Promotionsplanung im Einzelhandel - Datenherausforderungen
Die Prognose ist fast immer eine schwierige Aufgabe, aber es gibt einen Bereich im Einzelhandel mit allgemeinen Waren, der als um eine Größenordnung komplizierter als der Rest gilt: die Promotionsplanung. Bei Lokad ist die Promotionsplanung eine der häufigen Herausforderungen, die wir für unsere größten Kunden in der Regel durch ad-hoc Big-Data-Missionen bewältigen.
Dieser Beitrag ist der erste einer Serie zur Promotionsplanung. Wir werden die verschiedenen Herausforderungen behandeln, mit denen Einzelhändler bei der Prognose der Nachfrage nach Werbeaktionen konfrontiert sind, und einige Einblicke in die von uns vorgeschlagenen Lösungen geben.
Die erste Herausforderung, der sich Einzelhändler bei der Bewältigung von Werbeaktionen stellen müssen, ist die Qualität der Daten. Dieses Problem wird in der Regel von mittelgroßen und großen Einzelhändlern gleichermaßen stark unterschätzt. Ohne hochqualifizierte Daten über vergangene Werbeaktionen steht die gesamte Planungsinitiative vor einem Problem des Garbage In Garbage Out.
Probleme mit der Datenqualität bei Werbeaktionen
Die Qualität der Werbedaten ist in der Regel schlecht - oder zumindest viel schlechter als die Qualität der regulären Verkaufsdaten. Ein Werbedatensatz auf der disaggregiertesten Ebene enthält einen Artikelidentifikator, einen Filialidentifikator, ein Startdatum (ein Enddatum) sowie alle Dimensionen, die die Werbeaktion selbst beschreiben.
Diese Werbedatensätze haben zahlreiche Probleme:
- Es gibt Datensätze, aber die Filiale hat den Werbeplan nicht vollständig umgesetzt, insbesondere was die Platzierung betrifft.
- Es gibt Datensätze, aber die Werbeaktion hat nirgendwo im Netzwerk stattgefunden. Tatsächlich werden Werbevereinbarungen in der Regel 3 bis 6 Monate im Voraus mit Lieferanten verhandelt. Manchmal wird eine Vereinbarung mit nur wenigen Wochen Vorlaufzeit storniert, aber die entsprechenden Werbedaten werden nie bereinigt.
- “Off-the-Record”-Initiativen von Filialen, wie z.B. das Verschieben eines überbestandenen Artikels in Regale am Ende des Ganges, werden nicht erfasst. Die Platzierung ist einer der stärksten Faktoren für die Steigerung der Werbewirkung und sollte nicht unterschätzt werden.
- Details zu den Werbemechanismen werden nicht genau erfasst. Zum Beispiel werden das Vorhandensein einer individuellen Verpackung und die strukturierte Beschreibung der Verpackung selten aufgezeichnet.
Nachdem wir ähnliche Probleme in den Datensätzen vieler Einzelhändler beobachtet haben, glauben wir, dass die Erklärung einfach ist: Es gibt nur wenige oder keine betrieblichen Vorgaben zur Korrektur von Werbedatensätzen. Tatsächlich führt eine fehlerhafte Verkaufsdatenqualität zu so vielen betrieblichen und buchhalterischen Problemen, dass die Behebung des Problems sehr schnell zur obersten Priorität wird.
Im Gegensatz dazu können Werbedatensätze jahrelang ungenau bleiben. Solange niemand versucht, ein Prognosemodell auf der Grundlage dieser Datensätze zu erstellen, haben ungenaue Datensätze einen vernachlässigbaren negativen Einfluss auf die Einzelhandelsoperationen.
Die primäre Lösung für diese Probleme mit der Datenqualität sind Datenqualitätsprozesse, die empirisch validieren, wie widerstandsfähig diese Prozesse bei den Bedingungen im Live-Store sind.
Allerdings kann der beste Prozess kaputte Vergangenheitsdaten nicht reparieren. Da in der Regel 2 Jahre gute Werbedaten erforderlich sind, um vernünftige Ergebnisse zu erzielen, ist es wichtig, frühzeitig und aggressiv in die Historisierung von Werbedatensätzen zu investieren.
Strukturelle Datenprobleme
Neben Problemen mit Werbedatensätzen leidet auch die genaue Planung von Werbeaktionen unter breiteren und subtileren Problemen im Zusammenhang mit der Art und Weise, wie Informationen im Einzelhandel gesammelt werden.
Beschneidung der Historie: Die meisten Einzelhändler bewahren ihre Verkaufshistorie nicht unbegrenzt auf. In der Regel werden “alte” Daten nach zwei Regeln gelöscht:
- Wenn der Datensatz älter als 3 Jahre ist, wird er gelöscht.
