ИИ может решить проблему роста доходности в обувной промышленности

Приближается Рождество, и розничные торговцы уже пытаются удовлетворить спрос из-за длительного воздействия пандемии на цепочки поставок. По мере приближения к концу года, когда преобладают праздничные распродажи и покупки, компаниям необходимо внедрять активные стратегии, которые максимизируют запасы, или же сталкиваются с проблемами поставок, снижающими маржу. Искусственный интеллект может предложить решение.

Обувной сегмент розничной торговли представляет уникальные проблемы для управления запасами из-за проблем, связанных с изменчивостью размеров и схемами возврата. Искусственный интеллект может изменить то, как обувные компании решают эти проблемы, помогая им управлять запасами, прогнозировать рыночный спрос и отслеживать размер прибыли.

Если бы прогнозирование было головоломкой, прогнозирование продаж составляло бы край, а прогнозирование доходности - центральное место. Невозможно составить полную картину прогнозирования розничной торговли без данных о продажах и возвратах. К сожалению, большинство систем прогнозирования прогнозируют продажи и пренебрегают возвратами, вероятно, потому, что анализ возвратов намного сложнее.

В частности, для обувных компаний, у которых до пандемии доходность доходила до 40%, прогнозирование продаж само по себе дает крайне ограниченную картину всей деятельности компании. После карантина 2020 года продажи и возврат через Интернет только увеличились.

Некоторые обувные компании осознают особую тенденцию в поведении потребителей:клиенты покупают три пары обуви разных размеров, чтобы примерить их дома и вернуть две, которые не подошли. Это огромный убийца прибыли, потому что розничные торговцы обувью часто не могут перепродать то, что было возвращено при онлайн-покупке, так же легко, как и при покупке в магазине, где обувной процесс производится в более контролируемой среде. Возврат также может быть связан с различиями в цвете или стиле, если, например, покупатель не считает, что обувь выглядит так же лично, как в Интернете.

Чтобы справиться с этой тенденцией, магазины начали перепродавать обувь с открытыми коробками по сниженной цене. Хотя эта стратегия помогла остановить истощающуюся прибыль, возврат и скидки должны быть учтены в очень сложном математическом уравнении, что делает практически невозможным понимание общей картины запасов.

Вот где ИИ может изменить игру. Всем розничным торговцам необходимы точные прогнозы, основанные на доступных данных, чтобы прогнозировать и планировать эффективность каждого розничного канала, будь то онлайн-продажа, продажа в магазине или смешанная покупка онлайн, самовывоз в магазине (BOPIS). Это невероятное количество данных, которыми нужно управлять, но ИИ может упростить процесс, предоставляя и интерпретируя информацию о запасах вплоть до магазина, артикула, размера, цвета и стиля. Только с такой степенью детализации обувные компании смогут делать точные прогнозы относительно продаж и возвратов и соответственно планировать инвентаризацию.

Оптимизация размера с помощью AI

Оптимизация размеров - важнейший компонент обувной индустрии, но у многих розничных продавцов нет инструментов, необходимых для принятия обоснованных решений. Обувь одного стиля может иметь до 15 размеров, а иногда и больше. А когда клиенты покупают больше размеров, чем они в конечном итоге сохранят, прогнозы становятся все более сложными.

Искусственный интеллект может извлекать важные данные из нескольких источников, а не только из исторических данных о продажах, чтобы помочь розничным продавцам определить, каких объемов нужно больше или меньше хранить. Прогнозы, генерируемые ИИ, затем улучшаются с помощью машинного обучения, которое со временем становится умнее благодаря новым данным и обновленной информации. Лучшие системы прогнозирования ИИ дают более точные прогнозы, потому что они постоянно учатся на результатах каждого прогноза и соответствующим образом корректируются для еще большей точности. В идеале для розничного продавца это привело бы к автоматизированному, «бесконтактному» прогнозированию спроса, что дало бы специалистам по планированию больше времени, чтобы сосредоточиться на исключениях.

Задержки в цепочке поставок помешали планированию пополнения запасов. Большинство мерчандайзеров предсказывают, какие и сколько товаров они продадут в начале сезона, и составляют долгосрочные планы на основе этого прогноза. Без подробных прогнозов в реальном времени, особенно в условиях нестабильности цепочки поставок, эти ранние прогнозы могут быть в лучшем случае игрой в угадывание.

Искусственный интеллект предоставляет подробную информацию о продажах и может помочь розничным торговцам оптимизировать свою предсезонную стратегию распределения. Затем компании могут определять тенденции и закономерности покупок, анализировать запасы и учитывать фактические продажи и возврат, чтобы делать более точные сезонные прогнозы.

С помощью ИИ розничные продавцы могут получать эту информацию в режиме реального времени, чтобы действовать оперативно, вместо того, чтобы ждать или предпринимать шаги на основе устаревшей информации. Благодаря анализу еженедельных продаж розничные продавцы могут использовать более активный подход к пополнению запасов. Они смогут определить, что пополнять, что может быть продано, а также уровень возврата данного продукта. Таким образом, пополнение запасов в рознице преобразуется, а маржа увеличивается для увеличения прибыли.

Подход от магазина к магазину

Чтобы процветать и развиваться в этой постпандемической торговой среде, розничным торговцам обувью необходимо применять индивидуальный подход при определении стратегии прогнозирования, распределения и пополнения запасов. Розничные торговцы не могут просто полагаться на прошлогодние данные, региональные данные или общие прогнозы; они должны включать детализированные уровни понимания, которые генерируют основанные на данных и полезные рекомендации. Небольшие различия в демографических данных могут существенно повлиять на то, какие размеры и стили будут более популярными, чем другие в данном регионе в данный момент.

Это может показаться сложным для розничных торговцев обувью, имеющих несколько магазинов по всей стране или миру, но ИИ делает этот процесс достижимым, автоматизируя сбор данных и моделирование. Розничные торговцы могут тратить больше времени на составление точных прогнозов и принятие мер на основе надежных данных вместо того, чтобы делать прогнозы на основе обоснованных предположений.

Во многих отраслях, от розничной торговли до моды и продуктов питания, слишком долго применялись реактивные подходы к стратегиям розничной торговли запасами. У нас есть технологии и инструменты, чтобы делать точные прогнозы и максимизировать прибыль в периоды экстремальной волатильности рынка. Ритейлерам пора инвестировать в научную методологию и многоканальные стратегии на базе искусственного интеллекта, которые сделают прогнозирование, распределение и пополнение запасов более точными и эффективными. ИИ делает это возможным, и с каждым днем ​​он становится умнее.

Йогеш Кулкарни - со-генеральный директор antuit.ai , часть Zebra Technologies .