Прогнозирование спроса на сезонные товары: как не упустить продажи и не остаться с излишками — Consulting for Retail

Старший консультант отдела ERP в Consulting for Retail (C4R) Антон Цемеров в своей колонке для RAU поделился «рождественской историей» о прогнозировании спроса.

Читайте українською

Даже если очарование праздничной обстановки уже окутывает вас, сотрудники сработали ответственно и заблаговременно подготовили магазины торговой сети к новогоднему периоду, нужно помнить, что после праздничных каникул наступает проза: снова приходится разбираться с недопоставками или ликвидировать остатки на складе. Как наладить точное прогнозирование спроса, чтобы не упустить продажи и не остаться с излишками, тем самым испортив себе настроение и финансовые показатели, рассказывает старший консультант отдела ERP в Consulting for Retail (C4R) Антон Цемеров.

В команде C4R мы внедряем IT-решения, которые помогают розничным сетям обслуживать покупателей максимально эффективно. Опыт планирования, прогнозирования спроса и продаж дает возможность смотреть на товары с точки зрения пути, который они преодолевают, прежде чем попасть на полку и в корзину покупателя. И лучше, чтобы параметры этого пути были спрогнозированы максимально точно.

Как улучшить прогнозирование спроса на сезонные продукты

В новогодне-рождественский период увеличивается спрос на продукты, которые привычно занимают свое место на праздничном столе. Красная икра и игристые вина — яркий пример продуктов с выраженным сезонным ростом спроса в зимние праздники. Подготовка к закупке таких продуктов у сетей супермаркетов начинается за несколько месяцев, а в идеале — за полгода до начала праздничного периода. Чем интереснее ценовое предложение ритейлер хочет сделать покупателю, тем раньше нужно понимать прогнозный спрос для всех этих товаров. Сроки подготовки, конечно, зависят и от размера торговой сети.

То есть к августу торговой сети нужно провести прогнозирование спроса и окончательно понимать, сколько икры, новогодней мишуры и мандаринов следует закупить.

При этом необходимо учитывать:

• предыдущие сезонные факторы;
• рост товарооборота LFL (Like for like);
• промоакции;
• кросс-эффекты: гало и каннибализация;
• изменение доли и пенетрации категорий, товаров.

К тому же при прогнозировании спроса на товары категории fresh немаловажным будет правильно распределить поставки на магазины сети по разным датам.

Конечно, сроки годности как игристых вин, так и красной икры позволяют их продать и после всех праздников. Поэтому сети могут не так сильно переживать об излишках, хоть они и занимают значительную площадь склада, а оборотные средства, потраченные на их закупку, можно считать временно замороженными. Куда хуже будет создание недостаточного товарного запаса, что означает для сети упущенные продажи и разочарование клиентов.

Так как вручную сделать такой прогноз практически невозможно, либо точность его будет предельно низкая, предлагаем рассмотреть решение, способное сделать процесс прогнозирования наиболее точным.

Для точного прогноза используйте решения на основе AI

Цепочки поставок поддерживаются огромным объемом данных. Наличие единой платформы для размещения и обработки всего этого массива информации – первый шаг к созданию логистики, ориентированной на будущее.

Но даже при использовании единого массива данных, большинство систем на основе традиционных алгоритмов сами по себе не могут справиться с объемом информации и сформировать оптимальное решение. То есть при наличии всех данных о том, сколько икры, шампанского и мандаринов продано в прошлый новогодний период, система не сможет принять правильное решение для заказа с поправкой на упущенные продажи и ликвидацию остатков. При высокой динамике рынка и изменений покупательского поведения алгоритмы с использованием искусственного интеллекта (ИИ, англ. artificial intelligence, AI) выходят на первое место.

Ниже предлагается прогнозирование спроса с классическим подходом и решения на основе AI:

Способность обучаться. Традиционные системы не учатся, основывая прогнозы исключительно на прошлых данных, поэтому не дают возможности идти в ногу с постоянными изменениями в поведении клиентов. В то же время система с AI будет учиться и адаптироваться, чтобы обеспечивать различный результат в соответствии с его знаниями и пониманием всех факторов.

Работа алгоритма. Системы без искусственного интеллекта всегда будут выдавать одинаковый прогноз, потому как алгоритм подсчетов не меняется. Тогда как AI-модель каждый раз обучается и перестраивается на основе вводимых данных. К примеру, система с AI в заказе на будущий период учитывает ликвидацию остатков по распродаже.

Данные. Традиционные решения работают с историческими данными и не рассчитаны на учет влияния внешних воздействий. Искусственный интеллект предоставляет обширную информацию о клиентах, основанную на массивных и композитных источниках данных.

Прогнозирование будущего спроса. По мере продвижения алгоритм AI становится умнее, видит то, чего не замечает человеческий глаз, и предоставляет новые решения задач. А традиционное решение просто не может прогнозировать будущий спрос без способности учиться.

Кроме того, AI оказывает дополнительную помощь в планировании цепочки поставок, позволяя руководителям сосредоточиться на более важных (стратегических) задачах.

Искусственный интеллект распознает тенденции и аномалии в структуре спроса, которые остались бы незамеченными традиционными методами прогнозирования. Благодаря этим возможностям систем/решений нового поколения, розничная цепочка поставок развивается и адаптируется к новым реалиям, новым каналам продаж и новым товарам в ассортименте. К примеру, он скорректирует заказ тех же мандаринов, если покупатели их не раскупили в прошлом году. И, напротив, закажет больше свежего мяса, если в последний праздничный сезон его не хватило. Повышая продажи «нужных/интересных» покупателю товаров, вместе с этим увеличивает доход, сокращает стоки и расходы на их обслуживание. А клиент остается довольным, унося домой такие нужные покупки и продукты для новогодних угощений.

Искусственный интеллект ощущает все воздействия на спрос в масштабах магазина. При правильном применении он устраняет непоследовательные покупки запасов, избыточные запасы и, как следствие, уценки, отсутствие запасов и снижение маржи. Фактически, без искусственного интеллекта и машинного обучения невозможно полностью оценить потребительский спрос, особенно в период праздников.

Встречайте праздники во всеоружии

Конечно, речь идет не только об игристом или красной икре к новогоднему столу, но и о прогнозировании спроса на все остальные сезонные товары. Понять и предугадать нужное их количество непросто из-за множества составляющих прогноза. Нужно учесть слишком много факторов и их сочетание, что сложно для полного человеческого осознания или для этого потребуется много времени. Поэтому будь это продукты на Новый год, такие как свежее мясо или мандарины, ананасы, или готовые полуфабрикаты шашлыка на майские, задача точного прогнозирования спроса на все категории, и особенно fresh, требует помощи AI.

Современные цепочки поставок очень сложны и на них влияет множество факторов. В то же время есть технологические достижения, помогающие прогнозировать спрос и доставлять продукты туда, где в них есть потребность, с минимальными затратами и отходами, а также с максимальным удовольствием и заботой о здоровье клиента. Пусть в новом году прогноз для вас будет точным и качественным!

Читайте также —

Блог Consulting for Retail: как оставаться актуальным специалистом в ритейле