения полевой команды или отчётность с большой задержкой.

Отгрузка в сеть не означает наличие на полке

Классическая ошибка производителя — оценивать состояние бизнеса преимущественно по объёму отгрузок. Товар может быть отгружен дистрибьютору или ритейлеру, но не попасть на полку вовремя: остаться на складе магазина, оказаться в резерве, быть заменён конкурентным SKU или не соответствовать локальной планограмме.

Пример: бренд запускает промоакцию в федеральной сети и увеличивает объём отгрузок перед её стартом. По данным поставок подготовка выглядит успешной. Однако в части магазинов товар не выложен на дополнительном месте продаж, ценники не заменены, а POS-материалы отсутствуют. Продажи не достигают ожидаемого уровня не потому, что промо неинтересно покупателю, а потому что условия промо фактически не были исполнены.

Аналитика связывает коммерческие планы с операционным фактом

Производителю необходима единая картина: где товар должен быть, куда он был отгружен, где он продался и как был представлен покупателю. Для этого объединяются данные о поставках, кассовых продажах, проверках торговых точек, фотографиях полок, ценах и рыночной динамике.

Такой подход помогает разделить разные причины слабого результата. Низкие продажи SKU могут означать низкий спрос, но могут быть следствием отсутствия на полке, недостаточного количества фейсингов, неверного соседства товаров или неправильной цены.

“Продажи с полки показывают результат, а полочные данные объясняют причину этого результата.”

Финансовая ценность возникает в точке исполнения

Для FMCG-производителя полка — это место, где превращаются в выручку инвестиции в производство, логистику, трейд-маркетинг и промо. Если бренд не представлен в приоритетных магазинах или отсутствует на полке в момент выбора, эти инвестиции не реализуются в продажу.

Практика retail execution показывает, что контроль доступности, соответствия выкладке и исполнения промо должен быть встроен в регулярное управление, а не проводиться как выборочный аудит. 

Sell-in и sell-out отвечают на разные вопросы о коммерческом результате

Данные об отгрузках и данные о продажах конечному покупателю нельзя заменять друг другом. Они отражают разные этапы движения товара и должны анализироваться совместно.

Sell-in контролирует поставку и контрактное исполнение

Sell-in — это данные об отгрузках производителя или дистрибьютора в торговую сеть, региональному партнёру либо в отдельную торговую точку. Они поступают из ERP-систем, систем дистрибуции, электронного документооборота и отчётности партнёров.

Эти данные позволяют контролировать выполнение договорённостей по ассортименту, объёму и срокам поставки. Они также помогают оценить, достаточно ли товара было направлено в сеть перед промоакцией или сезонным пиком.

Однако sell-in отражает движение товара между компаниями, а не покупательский спрос. Рост отгрузок может сопровождаться увеличением запасов в канале, а не ростом продаж с полки. Поэтому использовать sell-in как единственный индикатор успеха рискованно.

Sell-out показывает фактический спрос покупателя

Sell-out — это продажи конечному покупателю, зафиксированные кассовой системой ритейлера. Такие данные обычно поступают через EDI, API-интеграции, регулярные отчёты сетей или рыночные панели.

Sell-out позволяет оценивать динамику SKU, бренда и категории, рассчитывать эффект промо, анализировать реакцию на изменение цены и выявлять магазины с аномально низкой скоростью продаж. Именно на этих данных строится понимание реального спроса.

Но sell-out также не даёт полного ответа. Если продажи упали, по кассовым данным невозможно определить, была ли причина в низком спросе, отсутствии товара на полке или нарушении выкладки.

Разрыв между sell-in и sell-out требует оперативной диагностики

Типовой сценарий: производитель видит высокие отгрузки в сеть, но sell-out не растёт. Без полочных данных коммерческая команда может ошибочно снизить поставки или пересмотреть промо-механику. Между тем проверка магазинов может показать, что часть SKU не выставлена, а наиболее продаваемые позиции регулярно отсутствуют на полке.

Сопоставление sell-in и sell-out помогает увидеть запасы в канале и скорость реализации. Добавление полочных данных позволяет понять, что именно необходимо исправить: заказ, пополнение, ассортимент, выкладку или работу с персоналом магазина.

Полевые данные превращают фотографию магазина в управляемые KPI

Полевые данные показывают реальное состояние торговой точки в момент визита. Это единственный слой аналитики, который позволяет проверить, как коммерческие договорённости исполняются непосредственно на полке.

