Rosnąca konkurencja, rozwój sprzedaży wielokanałowej, globalne i lokalne trendy czy wymagania logistyczne to tylko kilka z wielu wyzwań, jakim stawiają czoła przedstawiciele branży home décor. Z pomocą przychodzą jednak sztuczna inteligencja i Machine Learning, które ułatwiają podejmowanie decyzji biznesowych i pozwalają przekuć wyzwania w szansę rozwoju.
W ostatnich latach branża home décor odnotowuje dynamiczny wzrost. Według danych Research and Markets w 2020 roku globalny rynek dekoracji wnętrz osiągnął wartość prawie 650 miliardów dolarów. To efekt czynników społecznych, takich jak bogacenie się społeczeństw i inwestycje w nieruchomości. Szeroka oferta mieszkaniowa na rynku i tym samym częstsze przeprowadzki także przyczyniają się do rozwoju sektora. Ponadto, obecnie ponad połowa światowej populacji mieszka w obszarach miejskich, co nie pozostaje bez wpływu na popyt na produkty wyposażenia wnętrz.
W parze z rosnącym potencjałem rynku idzie jednak wzrost oczekiwań i wymagań klientów, a to sprawia, że firmy muszą szybko i elastycznie reagować na nowe trendy. To z kolei rodzi wyzwania w kontekście prognozowania sprzedaży i popytu oraz zapewnienia odpowiedniej dostępności produktów w sklepach.
W jaki sposób sztuczna inteligencja i uczenie maszynowe odpowiadają na wyzwania branży home décor?
Wyzwania, jakie dotykają branżę home décor są przekrojowe i różnorodne. Z jednej strony popyt kształtują trendy, które co do zasady są zmienne. Wśród nich można wyróżnić mikrotrendy, których czas obowiązywania zazwyczaj zamyka się w ramach jednego sezonu. Inne to makrotrendy, które oddziałują na rynek nawet przez kilka lat. Trudności powoduje także ekspozycja towarów wielkogabarytowych w sklepach stacjonarnych. Z tym wiąże się również decyzja o wyborze kanału sprzedaży dla konkretnych produktów czy kategorii produktowych, przy uwzględnieniu bardzo zróżnicowanych ścieżek zakupowych klientów. Nie bez wpływu na branżę są też wyzwania logistyczne czy kondycja branża budowlanej, a nierzadko i… pogoda.
Sztuczna inteligencja i uczenie maszynowe to narzędzia, z których firmy działające w branży home décor mogą korzystać do podejmowania decyzji strategicznych i operacyjnych. Znajdują zastosowanie w wielu obszarach, m.in. w analizie trendów, prognozowaniu popytu i sprzedaży, optymalizacji sposobu generowania zamówień do dostawców. Przy ich udziale możliwe jest śledzenie zmian w preferencjach zakupowych klientów, optymalizowanie oferty produktowej, wydajne kosztowo i operacyjnie zarządzanie stockami w sklepach i magazynach.
Michał Koziara, współtwórca platformy Occubee
Jak trafnie zarządzać lead time’ami oraz minimami transportowymi?
Meble, podobnie jak elementy wykończenia wnętrz, wymagają długiego czasu produkcji. Towary dekoracyjne często zamawia się z odległych geograficznie miejsc, gdzie najpierw należy je wyprodukować. Lead time w branży home décor może wahać się od jednego do ponad sześciu miesięcy. Ponadto, należy pamiętać także o wymaganiach transportowych. Częstą praktyką jest narzucanie przez producentów i dystrybutorów minimów produkcyjnych. Wtedy – mimo że sprzedawca detaliczny potrzebuje konkretnych ilości towarów – może zostać „zmuszony” do uzupełnienia zamówienia tak, by mogło zostać zrealizowane.
