Чтобы провести промоакцию без сливов, заранее рассчитайте экономику скидок и бонусов через инкрементальную маржу: сравните прибыль "с промо" и "без промо", учтите каннибализацию, возвраты, стоимость бонусов и лимиты бюджета. Дальше проверьте эффективность промоакций расчетом по контрольной группе и фиксируйте стоп-сигналы, чтобы вовремя остановить убыточную механику.

Ключевые допущения и исходные данные для расчётов

Считаем не "оборот", а инкремент: разницу к базовой линии продаж без промо, включая каннибализацию.
Единица анализа заранее выбрана: чек, покупатель, SKU/категория, магазин/регион, период.
Себестоимость и переменные затраты отделены от постоянных; скидка и бонусы отражены как потери валовой маржи/расходы.
Возвраты, отмены, фрод и "самовыкуп" включены отдельными корректировками.
Бюджет промо ограничен: есть дневные/недельные лимиты и правила остановки.

Цели акции и набор KPI для промо без сливов

Промо уместно, когда цель формулируется как измеримый прирост (инкрементальный спрос, расширение корзины, возврат спящих клиентов), а не как "разогнать продажи любой ценой". Если задача звучит как "рассчитать экономику скидок" для конкретного SKU/категории, цель должна содержать порог прибыльности и период окупаемости.

Минимальный набор KPI, который защищает от "слива"

Инкрементальная валовая прибыль (руб.) и инкрементальная маржа (%).
Cost of promo: стоимость скидки + стоимость бонусов + операционные затраты + маркетинг.
Каннибализация: доля промо-продаж, "отнятых" у непро- или у других SKU.
Инкрементальные покупатели и доля новых/реактивированных.
Лимит потерь: максимальный допустимый минус по прибыли/марже до остановки.

Когда промо лучше не запускать

Нет контроля базовой линии (нет исторических рядов, сезонность/цены конкурентов не учтены).
Товар с ограниченной поставкой: промо просто перераспределит спрос и создаст out-of-stock.
Слишком высокая доля "профессиональных охотников за скидками" в аудитории, а антифрод не настроен.
Не удаётся посчитать переменную маржу по SKU (непонятно, что именно "едят" скидки и бонусы).

Финансовая модель: как учитывать скидки, бонусы и возвраты

Для "эффективность промоакций расчет" должна опираться на единую модель, где скидка уменьшает выручку, бонус - либо отдельная статья затрат (если финансируется вами), либо отложенная скидка (если списывается позже), а возвраты уменьшают и выручку, и валовую прибыль.

Что понадобится: данные, доступы, инструменты

Промоакции без сливов: как считать экономику скидок и бонусов - иллюстрация

Продажи: чеки/позиции, цена до/после скидки, промокод/механика, магазин/канал, дата-время.
Себестоимость и переменные затраты: закупка/COGS, эквайринг/доставка/сборка (если применимо), комиссии маркетплейсов.
Бонусная программа: начисление/списание, срок жизни бонусов, доля списания (breakage), ограничения на категории.
Возвраты/отмены: причина, лаг возврата, доля возвратов в промо vs не промо.
Клиентский контур: идентификатор клиента, давность последней покупки, частота, категории.
Экспериментальный контур: контроль/тест, правила отбора, лог изменений цен и коммуникаций.
Инструменты: BI (своды), SQL/выгрузки, шаблон в таблицах - как "калькулятор скидок и бонусов" для сценариев.

Как отражать разные механики в P&L на уровне заказа

Прямая скидка: DiscountCost = (Цена_до − Цена_после) × Кол-во.
Купон/промокод: аналогично скидке, но важно контролировать "стек" с другими скидками.
Бонусы к начислению: BonusCost_accrual = Начисленные_бонусы × Ожидаемая_доля_погашения (если хотите консервативно - берите 100%).
Бонусы к списанию: уменьшают выручку в момент списания (как скидка), плюс риск "перетока" из будущих покупок.
Подарок/набор: себестоимость подарка = дополнительный COGS, а не скидка.
Возвраты: корректируйте выручку, скидки/бонусы и COGS по факту возврата; отдельно анализируйте возвратность промо.

Расчёт прибыльности: маржа, LTV и точка безубыточности кампании

Ниже - безопасная схема, как "маржинальность при скидках как рассчитать" не по обороту, а по инкременту, с проверкой сценариев и лимитами. Это и есть практический ответ на задачу "рассчитать экономику скидок" до запуска и пересчитать по факту после.