Что входит в полевую отчётность

Традиционно мерчандайзер или торговый представитель фиксирует:

• наличие SKU;
• количество фейсингов;
• цены;
• размещение товара;
• состояние POS-материалов;
• соответствие планограмме;
• конкурентное окружение.

К отчёту обычно прикладываются фотографии полки и комментарии по нарушениям.

Эти сведения критичны для категорий с высокой оборачиваемостью: напитков, снеков, молочной продукции, кондитерских изделий, детского питания и товаров повседневного спроса. В таких категориях даже несколько часов отсутствия ходового SKU могут означать потерянный спрос и переключение покупателя на конкурентный бренд.

Ручной аудит создаёт риск субъективности и задержки

Ручное заполнение чек-листов зависит от дисциплины сотрудника, единообразия интерпретации стандартов и времени, доступного на визит. Один мерчандайзер может посчитать выкладку корректной, другой — зафиксировать нарушение. Фотографии могут быть сделаны, но не превращены в структурированные данные, пригодные для сравнения по тысячам точек.

В результате руководитель получает отчёт спустя дни или недели после визита. Для краткосрочной промоакции такая задержка означает, что проблема будет обнаружена уже после завершения периода продаж.

Компьютерное зрение делает полочные данные сопоставимыми

Системы распознавания изображений обрабатывают фотографии полок, определяют SKU, логотипы, фейсинги, ценники и элементы промооформления. После этого фото становится источником структурированных показателей: наличия, доли полки, соответствия планограмме и соблюдения промоусловий.

SM Visor от SmartMerch занимает место именно в этом контуре: он помогает преобразовывать полевые фотографии в данные для операционного контроля и аналитики. Это снижает зависимость от субъективной оценки и ускоряет передачу результата руководителям и полевым командам.

“Если факт на полке фиксируется только в свободном комментарии, им невозможно системно управлять.”

Числовая и взвешенная дистрибуция определяют качество присутствия бренда

Дистрибуция отвечает не только на вопрос, представлен ли бренд в магазинах, но и на более важный вопрос: представлен ли он там, где формируется основной объём категории.

Числовая дистрибуция измеряет охват торговых точек

Числовая дистрибуция — это доля магазинов в заданной вселенной, где представлен хотя бы один SKU бренда:

Числовая дистрибуция = количество магазинов с брендом / общее количество магазинов во вселенной × 100%.

Показатель полезен для оценки географического и клиентского охвата. Например, бренд может присутствовать в 70% магазинов определённого региона, но этот результат сам по себе не говорит о качестве охвата: возможно, отсутствуют крупнейшие гипермаркеты, магазины у дома с высоким трафиком или ключевые региональные сети.

Взвешенная дистрибуция показывает присутствие в значимых точках

Взвешенная дистрибуция измеряет долю оборота категории, приходящуюся на магазины, где бренд доступен. Она отвечает на вопрос: присутствует ли производитель в точках, которые действительно формируют продажи категории.

Взвешенная дистрибуция = оборот категории в магазинах с брендом / общий оборот категории во всей вселенной × 100%.

Если числовая дистрибуция растёт быстрее взвешенной, компания может расширять охват преимущественно в малозначимых точках. Если взвешенная дистрибуция выше числовой, бренд присутствует в крупных магазинах, но ещё имеет потенциал для расширения в длинном хвосте торговых точек.

Дистрибуция должна проверяться на полке, а не только в документах

Контрактная или документальная дистрибуция не равна фактической доступности. SKU может присутствовать в матрице сети и числиться в остатках, но быть недоступным покупателю. Поэтому для ключевых SKU нужно сопоставлять данные об ассортиментной матрице, поставке, остатках и факте наличия на полке.

Практический сценарий: бренд присутствует в ассортименте 90% целевых магазинов, но полевой аудит фиксирует заметно меньшую фактическую доступность. Причины могут находиться в заказе, пополнении, размещении на складе магазина или замене товара конкурентом. Без этого разделения коммерческая команда будет считать, что дистрибуционная задача решена, хотя покупатель бренд не видит.

Доля полки, отсутствие товара и планограмма напрямую влияют на реализацию спроса

Полочные KPI фиксируют качество исполнения в магазине. Они помогают установить, выполняется ли согласованная модель представления товара и способен ли покупатель найти нужный SKU в момент выбора.

Доля полки отражает видимость бренда внутри категории

Доля полки показывает, какую часть полочного пространства категории занимает бренд. Её можно рассчитывать по количеству фейсингов, ширине или площади выкладки:

Доля полки = фейсинги бренда / все фейсинги категории × 100%.

