XYZ-анализ товаров для селлера: как отделить нестабильный спрос от шума продаж

XYZ-анализ товаров отвечает на вопрос, насколько можно доверять прогнозу по каждому артикулу. От ответа зависят страховой запас, частота поставок и то, сколько денег лежит на складе. Ниже метод, пороги, пример на шести товарах и поправка, без которой на маркетплейсе половина ассортимента попадает не в ту группу.

Коротко

• XYZ-анализ сортирует товары по коэффициенту вариации продаж: до 10% группа X, от 10 до 25% группа Y, больше 25% группа Z.
• Коэффициент вариации — это стандартное отклонение продаж за неделю, делённое на средние продажи за неделю.
• У небольших продаж есть шум, который не зависит от спроса. При 16 продажах в неделю он сам по себе даёт 25%, при 100 продажах 10%. Поэтому товар меньше чем со 100 продажами в неделю почти не может попасть в X.
• Очищенный коэффициент: √(коэффициент вариации² − 1 ÷ средние продажи в неделю). Он показывает разброс спроса сверх случайного.
• До расчёта уберите недели без остатка и недели акций, а у растущих товаров считайте разброс вокруг линии роста.

Что такое XYZ-анализ товаров и зачем он селлеру

XYZ-анализ товаров — это сортировка ассортимента по стабильности продаж. Мера стабильности — коэффициент вариации: насколько продажи отдельных недель отклоняются от среднего, в долях от среднего. Чем меньше коэффициент, тем точнее прогноз и тем меньше запаса нужно держать на всякий случай.

Классическая шкала групп одинакова в учебных материалах и справочниках по анализу данных:

Границы 10% и 25% — договорённость, а не закон природы. Их приводят как стандартные значения, и мы берём их за основу. Ниже покажем, почему на маркетплейсе их нельзя применять к сырым цифрам.

Зачем это селлеру. Группа X позволяет держать маленький страховой запас и возить чаще. Группа Z требует либо большого запаса, либо отказа от части продаж в пиковые недели. Если перепутать группы, вы замораживаете деньги в запасе стабильного товара или теряете продажи нестабильного.

Коэффициент вариации продаж: формула

Коэффициент вариации продаж — это стандартное отклонение, делённое на среднее. Стандартное отклонение показывает, на сколько штук в среднем неделя отклоняется от средней недели.

Коэффициент вариации = Стандартное отклонение продаж за неделю ÷ Средние продажи за неделю × 100%

Пример: термокружка за 12 недель продавала от 181 до 236 штук в неделю. Средние продажи 210 штук, стандартное отклонение 17,95 штуки. Коэффициент вариации 17,95 ÷ 210 = 8,5%. Это группа X.

Считайте по неделям, а не по дням. В днях у маркетплейса сильная разница между будними и выходными, и коэффициент получится завышенным у всех товаров. Месяцы, наоборот, дают слишком мало точек: за полгода их шесть.

Рабочее правило блога: окно 12⁠–⁠26 недель, пересчёт раз в четыре недели. Меньше 12 точек дают неустойчивую оценку, а окно больше полугода смешивает разные сезоны.

Почему пороги 10% и 25% ломаются на маркетплейсе

Пороги ломаются из-за случайного шума малых продаж. Даже если спрос совершенно ровный, число заказов в неделю колеблется: покупатели приходят не по расписанию. Такие колебания описывает распределение Пуассона, у которого дисперсия равна среднему.

Отсюда следует формула шума. Если среднее равно λ, стандартное отклонение равно √λ, а коэффициент вариации от одного шума равен 1 ÷ √λ.

Вывод: товар меньше чем со 100 продажами в неделю почти не может попасть в X. Товар меньше чем с 16 продажами попадает в Z при любом спросе. У большинства селлеров таких товаров большинство. По сырым цифрам весь хвост ассортимента окажется в Z, и вы начнёте держать для него лишний запас.