Риски и ограничения, которые фиксируем до расчёта

Сезонность и параллельные активности: конкуренты, витрины, рекламные кампании, изменение ассортимента.
Каннибализация и переключение: покупатель мог купить без промо или купить другой SKU/категорию.
Фрод и аномалии: мультиаккаунты, массовые мелкие заказы, "самовыкуп", нетипичные гео/временные паттерны.
Лаг эффектов: списание бонусов и повторные покупки происходят позже, чем начисление/скидка.
Out-of-stock: потерянная прибыль из-за отсутствия товара может "съесть" эффект промо.

Определите базовую линию (baseline) и окно измерения

Выберите период "до", "во время" и "после" промо, а baseline задайте через контрольную группу или прогноз по истории без промо. Для анализа промоакций в рознице baseline лучше строить на уровне магазина и категории, чтобы не перепутать локальные эффекты.
Посчитайте юнит-экономику без промо

На единицу (заказ/SKU) рассчитайте валовую прибыль: GP0 = Revenue0 − COGS − VariableCosts. Это точка, с которой сравнивается промо-версия, а не "план".
- Если переменные затраты зависят от канала (доставка/комиссии), фиксируйте их отдельно по каналам.
Добавьте стоимость механики: скидка, бонусы, маркетинг, операционку

С промо: GP1 = Revenue1 − COGS − VariableCosts − DiscountCost − BonusCost − MarketingCost − OpsCost. Для бонусов выберите правило: консервативно - считать как 100% расхода; реалистично - умножать на ожидаемую долю погашения.
Оцените инкремент и каннибализацию

Инкрементальная прибыль: ΔGP = GP1_total − GP0_total(baseline). Каннибализацию учитывайте как снижение baseline в других SKU/категориях или как долю промо-продаж, которая "не добавила" новых продаж.
- Практика: отдельно держите метрику Share_of_incremental = IncrementalUnits / PromoUnits, чтобы быстро видеть "слив".
Проверьте точку безубыточности и лимиты бюджета

Точка безубыточности по инкрементальным единицам: IncrementalUnits_BE = TotalPromoCost / (UnitContribution_after_promo). Если фактический инкремент не дотягивает - механика должна быть остановлена или ужесточена.
Добавьте LTV-эффект (только для сегментов, где он измерим)

Если промо нацелено на новых/реактивированных, оценивайте инкрементальный LTV как ожидаемую будущую маржу минус будущие скидки/бонусы, которые потребуются для удержания. Учитывайте лаг: LTV нельзя честно "засчитать" в нулевой день без выбранного горизонта наблюдения.
Сделайте сценарии и правило остановки

Минимум три сценария: оптимистичный, базовый, рисковый - меняйте отклик, каннибализацию, долю погашения бонусов и возвратность. Это проще всего оформить как калькулятор скидок и бонусов в таблице, а правила остановки привязать к рисковому сценарию.

Пример расчёта в виде таблицы (сценарии и формулы)

Показатель	Обозначение / формула	Оптимистичный	Базовый	Рисковый
Цена до промо	P0	1000	1000	1000
Скидка	d	10%	15%	20%
Цена после скидки	P1 = P0 × (1 − d)	900	850	800
Себестоимость (COGS)	C	650	650	650
Переменные затраты	V	40	40	40
Бонус к начислению (как % от P1)	b	3%	5%	7%
Стоимость бонусов на заказ	B = P1 × b	27	42,5	56
Вклад (маржинальный доход) на заказ после промо	CM1 = P1 − C − V − B	183	117,5	54
Вклад без промо (для сравнения)	CM0 = P0 − C − V	310	310	310
Требуемая доля инкремента (безубыточность по каннибализации)	IncrementalShare_BE = CM1 / CM0	0,59	0,38	0,17

Как читать таблицу: если значительная часть промо-продаж каннибализирует базовые продажи, промо быстро уходит в минус. Поэтому в "рисковом" сценарии вы заранее ставите более жёсткие лимиты по бюджету и/или сужаете аудиторию.

Сегментация клиентов и прогнозирование отклика

Чтобы не оценивать промо "в среднем по больнице", разделите аудиторию на сегменты с разной склонностью к скидкам и разной маржинальностью. Это ускоряет анализ промоакций в рознице и помогает точнее делать эффективность промоакций расчет по инкременту, а не по валу.

Чек-лист проверки прогноза отклика перед запуском

Сегменты определены правилами (RFM/частота/категории/каналы), а не только "все клиенты".
Для каждого сегмента есть baseline: историческая частота покупок и средний вклад (CM0).
Есть гипотеза, почему сегмент должен реагировать (цена/ассортимент/триггер/сроки).
Отклик прогнозируется отдельно по: конверсии, среднему чеку, количеству позиций, возвратности.
Ограничения промо (SKU, гео, время, один раз на клиента) согласованы с сегментацией.
Проверен риск "перетока" из будущих покупок (forward buying) для тяжёлых скидок.
Отдельно отмечены "deal seekers": для них нужны лимиты, иначе калькулятор скидок и бонусов будет давать красивый оборот и плохую прибыль.
План на случай провала: что меняем первым (аудиторию, глубину скидки, механику, коммуникации).