Этот показатель особенно важен в визуально конкурентных категориях. Если бренд имеет достаточную дистрибуцию, но занимает один фейсинг рядом с несколькими блоками конкурентов, его физическая заметность и вероятность выбора снижаются.

При этом долю полки нельзя анализировать изолированно. Важно учитывать ценовой сегмент, позицию на уровне глаз, соседство товаров, наличие промоценника и ассортиментный состав. Один дополнительный фейсинг ходового SKU может быть полезнее нескольких фейсингов медленно оборачиваемых позиций.

Отсутствие товара на полке создаёт прямой риск потери выручки

Показатель отсутствия товара на полке отражает долю проверок, в которых SKU должен быть доступен, но фактически не найден:

Уровень отсутствия = количество проверок с отсутствием / общее число проверок SKU × 100%.

Для производителя отсутствие товара означает не только неполученную продажу одной единицы. В зависимости от категории покупатель может купить товар конкурента, отложить покупку или изменить привычный бренд. При регулярных сбоях снижается лояльность, а ритейлер получает сигнал о слабой оборачиваемости SKU, хотя реальная причина — нарушение доступности.

Соответствие планограмме проверяет исполнение договорённости

Соблюдение планограммы измеряет, соответствует ли фактическая выкладка согласованным параметрам: месту на полке, набору SKU, количеству фейсингов, вертикальным или горизонтальным блокам, соседству товаров и промооформлению.

В крупной сети даже небольшая доля нарушений масштабируется на сотни магазинов. Если нарушения выявляются только в конце месяца, исправление происходит с опозданием. Автоматическая проверка фотографий через компьютерное зрение позволяет выделять точки с критическими отклонениями и направлять полевую команду туда, где риск потери продаж максимален.

Промо, рост категории и проникновение требуют разных управленческих решений

Промоаналитика не должна сводиться к сравнению продаж «до» и «во время» скидки. Производитель должен отличать рост, созданный акцией, от эффекта сезонности, доступности товара и общего изменения категории.

Прирост от промо нужно сравнивать с корректной базой

Прирост продаж от промо отражает разницу между продажами в промопериод и базовым уровнем. Относительный показатель обычно рассчитывается как отношение промопродаж к базовым продажам за вычетом единицы.

Однако высокая динамика в период акции ещё не доказывает её экономическую эффективность. Необходимо оценивать глубину скидки, маржу, вложения в размещение, затраты на POS-материалы, изменение товарного запаса и возможное перетягивание спроса из соседних периодов.

Исполнение промо определяет достоверность оценки

Если акция действовала на бумаге, но ценник не был заменён, товар отсутствовал на полке или дополнительная выкладка не установлена, результаты нельзя интерпретировать как реакцию покупателей на механику. Это прежде всего результат неполного исполнения.

Пример: в одной группе магазинов скидка сработала хорошо, а в другой — нет. Сопоставление sell-out с полочными данными может показать, что во второй группе выше уровень отсутствия товара и ниже доля промотируемого SKU на полке. В этом случае корректировать нужно не размер скидки, а дисциплину исполнения.

Темп роста категории и проникновение показывают стратегический контекст

Темп роста категории позволяет понять, растёт ли бренд быстрее рынка или его продажи увеличиваются только вслед за категорией. Проникновение показывает долю покупателей или домохозяйств, купивших бренд хотя бы раз за период; обычно оно рассчитывается по потребительским панелям или данным программ лояльности.

Рост продаж без роста проникновения может быть связан с увеличением частоты покупок существующих потребителей, промо или ценой. Рост проникновения при слабой доступности, напротив, может сигнализировать о необходимости расширять дистрибуцию и укреплять наличие товара в ключевых форматах.

Современный аналитический стек объединяет BI, полевые системы, распознавание и прогнозирование

Устойчивый аналитический контур FMCG-компании строится как последовательность уровней: данные, унификация, аналитические сервисы и операционное исполнение. Отдельный дашборд без качественных исходных данных не решает проблему управления.

BI-платформы обеспечивают единое представление KPI

Power BI, Tableau, Yandex DataLens и аналогичные платформы используются для построения витрин данных и дашбордов. Руководители получают представление показателей по регионам, сетям, форматам, брендам и SKU; аналитики могут детализировать отклонения до отдельного магазина.

BI-слой удобен для анализа динамики дистрибуции, продаж, промо, категории и агрегированных полочных KPI. Однако он не заменяет первичный источник факта. Если данные о наличии и выкладке поступают нерегулярно или не сопоставимы между сотрудниками, даже качественная визуализация будет отражать неполную картину.

