Sklady a ležáky: peníze v prachu a jak jsme v Haltimo.com odblokovali cash-flow

Obrat šel nahoru, reklama hlásila slušné čísla. Na běžném účtu jsme ale opakovaně řešili, odkud vzít cash na doplnění skladu. Regály nebyly prázdné, jen značná část hodnoty seděla na položkách, které se dlouho neprodaly. Problém jsme dlouho hledali v kampaních. Ukázalo se, že nákup a sklad jsme neřídili stejnými daty jako marketing. Na Haltimo.com jsme to začali měnit až po propojení prodejů se skladem z ERP.

Rosteme, ale na účtu nebylo co brát

V průměrném skladu vidíte pohyb, regály a palety a máte pocit, že firmě nic nechybí. Takhle jsme to dlouho vnímali i my.

Tržby rostly, reklama hlásila slušný ROAS. Na účtu ale skluz. Nákup uměl dojednávat, jen objednávky ne vždy vycházely z toho, co sklad reálně potřebuje. Marketing vypadal v pořádku. Banka a regály ne.

Dva pohledy na sortiment

Nestavím to na jedné tabulce v Excelu. Dívám se ze dvou stran a obě musí sedět s tím, co z ERP opravdu přijde.

První je ABC podle prodeje za poslední rok. Seřadím produkty podle prodané hodnoty. Skupina A jsou ty, které dohromady tvoří většinu tržeb, u nás zhruba tři čtvrtiny. To jsou položky, které chci mít skladem a které nesmí zůstat bez hotovosti na doplnění. Skupina C jsou produkty s malým nebo nulovým prodejem za rok. To ještě neznamená ležák, ale často tam začínám pátrat.

Druhý pohled je obrátkovost skladu v dnech. Z denních pohybů v ERP, nákup, prodej, odpis, vratka, skládám časovou řadu zásob a porovnám průměrnou hodnotu skladu s tím, co se za posledních 365 dní prodalo. Výsledek čtu jako: kolik dní prodáváte zásobu, kterou aktuálně držíte. Čím vyšší číslo, tím pomaleji se zboží točí.

Hranice si každý e-shop nastaví jinak. U nás je ležák produkt, který má na skladě kusy a obrátkovost přes šest set dní. Mezi třemi sty a šesti sty dní jsou pro mě opravdu pomalé položky. Zvlášť bolí neprodejný stav: na skladě něco je, za rok se to neprodalo vůbec. To není teorie z učebnice, to jsou štítky, které z těch dat každý den počítáme.

Paradox, který mě zaskočil: v ABC A jsme občas neměli sklad, protože peníze visely v ležácích a neprodejných položkách. Dávali jsme nákupní energii do sortimentu, který obrat nepřináší, a zároveň nám docházel cash na to, co firmu živí.

Cashflow před marží

Rozhodl jsem se to utnout podle čísel, ne podle dojmu z regálu. Přestali jsme dokupovat pomalé a neprodejné SKU jen proto, že tam leží od minulé sezóny. Zboží, které se rok nehýbalo, jsme vybíjeli. Klidně s horší marží v kampani. Zadržený kapitál u ležáků většinou nestojí za ušlý margin na výprodeji.

Uvolněnou hotovost jsme poslali do A produktů s rychlou obrátkou. Cash začal dělat práci, kterou předtím dělaly mrtvé zásoby.

Co s tím nedělejte

Obě analýzy mají smysl jen z čistých pohybů skladu. Když ERP neposílá odpisy, vratky nebo denní stavy konzistentně, obrátkovost si každý dopočítá jinak a štítky ležák nebo neprodejný jsou k ničemu. A hranice šest set nebo tři sta dní nekopírujte naslepo: závisí na sortimentu, sezóně a na tom, jestli prodáváte novinky, které ještě nemají roční historii.

Likvidace v reklamě dává smysl až když víte, že je produkt skladem a opravdu ho chcete prodat. Jinak optimalizujete na něco, co zákazník nedostane.

Od reportu k automatizaci

Dnes tečou pohyby z ERP do datového skladu a štítek ležák nebo neprodejný se přepočítá denně. Když SKU překročí naši hranici obrátkovosti, může jít do likvidační logiky v Google Ads bez ručního exportu. Jak to navazuje na kampaně popisuju u segmentace produktů v Google Ads.

Na závěr

Řídíte nákup podle pocitu, nebo podle toho, kolik dní vám leží zásoba u pomalých SKU? Kde je u vás největší mezera mezi PNO v reklamě a tím, co je na skladě a v bance?

Stejnou logiku počítáme v Datimo.ai. Když máte pocit, že ve skladě leží hotovost a brzdí vám růst, napište na demo. Projdem reálná čísla a řekneme si, jestli dává smysl začít obrátkovostí, ABC, nebo obojím. Souvisí to i s importem marží, pokud chcete v reklamě optimalizovat na zisk, ne jen na obrat.