Cost-to-serve във FMCG: защо оборотът не казва дали клиентът е печеливш

Във FMCG е лесно да се гледа оборот.

Кой клиент купува най-много. Кой регион расте. Кой дистрибутор прави най-голям sell-in. Кой route носи най-много фактури.

Но оборотът не казва дали клиентът е печеливш.

Един клиент може да има висок оборот и слаб марж, ако изисква чести малки доставки, високи отстъпки, много claims, специално обслужване, дълъг кредит и сложна логистика.

Друг клиент може да има по-малък оборот, но да бъде по-печеливш, защото поръчва регулярно, приема доставка в удобен прозорец, има ниски returns и не изисква скъп service model.

Затова cost-to-serve е критичен KPI.

Какво е cost-to-serve

Cost-to-serve е разходът да обслужиш конкретен клиент, канал, регион, маршрут или дистрибутор.

Той включва повече от транспорт.

Във FMCG cost-to-serve може да включва:

• visit cost;
• delivery cost;
• picking and loading;
• warehouse handling;
• cash collection;
• credit management;
• claims and returns;
• discounts and trade terms;
• merchandising tasks;
• order processing;
• call center или telesales;
• route administration;
• failed delivery;
• small drop inefficiency.

Ако този разход не се вижда, компанията може да расте по оборот, но да губи печалба.

Голям клиент не означава добър клиент

Някои клиенти изглеждат важни, защото оборотът е висок.

Но ако погледнем full service cost, картината може да се промени.

Например клиент с висок оборот може да:

• прави малки поръчки често;
• изисква специални delivery windows;
• връща много стока;
• бави плащания;
• има много price disputes;
• изисква ръчно merchandising обслужване;
• получава агресивни отстъпки;
• има нисък fill rate заради сложен assortment.

Това не означава, че клиентът е лош.

Означава, че service model-ът трябва да бъде управляван.

Какво трябва да се мери

Cost-to-serve трябва да се гледа по няколко измерения:

Без тези разрези cost-to-serve остава общ финансов отчет.

Drop size е ключов сигнал

Малките поръчки могат да бъдат много скъпи.

Ако sales rep посещава клиент, взема малка поръчка, складът я подготвя, delivery vehicle я доставя и finance следи плащане, разходът може да е твърде висок спрямо маржа.

Това не означава, че малките клиенти трябва да бъдат игнорирани.

Означава, че service model-ът трябва да се адаптира:

• по-рядка visit frequency;
• telesales;
• self-service ordering;
• minimum order quantity;
• комбинирана доставка;
• van sales вместо pre-sales;
• distributor-led servicing;
• различен assortment.

Visit frequency не трябва да се решава само по навик. Тя трябва да отчита потенциал и cost-to-serve.

Route cost е повече от гориво

Маршрутът има разход:

• време на търговец;
• време на шофьор;
• гориво;
• vehicle cost;
• loading/unloading;
• opportunity cost;
• missed visits;
• admin work;
• overtime;
• failed delivery.

Route optimization трябва да гледа тези разходи, а не само километри. Най-краткият маршрут може да бъде слаб, ако обслужва нискостойностни клиенти и пропуска high-potential outlets.

Claims и returns изяждат маржа

Claims често се подценяват.

Но всяка грешна доставка, повредена стока, expired product, price dispute или credit note има cost:

• време за обработка;
• транспорт;
• складова работа;
• финансов контрол;
• dispute management;
• загубено доверие;
• възможна загуба на продажба.

DMS за FMCG трябва да измерва claims не само като документи, а като cost-to-serve signal.

Ако един клиент има висок оборот, но и постоянно високи claims, profitability трябва да се провери.

Cost-to-serve и segmentation

Добрата Outlet segmentation не гледа само потенциал.

Тя трябва да гледа:

• revenue potential;
• margin;
• cost-to-serve;
• service complexity;
• strategic importance;
• growth opportunity;
• execution risk.

Един клиент може да бъде high-potential, но high-cost. Тогава целта не е да го изключим, а да подобрим service model-а.

Друг клиент може да бъде low-potential и high-cost. Там трябва да се преосмисли честота, канал на обслужване или minimum order policy.

AI може да помогне с profitability signals

AI не трябва да оптимизира само sales volume.

Той трябва да помага с:

• customer profitability prediction;
• next-best-service model;
• route cost forecasting;
• low-margin customer alerts;
• claim anomaly detection;
• recommended order с minimum profitable drop;
• delivery consolidation;
• visit frequency recommendation.

AI Order Brain може да отчита не само какво клиентът вероятно ще купи, но и дали поръчката има смисъл спрямо service cost. Chat BI може да даде бърз анализ: “Кои клиенти имат висок оборот, но нисък марж след delivery и claims cost?”

Какво да променим, когато cost-to-serve е висок

Висок cost-to-serve не означава автоматично да се прекрати обслужването.

Възможни действия:

• промяна на visit frequency;
• минимален drop size;
• комбиниране на доставки;
• преминаване към telesales/self-service;
• промяна на route;
• преговор на delivery windows;
• ограничаване на claims чрез по-добър picking;
• по-добро assortment планиране;
• различни trade terms;
• distributor model вместо direct servicing.

Тук Route-to-market във FMCG става практична стратегия, не презентация.

Накратко

Cost-to-serve показва истинската икономика на клиента.

Оборотът казва колко продаваме.

Cost-to-serve казва колко струва да продадем, доставим, съберем, обслужим и коригираме тази продажба.

За FMCG това е критично, защото route-to-market моделът може да изглежда успешен по топлайн, но слаб по печалба.

Правилният подход е:

• profitability по клиент и канал;
• route cost;
• drop size;
• claims and returns;
• visit frequency;
• delivery complexity;
• segmentation;
• AI и BI върху operational cost data.

Когато cost-to-serve стане видим, RTM решенията стават много по-точни.

Свързано в Optimasoft

• DMS за FMCG показва как operational data става основа за cost-to-serve анализ.
• Route optimization помага да се намали route и delivery cost.
• Outlet segmentation трябва да включва не само потенциал, а и service cost.
• Visit frequency е един от най-силните лостове за cost-to-serve.
• Distributor management добавя distributor efficiency и secondary sales visibility.
• Chat BI позволява бърз анализ на customer profitability и route economics.

Източници

• Bain & Company - Sales execution for consumer goods
• McKinsey - Building omnichannel excellence
• McKinsey - From blueprint to breakthrough: How AI and automation can transform the consumer enterprise
• Bain & Company - Perfecting Sales Execution