Дизайн экспериментов и контрольные выборки для надёжных выводов

Без контроля легко "доказать" пользу промо там, где сработала сезонность или внешние факторы. Контрольная выборка - основа, чтобы анализировать эффективность промоакций расчетом инкремента и не спорить постфактум.

Типовые ошибки, из-за которых выводы становятся ненадёжными

Нет контрольной группы, а baseline берётся "на глаз" из прошлой недели.
Тест и контроль отличаются по составу (например, в тесте больше активных клиентов или магазины с высоким трафиком).
Одновременно меняются цена, витрина, ассортимент и рекламные каналы - эффект не разложить.
Измеряется только период промо без окна "после", хотя часть эффекта - это перенос спроса.
Не фиксируются изменения правил (добавили/убрали ограничения, расширили SKU) - потом невозможно пересчитать.
Игнорируются возвраты и отмены, особенно если промо стимулирует импульсные покупки.
Сравнение идёт по обороту/заказам, а не по инкрементальной прибыли и инкрементальным покупателям.
Порог статистической значимости подменяют "кажется, стало лучше"; при малых выборках лучше упрощать дизайн или увеличивать окно наблюдения.

Механизмы предотвращения слива и посткампанийный мониторинг

Когда цель - рассчитать экономику скидок и удержать маржу, часто выгоднее не увеличивать скидку, а управлять правилами выдачи и лимитами. Эти альтернативы снижают риск, что "калькулятор скидок и бонусов" окажется прав только на бумаге.

Альтернативы и защитные механики (когда уместны)

Таргетированные скидки вместо массовых: для новых/спящих/конкретных категорий, если общий промо-спрос каннибализирует базу.
Бонусы с ограничениями (категория/минимальная корзина/срок): когда нужно поднять повторную покупку, но не "дарить деньги" на и так планируемые покупки.
Пороговые механики (min basket, наборы, 2+1): если задача - увеличить вклад на заказ и защитить маржинальность при скидках (как рассчитать - через CM на корзину).
Лимиты и антифрод: 1 раз на клиента/устройство, лимиты по количеству, ручная проверка аномалий - обязательно, если видите признаки слива в первых днях.

Посткампанийный мониторинг: что проверить в первые 24-72 часа после

Инкрементальная прибыль по тесту vs контроль, а не общий оборот.
Рост возвратов/отмен и влияние на валовую прибыль.
Сдвиг в миксе: ушли ли продажи в более низкомаржинальные SKU.
Повторные покупки (если были бонусы) и доля списания.
Сигналы фрода: концентрация заказов, повторяемые паттерны, аномальные сегменты.

Практические вопросы по проверке экономических результатов промо

Как быстро понять, что промо "сливает" маржу?

Смотрите инкрементальную прибыль (ΔGP) по тесту vs контроль и долю инкремента в промо-продажах. Если ΔGP отрицательная при росте оборота - механика, вероятно, каннибализирует базу.

Что важнее: ROMI или инкрементальная маржа?

Для промо с ценовыми стимулами чаще полезнее инкрементальная маржа и точка безубыточности по инкрементальным единицам. ROMI легко "нарисовать" оборотом, не заметив скидочную дыру.

Как учитывать бонусы, если они будут списаны позже?

В модели отразите начисление как ожидаемый будущий расход (консервативно - 100% начисленных бонусов). Затем сверяйте с фактом списания и корректируйте оценку эффективности.

Как посчитать каннибализацию, если нет идеального контроля?

Используйте квази-контроль: похожие магазины/клиенты, синтетический baseline по истории и корректировки на сезонность. Отдельно проверьте падение продаж в соседних SKU/категориях.

Какие метрики обязательны для анализа промоакций в рознице на уровне магазина?

Инкрементальная валовая прибыль, out-of-stock, доля промо в продажах, средний вклад на чек и возвратность. Этого достаточно, чтобы отделить эффект промо от операционных проблем.

Нужно ли считать LTV в каждом промо?

Нет, LTV уместен, когда промо действительно меняет состав клиентской базы (новые/реактивация) и у вас есть горизонт наблюдения. Для тактических скидок по текущим клиентам чаще достаточно инкрементальной прибыли.

Какой минимальный "калькулятор скидок и бонусов" нужен команде?

Таблица с P0, скидкой, COGS, переменными затратами, бонусами, прогнозом инкремента и каннибализации, плюс точка безубыточности и лимиты бюджета. Главное - чтобы она считала инкремент, а не только маржу с промо-чека.