Choć AI bezpośrednio nie ma wpływu na skrócenie łańcucha dostaw, to umożliwia prognozowanie popytu na kategorie produktowe zarówno na poziomie rynku, jak i na poziomie kanałów sprzedaży. Te informacje mogą być z powodzeniem wykorzystane do podjęcia decyzji, jakie dodatkowe produkty powinny zostać zamówione tak, by kontenery zostały całkowicie, ale i optymalnie z perspektywy możliwości sprzedażowych, wypełnione, koszt jednostkowy transportu był jak najmniejszy, a zapas w magazynie odpowiadał prognozowanemu popytowi.
Jak sprostać efektowi ROPO i zaplanować sprzedaż w omnichannelu?
Branżą home décor rządzi efekt ROPO – research online, purchase offline. Wstępny research i wyszukanie interesujących produktów odbywa się w sieci, ale finalnego zakupu dokonuje się w salonie, po obejrzeniu wybranego modelu, sprawdzeniu funkcjonalności i jakości wykonania. Bardzo często retailerzy prowadzący sprzedaż i w kanale online, i w offline, posiadają dużo szerszą ofertę w sklepie internetowym. Pytanie zatem, jak zapewnić optymalną dostępność i prezentację towarów w kanale offline, jednocześnie posiadając znacznie szerszy asortyment oferowany w kanale online?
Sztuczna inteligencja, w szczególności aspekt uczenia się, umożliwia dynamiczne podejście do zapewnienia optymalnych poziomów stocków magazynowych na potrzeby sprzedaży w poszczególnych kanałach, a nie – jak to bywa w przypadku zarządzania eksperckiego – ustalania „na sztywno” ilości dostępnych produktów w poszczególnych kanałach sprzedaży.
Michał Koziara, współtwórca platformy Occubee
Wielkogabarytowe towary i problem w ich eksponowaniu
W tradycyjnym modelu sprzedaży, każdy retailer boryka się z ograniczoną przestrzenią ekspozycyjną, zwłaszcza jeśli w ofercie znajduje się bardzo wiele produktów. Przestrzeń ta musi być świetnie wykorzystana dla szerokiego asortymentu nie tylko w ramach sklepu, ale także w ramach sekcji zdefiniowanych w sklepach.
Pojawia się więc zasadne pytanie: które produkty wyeksponować w przestrzeni sklepowej? Odpowiedź najczęściej nie jest oczywista. Tym bardziej, jeśli poszukuje się złotego środka pomiędzy ekspozycją towarów, chęcią pokazania szerokiego i głębokiego asortymentu, a jednocześnie zaaranżowania przestrzeni sklepowej przyjaznej dla klienta.
Optymalne zatowarowanie punktów sprzedaży i uniknięcie out-of-stoków oraz overstocków jest jednak możliwe. Można do tego wykorzystać modele AI i Machine Learning, które bazując na historycznych danych sprzedażowych, a także szeregu innych czynników wewnętrznych i zewnętrznych (m.in. akcje marketingowe czy prognoza pogody), generują prognozy popytu, co może stanowić podstawę do podjęcia właściwych decyzji biznesowych.
Odpowiedź na potrzeby klientów jest w danych
Generowanie prognoz sprzedaży i popytu w oparciu o algorytmy uczenia maszynowego, uwzględniające charakter sprzedaży w branży home décor, pozwala na podejmowanie trafnych decyzji biznesowych, a tym samym budowanie przewagi konkurencyjnej. W efekcie osiąga się cele biznesowe związane z minimalizacją przesunięć międzysklepowych, wzrostem sprzedaży i zmniejszeniem kosztów.
Algorytmy sztucznej inteligencji zasilane danymi oraz automatyzacja procesów biznesowych w połączeniu z wiedzą ekspertów wpisują się w megatrendy technologiczne, które zakładają wykorzystanie pełnego potencjału danych do osiągania lepszych wyników biznesowych. Dodatkowo, efekt skali powoduje, że nawet relatywnie niewielka poprawa działalności operacyjnej istotnie wpływa na wyniki finansowe i wartość przedsiębiorstw.
Michał Koziara, współtwórca platformy Occubee
Artykuł został opublikowany na portalu DlaHandlu.pl.