SFA-системы организуют работу полевой команды

Приложения автоматизации работы торговых представителей и мерчандайзеров управляют маршрутами, задачами, чек-листами, визитами и фотоотчётами. Они являются важным операционным слоем: через них в магазин поступает задача исправить выкладку, проверить ценники или восстановить наличие.

Распространённая ошибка — использовать SFA только как средство контроля посещений. Ценность появляется, когда задания формируются на основе приоритета: риска отсутствия товара, нарушения планограммы, важности SKU и потенциала магазина.

Компьютерное зрение и прогнозные модели усиливают аналитический контур

Платформы распознавания изображений автоматизируют обработку фотографий, а прогнозная аналитика использует историю продаж, сезонность, цены, промо и полочные KPI для выявления рисков и сценариев спроса.

Например, модель может выделить магазины, где вероятность отсутствия SKU повышается перед выходными. Но для качественного прогноза необходимы достоверные данные о том, как товар представлен на полке. Поэтому компьютерное зрение становится не отдельным экспериментом, а источником для более точной операционной аналитики.

Замкнутый контур обратной связи сокращает задержку управленческих решений

Замкнутый контур обратной связи в рознице означает, что данные о продажах и факте исполнения возвращаются производителю, преобразуются в задачи и влияют на следующее действие в магазине. Без этого аналитика остаётся ретроспективной отчётностью.

Контур начинается с планов и нормативов

Производитель формирует ассортиментную матрицу, целевые показатели дистрибуции, планограммы, промокалендарь, стандарты ценников и правила размещения POS-материалов. Эти нормативы должны быть доступны полевой команде и связаны с конкретными магазинами, форматами и периодами.

Если стандарты существуют только в презентациях или файлах, невозможно автоматически оценить отклонение. Для управления нужен структурированный норматив: какой SKU должен быть в какой точке, где расположен, сколько фейсингов занимает и какая цена действует в период промо.

Затем фиксируется факт и приоритизируются отклонения

После визита мерчандайзера или аудита система получает фотографии, чек-листы и другие полевые данные. Компьютерное зрение может автоматически выявить отсутствие товара, снижение доли полки, нарушение выкладки или расхождение ценника с промоусловием.

Критически важно не превращать каждое отклонение в срочную задачу. Приоритет должен учитывать потенциальную финансовую потерю: значимость магазина, оборачиваемость SKU, период акции, степень нарушения и возможность быстрого исправления.

Решение должно возвращаться в магазин в пределах полезного времени

Если данные о нарушении обработаны быстро, руководитель может перенаправить мерчандайзера, инициировать пополнение, эскалировать проблему в сеть или скорректировать маршрут. Если сигнал поступает через две недели, он уже не влияет на завершившуюся акцию.

“Задержка управленческого решения в FMCG часто дороже самого нарушения на полке.”

Именно поэтому современные системы ориентируются не только на отчётность, но и на уведомления, очереди задач и контроль устранения проблемы. 

SmartMerch закрывает разрыв между полевым фото, полочным KPI и управленческим действием

SmartMerch занимает специализированное место в FMCG-аналитическом стеке: связывает полевые данные, компьютерное зрение и оперативную аналитику исполнения в торговых точках.

SM Visor структурирует данные о полке

SM Visor обрабатывает фотографии торговых полок и распознаёт представленные товары. На этой основе можно получать данные о наличии SKU, доле полочного пространства, соблюдении стандартов выкладки, ценниках и промоэлементах.

Для производителя это означает переход от набора фото к сопоставимому массиву показателей по брендам, регионам, сетям, магазинам и сотрудникам. Менеджер может видеть не просто факт визита, а результат: какие SKU отсутствуют, где не выполнена планограмма и в каких точках доля полки ниже целевого значения.

Платформа усиливает, а не заменяет существующие системы

SmartMerch не должен рассматриваться как замена ERP, SFA или BI. Его роль — обеспечить достоверный поток полочных данных для этих контуров. Фотографии могут поступать из SFA-приложения, результаты распознавания — передаваться в корпоративное хранилище данных и BI-дашборды, а выявленные нарушения — становиться задачами для полевой команды.

Такое построение снижает риск появления ещё одного изолированного инструмента. Архитектурная цель состоит в том, чтобы каждый источник данных использовался по назначению: ERP — для поставок, данные ритейлера — для продаж, SFA — для исполнения задач, а SM Visor — для объективного контроля факта на полке.

