Sebelumnya disebutkan kalau sales itu ada dua macam, sell-in dan sell-out. Kita ga akan bahas sell-in lagi karena secara ga langsung udah dibahas di artikel sebelum ini. Sekarang, saatnya kita fokus ke indikator yang bisa kita pakai untuk analisa sell-out performance, dan apa aja tips ketika melakukan analisa ini.

Sedikit reminder, sell-out adalah penjualan ke konsumen atau pengguna produk yang kita jual, dan bisa terjadi di seluruh channel distribusi kita. Untuk analisa sell-out, hampir semua data nya berasal dari Nielsen Retail Audit, data apa sajakah itu? Mari kita bahas :

  • Volume sales: ini data paling standar yang biasanya dipakai, data ini bener-bener kasih info berapa banyak kita sell-out dalam periode tertentu (biasanya data Nielsen periodenya per bulan). Beda produk beda juga satuannya, ada yang per bungkus, per batang, atau per satuan jualan lainnya. Tips nih, ketika liat data ini, jangan lupa cek angka yang muncul itu dalam ribuan, jutaan, atau yang lain. Jangan sampe kita terlihat ‘polos’ gegara salah baca data.
  • %Market share: ini data kedua yang hampir selalu dipakai, sesuai dengan namanya, data ini menggambarkan kontribusi jualan produk kita terhadap keseluruhan jualan produk dari industry yang sama. Misal kita jualan kopi, data ini menggambarkan jualan kita terhadap total jualan kopi di area tertentu. Data ini juga kasih info seberapa besar pasar yang masih bisa kita garap, misal %market share kita 10%, berarti masih ada 9x lipat jualan produk competitor yang bisa kita convert ke produk kita. Tapi ingat, angka ini cover total industry yang biasanya didalamnya ada beberapa segmen yang lebih spesifik. Contoh lah lagi produk kopi, mungkin didalamnya terbagi segmen kopi hitam, kopi susu, atau mungkin kopi seduh, kopi siap minum, atau pembagian yang lain. Maka dari itu, diperlukan analisa terhadap indikator kita berikutnya.
  • %Segment share: sesuai penjelasan sebelumnya, disini kita akan liat kontribusi jualan kita terhadap total penjualan produk yang berada dalam satu segmen yang sama. Misal, kita jualan kopi seduh, maka kita akan take-out semua penjualan kopi jenis lain, dan kita bandingkan jualan kita dengan angka itu. Artinya, %segment share ini harusnya lebih besar dari %market share, karena cakupannya lebih kecil/spesifik. Bicara tentang potensi kita tumbuh, harusnya angka ini akan menjelaskan lebih baik, karena akan lebih mudah convert konsumen competitor yang mengkonsumsi produk sejenis.
  • %Share in Handler: data ini menggambarkan kontribusi jualan kita terhadap total penjualan produk sejenis di toko-toko yang terdistribusi produk kita. Artinya, jualan produk sejenis di toko yang ga jual produk kita akan di take-out. Misal, %share in handler kita 10%, artinya, di keseluruhan toko yang terdistribusi produk kita, rata-rata produk kita terjual 10% dari keseluruhan jualan produk sejenis di toko-toko itu. Ngapain sih kita liat data ini? Biasanya untuk analisa yang lebih mendalam, bisa menggambarkan masalah kita adalah kurang demand atau kurang outlet distribusi. Misal, kita rasa jualan kita ga bertumbuh dengan baik, dan kita liat angka %SIH kita baru 5%, bisa jadi solusinya adalah kita perbanyak demand dengan program-program sell-out. Tapi misal kita liat %SIH kita udah 80% (besar), mungkin yang kita harus lakukan adalah expand distribusi ke outlet-outlet lainnya.
  • Average Sales per Day (ASPD) : angka ini menggambarkan rata-rata jualan per hari produk kita di toko-toko yang terdistribusi. Selain kasih indikasi performa jualan, data ini juga bisa digunakan untuk mem-validasi data lainnya. Misal, kita jualan kopi seduh, dan data %Share in Handler kita liat udah 80%, jangan langsung ambil kesimpulan kita harus expand distribution. Bisa jadi ASPD nya kecil (misal Cuma 8 gelas per hari), artinya, emang rata-rata toko yang kita distribusi jualan kopi seduh nya sedikit, Cuma 10 gelas per hari. Means, bukan expand distribution yang harus kita lakukan, tapi evaluasi mapping distribusinya, pindahin ke toko-toko yang jualan kopi seduh per hari nya lebih banyak.

Ketika kita menganalisa sales, sama seperti distribution, baiknya kita liat data trended (per bulan atau per minggu) untuk kita bisa liat pergerakannya gimana, ada anomali di periode kapan, dll. Kita juga harus liat data per area dan per channel distribution, biar kita bisa fokus-in support kita di area-area atau channel distribution yang memang paling membutuhkan.

Tips terakhir, jangan terpaku sama tips diatas aja, coba ‘kawinkan’ data-data yang kita punya, biarkan satu data memvalidasi data lainnya, pastikan kesimpulan yang kita ambil bener-bener solid, gabisa di sanggah dengan data lain yang mungkin bilang hal berbeda.

Selamat mencoba!

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out /  Change )

Google+ photo

You are commenting using your Google+ account. Log Out /  Change )

Twitter picture

You are commenting using your Twitter account. Log Out /  Change )

Facebook photo

You are commenting using your Facebook account. Log Out /  Change )

Connecting to %s