Pianificazione delle promozioni nel retail – Sfide del processo

Joannes Vermorel

Nel nostro post precedente, abbiamo trattato le sfide dei dati nelle previsioni di promozioni. In questo post, affrontiamo le sfide del processo: Quando vengono prodotti i forecast? Come vengono usati? Etc. Infatti, mentre ottenere previsioni accurate è già difficile, i retailer frequentemente non sfruttano le previsioni come dovrebbero, portando a usi sub-ottimali dei risultati numerici disponibili. Come al solito, il forecasting statistico si rivela essere una scienza controintuitiva, ed è troppo facile prendere tutte le strade sbagliate.

Non negoziare i risultati dei forecast

Il dipartimento acquisti solitamente supervisiona il processo di pianificazione delle promozioni. Tuttavia, sebbene il contrattare possa essere di enorme potere per ottenere buoni prezzi dai fornitori, contrattare sulle previsioni non funziona. Punto. Eppure, osserviamo regolarmente che le previsioni delle promozioni tendono a essere una sorta di compromesso negoziato tra Acquisti e Supply Chain, o tra Acquisti e IT, o tra Acquisti e Pianificazione, ecc.

Assumendo che esista un processo di forecasting - che potrebbe o meno essere accurato (questo aspetto è una questione a parte) - le previsioni non sono soggette a negoziazione. Esse rappresentano semplicemente la migliore stima statistica che l’azienda può produrre per anticipare la domanda degli articoli promossi. Se una delle parti in trattativa dispone di un metodo di forecasting dimostrabilmente migliore, allora tale metodo dovrebbe diventare il riferimento; ma, ancora una volta, non c’è spazio per negoziazioni.

La diffusa idea sbagliata qui è la mancanza di separazione delle responsabilità tra forecasting e analisi del rischio. Dal punto di vista dell’analisi del rischio, probabilmente va bene ordinare un volume 5 volte superiore rispetto alla previsione se il fornitore offre un affare eccezionale per un prodotto di lunga durata già venduto nella rete al di fuori dell’evento promozionale. Quando le persone “negoziano” su una previsione, si sta svolgendo un’analisi del rischio non dichiarata. Tuttavia, si ottengono risultati migliori se il forecasting e l’analisi del rischio vengono gestiti separatamente, almeno da un punto di vista metodologico.

Rimuovi gli interventi manuali dalle previsioni

Nel retail della merce di largo consumo, tutti i processi dati che coinvolgono operazioni manuali sono costosi da scalare a livello di rete: troppi articoli, troppi negozi, promozioni troppo frequenti. Pertanto, fin dall’inizio, l’obiettivo dovrebbe essere un processo di forecasting end-to-end automatizzato.

Tuttavia, mentre (quasi) tutti i fornitori di software promettono soluzioni completamente automatizzate, le esigenze di personale si accumulano ovunque. Ad esempio, potrebbero dover essere mantenute gerarchie speciali tra gli articoli solo per il funzionamento dei sistemi di forecasting. Ciò potrebbe comportare l’istituzione di gruppi di articoli dedicati all’analisi della stagionalità, o la creazione di elenchi di prodotti “abbinati” nei quali la storia delle vendite del prodotto vecchio viene utilizzata come sostituto quando il prodotto nuovo risulta privo di storico nel negozio.

Inoltre, il fine tuning dei modelli di forecasting stessi può risultare molto impegnativo, e sebbene si supponga sia un’operazione una tantum, dovrebbe essere considerato come un costo operativo continuo.

Come piccolo suggerimento, per le reti di negozi, fate attenzione a qualsiasi fornitore che prometta di visualizzare le previsioni: spendere fino a 10 secondi per ogni punto dati per analizzarle è spaventosamente costoso per una rete retail di dimensioni rilevanti.

Il tempo impiegato dai dipendenti dovrebbe essere indirizzato verso le aree in cui l’investimento si capitalizza nel tempo - migliorando continuamente la pianificazione delle promozioni - invece di essere speso semplicemente per sostenere l’attività di pianificazione stessa.

Non omettere interi livelli dall’iniziativa

Le previsioni più imprecise prodotte dai retailer sono quelle implicite: decisioni che riflettono una sorta di previsioni sottostanti, senza che nessuno le riconosca come tali. Per le previsioni delle promozioni, esistono tipicamente tre livelli distinti di previsioni:

• previsioni nazionali utilizzate per dimensionare l’ordine complessivo passato al fornitore per l’intera rete retail.
• previsioni regionali usate per distribuire le quantità nazionali tra i magazzini.
• previsioni locali usate per distribuire le quantità regionali tra i negozi.

Osserviamo frequentemente che entità distinte all’interno dell’organizzazione del retailer finiscono per essere responsabili separatamente di parti dell’iniziativa complessiva di pianificazione: Acquisti si occupa delle previsioni nazionali, Supply Chain di quelle regionali e i Responsabili di Negozio di quelle locali. Successivamente, la situazione si complica ulteriormente quando le parti iniziano a contrattare sui numeri.

Quando il processo di forecasting viene suddiviso tra più entità, nessuno risulta chiaramente responsabile dell’efficacia (o inefficacia) della pianificazione promozionale. È difficile quantificare il miglioramento apportato da un’iniziativa specifica, perché i risultati vengono attenuati o amplificati da altre iniziative in corso portate avanti da ulteriori parti. In pratica, ciò complica il tentativo di migliorare continuamente il processo.

Effettua le previsioni il più tardi possibile

Una convinzione errata comune sul forecasting statistico è la speranza che, in qualche modo, le previsioni diventino perfettamente accurate a un certo punto. Tuttavia, le previsioni delle promozioni non saranno mai nemmeno lontanamente vicine a ciò che comunemente si percepisce come molto accurate.

