Optimisation prédictive pour la mode

La mode est guidée par la nouveauté. Une marque de mode doit concevoir et promouvoir le bon produit au bon moment, au bon prix et avec une quantité de stock suffisante pour servir le marché. Ensuite, les promotions sont utilisées pour amplifier la demande et liquider tout excédent de stocks restant. Lokad propose une solution logicielle statistique qui offre une optimisation prédictive à chaque étape du cycle de vie du produit, de la conception à la liquidation. Notre technologie embrasse exactement ce qui rend la mode si incroyablement difficile : les cannibalisations et les substitutions omniprésentes, les tendances et les saisonnalités erratiques, les flux incessants de nouveaux produits, les prix très dynamiques, etc.

Ed. Le contenu suivant ne s'applique pas au grand luxe, qui suit un ensemble de règles et de contraintes très différentes. Pour plus d'informations, voir Optimisation prédictive pour le grand luxe.

drawing-fashion-models

Vizions by Zalando : la première conférence de plateforme en Europe, le 20 avril 2017 à Berlin

Commençons par une question innocente. Pourquoi pensez-vous qu'il y a des soldes ? De nos jours, les soldes d'hiver, les soldes d'été et un certain nombre d'autres événements intermédiaires sont une institution, surtout dans la mode. (...) Mais pourquoi existent-ils en premier lieu ? Ils existent pour permettre aux détaillants de se débarrasser des stocks excédentaires. En premier lieu, les soldes sont la manifestation d'une prévision erronée. On peut soutenir qu'aujourd'hui, ils sont bien plus que cela. C'est vrai, mais l'objectif initial reste le même.

Joannes Vermorel, Fondateur de Lokad

quotation shape left

LOKAD TV
Jetez un œil à nos interviews sur Lokad TV et apprenez-en plus sur la Supply Chain et la mode.

Optimisation de bout en bout sur l'ensemble du cycle de vie du produit

Phase 1 - pré-collection

De nombreuses marques de mode lancent des milliers de nouvelles références par collection - en tenant compte des tailles, des couleurs, des points de vente, etc.

store-front-new-collection

Au cours de la dernière décennie, les marques les plus performantes ont démontré leur capacité à adhérer de plus en plus aux dernières tendances, en augmentant leur nombre de collections par an et en réduisant leurs délais de livraison.

La technologie d’optimisation prédictive de Lokad aborde chaque décision individuelle tout au long du cycle de vie de chaque produit de la marque. Notre technologie est un mélange d’apprentissage automatique - utilisé pour extraire des motifs ou des prédictions à partir des données - et d’optimisation numérique - utilisé pour générer des décisions optimisées.

La préparation de la nouvelle collection commence par la livraison d’une optimisation de l’assortiment - également appelée plan de gamme. La technologie Lokad vous permet de composer la bonne gamme de tailles, de couleurs et de formes en plus des designs initiaux. Ce plan de gamme est destiné à correspondre le plus étroitement possible aux souhaits et aux attentes de votre base de clients. Lokad peut vous aider à générer l’étude de rentabilité qui soutient le plan de gamme et offre la possibilité aux planificateurs de peaufiner le plan avec leurs idées de haut niveau - par opposition à la gestion micro de chaque variante de produit.

Dès que le plan de gamme est finalisé, nous fournissons une optimisation des achats, suggérant exactement combien d’unités doivent être produites ou achetées pour chaque variante de produit - et quand commander également. Naturellement, la plupart des produits n’ont jamais été vendus auparavant. Cette tâche est généralement compliquée par plusieurs contraintes de MOQ (Quantités Minimales de Commande), des paliers de prix, ainsi que des délais de livraison variables (par exemple, le Nouvel An chinois ralentissant la production en Asie). Lokad peut également optimiser le mix de transport (par exemple, fret maritime vs fret aérien) et le mix de sources (par exemple, fournisseurs étrangers vs fournisseurs locaux).

