Как ИИ может снизить возвратную ставку обуви и повысить рентабельность ритейла

Рождество приближается, и ритейлеры уже борются с удовлетворением спроса из-за длительного влияния пандемии на цепочки поставок. По мере приближения конца года, когда праздничные продажи и шоппинг правят бал, компаниям нужно внедрять проактивные стратегии, максимизирующие инвентарь, иначе столкнутся с маржинально-разрушающими проблемами поставок. Искусственный интеллект может предложить решение.

Сегмент обуви ритейла представляет уникальные вызовы для управления инвентарем из-за проблем вариативности размеров и паттернов возвратов. ИИ может трансформировать то, как обувные компании решают эти вызовы, помогая им управлять инвентарем, прогнозировать рыночный спрос и мониторить маржи прибыли.

Если прогнозирование — это пазл, прогноз продаж составлял бы крайние куски, а прогноз возвратов — центр. Нельзя иметь всестороннюю картину ритейл-прогнозирования без данных о продажах и возвратах. К сожалению, большинство систем прогнозирования предвосхищают продажи и игнорируют возвраты, вероятно, потому что анализ возвратов намного сложнее.

Для обувных компаний особенно, где возвратные ставки были высокими как 40% до пандемии, прогноз продаж в одиночку представляет крайне ограниченную картину общей активности компании. С 2020 локдаунов онлайн-продажи и возвраты только увеличились.

Некоторые обувные компании осознают конкретный тренд в поведении потребителей: клиенты покупают три пары обуви в разных размерах, чтобы примерять их дома и возвращать две, которые не подошли. Это огромный убийца прибыли, потому что ритейлеры обуви часто не могут перепродать то, что возвращено из онлайн-покупки, так легко, как они могут магазинную покупку, где примерка обуви происходит в более контролируемой среде. Возвраты также могут быть из-за различий в цветах или стилях, если, например, покупатель не думает, что обувь выглядит так же лично, как онлайн.

Для навигации этого тренда магазины начали перепродавать «open-box» обувь по сниженной цене. Пока эта стратегия помогла остановить кровотечение прибыли, возвраты и скидки все должны учитываться в высоко сложном математическом уравнении, делая почти невозможным понимание более крупной картины инвентаря.

Именно здесь ИИ может изменить игру. Все ритейлеры нуждаются в точных прогнозах на основе доступных данных для предсказания и планирования производительности каждого ритейл-канала, будь то онлайн, в-магазин или смешанный buy online, pickup in store (BOPIS) продажа. Это невероятное богатство данных для управления, но ИИ может упростить процесс, предоставляя и интерпретируя инсайты инвентаря до уровня магазина, SKU, размера, цвета и стиля. Только с этой степенью детальной информации обувные компании смогут делать точные предсказания о продажах и возвратах и планировать инвентарь соответственно.

Определение оптимизации размера с ИИ

Оптимизация размера — критический компонент обувной отрасли, но многие ритейлеры не имеют инструментов, необходимых для принятия информированных решений. Один стиль обуви может приходить в 15 размерах, иногда больше. И когда клиенты покупают больше размеров, чем они в конечном счете сохраняют, предсказания становятся еще более сложными.

ИИ может извлечь критические данные из множественных источников, не только исторических продаж, чтобы помочь ритейлерам определить, какие размеры закупать больше или меньше. ИИ-генерированные прогнозы затем дополнительно улучшаются машинным обучением, которое становится умнее со временем благодаря новым данным и обновленной информации. Лучшие системы ИИ-прогнозирования дают более точные предсказания, потому что они постоянно учатся от результата каждого прогноза и корректируют соответствующим образом для еще большей точности. Идеально, для ритейлера это привело бы к автоматизированному, «без прикосновений» прогнозированию спроса, давая человеческим планировщикам больше времени для фокуса на исключениях.

Задержки цепочек поставок вбросили гайку в планирование пополнения. Большинство мерчандайзеров предсказывают, какие и сколько продуктов они продадут в начале сезона, и делают долгосрочный план на основе этого прогноза. Без детального прогнозирования в реальном времени, особенно перед лицом волатильности цепочек поставок, эти ранние предсказания могут быть в лучшем случае игрой в угадайку.

ИИ предоставляет детальные инсайты в продажи и может помочь ритейлерам оптимизировать их предсезонную стратегию аллокации. Компании могут затем определять покупательские тренды и паттерны, анализировать инвентарь и включать фактические продажи и возвраты для более точных в-сезонных предсказаний.

С ИИ ритейлеры могут получать эту информацию в реальном времени, чтобы они могли действовать оперативно, вместо ожидания или ходов на основе устаревшей информации. С инсайтами в недельные продажи, ритейлеры могут اتخاذ более проактивный подход к пополнению. Они смогут определить, что пополнить, что может распродаться и ставку возвратов на данном продукте. Таким образом, ритейл-пополнение трансформируется, и маржи расширяются для лучших прибылей.

Подход магазин-за-магазином

Чтобы процветать и расти в этой пост-пандемийной среде покупок, ритейлерам обуви нужно принять подход магазин-за-магазином при определении прогнозирования, аллокации и стратегии пополнения. Ритейлеры не могут просто полагаться на данные прошлого года, региональные данные или обобщающие предсказания; им нужно включить гранулярные уровни инсайтов, генерирующие данные-ориентированные и используемые рекомендации. Незначительные различия в демографии могут значительно влиять на то, какие размеры и стили будут более популярными, чем другие в данном регионе в данное время.

Это может звучать пугающе для ритейлеров обуви с множественными магазинами по стране или миру, но ИИ делает процесс достижимым, автоматизируя сбор данных и моделирование. Ритейлеры могут тратить больше времени на точные прогнозы и шаги на основе надежных данных, вместо предсказаний из образованных догадок.

Многие отрасли, от ритейла до моды до еды, слишком долго брали реактивные подходы к инвентарным ритейл-стратегиям. У нас есть технологии и инструменты для точных прогнозов и максимизации прибыли во времена экстремальной рыночной волатильности. Время для ритейлеров инвестировать в научную методологию и ИИ-питные, омниканал-фокусированные стратегии, делающие прогнозирование, аллокацию и пополнение более точными и эффективными. ИИ делает это возможным, и он становится умнее каждый день.

Йогеш Кулкарни — со-CEO antuit.ai, части Zebra Technologies.