Г.К. Стругач 1

1 ФГБОУ ВО «Финансовый университет при Правительстве Российской Федерации» (Москва, Россия)
1 gkstrugach@fa.ru

Постановка проблемы. В условиях распределенной логистики маркетплейса Ozon деятельность по продаже автозапчастей часто протекает в условиях информационной разреженности и неопределенности, без целостного понимания взаимосвязей между спросом, логистическими затратами и рентабельностью по географическим кластерам доставки, что приводит к неструктурированному процессу сбыта и интуитивному принятию решений по размещению запасов товаров.

Цель. Разработать прототип аналитической модели с применением методов системного анализа для преобразования неструктурированного процесса сбыта автозапчастей в систематизированную модель оптимизации поставок, в которой решения по распределению запасов по кластерам доставки обосновываются совокупностью данных о спросе, себестоимости и логистических издержках.

Результаты. Разработан прототип аналитической модели оптимизации поставок, которая посредством системного анализа разнородных источников данных превращает хаотичный процесс сбыта в упорядоченную систему, где каждое решение по размещению запасов связано с прогнозируемыми экономическими результатами. Использованы история заказов за март–август 2025 г., данные о себестоимости из системы «МойСклад» и тарифы кросс‑докинга от центрального склада, что позволяет совместно анализировать спрос на товары, структуру затрат и показатели прибыльности. Предложен подход к отбору топ‑20 наиболее продаваемых товаров, расчету операционной прибыли по кластерам доставки и анализу рентабельности отдельных SKU в разрезе кластеров, дополненный показателем прибыли на единицу объемного веса для товарно‑кластерных сочетаний.

Практическая значимость. Предложенная модель может использоваться продавцами автозапчастей на маркетплейсах для перехода от интуитивного управления сбытом к системному принятию решений по размещению запасов, выявления приоритетных товарно‑кластерных комбинаций, повышения эффективности использования ограниченной логистической емкости и обоснования изменений в стратегии поставок на основе количественных показателей прибыльности.

Стругач Г.К. Прототип аналитической модели оптимизации поставок на основе данных о продажах, товарах и кросс-докинга с учетом прибыли на объемную единицу веса // Нелинейный мир. 2026. Т. 24. № 2. С. 50–57. DOI: https://doi.org/10.18127/j20700970-202602-06

1. Решетников Н.С. Информационные технологии как основа успешного кросс‑докинга // Современные наукоемкие технологии. 2024. № 3. С. 115–121.
2. Демин В.А. Логистические транспортные системы и технология кросс‑докинга в цепях поставок // Логистические транспортные системы. 2023. № 2. С. 45–53.
3. Мерганов А.М. Эффективное использование кросс‑докинга: анализ преимуществ и вызовов в логистике // Ресурсосберегающие технологии на транспорте: сб. науч. трудов. Ташкентский государственный транспортный университет. 2023. С. 581–589.
4. Как маркетплейсы подстегнули развитие логистики // РБК Санкт‑Петербург. [Электронный ресурс]. URL: https://spb.plus.rbc.ru/news/658c2f6a7a8aa9bc954821a3 (дата обращения: 14.10.2025).
5. Тренды логистики для электронной коммерции 2023 // Коммерсантъ. [Электронный ресурс]. URL: https://www. kommersant.ru/doc/6365562 (дата обращения: 02.10.2025).
6. Кросс‑докинг – База знаний для продавцов Ozon // Ozon Seller Education. 2024. URL: https://seller-edu.ozon.ru/fbo/ crossdoking/kross-doking (дата обращения: 19.09.2025).
7. Финансовая аналитика маркетплейсов России 2025: данные, тренды и прогнозы для селлеров // TotalCRM. 30.11.2025. URL: https://totalcrm.ru/blog/2025/12/finansovaya-analitika-marketplejsov-rossii-2025-dannye-trendy-i-prognozy-dlya-sellerov_79 (дата обращения: 12.12.2025).
8. Transload Services USA. Retail cross docking: Optimization of e‑commerce logistics. 2024. URL: https://transloadservicesusa.com/blog/cross-docking-optimization/ (дата обращения: 22.09.2025).
9. Прокопенков И.А., Гарковенко А.С., Сухов В.В., Пучкова М.А. Оценивание сложных систем и процессов на основе онтологии и нейро-нечеткого классификатора // Наукоемкие технологии. 2023. Т. 24. № 6. С. 61–71. DOI: https://doi.org/ 10.18127/j19998465-202306-07.
10. Логиновский О.В., Максимов А.А., Халдин К.С. Управление материальными ресурсами промышленного предприятия в современных условиях // Динамика сложных систем – XXI век. 2016. Т.10. № 2. С. 33–38.