Если у вас растёт ассортимент, а решения по закупкам и запасам всё ещё принимаются «на глаз», abc xyz анализ продаж — один из самых практичных способов быстро навести порядок. Этот метод помогает понять, какие товары формируют основную выручку, какие продаются стабильно, а какие создают лишнюю нагрузку на склад, оборотный капитал и команду. Для руководителей продаж, категорийных менеджеров, аналитиков и операционных директоров это не теоретический инструмент, а основа для конкретных решений: что держать в наличии, что продвигать, где сокращать остатки и какие позиции требуют особого контроля.

«Все дашборды в этой статье построены с помощью FineBI»
ABC XYZ-анализ продаж — это комбинированный метод оценки ассортимента, который одновременно отвечает на два ключевых вопроса:
ABC-анализ показывает значимость товара по его вкладу в результат — чаще всего по выручке, марже или количеству продаж. XYZ-анализ оценивает предсказуемость спроса: одни товары продаются ровно и регулярно, другие — с сильными колебаниями.
ABC и XYZ по отдельности полезны, но основная ценность появляется именно в связке.
ABC-анализ делит товары на группы:
XYZ-анализ делит товары по стабильности спроса:
Когда вы объединяете эти подходы, появляется матрица вроде AX, BY, CZ. Она уже подходит для управления: закупок, планирования, промо, складских остатков и даже решений о выводе товара из ассортимента.
На практике метод особенно полезен в четырёх задачах:
Для начинающих это один из лучших аналитических методов, потому что он:
Но важно понимать ограничения. Если у вас сложная сезонность, длинный цикл поставки, проектные продажи, сильная зависимость от маркетинговых акций или B2B-клиенты с нерегулярными крупными заказами, abc xyz анализ продаж лучше дополнять:
Качество выводов напрямую зависит от качества исходных данных. Большинство ошибок начинаются не на этапе расчётов, а ещё при подготовке выгрузки.
Для базового анализа обычно нужны следующие поля:
Ниже — строго необходимый набор KPI для сценария ABC XYZ-анализа:

Перед расчётом обязательно проверьте базу.
Частая проблема — один и тот же товар в системе записан по-разному: с разными артикулом, названием, упаковкой или каналом. В результате анализ «размазывает» продажи по нескольким строкам и искажает итоговую значимость товара.
Что нужно сделать:
Сравнение товаров корректно только в рамках единой логики:
Если часть товаров анализируется по неделям, а часть по месяцам, итог по XYZ будет недостоверным.
Ниже — практический алгоритм, который можно выполнить даже в таблице. Если ассортимент уже большой, лучше сразу собирать это в BI-дашборде, чтобы не пересчитывать всё вручную.
Цель ABC-анализа — понять, какие товары дают основную долю результата.
Базовая последовательность:
Важно: конкретные пороги могут отличаться. В некоторых компаниях используют 80/15/5, в других — 70/20/10. Главное — закрепить одну методику и применять её последовательно.
XYZ-анализ нужен для оценки стабильности спроса. Здесь ключевой показатель — коэффициент вариации.
Общий подход такой:
На практике компании часто используют собственные пороги. Например:
Смысл не в идеальном математическом значении, а в том, чтобы отделить прогнозируемые позиции от нестабильных.
После того как каждая позиция получила две оценки, объедините их в одну категорию.
Примеры:
Именно эта матрица даёт управленческую логику:

