Marja və Mənfəət Analizi
Marja artımı
İlbə-il
Sahə və SKU sayını dəyiş — marja proqnozu canlı yenilənir
Hər sənayedə baseline marja, mümkün uplift və mix optimizasiyası fərqlidir. Aşağıdakı seçimlər real model parametrlərini əks etdirir — baseline %, uplift pp, və top SKU contribution.
Gəlirdən net marjaya — waterfall
Sütuna klikləyin, üzərində gəzin — xərc kateqoriyası və süni intellekt qənaəti canlı dəyişir
Net marja
5.7%
Baseline marja
22%
Süni intellekt qənaət
+2.7pp
SKU əhatəsi
25 / 100
Bu səhifəni süni intellekt ilə oxu
Cəmi mənfəət real mənfəət deyil
Ənənəvi mühasibatlıq aylıq cəmi mənfəəti göstərir, lakin hansı müştərinin və ya məhsulun real mənfəət gətirdiyini ortaya qoymur. Harvard professorları Robert Kaplan və V.G. Narayanan-ın araşdırmasına görə, ən gəlirli 20% müştəri adətən şirkətin ümumi mənfəətinin 150-300%-ni təşkil edir — yəni qalan müştərilərin böyük hissəsi mənfəəti aşağı çəkir və ya tam zərərlidir.
Top 20% müştəri
150-300%
ümumi mənfəətin payı — qalan müştərilər mənfəəti aşağı çəkir
Kaplan & Narayanan — HBR
Zərərli müştərilər
20-30%
Gəlirli müştərilər
70-80%
Eyni $500K dövriyyəli iki müştəri tamamilə fərqli xalis marja gətirə bilər.
Gizli zərərli müştərilər
Distribyutor və istehsal şirkətlərində aparılan analizlər göstərir ki, adətən müştərilərin 20-30%-i zərərlidir — və şirkət bunu bilmir. Eyni $500,000 dövriyyəli iki müştəri tamamilə fərqli mənfəət göstərə bilər: biri sürətli çatdırılma tələb edir, 60 günlük ödəniş alır, dəstək xidmətini həftəlik istifadə edir; digəri toplu sifariş verir, 15 gün ərzində ödəyir, problemlərini özü həll edir.
Whale Curve — vizual yanaşma
Müştəri rentabelliyi «balina əyrisi» (whale curve) ilə vizuallaşdırılır — ən gəlirli müştəridən başlayıb ən az gəlirli müştəriyə doğru sıralanır. Bu vizual göstərir ki, ən gəlirli 20% müştəri ümumi mənfəətin 180%-ni gətirir, ən az gəlirli 20% isə bu mənfəəti 80% aşağı salır.
Model girişləri
- Müştəri səviyyəli satış
- Məhsul / SKU marjası
- Xidmət və logistika xərci
- Ödəniş şərtləri (DSO)
- Kanal və qiymət siyasəti
Customer Profitability Engine
180%Whale curve zirvəsiSüni intellekt müştəri, məhsul və kanal səviyyəsində xalis marjanı hesablayır — sonra mix optimizasiyası ilə baseline marjanı +3.2pp-ə qədər qaldırır. Bu o deməkdir ki, mürəkkəb model qurmaq üçün artıq böyük data komandası lazım deyil — düzgün data və doğru yanaşma kifayətdir. MRF yanaşması Data Foundation-dan başlayır: profitability modeli təmiz, strukturlaşdırılmış data üzərində qurulur, nəticələr whale curve dashboard-da vizuallaşdırılır.
Mənbələr
- Harvard Business Review — Kaplan & Narayanan, «Customer Profitability Analysis»
- Baker Tilly (2025) — Whale Curve in Customer Profitability
- Pryse Analytics (2026) — Customer Margin Analysis
- DealHub (2026) — Customer Profitability Analysis Methods
Manual və Süni intellekt — eyni data, fərqli nəticə
Keçidlə nəticəni dəyiş — eyni müştəri və satış faylı, iki fərqli yanaşma ilə.
Yanaşma
Müştəri × SKU × kanal kublu
Müştəri marjası
Hər müştəri üzrə xalis marja
Zərərli müştəri
Whale curve ilə aşkar
Qiymət qərarı
Data əsaslı optimallaşdırma
Kanal / SKU fərqi
Səviyyə-səviyyə qərar
Yenilənmə
Həftədə 1 (və ya canlı)
Sizin üçün təxmini fayda
İllik gəlirinizi daxil edin — model, sənayeyə görə marja uplift-in illik təxmini gəlir təsirini hesablayır.
Pərakəndə sənayesi seçilib. Yuxarıdan dəyişdirə bilərsiniz.
Təxmini illik fayda
₼38,400
Marja uplift: +3.2pp · baseline: 22%
Rəqəm illüstrativdir — real fayda biznes strukturuna görə fərqlənir. MRF audit ilə dəqiq qiymətləndirmə apara bilər.
Öz datanız üzərində görmək istəyirsiniz?
Demo data ilə deyil — sizin müştəri və satış faylınız üzərində 2-3 günə whale curve və marja modeli quraq.
MRF Works AI Assistant
Online · Powered by AI