Rozważmy następującą sytuację: klient odwiedza sklep, gdzie znajduje produkt w modelu i kolorze, który spełnia jego oczekiwania. Chce go kupić, jednak okazuje się, że na półce nie ma towaru w odpowiednim dla niego rozmiarze. Co dzieje się dalej?
W korzystniejszym scenariuszu – klient sprawdzi dostępność produktu w sklepie online i tam go zamówi. W negatywnym scenariuszu – pójdzie do sklepu innej sieci w poszukiwaniu podobnego lub alternatywnego produktu. I nie jest to rzadka okoliczność, ponieważ w obecnych, bardzo konkurencyjnych warunkach rynkowych, lojalność klientów względem marek modowych maleje.
Konsekwencja drugiego scenariusza to utracona sprzedaż, która na poziomie wyniku finansowego przekłada się na mniejszy przychód. Do podobnego rezultatu doprowadzi sytuacja, w której klient chce kupić więcej niż jedną sztukę produktu, ale w sklepie brakuje oczekiwanej przez niego ilości towaru.
Tego typu zdarzenia są niekorzystne dla biznesu, ale wydaje się, że konsekwencje zatowarowania sklepów w pojedyncze sztuki produktów, mogą być jeszcze bardziej dotkliwe.
Out-of-stock w sklepie
W scenariuszu, w którym wspomniany produkt – jedna sztuka w konkretnym modelu, kolorze i rozmiarze – zostanie sprzedany, w sklepie pojawia się out-of-stock. System informatyczny podpowiada konieczność uzupełnienia półki o tę jedną sztukę. Kłopot w tym, że dotowarowanie zawsze trwa – czasem dzień, czasem dwa lub trzy dni.
Gdy pomyślimy o kolekcji z perspektywy całego roku i wszystkich sklepów w ramach sieci, to okazuje się, że przez ok. 20-30% czasu, w którym produkt powinien być na ekspozycji, a zatem dostępny dla klientów, tak się nie dzieje. Przez 20-30% czasu produkty są niedostępne, ponieważ jeszcze nie dotarły z magazynu i nie zostały rozpakowane. Oznacza to, że utracona sprzedaż może osiągać bardzo wysokie poziomy. Jednocześnie trudno zmierzyć, ile konkretnie one wynoszą.
Samospełniająca się przepowiednia
Często retailerzy zatowarowują swoje sklepy na nowy sezon w oparciu o historyczną sprzedaż w poprzednim sezonie. Działa to jak samospełniająca się przepowiednia – sklep zostaje zatowarowany w jedną sztukę, sprzedaje więc tę jedną sztukę, pomimo że potencjalnie sprzedaż mogła by być wyższa.
Jeden z retailerów w branży fashion zrobił test – jeden ze sklepów przez miesiąc był zatowarowywany w dwie-trzy sztuki każdego z produktów. Gdy zapytałem o wynik tego testu po miesiącu, rezultat przeszedł moje najśmielsze oczekiwania. Wzrost sprzedaży osiągnął 42% w tym sklepie. Bez żadnych dodatkowych akcji marketingowych, bez obniżki ceny. Po prostu udostępniono towar swoim klientom.
Michał Koziara, Chief Operating Officer, Occubee
Potencjał sprzedażowy
Dlaczego retailerzy zatowarowują sklepy w pojedyncze sztuki produktów? Z reguły nie mają bowiem informacji, jaki jest potencjał sprzedażowy w danym sklepie na konkretny produkt w wybranym kolorze i rozmiarze. Bez tej wiedzy trudno działać inaczej niż zatowarować sklep w pojedynczą sztukę, postępując analogicznie do poprzednich sezonów.
Jak zatem zdobyć tę wiedzę? Z pomocą przychodzi zaawansowana analityka, która wykorzystuje najnowsze technologie i kompetencje w dziedzinach data science, uczenia maszynowego i Big Data. To ona pozwala odpowiedzieć na pytanie, jaki jest potencjał sprzedażowy konkretnego produktu w każdym ze sklepów sieci handlowej. Umożliwia tym samym zidentyfikowanie sklepów, w których ten potencjał jest wyższy i takich, gdzie jedna sztuka danego produktu w zupełności wystarczy. Dzieje się tak, dlatego że zaawansowane narzędzia analityczne pozwalają analizować nie tylko historyczną sprzedaż, ale też bieżące informacje o dostępności towaru. Jeżeli bowiem pojedyncza sztuka towaru została sprzedana, a produkt nie został jeszcze uzupełniony w sklepie, to trudno oczekiwać w tym czasie sprzedaży.
Jak to robimy w Occubee?
W Occubee gromadzimy i analizujemy dane sprzedażowe, ale też informacje o stockach sklepowych, stockach magazynowych i szereg dodatkowych zmiennych. Patrzymy w sposób holistyczny na dane, a tym samym na całe zagadnienie biznesowe. Nasze modele uczenia maszynowego trenujemy na ogromnych, zróżnicowanych zbiorach danych, dzięki czemu są w stanie lepiej prognozować przyszłą sprzedaż.
Co więcej, odrębnie traktujemy modele, kolory i rozmiary, po to, aby identyfikować indywidualny potencjał sprzedażowy na dany produkt w danym rozmiarze, w danym kolorze i w danym sklepie. Takie informacje, generowane automatycznie każdego dnia, dla tysięcy produktów i setek sklepów, pozwalają z wysokim prawdopodobieństwem odpowiedzieć na pytanie typu: ile sztuk białych T-shirtów i w jakim rozmiarze powinno się znaleźć w konkretnym sklepie?
