Wyzwanie 1: Optymalizacja zapasów w sklepie i magazynie
Retailerzy nieustannie szukają sposobu na to, jak zachować odpowiednią proporcję pomiędzy dostępnością produktów a kosztami ich zakupu, magazynowania i transportu. Nadmierne zapasy prowadzą do zamrożenia kapitału i generują straty, negatywnie rzutując na cash flow i wyniki finansowe. Z kolei niedobory czy brak produktów na półkach sklepowych powodują utraconą sprzedaż i obniżenie poziomu lojalności klientów. Z raportu IHL Group wynika, że globalna wartość utraconej sprzedaży będącej pokłosiem out-of-stocków wyniosła 1.2 tryliona dolarów, co stanowi ok. 4,4% światowej sprzedaży detalicznej przewidywanej na 2023 r.
Najbardziej pożądanym scenariuszem jest zabezpieczenie w magazynie poziomu zapasów adekwatnego do rzeczywistego popytu i ich umiejętna dystrybucja w ramach całej sieci handlowej. To w konsekwencji pozwala zwiększyć sprzedaż, a jednocześnie obniżyć koszty.
Wsparciem dla retailerów w tym obszarze są zaawansowane narzędzia do prognozowania sprzedaży i zarządzania zapasami, wykorzystujące sztuczną inteligencję – takie jak Occubee. Pozwalają one odpowiedzieć na pytania: jakie produkty, w jakiej ilości i kiedy zamówić do magazynu, a później dostarczyć do sklepów, aby miały największą szansę sprzedać się w pierwszej cenie.
Dzięki wykorzystaniu ogromnej mocy obliczeniowej i zaawansowanych algorytmów AI i uczenia maszynowego, możliwe jest generowanie granularnych prognoz sprzedaży dla każdego produktu w każdym sklepie, nawet codziennie. Z kolei wdrożenie różnych strategii zarządzania popytem oraz alokacją i replenishmentem pozwala na daleko idącą automatyzację w zakresie m.in. zamówień do dostawców i do magazynu. To wszystko sprawia, że eksperci zyskują wiedzę i wyniki, które pomagają im podejmować lepsze decyzje biznesowe i uwalniają ich czas, poświęcany wcześniej na żmudną, manualną analizę danych w Excelu.
Wyzwanie 2: Zarządzanie asortymentem w omnichannelu
Współczesny konsument płynnie porusza się pomiędzy kanałem online i offline – oba traktuje jak równoległe światy, w których może zrealizować swoją potrzebę zakupową. Dla przykładu, w branży fashion część klientów najpierw szuka inspiracji w internecie, przegląda oferty różnych brandów, po to, by ostatecznie udać się do sklepu stacjonarnego, tam przymierzyć ubranie czy obuwie i sfinalizować zakup. Zasada ROPO, czyli research online, purchase offline jest też popularna w przypadku produktów z kategorii RTV/AGD. Z raportu „E-commerce w Polsce 2023” wynika, że 38% respondentów kupuje sprzęt w ten sposób. Z kolei w branży wyposażenia wnętrz spotykamy się z tzw. showroomingiem. Klient traktuje sklep stacjonarny jak salon pokazowy, w którym przegląda i testuje produkty, po to by następnie poszukać ich w internecie, porównać ceny i dokonać zakupu online.
W tych okolicznościach kluczowym zadaniem retailerów jest integracja kanałów sprzedaży i dostarczenie konsumentom spójnego doświadczenia zakupowego. Z jednej strony oznacza to konieczność atrakcyjnej prezentacji produktów na stronie internetowej, w aplikacji mobilnej czy marketplace’ie. Takiej, która pokaże ich najlepsze atrybuty. Ponadto istotne jest wdrożenie różnych mechanizmów personalizacji, np. w postaci rekomendacji produktów na podstawie historii wyszukiwania lub poprzednich zakupów.
Z drugiej strony, w sklepie stacjonarnym asortyment też musi być dobrze wyeksponowany. Oferowane produkty i kolekcje powinny być spójne wizualnie i inspirujące. Retailerzy z branży home&decor stosują w tym celu gotowe aranżacje pomieszczeń, które ułatwiają klientowi podjęcie decyzji o tym, jakie produkty wybrać do swojego mieszkania. Z kolei w branży modowej, kluczowe jest, aby w sklepie tradycyjnym były dostępne produkty w odpowiednich rozmiarach. Tu z pomocą przychodzi sztuczna inteligencja, która na podstawie analizy ogromnych zbiorów danych i szeregu zmiennych, podpowiada jak zatowarować każdy sklep stacjonarny w ramach sieci handlowej tak, aby znalazły się w nim produkty, które mają największy potencjał sprzedażowy. Jednocześnie zaawansowane algorytmy AI/ML mogą uwzględniać założenia visual merchandisingu, aby zapewniać odpowiednią szerokość i głębokość kolekcji.
Wyzwanie 3: Sezonowość i krótkie cykle życia produktów
Wyzwanie sezonowości dotyczy przede wszystkim branż, w których asortyment jest regularnie zmieniany. Dla przykładu w branży fashion nawet 90% asortymentu stanowią produkty nowe, a udział baseline’u jest znikomy. W ciągu roku występują dwa główne sezony: wiosna-lato oraz jesień-zima, a w ich trakcie kolekcje są uzupełniane kilkakrotnie, aby zachować efekt nowości dla klientów.
W takich warunkach cykl życia produktów jest krótki, a sen z powiek spędzają retailerom nadwyżki produktów słabo rotujących, które pod koniec sezonu będzie trzeba wyprzedać, odesłać do outletu lub do utylizacji.
Jak w tej sytuacji pomaga sztuczna inteligencja? Po pierwsze, potrafi zidentyfikować początek i schyłek sezonu, i na tej podstawie podpowiada, które produkty powinny w danym momencie trafić do sklepów, albo które trzeba już zacząć wyprzedawać. Po drugie, pozwala zwiększać poziom wyprzedania produktów w trakcie całego sezonu i maksymalizować marżę. Dzieje się to w oparciu o analizę indywidualnego potencjału sprzedażowego każdego produktu w każdym sklepie. Ponadto, systemy wykorzystujące AI, pomagają zapewnić adekwatną do popytu proporcję pomiędzy różnymi kategoriami produktowymi oferowanymi w danym sklepie, w konkretnym momencie sezonu. A to tylko kilka z możliwych rozwiązań.
AI wspiera dynamiczne zarządzanie zapasami
Zarządzanie asortymentem w dynamicznie zmieniających się warunkach wymaga od retailerów elastyczności i zdolności do szybkiej adaptacji. Jednym ze sposobów na radzenie sobie z nowymi wyzwaniami jest inwestycja w nowoczesne technologie i narzędzia analityczne bazujące na AI. Te pozwalają na bieżąco analizować 100% asortymentu we wszystkich magazynach i sklepach, uwzględniając szereg dodatkowych zmiennych, a następnie dostarczają wyniki, które umożliwiają podejmowanie proaktywnych działań i szybkie reagowanie w wyjątkowych sytuacjach. Optymalizacja procesów z wykorzystaniem AI to dziś must have dla retailerów, którzy chcą się rozwijać i wyróżniać na tle konkurencji.
___
Artykuł został opublikowany w ramach e-booka „Jak wykorzystać AI w handlu detalicznym”, będącego zbiorem opinii ekspertów i praktyków branży. Cały e-book do pobrania tutaj.