- Wenn der Artikel seit 1 Jahr nicht verkauft wurde, wird der Artikel gelöscht und alle zugehörigen Verkaufsdatensätze werden gelöscht.
Natürlich können die Schwellenwerte je nach Einzelhändler unterschiedlich sein, aber während die meisten großen Einzelhändler seit Jahrzehnten existieren, ist es außergewöhnlich, eine nicht beschnittene Verkaufshistorie von 5 Jahren zu finden. Diese Beschränkungen basieren in der Regel auf zwei falschen Annahmen:
- Das Speichern alter Daten ist teuer: Das Speichern der gesamten 10-jährigen Verkaufsdaten (bis auf den Belegebene) von Walmart - und Ihr Unternehmen ist sicherlich kleiner als Walmart - kann für weniger als 1000 USD Speicherplatz pro Monat erfolgen. Die Datenspeicherung ist nicht nur lächerlich billig jetzt, sie war bereits vor 10 Jahren lächerlich billig, soweit es Einzelhandelsnetze betrifft.
- Alte Daten haben keinen Zweck: Während 10 Jahre alte Daten sicherlich keinen operativen Zweck erfüllen, können sie aus statistischer Sicht sogar dazu dienen, die Analyse vieler Probleme zu verfeinern. Einfach ausgedrückt, bietet eine lange Historie eine viel breitere Palette von Möglichkeiten, um die Leistung von Prognosemodellen zu validieren und Überanpassungsprobleme zu vermeiden.
Ersetzen von GTINs durch firmeninterne Produktcodes: Viele Einzelhändler bewahren ihre Verkaufshistorie mit alternativen Artikelidentifikatoren anstelle der nativen GTINs (auch bekannt als UPC oder EAN13, je nachdem, ob Sie in Nordamerika oder Europa sind) auf. Durch den Austausch von GTIN durch ad-hoc Identifikationscodes wird häufig angenommen, dass es einfacher wird, GTIN-Substitutionen nachzuverfolgen und segmentierte Historien zu vermeiden.
Doch GTIN-Substitutionen sind nicht immer genau, und falsche Einträge sind kaum zu verfolgen. Schlimmer noch, sobald zwei GTINs zusammengeführt wurden, gehen die früheren Daten verloren: Es ist nicht mehr möglich, die beiden ursprünglichen Satz von Verkaufsaufzeichnungen zu rekonstruieren.
Stattdessen ist es eine viel bessere Praxis, GTIN-Einträge zu bewahren, da GTINs die physische Realität der vom POS (Point of Sale) erfassten Informationen darstellen. Dann sollten die Hinweise für GTIN-Substitutionen separat gespeichert werden, um spätere Zuordnungen zu überarbeiten - falls Bedarf besteht.
Nicht Bewahren der Verpackungsinformationen: Im Lebensmitteleinzelhandel werden viele Produkte in verschiedenen Formaten angeboten: von Einzelportionen bis hin zu Familienportionen, von einzelnen Flaschen bis hin zu Packungen, von regulären Formaten bis hin zu +25% Werbeformaten usw.
Die Informationen über diese Formate zu bewahren ist wichtig, weil für viele Kunden ein alternatives Format des gleichen Produkts häufig ein guter Ersatz ist, wenn das andere Format fehlt.
Dennoch mag es verlockend sein, die Verkäufe in eine Art Meta-GTIN zu integrieren, in der alle Größenvarianten zusammengeführt wurden, aber es kann Ausnahmen geben, und nicht alle Größen sind gleichwertige Ersatzprodukte (z.B. 18g Nutella vs. 5kg Nutella). Daher sollten die Verpackungsinformationen bewahrt, aber von den Rohverkäufen getrennt werden.
Datenqualität, eine äußerst profitable Investition
Datenqualität ist einer der wenigen Bereiche, in denen Investitionen im Einzelhandel in der Regel zehnfach belohnt werden. Bessere Daten verbessern alle nachgelagerten Ergebnisse, von den einfachsten bis zu den fortschrittlichsten Methoden. In der Theorie würde die Datenqualität unter dem Prinzip des abnehmenden Ertrags leiden, jedoch zeigen unsere eigenen Beobachtungen, dass die meisten Einzelhändler, abgesehen von einigen aufstrebenden Stars des Online-Handels, noch weit davon entfernt sind, den Punkt zu erreichen, an dem eine höhere Investition in Datenqualität nicht äußerst profitabel wäre.
Im Gegensatz zum Aufbau fortschrittlicher Vorhersagemodelle erfordert die Datenqualität keine komplizierten Technologien, sondern viel gesunden Menschenverstand und ein starkes Gefühl für Einfachheit.
Bleiben Sie dran, das nächste Mal werden wir über Prozessherausforderungen bei der Werbeplanung sprechen.