À titre d’exemple, notre solveur MOQ peut traiter plusieurs contraintes de MOQ qui se chevauchent : il peut y avoir un MOQ au niveau du produit (par exemple, un minimum de 100 unités par produit pour chaque bon de commande), un autre MOQ au niveau du tissu (par exemple, un minimum de 3000 mètres de tissu par couleur), et enfin un MOQ au niveau du fournisseur (par exemple, un minimum de 50 000 $ de marchandises achetées par commande). Gérer tous ces MOQ tout en maintenant les niveaux de stock sous contrôle est un véritable casse-tête lorsque les MOQ sont traités manuellement. Lokad simplifie entièrement le processus grâce à des solveurs numériques qui permettent d’identifier l’“enveloppe” de commande d’achat la plus rentable qui satisfait toutes les contraintes données.

Phase 2 - après le lancement de la collection

Lorsque le lancement de la collection approche, nous fournissons une optimisation de l’allocation des stocks, décidant exactement combien d’unités allouer à chaque centre de distribution et/ou à chaque magasin. En magasin, le stock a deux objectifs : non seulement répondre à la demande, mais aussi attirer la clientèle dans le magasin. L’optimisation de l’allocation prend correctement en compte cet aspect merchandising, en tirant le meilleur parti de chaque magasin. L’optimisation tient compte des limites de capacité de stockage (par exemple, l’espace de rayonnage), ainsi que de la capacité limitée des équipes au sol à gérer de gros lots de produits entrants. Les lots et les ensembles - qui sont pratiques pour réduire les coûts de manutention - sont également pris en charge.

Afin de suivre les dernières tendances, nous identifions les meilleures ventes et les produits à rotation lente. L’identification des meilleures ventes, destinée à déclencher des réapprovisionnements anticipés, peut être effectuée avec des quantités de stock limitées, en ne sondant le marché que dans un nombre limité de magasins - éventuellement en ne sondant le marché que par le biais de la plateforme de commerce électronique. À l’inverse, l’identification précoce des produits à rotation lente est également importante afin de retirer le plus rapidement possible ces produits des étagères qu’ils occupent au détriment de produits plus performants.

Pour la plupart des marques de mode rapide, les remises et autres mécanismes promotionnels font partie de l’ADN de la marque. Lokad propose des capacités d’optimisation des prix, suggérant quand baisser le prix afin de s’assurer qu’il n’en reste plus à la fin de la collection, tout en maximisant le montant global de la marge brute.

Nous tenons également compte des remises provenant de programmes de fidélité - appliquées uniformément sur de nombreux produits - qui peuvent remplacer et parfois compléter les remises au niveau du produit.

fashion-collection-sale

L'optimisation de l'assortiment, l'optimisation des achats, l'optimisation de l'allocation des stocks, l'identification des meilleures ventes et des produits à rotation lente, l'optimisation des prix : Lokad peut être utilisé pour optimiser toutes ces décisions - et bien plus encore - avec une perspective cohérente de bout en bout sur le cycle de vie complet des produits. Cependant, il est également possible de commencer petit avec un champ d'application plus restreint. Pour toute demande, envoyez-nous un e-mail à contact@lokad.com

La mode nécessite des prévisions de demande non classiques

L’optimisation des décisions concernant les stocks et les prix nécessite des informations précises sur l’avenir. Cependant, la perspective classique de prévision de la demande est principalement dysfonctionnelle en ce qui concerne la mode. Lokad a donc développé des capacités de prévision uniques, conçues autour des défis auxquels sont confrontées les entreprises de mode.

Nous travaillons avec des prévisions probabilistes : nous prenons en compte tous les futurs possibles et calculons leurs probabilités respectives. En effet, l’incertitude de la demande est irréductible dans la mode. Il n’y a aucun espoir de produire une prévision “parfaite”. Les méthodes traditionnelles s’attendent à ce que les décisions soient prises contre la “seule” prévision, rendant ces décisions fragiles face aux erreurs de prévision.