Это не значит, что шум можно игнорировать. Он реален: при 8 продажах в неделю неделя с 4 или 12 продажами случается без всякой причины. Но решать надо разные задачи: шум закрывается страховым запасом, а нестабильный спрос требует ещё и другой политики заказа.

Как очистить коэффициент вариации от шума

Очищенный коэффициент показывает разброс спроса сверх того, что даёт случай. Из квадрата наблюдаемого коэффициента вычитается квадрат шума, а из разности берётся корень:

Очищенный коэффициент = √(Коэффициент вариации² − 1 ÷ Средние продажи в неделю)

Если под корнем получилось отрицательное число, очищенный коэффициент равен нулю. Это значит, что колебания целиком объясняются шумом и спрос ровный.

Пример: крышка для термокружки. Средние продажи 40 штук в неделю, коэффициент вариации 16,2%. Шум при 40 продажах: 1 ÷ √40 = 15,8%. Очищенный коэффициент √(0,162² − 1 ÷ 40) = 3,4%. По сырому расчёту крышка в группе Y, по очищенному в X.

Формула приближённая. Она исходит из того, что заказы приходят независимо друг от друга. Если у вас часто заказывают по несколько штук сразу, шум будет больше расчётного, и очищенный коэффициент окажется немного завышен. Для решения о группе этой точности хватает.

XYZ-анализ: пример расчёта на шести товарах

Возьмём шесть товаров магазина посуды и их продажи за 12 недель. Числа условные. Сначала сырой расчёт.

По сырому расчёту четыре товара из шести в группе Z. Теперь посчитаем шум и очищенный коэффициент.

Крышка и трубочки перешли в X: их колебания объясняются малыми продажами. Подарочный набор остался в Z по делу. Его продажи прыгают с 9⁠–⁠20 штук до 48⁠–⁠60 в отдельные недели. Шум при таком среднем даёт 20%, а наблюдаемый разброс 77%.

Термос и ланч-бокс требуют ещё двух поправок. Без них расчёт для этих товаров неверен даже после очистки.

Три поправки до расчёта: остатки, рост и акции

Коэффициент вариации измеряет разброс спроса только тогда, когда в данных нет других причин колебаний. Три самые частые причины — недели без остатка, рост или спад и акции.

Недели без остатка. У ланч-бокса в 3-ю и 4-ю недели продажи были нулевыми: товар закончился на складе. Эти нули показывают ваш запас, а не спрос. Если их оставить, среднее занижено до 42 штук, а коэффициент вариации раздут до 48,6%.

Уберите недели, когда товара не было на складе большую часть недели. У ланч-бокса остаётся 10 недель со средним 50,4 штуки и коэффициентом 12,3%. Шум при таком среднем 14,1%, очищенный коэффициент равен нулю. Ланч-бокс оказался ровным товаром группы X, а реальный спрос на 20% выше, чем показывало среднее с нулями.

Рост или спад. Термос продавался в сентябре 58⁠–⁠82 штуки в неделю, а в ноябре 119⁠–⁠136. Это осенний рост, а не хаос. Коэффициент вариации 26,1% измеряет разницу между началом и концом окна.

Для растущего товара проведите линию роста: средний прирост у термоса 6,6 штуки в неделю. Затем разделите продажи каждой недели на значение линии в эту неделю. Разброс этих отношений 6,4%, при шуме 10,3%. Значит, вокруг линии роста продажи ровные, и термос ведёт себя как X с меняющимся уровнем.

Для такого товара прогноз строится по линии роста или по индексу сезонности. Метод подробно разобран в статье про прогноз спроса и план закупки.

Акции. Неделя распродажи даёт всплеск, который не повторится без следующей акции. Уберите такие недели из расчёта стабильности и планируйте запас под акцию отдельно.

Подарочный набор в нашем примере проверили на акции: всплесков было три, и ни один не совпал с акциями. Значит, его разброс настоящий, и он остаётся в Z.