Ad esempio, nei mercati occidentali, osserviamo che per la maggior parte degli articoli promossi a livello di supermercato vengono vendute meno di 10 unità a settimana per tutta la durata della promozione. Tuttavia, prevedere 6 unità e vendere 9 unità comporta già un errore del 50% nel forecast. In pratica, non c’è speranza di ottenere un errore inferiore al 30% a livello di supermercato.

Eppure, mentre le previsioni sono destinate a un livello irriducibile di imprecisione, alcuni retailer (e non solo) aggravano il problema prevedendo oltre l’intervallo richiesto.

Ad esempio, le previsioni nazionali sono generalmente necessarie con un anticipo di fino a 20 settimane, specialmente quando si importano merci dall’Asia. Tuttavia, né le previsioni regionali né quelle locali devono essere stabilite con così tanto anticipo. A livello di magazzino, la pianificazione può avvenire tipicamente solo 4-6 settimane in anticipo, e per quanto riguarda i negozi, i dettagli quantitativi della pianificazione possono essere finalizzati solo 1 settimana prima dell’inizio della promozione.

Tuttavia, poiché il processo di forecasting è solitamente gestito congiuntamente da varie parti, si arriva a un consenso per una data che soddisfi i vincoli di tutti, cioè la data più precoce proposta da una qualsiasi di esse. Questo porta frequentemente a prevedere la domanda a livello di negozio fino a 20 settimane in anticipo, generando previsioni estremamente imprecise che si sarebbero potute evitare posticipando il forecast.

Pertanto, raccomandiamo di strutturare la pianificazione delle promozioni in modo tale che le decisioni quantitative vengano rimandate all’ultimo momento, quando vengono finalmente prodotte le previsioni definitive, beneficiando degli ultimi dati a disposizione.

Sfrutta i primi giorni di vendite promozionali a livello di negozio

Prevedere la domanda promozionale a livello di negozio è difficile. Tuttavia, una volta osservato il primo giorno di vendite, si può prevedere la domanda per il resto della promozione con una precisione molto maggiore rispetto a qualsiasi previsione prodotta prima dell’inizio della promozione.

Pertanto, la pianificazione delle promozioni può essere migliorata significativamente non spingendo tutte le merci nei negozi in anticipo, ma solo una frazione, mantenendo delle riserve nel magazzino. Successivamente, dopo uno o due giorni di vendite, le previsioni delle promozioni dovrebbero essere riviste alla luce delle vendite iniziali per adeguare la distribuzione del resto dell’inventario nei negozi.

Non modificare le previsioni dopo ogni operazione

Una delle domande frequenti che riceviamo dai retailer è se rivediamo i nostri modelli di forecasting dopo aver osservato l’esito di una nuova promozione. Pur sembrando un approccio ragionevole, nel caso specifico delle previsioni promozionali, c’è un intoppo e un’applicazione ingenua di questa idea può ritorcersi contro.

Infatti, osserviamo che, per la maggior parte dei retailer, le operazioni promozionali – ossia l’insieme di prodotti promossi nello stesso periodo, tipicamente con un messaggio promozionale unificato – presentano forti correlazioni endogene tra i rialzi. In parole povere, alcune operazioni funzionano meglio di altre, e la discrepanza tra le operazioni a minor rendimento e quelle a maggior rendimento non è inferiore a un fattore 10 in termini di volume di vendite.

Di conseguenza, dopo la fine di ogni operazione, è allettante rivedere tutti i modelli di forecasting al rialzo o al ribasso basandosi sulle osservazioni più recenti. Tuttavia, ciò crea significativi problemi di overfitting: le previsioni storiche riviste risultano artificialmente più accurate di quanto non siano in realtà.

Per mitigare i problemi di overfitting, è importante rivedere i modelli di forecasting promozionale solo nell’ambito di un ampio processo di backtesting. Il backtesting è il processo di ripercorrere l’intera storia, rigenerando iterativamente tutte le previsioni fino all’ultima operazione promozionale aggiunta. Un backtesting estensivo attenua le oscillazioni di ampiezza elevata nei rialzi previsti delle promozioni.

Verifica i record promozionali “ex post”

Come discusso nel primo post di questa serie, la qualità dei dati è un ingrediente essenziale per produrre previsioni promozionali affidabili. Tuttavia, scoprire stranezze delle promozioni mesi dopo la loro conclusione è impraticabile. Pertanto, suggeriamo di non rimandare la revisione dei dati promozionali, ma di effettuarla al termine di ogni operazione, mentre l’evento è ancora fresco nella mente delle persone coinvolte (responsabili di negozio, fornitori, acquirenti, ecc.).

In particolare, suggeriamo di cercare outlier come zeri e volumi sorprendenti. Gli zeri possono indicare che l’operazione non è stata eseguita oppure che la merce non è stata consegnata ai negozi. In entrambi i casi, poche telefonate possono essere sufficienti per individuare il problema e applicare le correzioni dati appropriate.

Allo stesso modo, volumi estremi inaspettati possono riflettere fattori che non sono stati adeguatamente considerati. Ad esempio, alcuni negozi potrebbero aver destinato uno spazio espositivo all’ingresso, mentre il piano iniziale prevedeva di collocare la merce nei corridoi. Naturalmente, i volumi di vendita risultano molto più elevati, ma è solo il risultato di un diverso posizionamento della merce.

Rimanete sintonizzati, la prossima volta discuteremo delle sfide di ottimizzazione nella pianificazione delle promozioni.