Au lieu de rejeter l’incertitude, nous l’embrassons. Grâce aux prévisions probabilistes, nous équilibrons les risques et les opportunités.

Les prévisions fonctionnent au niveau de l’assortiment afin de prendre en compte les effets de cannibalisation et de substitution. Prévoir la demande d’un produit de manière isolée n’a aucun sens, car la demande de ce produit est fortement influencée par la présence - ou l’absence - de produits similaires qui concurrencent tous les mêmes clients. Les méthodes traditionnelles axées sur les prévisions de séries temporelles passent complètement à côté de ce point, et la situation empire généralement lorsque les stocks de sécurité ou les taux de service sont également utilisés.

La demande est conditionnée par les prix, qui font partie intégrante de notre prévision. Non seulement la demande future est une question de probabilités, mais ces probabilités sont influencées par le prix du produit - un levier d’action à la disposition de l’entreprise.

Une fois de plus, l'assortiment est important, et l'augmentation de la demande dépend de l'intensité promotionnelle globale. Il est imprudent de s'attendre à la même augmentation si le produit est le seul à être promu dans le magasin, par rapport à une promotion appliquée à l'ensemble du magasin. Les prévisions ne s'arrêtent pas seulement à la demande ; les retours et les délais de livraison doivent également être prévus.

Toute source d'incertitude nécessite des prévisions statistiques appropriées, et bien que la demande future soit centrale, il existe des besoins au-delà de la prévision de la demande et nous avons adapté notre technologie en conséquence. Ces prévisions sont généralement probabilistes et tendent à être combinées avec les prévisions de demande elles-mêmes - par exemple, la prévision de la demande sur la durée de livraison. La dernière génération de notre technologie de prévision repose sur la programmation différentiable. Cette descendante de l'apprentissage profond est particulièrement adaptée pour traiter la demande sporadique et intermittente, comme on l'observe couramment dans l'industrie de la mode.

social-media

Et que dire de la météo et des médias sociaux ?

Notre expérience indique que la plupart des entreprises n'utilisent pas suffisamment leurs propres données historiques "de base". La plupart des prévisions de demande ne tirent même pas parti des données de fidélité des clients, et la plupart des commandes d'achat sont passées sans prévision formelle des délais de livraison. Ainsi, bien que nous ne négligions pas les indices provenant de sources de données externes telles que les médias sociaux ou les données météorologiques, nous sommes fermement convaincus que les entreprises devraient commencer par exploiter au maximum les données dont elles disposent déjà.

Passer à l'échelle du défi

La mode à grande échelle implique des centaines de magasins et des dizaines de milliers de variantes. Par conséquent, le moteur de prévision doit être capable de passer à l'échelle de millions de positions SKU. Notre moteur de prévision a été conçu nativement pour le cloud computing. Contrairement aux solutions traditionnelles, le cloud n'est pas une réflexion après coup pour Lokad : Lokad peut traiter des téraoctets de données quotidiennement.

fashion-store-datas

De plus, contrairement aux approches traditionnelles, notre capacité de prévision ne repose pas sur la liaison manuelle des anciens et des nouveaux produits en indiquant au système quel ancien produit doit être considéré comme le plus pertinent pour prévoir le nouveau produit.

Au lieu de cela, notre moteur de prévision s’appuie exclusivement sur des algorithmes avancés d’apprentissage automatique pour détecter automatiquement les similarités qui peuvent exister entre les produits, et pour identifier par lui-même quels produits spécifiques sont pertinents pour prévoir un nouveau produit dans la collection.

Cette détection automatique des similarités repose sur les nombreux attributs de produit qui sont généralement présents dans la mode : type de produit, famille de produit, taille, couleur, tissu, style, gamme de prix, marque, etc. Bien que l’on puisse s’inquiéter de la quantité de données requises, notre expérience chez Lokad indique que les données de catalogue, telles qu’elles existent pour exploiter les facettes d’une interface e-commerce par exemple, sont généralement suffisantes pour obtenir de bons résultats.

