Data Warehouse Forum

In unserem Category Management diskutieren wir aktuell die Zweitplatzierung von salzigen Snacks in der Getränkeabteilung. Die klassische Verbundanalyse zeigt einen stabilen Support für Bier mit Chips und Nüssen, allerdings ist unklar, ob eine räumliche Zusammenführung echten Zusatzumsatz erzeugt oder nur Käufe aus dem regulären Regal verlagert. Wie trennt ihr in der Praxis Bedarfsverbund und Platzierungseffekt sauber voneinander? Arbeitet ihr mit Test- und Kontrollfilialen, Vorher-Nachher-Vergleichen bereinigt um Saison und Aktionstage oder mit Kennzahlen wie Lift-Veränderung und Deckungsbeitrag pro Bon? Mich interessiert besonders, ab welcher Bonanzahl und welchem Zeitraum ihr von einem belastbaren Ergebnis sprecht.

Der stabile Support misst nur den Bedarfsverbund, nicht den Platzierungseffekt. Für den Nachweis braucht ihr ein sauberes Testdesign mit gematchten Test- und Kontrollfilialen nach Umsatz, Frequenz, Region und Sortimentsstand. Praktisch bewährt ist Difference-in-Differences: Vorher-Nachher je Filiale über mindestens sechs Wochen, bereinigt um Saison, Feiertage, Wetter und Aktionstage aus dem Promotionskalender. Kernkennzahlen sind Absatz und Deckungsbeitrag der Snacks gesamt je 1.000 Bons, Umsatz Stammregal versus Zweitplatzierung getrennt über Platzierungscode in der Artikel-Filial-Zeit-Tabelle, sowie Lift-Veränderung für Bier mit Snacks und Deckungsbeitrag pro Bier-Bon. Per SQL Bons mit Bier flaggen und gegen Kontrollgruppe joinen. Prüfschritte: Gültigkeit der Platzierungszeiträume, Verfügbarkeit ohne Out-of-Stock, keine parallelen Aktionen. Belastbar wird es je nach Filialgröße ab etwa zehn plus zehn Filialen und mindestens 5.000 Bons mit Getränkekauf je Gruppe und Phase.

Wir haben das bei uns ganz simpel gemacht und für ein paar Wochen einen kleinen Turm mit Chips ans Bier gestellt. Abends haben wir aufgeschrieben was da fehlte und ob im normalen Regal weniger wegging. Ehrlich gesagt lief der Turm gut am Wochenende, aber unterm Strich war es eher verlagert als extra.