ABC-аналіз: правило 80/20 для товарного асортименту
ABC-аналіз ранжує товари за їхнім внеском у обрану метрику — зазвичай виручку або річну вартість споживання — і ділить на три рівні. У більшості реальних асортиментів приблизно 20% SKU дають близько 80% виручки, а довгий хвіст повільних позицій забирає місце на полиці, гроші й увагу категорійного менеджера за дуже малу віддачу.
| Рівень | Типова частка SKU | Типова частка виручки | Підхід до управління |
|---|---|---|---|
| A | ~10-20% | ~70-80% | Жорсткий контроль: часті перевірки, високий рівень сервісу, низька толерантність до дефіциту |
| B | ~20-30% | ~15-20% | Стандартний контроль: періодичні перевірки, помірний страховий запас |
| C | ~50-70% | ~5-10% | Легкий контроль: прості правила замовлення, вища толерантність до дефіциту |
Мета не в тому, щоб відмовитись від C-товарів — багато з них все одно потрібні для повноти асортименту — а в тому, щоб перестати витрачати однакові аналітичні й операційні зусилля на товар, що продається двічі на рік, і на той, що продається щодня.
Будуємо ABC-класифікацію крок за кроком
- Оберіть метрику. За замовчуванням це виручка, але внесок у маржу чи кількість проданих одиниць можуть бути важливішими залежно від категорії — SKU з високою виручкою і низькою маржею автоматично не є "A"-товаром з точки зору прибутковості.
- Візьміть дані продажів за 12 місяців на кожен SKU, щоб згладити сезонність; коротший період зміщує ранжування в бік того, що трендило саме в цей момент.
- Відсортуйте SKU за спаданням метрики і порахуйте накопичений відсоток від загальної суми, рухаючись вниз списком.
- Задайте межі відсічення — зазвичай A до ~80% накопиченого підсумку, B до ~95%, C — решта — але коригуйте ці пороги під реальний розподіл вашої категорії, а не застосовуйте 80/20 сліпо.
- Перераховуйте за розкладом. Статичний, одноразовий поділ ABC застаріває вже за квартал, коли запускаються нові товари і сезонність зміщує попит.
Додаємо XYZ: варіативність попиту, а не лише цінність
ABC сам по собі показує що цінне — але нічого не каже про те, наскільки попит передбачуваний. XYZ-аналіз класифікує ті самі товари за варіативністю попиту, зазвичай використовуючи коефіцієнт варіації продажів у часі.
| Клас | Патерн попиту | Наслідок для прогнозування |
|---|---|---|
| X | Стабільний, низька варіативність | Прогнози надійні; потрібен низький страховий запас |
| Y | Коливається, є сезонність чи тренд | Помірний страховий запас; прогноз з урахуванням тренду/сезонності |
| Z | Нерегулярний, важко передбачити | Високий страховий запас або підхід під замовлення; прогнози ненадійні |
Поєднання ABC і XYZ дає дев'ять сегментів замість трьох — і саме комбінація насправді визначає різну політику управління запасами, а не жоден з вимірів окремо.
Дев'ять сегментів і що робити з кожним
| Сегмент | Значення | Типова політика |
|---|---|---|
| AX | Висока цінність, стабільний попит | Автоматизуйте поповнення; мінімальний страховий запас через передбачуваність |
| AY | Висока цінність, помірна варіативність | Часті перевірки; помірний страховий запас; стежте за зміною тренду |
| AZ | Висока цінність, нерегулярний попит | Найвищий пріоритет для ручної перевірки — цінність висока, але прогнози ненадійні |
| BX–BY | Середня цінність, стабільний-помірний попит | Стандартна періодична перевірка; напівавтоматичні правила замовлення |
| BZ | Середня цінність, нерегулярний попит | Розгляньте скорочення глибини або перехід до замовлення під клієнта |
| CX | Низька цінність, стабільний попит | Повністю автоматизоване, рідкісне замовлення; низький пріоритет для ручної уваги |
| CY–CZ | Низька цінність, непередбачуваний попит | Кандидати на скорочення асортименту — аналіз "хвоста", який розглянемо в наступній статті |
Що AI додає до колись статичного звіту
Класичний ABC-XYZ був квартальною вправою в таблиці. У 2026 AI-інструменти для управління запасами оновлюють класифікацію безперервно і додають дві речі, з якими ручний процес справляється погано: підтягують неструктуровані вхідні дані (PDF постачальників, скановані рахунки), які таблично-орієнтований процес зазвичай ігнорує, і поєднують внутрішню історію продажів із зовнішніми сигналами попиту для більш чутливого прогнозу.
За галузевими оцінками, глобальне спотворення запасів — сукупна вартість дефіцитів і надлишків — становить приблизно $1,73 трильйона на рік, а AI-оптимізація запасів, за повідомленнями, скорочує дефіцити приблизно вдвічі там, де впроваджена правильно. Механізм той самий ABC-XYZ; змінюється лише частота перерахунку і кількість зовнішнього контексту, що його живить.
Ніщо з цього не замінює описану вище логіку — AI-інструмент, що перекласифіковує ваші SKU щогодини, все одно робить ABC-XYZ. Цінність — у свіжості й масштабі, а не у принципово іншому методі.
Типові помилки, через які ABC вводить в оману
| Помилка | Чому вводить в оману |
|---|---|
| Використання даних продажів лише за один місяць | Сезонні товари класифікуються неправильно залежно від того, який саме місяць випадково обрали |
| Ранжування лише за виручкою, без урахування маржі | Знижений товар з великим обсягом може давати менше прибутку, ніж "B"-товар середнього рівня |
| Ніколи не перераховувати класифікацію | Запуск нових товарів і зміна попиту роблять застарілий поділ ABC активно неправильним |
| Застосування одного поділу ABC до несхожих категорій | Ховає специфічні для категорії патерни 80/20 під середнім, що не підходить нікому добре |
ABC-XYZ показує, куди спрямувати увагу і наскільки жорстко контролювати запаси — це інструмент тріажу, а не повна стратегія категорії. Наступна стаття цієї серії розглядає шар над ним: моніторинг цін конкурентів і побудову правил ціноутворення, які враховують те, що ця класифікація вже говорить про роль кожного товару.