Своё колебание или колебание категории

Последний вопрос перед решением: колеблется ваш товар или вся категория. Если у всей категории продажи прыгают по неделям, это свойство спроса, и запас нужен у всех. Если категория ровная, а вы прыгаете, причина у вас: цена, реклама, остатки, позиции в выдаче.

Вручную это проверяется так. Выберите 15⁠–⁠20 карточек соседей и раз в неделю записывайте число отзывов: прирост отзывов идёт примерно вслед за продажами. Сравните недельную динамику категории со своей. Метод оценки чужих продаж по отзывам и его погрешность описаны в опорной статье про оценку продаж конкурентов.

Это самый трудоёмкий шаг: 20 карточек, 12 недель, каждый понедельник. В «Радаре» RADAR ваши категории пересчитываются каждый день на Wildberries, Ozon, Яндекс Маркете и М.Видео. На экранах видно, как категория менялась по неделям и в каких ценовых диапазонах. При заметных изменениях приходит сигнал в телеграм. Подписка стоит 4 900 ₽ в месяц. Сам XYZ-анализ по вашим артикулам остаётся вашей таблицей: «Радар» показывает категорию, а не ваши продажи.

Как отличить сезонное падение категории от реального спада, разобрано в статье «Упал спрос в нише: спад или сезон».

ABC и XYZ-анализ вместе: что делать с каждой группой

ABC и XYZ-анализ вместе дают матрицу из девяти клеток. ABC отвечает, сколько товар приносит, XYZ отвечает, насколько он предсказуем. Группы A, B, C возьмите из ABC-анализа по прибыли: по выручке картина часто другая.

Клетка AZ самая дорогая в управлении. Товар приносит много, но прогноз у него плохой, и каждая ошибка стоит либо замороженных денег, либо потерянных продаж. Такие товары стоит разобрать по одному: часто нестабильность объясняется рекламой или остатками, а не спросом.

Клетка CZ — первый кандидат на вывод из ассортимента. Мало прибыли и непредсказуемость вместе дают запас, который лежит месяцами. Когда пора убирать такой товар, разобрано в статье «Когда убирать товар с маркетплейса».

В нашем примере после поправок: термокружка и термос в A и X, ланч-бокс в B и X, подарочный набор в B и Z, крышка и трубочки в C и X. Группы ABC здесь условные. Без поправок четыре товара оказались бы в Z, и для трёх из них вы держали бы лишний запас.

Что XYZ-группа меняет в страховом запасе

XYZ-группа меняет страховой запас через стандартное отклонение спроса. Классическая формула для постоянного срока поставки:

Страховой запас = Z × Стандартное отклонение продаж за неделю × √Срок поставки в неделях

Здесь Z — коэффициент уровня сервиса, то есть доли недель без дефицита. Для уровня 95% он равен 1,65. Буква Z в формуле не связана с группой Z.

Возьмём срок поставки 3 недели. У подарочного набора стандартное отклонение 18,62 штуки, страховой запас 1,65 × 18,62 × √3 = 53,2 штуки. У крышки 6,47 штуки и 18,5 штуки запаса.

Ошибка с остатками дорого стоит. Если посчитать ланч-бокс с нулевыми неделями, стандартное отклонение 20,4 штуки даёт 58,3 штуки запаса. Без нулей отклонение 6,19 штуки и запас 17,7 штуки. Разница в 40 штук — это деньги, замороженные из-за того, что товар однажды закончился.

Обратите внимание: страховой запас считается по сырому отклонению, вместе с шумом. Шум реален, и закрывать его нужно запасом. Очищенный коэффициент нужен для выбора группы и политики заказа, а не для формулы запаса. Другой подход к запасу, через срок приёмки и точку перезаказа, описан в статье про страховой запас и точку перезаказа.

