Shopper & Category Management: от средних показателей к управлению различиями
Десятилетиями категорийный менеджмент исходил из того, что рост продаж отражает рост спроса, покупатели ведут себя предсказуемо, а единые решения работают для всей сети. Сегодня эта логика дает сбой: оборот растет преимущественно за счет среднего чека, покупатели выбирают разные стратегии экономии и потребления, а соседние магазины могут заметно отличаться по структуре спроса. При этом выбор всё чаще формируется ещё до визита в магазин — под влиянием цифровых сервисов, персональных предложений и алгоритмов. Средних показателей уже недостаточно: основой категорийных решений становится понимание различий между покупателями, магазинами и ситуациями покупки.
Рост продаж уже не гарантирует рост спроса
Долгое время рост продаж служил главным ориентиром для оценки категории: если оборот увеличивался, значит, рос спрос и развивалась сама категория. Теперь такой вывод нельзя делать автоматически.
По данным «СберАналитики» (1), в первом полугодии 2026 года оборот российского рынка FMCG вырос на 2,5% год к году, а количество покупок сократилось на 4,3%. Денежный объём поддержал средний чек, который увеличился на 7%.
«Эвотор» (2) фиксирует ту же картину: среднее количество чеков на торговую точку снизилось на 8%, тогда как средний чек вырос почти во всех категориях. Покупатели приходят реже, но тратят больше за один визит.
Это характерно не только для России. Исследования Bain & Company (3) показывают, что потребители во многих странах внимательнее относятся к расходам: выбирают более доступные бренды, чаще используют промо и купоны, сокращают количество товаров в корзине. Поэтому денежные продажи могут расти, даже если фактическое потребление почти не меняется.
Показательный пример приводит Circana (4): в июне 2026 года физический объём продаж мяса снизился на 2,3%, а денежные продажи категории выросли более чем на 1%. Категория прибавила в деньгах, одновременно потеряв в реальном объёме потребления.
Денежные показатели остаются важной бизнес-метрикой, но без дополнительной интерпретации уже не дают полной картины спроса. Категорийному менеджеру важно видеть не только динамику оборота, но и факторы, которые её сформировали.
Единой модели покупательского поведения больше нет
Если показатели продаж стали менее однозначными, значит, изменились не только сами цифры, но и люди.
Категорийный менеджмент долго опирался на представление о «среднем покупателе». Различия существовали всегда, но не настолько влияли на категорию, чтобы отказываться от единой ассортиментной матрицы, общих промо и ценовых механик для всей сети.
По данным dunnhumby (5), лишь около 11% покупателей сохраняют привычную модель потребления независимо от экономической ситуации. Остальные адаптируются: меняют бренды, переходят между ценовыми сегментами, покупают реже, выбирают другие каналы или делают запасы во время промо.
Bain & Company (6) отмечает, что потребители активнее используют разные способы экономии: переходят на доступные бренды, чаще пользуются промо и купонами, сокращают количество покупок и внимательнее планируют расходы.
McKinsey (7) добавляет важную деталь: даже под ценовым давлением люди не сокращают расходы одинаково во всех категориях. В одних они экономят, в других продолжают выбирать привычные или более качественные товары — в зависимости от личных приоритетов.
В одной категории одновременно сосуществуют разные модели принятия решений. Для одних главным фактором остаётся цена, для других — привычка, для третьих — удобство, качество или персонализированное предложение. Модель меняется вместе с жизненной ситуацией, категорией товара и поводом для покупки.
«Средний покупатель» перестаёт быть полезной управленческой моделью: чем сильнее различаются стратегии потребления, тем меньше совокупные показатели говорят о причинах происходящего. На смену усреднённому поведению приходит анализ отдельных сегментов, сценариев покупки и факторов выбора.
Универсальные решения работают всё хуже
Различия между покупателями усиливаются различиями между магазинами. Даже точки одной сети в одном городе могут заметно расходиться по структуре аудитории, уровню доходов, целям визита, составу корзины и чувствительности к цене. Решение, которое растит продажи в одном магазине, в другом может почти не сработать.
Исследование NielsenIQ (8) подтверждает, что чем сильнее покупательское поведение различается между локациями, тем ниже эффективность традиционных рыночных стратегий. Поэтому бренды и ритейлеры выделяют приоритетные магазины и адаптируют ассортимент, промо и другие категорийные решения к локальному спросу.
К схожим выводам приходит dunnhumby (9) — вместе с различиями между покупателями растёт роль персонализации. Аналитика и искусственный интеллект помогают точнее определять потребности отдельных групп и формировать релевантные предложения.
Данные становятся не только способом оценить результат, но и основой ежедневных категорийных решений. Крупнейшие мировые ритейлеры уже используют их, чтобы определять ассортимент, настраивать промо, выбирать приоритетные магазины и оценивать эффективность решений.
Это означает, что универсальность перестаёт быть преимуществом. По мере роста различий между магазинами именно локальная релевантность становится главным фактором эффективности категорийных решений. Чем неоднороднее спрос, тем ценнее решение, учитывающее локальный контекст.
Категорийный менеджмент переходит от управления «средней сетью» к работе с множеством локальных рынков. Категория остаётся единой, но способы управления ею становятся гибче.
Персонализация становится инструментом категорийного менеджмента
Ещё недавно персонализацию относили прежде всего к маркетингу: с её помощью настраивали рекламные сообщения, специальные предложения и программы лояльности. Категорийный менеджмент опирался на агрегированные продажи, средние значения по сети и историческую динамику.