Les solutions de prévision traditionnelles qui reposent sur l’appariement manuel entre les produits sont trop chronophages pour être efficaces - il y a trop de paires à prendre en compte - puisque c’est précisément l’appariement qui constitue l’ingrédient principal des prévisions.

En raison de l’inefficacité de cette méthode, les entreprises ont tendance à revenir à leurs feuilles de calcul lorsque la solution de prévision par appariement manuel ne parvient pas à fournir la valeur nécessaire. Lokad relève le défi de front, en se concentrant sur la difficulté fondamentale du défi, plutôt qu’en laissant le fardeau aux utilisateurs.

Cependant, chez Lokad, bien que nous puissions qualifier ce processus de prévision d’appariement de produits, nous ne supposons pas qu’il existe une correspondance un à un entre les produits d’une ancienne et d’une nouvelle collection. Par exemple, un produit peut être divisé en plusieurs variantes, ce qui peut générer des cannibalisations. Ensuite, un autre produit peut être véritablement “nouveau”, sans aucun produit passé correspondant de près. Dans ce cas, le moteur de prévision se base sur des considérations plus larges, telles que la catégorie de produit, la famille, la marque ou la gamme de prix.

Facteurs économiques et boîte blanche

Les décisions doivent être optimisées en fonction de leurs rendements attendus exprimés en dollars ou en euros, et non en pourcentage.

Tous les facteurs qui façonnent le coût et la récompense d'une décision sont collectivement appelés facteurs économiques : ils incluent la marge brute, le coût de possession des stocks, le coût de transport, le coût d'opportunité de l'espace en rayon, la satisfaction du client, etc. Lokad modélise explicitement tous ces facteurs économiques, en tenant compte des spécificités du marché de la mode.

Par exemple, chaque fois qu'un produit est vendu avec une remise, cela crée une attente de la part du client de bénéficier d'une remise similaire à l'avenir.

store-front-with-promotion

Le premier objectif de ces facteurs économiques est de soutenir le processus d’optimisation numérique qui génère les décisions (par exemple, les quantités de commandes d’achat ou les remises sur les produits). Il n’y a pas d’optimisation sans mesure : les facteurs économiques sont littéralement ce qui fait fonctionner le processus d’optimisation.

Lokad ne remplace pas les idées stratégiques approfondies (celles-ci proviennent de l’expertise de votre équipe), notre technologie est simplement conçue pour rendre possible le déploiement à grande échelle de ces idées stratégiques - telles qu’elles se reflètent à travers les facteurs économiques - dans chaque décision prise par l’entreprise.

Le deuxième objectif de ces facteurs est le processus de “whiteboxing”. Le but du processus de “whiteboxing” est de fournir à vos équipes un haut degré de transparence pour chaque décision générée par Lokad. Votre équipe doit comprendre pourquoi cette décision est suggérée par Lokad. Pour y parvenir, chaque décision générée par Lokad est accompagnée de ses propres métriques - mesurées en euros ou en dollars - qui expliquent l’intention commerciale de la décision. Ces métriques sont les différentes réflexions des facteurs économiques. Notre expérience indique que cette approche est supérieure à celle qui consiste à mettre en lumière les détails algorithmiques du calcul, qui est non seulement incroyablement fastidieux, mais aussi largement dénué de sens, sauf pour les experts en apprentissage automatique ou en optimisation numérique.

Du point de vue de la gestion, les facteurs économiques sont un mécanisme puissant pour orienter l’entreprise dans la bonne direction. Ces facteurs ne sont pas considérés comme “immuables”, mais au contraire sont toujours susceptibles de changer, afin de refléter l’évolution du marché. La technologie de Lokad est conçue pour offrir un haut degré d’agilité : avec des efforts limités, il est possible d’élaborer des scénarios complexes de “et si” décrivant diverses stratégies alternatives.