Как сделать XYZ-анализ в Excel

XYZ-анализ в Excel делается на одном листе за полчаса. Нужны недельные продажи по каждому артикулу за 12⁠–⁠26 недель и отметка о неделях без остатка.

1. Поставьте артикулы в строки, недели в столбцы. В ячейки внесите проданные штуки, а не выручку.
2. Удалите значения в неделях без остатка и в неделях акций. Оставьте ячейки пустыми: СРЗНАЧ и СТАНДОТКЛОН.В не учитывают пустые ячейки диапазона.
3. В столбце «Среднее» посчитайте =СРЗНАЧ(диапазон недель).
4. В столбце «Отклонение» посчитайте =СТАНДОТКЛОН.В(диапазон недель). Функция считает отклонение по выборке методом n − 1.
5. В столбце «Коэффициент» разделите отклонение на среднее.
6. В столбце «Очищенный» посчитайте =КОРЕНЬ(МАКС(0; Коэффициент^2 − 1/Среднее)).
7. Присвойте группу формулой: X, если очищенный коэффициент до 10%, Y до 25%, иначе Z.
8. Для товаров с явным ростом или спадом посчитайте коэффициент по отношению продаж к линии роста и сравните с шумом вручную.

Недельные продажи по артикулам берутся из кабинета: из отчёта о продажах или из выгрузки по API. Где лежат эти отчёты и почему их цифры иногда не совпадают, разобрано в статье про расхождения данных кабинета. Для XYZ важно брать одну и ту же метрику за все недели: заказы или выкупы, но не их смесь.

Ошибки в XYZ-анализе

Считают по сырым цифрам у товаров с малыми продажами. Весь хвост ассортимента попадает в Z, и для него держат лишний запас. Сначала посчитайте шум.

Оставляют нулевые недели без остатка. Среднее занижается, коэффициент раздувается. У ланч-бокса из примера ошибка дала 48,6% вместо 12,3%.

Считают по дням. Разница будних и выходных добавляет разброс, которого нет в недельном спросе.

Путают рост с нестабильностью. Растущий товар получает высокий коэффициент, хотя вокруг линии роста продаётся ровно.

Не убирают акции. Неделя распродажи выглядит как всплеск спроса и переводит товар в Z.

Считают выручку вместо штук. Изменение цены меняет выручку при том же спросе. Для запаса нужны штуки.

Используют очищенный коэффициент в формуле запаса. Шум реален, и запас должен его закрывать. Очищенный коэффициент нужен только для выбора группы.

Чек-лист

• Собрал недельные продажи в штуках по каждому артикулу за 12⁠–⁠26 недель.
• Убрал недели без остатка и недели акций.
• Посчитал среднее, стандартное отклонение и коэффициент вариации.
• Посчитал шум 1 ÷ √среднего и очищенный коэффициент.
• Для растущих и падающих товаров посчитал разброс вокруг линии роста.
• Сравнил колебания своих товаров с недельной динамикой категории.
• Свёл XYZ с ABC по прибыли и выписал действия для каждой клетки.
• Пересчитал страховой запас по сырому отклонению.
• Назначил пересчёт через четыре недели.

Частые вопросы

Какие границы групп в XYZ-анализе товаров?

Стандартные значения: до 10% коэффициента вариации группа X, от 10 до 25% группа Y, больше 25% группа Z. На маркетплейсе применяйте их к очищенному коэффициенту, иначе товары с малыми продажами окажутся в Z из-за случайного шума.

Сколько недель брать для XYZ-анализа?

Рабочее правило блога: 12⁠–⁠26 недель. Меньше 12 точек дают неустойчивую оценку, окно больше полугода смешивает разные сезоны. Пересчитывайте раз в четыре недели.

Почему товар с ровным спросом попал в группу Z?

Чаще всего из-за малых продаж: при 9 продажах в неделю шум даёт коэффициент 33% при любом спросе. Вторая причина — недели без остатка в данных. Третья — рост или спад, который коэффициент принимает за разброс.