Сама классификация бесполезна, если из неё не следуют конкретные действия. Именно на этапе интерпретации анализ начинает приносить деньги.
Ниже — самые важные категории и практический смысл каждой из них.
Ниже — типовые действия, которые хорошо работают в большинстве компаний.
Для AX:
Для AY и AZ:
Для BX и BY:
Для CX, CY, CZ:
У начинающих аналитиков и менеджеров ошибки почти всегда повторяются. Хорошая новость в том, что их можно заранее избежать.
Если взять слишком короткий период, например один месяц, результат будет случайным. Вы увидите не структуру спроса, а ситуативный всплеск или провал.
Практический ориентир:
Если вы анализируете только высокий или только низкий сезон, товары получат искажённые категории. Особенно это критично для fashion, FMCG, стройматериалов, товаров для дачи и праздничных категорий.
Розница, маркетплейсы, B2B и e-commerce часто имеют разный профиль спроса. Если объединить их без сегментации, результат будет усреднённым и мало пригодным для действий.
Правильнее:
Одна из самых опасных ошибок — считать, что все товары группы C надо убрать. Это неверно.
Причины:
Товары группы Z часто воспринимаются как «плохие». Но часть из них может быть стратегически важной:
Поэтому категория AZ или даже BZ — это не автоматический кандидат на вывод, а сигнал к более точному управлению.
Разовый расчёт полезен, но настоящий эффект появляется только тогда, когда анализ становится частью регулярного управленческого цикла.
Частота зависит от динамики бизнеса:
Важно не просто пересчитывать группы, а отслеживать миграцию товаров между ними. Если товар уходит из AX в BY или из BX в CZ, это уже управленческий сигнал.
Эффективнее всего, когда метод встроен в совместную работу нескольких функций:
Практика показывает: если результаты анализа остаются только в Excel у одного сотрудника, метод быстро перестаёт работать.
На старте можно использовать:
Если у вас десятки товаров, таблиц может быть достаточно. Но если ассортимент измеряется сотнями или тысячами SKU, а решения нужно принимать быстро, ручной подход начинает тормозить бизнес.
Ниже — набор практик, которые позволяют внедрить метод без хаоса и лишней сложности.
Начинайте с одного KPI и одной цели
Не пытайтесь сразу построить идеальную многослойную модель. Для первого этапа достаточно классификации по выручке и стабильности спроса.
Закрепите единые правила расчёта
Зафиксируйте период анализа, пороги групп и уровень детализации. Без этого разные подразделения будут получать разные результаты.
Разделяйте анализ по каналам и категориям
Не смешивайте в одной матрице всё подряд. Отдельный анализ по каналам почти всегда даёт более точные решения.
Связывайте группы с конкретными действиями
Для каждой ячейки матрицы задайте правило: уровень запаса, частота контроля, приоритет продвижения, условия вывода из ассортимента.
Автоматизируйте обновление отчёта как можно раньше
Даже хороший метод теряет ценность, если его сложно пересчитывать. Дашборд с автообновлением делает анализ рабочим инструментом, а не разовым упражнением.
Когда компания делает первые расчёты вручную, метод кажется простым. Но при росте ассортимента быстро появляются типичные проблемы: разные версии файлов, ошибки в формулах, несогласованные периоды, сложность сегментации по каналам и долгий пересчёт матрицы. В этот момент abc xyz анализ продаж лучше переводить из таблиц в управляемую BI-среду.
Создавать это вручную сложно; используйте FineBI, чтобы задействовать готовые шаблоны и автоматизировать весь рабочий процесс.
Что это даёт на практике:

Для руководителя это означает одно: меньше ручной аналитики, быстрее решения, выше прозрачность по ассортименту и запасам. Для аналитика — меньше рутины и больше времени на интерпретацию. Для закупок и продаж — единый источник правды, по которому можно действовать ежедневно.
В итоге abc xyz анализ продаж — это не просто учебная методика для начинающих, а рабочий инструмент управления ассортиментом. Если сделать его частью регулярного процесса и подкрепить качественной визуализацией, он помогает снижать излишки, повышать доступность ключевых товаров и улучшать оборачиваемость без хаотичных решений.
Он помогает понять, какие товары приносят основной результат и насколько стабильно они продаются. В итоге проще принимать решения по закупкам, запасам и ассортименту.
Обычно нужны SKU или товар, выручка, количество продаж и данные по периодам за 6–12 месяцев. Для более точных выводов также полезно добавить маржу, частоту спроса и оборачиваемость.
Чаще всего анализ пересчитывают раз в месяц или раз в квартал в зависимости от скорости изменений в ассортименте. Если продажи сильно зависят от сезона или акций, обновлять данные стоит чаще.
AX — это важные товары со стабильным спросом, которым обычно нужен высокий приоритет и постоянное наличие. CZ — позиции с низким вкладом и нестабильными продажами, которые часто требуют пересмотра запасов или роли в ассортименте.
Самые частые ошибки связаны с плохой подготовкой данных, дубликатами и смешением разных периодов сравнения. Ещё одна проблема — делать выводы только по выручке без учёта маржи, сезонности и особенностей спроса.

Автор
Yida Yin
Эксперт по отраслевым решениями
Похожие статьи

Demand planning что это и как избежать ошибок: 10 причин расхождения прогноза спроса с реальностью
Demand planning — это процесс планирования спроса, который помогает компании заранее понять, сколько товара, в каком канале, регионе и периоде действительно потребуется рынку. Для IT менеджеров, руководителей цепочки поставок,
Eric
1970 янв. 01

BI аналитик курс или самостоятельное обучение: что выбрать в 2026 году
Если вы планируете войти в BI аналитику в 2026 году, главный вопрос обычно звучит не «где учиться», а «как быстрее получить прикладной результат без лишних затрат времени и денег». Для IT менеджеров, аналитиков, специали
Yida Yin
2026 июнь 02

ABC-анализ по продажам на практике: пример расчёта и разбор результатов
Если у вас сотни или тысячи SKU, главный вопрос не в том, что продаётся , а в том, что реально формирует выручку и требует управленческого внимания . Именно здесь abc анализ по продажам даёт быструю и прикладную картину:
Yida Yin
2026 июнь 02