Внедрение FMCG-аналитики требует качества справочников, пилота и расчёта экономического эффекта

Успех аналитической инициативы определяется не количеством подключённых систем, а способностью компании встроить данные в регулярный цикл принятия решений.

Начинать следует с приоритетных бизнес-вопросов

Проект стоит начинать не с выбора визуализации или модели, а с вопросов, которые нужно решать:

• почему падают продажи в конкретной сети;
• где теряется доступность;
• насколько исполняется промо;
• какие магазины требуют визита в первую очередь.

Для пилота разумно выбрать одну категорию, ограниченное число сетей, приоритетные регионы и набор критичных SKU. Это позволит проверить качество распознавания, сопоставимость данных, удобство процессов и реальную скорость устранения отклонений.

Справочники и правила расчёта важнее интерфейса

Наиболее частые проблемы возникают при сопоставлении SKU, наименований сетей, форматов магазинов, категорий и планограмм. Один и тот же товар может иметь разные названия в системе производителя, в отчёте сети и в приложении мерчандайзера. Без единого справочника показатели дистрибуции, наличия и продаж будут противоречить друг другу.

Также необходимо заранее согласовать определения KPI. Например, отсутствие товара можно считать по визитам, по SKU-магазинам или только по ассортиментной матрице. Все варианты допустимы, но их нельзя смешивать в одном отчёте.

ROI нужно оценивать через предотвращённые потери и производительность

Экономический эффект формируется из нескольких источников:

• снижения потерь от отсутствия товара;
• более полного исполнения промо;
• роста качества выкладки;
• сокращения времени аудита;
• приоритизации визитов полевой команды.

Неправильно обещать универсальный процент роста продаж от автоматизации. Реалистичная оценка строится на базовых значениях: частоте нарушений, объёме продаж критичных SKU, скорости исправления, стоимости визитов и охвате торговых точек. Чем выше задержка между обнаружением проблемы и действием, тем меньше финансовая отдача от аналитики.

Стратегический вывод: FMCG-аналитика становится системой управления исполнением, а не функцией отчётности

Современный производитель FMCG должен управлять не только отгрузкой в сеть и итогом продаж, но и всей цепочкой между ними: представленностью в приоритетных магазинах, наличием SKU на полке, точностью ценников, соблюдением планограмм и фактическим исполнением промоакций.

Эффективный аналитический стек объединяет sell-in, sell-out, полевые данные и внешние рыночные источники. BI-платформы делают показатели доступными руководителям, SFA-системы организуют действия в поле, компьютерное зрение создаёт объективный факт о полке, а прогнозные модели помогают заранее выявлять риски.

Роль SmartMerch в этой архитектуре состоит в создании оперативного слоя полочной аналитики: SM Visor превращает фотографии в измеримые показатели исполнения, а SM Pulse сокращает время работы руководителей и аналитиков с KPI. В результате организация получает не просто больше данных, а более короткий и контролируемый цикл: план — исполнение — проверка — корректирующее действие — измеримый финансовый результат.

FAQ: практические вопросы руководителей FMCG-компаний

Чем FMCG-аналитика отличается от обычной отчётности по продажам?

Отчётность показывает, что произошло с продажами. FMCG-аналитика объединяет продажи с данными о дистрибуции, наличии товара, ценах, выкладке и промо, чтобы объяснить, почему это произошло и какое действие требуется.

Можно ли управлять дистрибуцией только по данным отгрузок?

Нет. Отгрузка подтверждает поставку в канал, но не гарантирует наличие товара на полке. Для контроля фактической доступности необходимы sell-out, данные об остатках при их доступности и полевой аудит.

Какие KPI нужно внедрять в первую очередь?

Для большинства производителей первичны числовая и взвешенная дистрибуция, наличие товара на полке, доля полки, соблюдение планограммы и исполнение промо. Затем набор расширяется показателями роста категории, проникновения и экономической эффективности промо.

Зачем компьютерное зрение, если мерчандайзеры уже делают фотоотчёты?

Без автоматической обработки фотографии остаются неструктурированным архивом. Компьютерное зрение преобразует их в сопоставимые показатели по SKU, фейсингам, полкам, ценникам и нарушениям, сокращая влияние субъективной оценки.

Какую роль играет SM Pulse в аналитическом контуре?

SM Pulse может дополнять BI-среду как корпоративный помощник для работы с KPI на естественном языке. Он помогает быстрее получать расчёты и объяснения отклонений, например сравнить уровень отсутствия товара по регионам, оценить динамику доли полки или уточнить эффект промо без ручного построения множества отчётов.