Как сделать ABC и XYZ-анализ вместе?

Посчитайте группы ABC по прибыли и группы XYZ по очищенному коэффициенту, затем сведите их в матрицу из девяти клеток. Для каждой клетки задайте правило запаса и заказа. Особого внимания требуют AZ, где ошибка стоит дороже всего, и CZ, первый кандидат на вывод.

Можно ли делать XYZ-анализ для нового товара?

Нет, пока нет хотя бы 12 недель продаж с остатком на складе. До этого используйте сценарии и запас на первую поставку. Как посчитать первую партию без истории, разобрано в статье о том, сколько штук закупить для старта на ВБ.

Что брать для XYZ-анализа: заказы или выкупы?

Для запаса на складе площадки важнее заказы: товар уезжает со склада при заказе. Выкупы приходят позже и зависят от невыкупа. Главное правило — одна метрика за все недели.

Как сделать XYZ-анализ в Excel без макросов?

Хватает функций СРЗНАЧ, СТАНДОТКЛОН.В, КОРЕНЬ и МАКС. Недели в столбцах, артикулы в строках, недели без остатка оставьте пустыми. Порядок формул приведён в разделе про Excel выше.

Что дальше

Посчитайте XYZ по своим артикулам с поправками и сравните группы с тем, как вы держите запас сейчас. Обычно находятся две ошибки: лишний запас у мелких ровных товаров и недостаточный у товаров AZ. Затем сверьте колебания своих товаров с категорией: это отличает ваши проблемы от свойств спроса.

Если категорий несколько, «Радар» показывает их недельную динамику и ценовые диапазоны на четырёх площадках и присылает сигнал в телеграм при изменениях. Так видно, что прыгает: ваш товар или весь рынок.

Посмотреть, что внутри «Радара» →

Источники

• Loginom Wiki. «Анализ XYZ (XYZ analysis)» — определение, коэффициент вариации, границы групп 0⁠–⁠10%, 10⁠–⁠25%, больше 25%. Проверено 02.11.2026: https://wiki.loginom.ru/articles/%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7%20XYZ%20(XYZ%20analysis).%20Loginom%20Wiki.pdf
• Николаенко В. С. «АВС-XYZ анализ», учебные материалы, portal.tpu.ru — стандартные значения 10% и 25%. Проверено 02.11.2026: https://portal.tpu.ru/SHARED/n/NIKOLAENKOVS/student/bi_technologies/%D0%9F%D0%A011.%20%D0%90%D0%92%D0%A1-XYZ%20%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7.pdf
• Wikipedia. «Poisson distribution» — среднее и дисперсия равны λ. Проверено 02.11.2026: https://en.wikipedia.org/wiki/Poisson_distribution
• Wikipedia. «Coefficient of variation» — определение. Проверено 02.11.2026: https://en.wikipedia.org/wiki/Coefficient_of_variation
• Wikipedia. «Safety stock» — переменные формулы страхового запаса, Z = 1,65 для уровня сервиса 95%. Проверено 02.11.2026: https://en.wikipedia.org/wiki/Safety_stock
• Microsoft. «Функция СТАНДОТКЛОН.В» — отклонение по выборке методом n − 1. Проверено 02.11.2026: https://support.microsoft.com/ru-ru/excel/stdev-s-function
• RADAR. «ABC-анализ по прибыли»: https://wradar.pro/blog/abc-analiz-po-pribyli
• RADAR. «Прогноз спроса и план закупки»: https://wradar.pro/blog/prognoz-sprosa-i-plan-zakupki
• RADAR. «Страховой запас и точка перезаказа»: https://wradar.pro/blog/strahovoy-zapas-tochka-perezakaza
• RADAR. «Как оценить продажи конкурентов»: https://wradar.pro/blog/kak-ocenit-prodazhi-konkurentov