Сегодня поведение покупателей становится всё более разнообразным, а данные из персональных коммуникаций используются не только для взаимодействия с клиентом, но и для развития категорий.
Согласно исследованию McKinsey (10), 71% потребителей ожидают от компаний персонализированного взаимодействия, а 76% разочаровываются, когда его не получают. Быстрорастущие компании получают от персонализации больший коммерческий эффект: доля связанной с ней выручки у них на 40% выше, чем у менее динамичных компаний.
На российском рынке этот подход использует X5 (11). Ежемесячно персональные офферы получают около 65 млн гостей, а общий объем персональных коммуникаций достигает 146 млн. Более 240 брендов применяют этот инструмент, чтобы привлекать новых покупателей, стимулировать дополнительные продажи и повышать лояльность.
Развиваются и экосистемные сервисы X5. В первом полугодии 2026 года число активных пользователей подписки «Пакет» (12) достигло 2,5 млн — на 25% больше, чем годом ранее. Подписчики посещают «Пятёрочку» и «Перекрёсток» в два раза чаще участников базовой программы лояльности «Х5 Клуб».
В этих примерах персонализация — не отдельная маркетинговая механика, а способ выстраивать долгосрочные отношения с покупателями и влиять на их поведение.
Меняется и подход к категорийному менеджменту. Раньше основой анализа были продажи товаров, теперь — поведение покупателей: какие категории приобретают вместе, какие предложения приводят к повторным покупкам, чем отличаются сценарии выбора у разных сегментов и что влияет на окончательное решение.
Роль категорийного менеджера тоже расширяется. Недостаточно определить оптимальный ассортимент или ценовую стратегию. Нужно понимать, какому покупателю, в каком магазине и в какой ситуации конкретное решение принесёт наибольшую ценность.
Так персонализация входит в категорийную стратегию, а данные о поведении покупателей становятся одним из её ключевых ресурсов.
В выборе товара появляется новый участник — алгоритм
Раньше категорийный менеджмент усложнялся постепенно, но сейчас различий между покупателями, магазинами, форматами, каналами продаж, сценариями потребления и персональными предложениям становится всё больше.
Человеку всё сложнее учитывать их одновременно, поэтому в процессе принятия решений появляется алгоритм. Для покупателя это почти незаметно: алгоритмы определяют, какие товары он увидит первыми, какие рекомендации получит и какие варианты попадут в поле выбора.
По данным NielsenIQ (13), искусственный интеллект уже входит в покупательскую практику. В США 42% покупателей использовали ИИ-решения при поиске товаров за последний месяц, а 68% рассматривают такие сервисы как один из способов искать, сравнивать и выбирать продукцию.
Меняется и механизм поиска. Традиционный поиск строился вокруг ключевых слов и фильтров, а системы искусственного интеллекта интерпретируют намерение. Вместо просмотра десятков товаров человек описывает задачу, а алгоритм формирует ограниченный набор релевантных вариантов. Теперь видимость товара зависит не только от его присутствия в каталоге, но и от того, выберет ли его алгоритм.
Этот тренд уже появился в сети Michaels, которая запустила ИИ-ассистента Ask Mike (14). Он подбирает товары не по названию продукта, а по задаче — например, помогает организовать детский праздник или выбрать материалы для шитья. Покупатель обращается к цифровому помощнику и сразу получает подходящие варианты.
Фактически алгоритм становится новым посредником между человеком и товаром.
Для производителей это создаёт новое условие конкуренции. Раньше было важно добиться заметности на полке или в поисковой выдаче, теперь — понимать, по каким критериям формируются рекомендации. На первый план выходят качество данных о продукте, полнота описаний, характеристики и цифровой контент.
Как отмечает NielsenIQ (15), ИИ-инструменты оценивают товары по структурированным и сопоставимым данным из каталогов, характеристик, отзывов и других источников. Поэтому полнота и структура информации о продукте влияют на его видимость в рекомендациях. Борьба за внимание покупателя дополняется борьбой за внимание алгоритма.
Это не означает, что категорийный менеджмента переходит по управление искусственному интеллекту. Происходит новое распределение ролей. Человек по-прежнему определяет стратегию категории, понимает потребности покупателей и принимает бизнес-решения. Алгоритм анализирует большие массивы данных, находит закономерности, прогнозирует спрос и предлагает возможные сценарии действий.
Заключение
Категорийный менеджмент десятилетиями искал лучшие универсальные решения. Средние показатели по сети, единые ассортиментные матрицы и стандартные промо помогали управлять большинством категорий.
Теперь рост продаж не всегда отражает спрос. Покупатели выбирают разные стратегии потребления, магазины одной сети всё меньше похожи друг на друга, персонализация становится частью категорийной стратегии, а алгоритмы влияют на выбор товара.
На первый взгляд эти изменения выглядят как отдельные тенденции. Однако все они отражают одну общую закономерность. Категорийный менеджмент работает уже не со средними показателями, а с различиями — между покупателями, магазинами и ситуациями покупки.
В ближайшие годы преимущество получат компании, которые смогут превращать эти различия в точные категорийные решения.
Источники:
-
СберАналитика. Сбер назвал форматы торговли товарами повседневного спроса с максимальным ростом оборота: Деловой климат: Экономика: Lenta.ru
-
Эвотор. В первом полугодии 2026 года покупательская активность снизилась на фоне роста цен и среднего чека — Эвотор
Другие статьи
