Pianificazione delle promozioni nel retail di merci generali - Sfide di ottimizzazione

Joannes Vermorel

Finora, abbiamo trattato le sfide dei dati e le sfide di processo nel contesto delle previsioni promozionali. In questo post, l’ultimo della serie, affrontiamo il concetto stesso di ottimizzazione quantitativa quando si considerano le promozioni. Infatti, la scelta del quadro metodologico utilizzato per produrre le previsioni delle promozioni e misurarne le prestazioni quantitative è di importanza critica eppure solitamente (quasi) completamente trascurata.

Come recita il vecchio adagio, non c’è ottimizzazione senza misurazione. Eppure, nel caso delle promozioni, cosa stai effettivamente misurando?

Quantificare la prestazione delle promozioni

Le statistiche predittive più avanzate rimangono piuttosto limitate nel senso che non sono altro che la minimizzazione di una funzione matematica di errore. Di conseguenza, se la funzione di errore non è profondamente allineata con il business, non è possibile alcun miglioramento, perché la misura stessa del miglioramento risulta errata.

Non importa essere in grado di muoversi più velocemente se non si sa nemmeno se ci si sta muovendo nella direzione giusta.

Quando si tratta di promozioni, non si parla solo delle usuali forze economiche legate all’inventario:

• i costi di inventario in termini di denaro; tuttavia, rispetto all’inventario permanente, potrebbe costare più denaro se i prodotti non vengono solitamente venduti in negozio, poiché qualsiasi eccedenza dopo la fine della promozione ingombra gli scaffali.
• le promozioni rappresentano un’opportunità per aumentare la propria quota di mercato, ma tipicamente a scapito del margine del rivenditore; un fattore chiave di redditività è la fidelizzazione dell’impulso dato ai clienti.
• le promozioni sono negoziate piuttosto che semplicemente pianificate; una migliore negoziazione con il fornitore può generare maggiori profitti rispetto a una migliore pianificazione.

Tutte queste forze devono essere considerate in modo quantitativo; ed è qui che risiede la grande difficoltà: nessuno vuole essere responsabile in modo quantitativo per un processo così erratico e incerto come le promozioni. Eppure, senza una contabilità quantitativa, non è chiaro se una determinata promozione crei valore e, in tal caso, cosa possa essere migliorato per il prossimo ciclo.

Una valutazione quantitativa richiede una misura in qualche modo olistica, che parte dalla negoziazione con il fornitore e arriva alle ripercussioni di vasta portata di un allocazione delle scorte imperfetta a livello di negozio.

Verso l’analisi del rischio con i quantili

Le misurazioni olistiche, pur essendo desiderabili, sono tipicamente fuori dalla portata della maggior parte delle organizzazioni di retail che si affidano a previsioni median per elaborare la pianificazione delle promozioni. Infatti, le previsioni median sono implicitamente equivalenti alla minimizzazione del Mean Absolute Error (MAE), che pur non essendo sbagliato, rimane l’archetipo della metrica rigorosamente agnostica rispetto a tutte le forze economiche presenti.

Ma come potrebbe essere sbagliato migliorare il MAE? Come al solito, la statistica è ingannevole. Consideriamo un articolo promozionale relativamente erratico da vendere in 100 negozi. Si presume che i negozi siano simili, e l’articolo ha 1/3 di probabilità di avere una domanda di 6 unità, e 2/3 di probabilità di avere una domanda pari a zero unità. La migliore previsione median qui è zero unità. Infatti, 2 unità per negozio non costituirebbero la migliore previsione median, ma la migliore previsione media, cioè, quella che minimizza il MSE (Mean Square Error). Ovviamente, prevedere una domanda zero in tutti i negozi è un errore. Questo esempio illustra come il MAE possa in larga misura essere inadeguato rispetto alle forze del mercato. Il MSE mostra disfunzioni simili in altre situazioni. Non esiste un pranzo gratuito, non si può ottenere una metrica che sia sia ignorante del business sia allineata al business.

Le previsioni basate sui quantili rappresentano un primo passo per ottenere risultati più ragionevoli nelle previsioni promozionali, perché diventa possibile eseguire analisi del rischio, affrontando domande quali:

• Nel caso migliore del 90% superiore, quanti negozi affronteranno un esaurimento delle scorte prima della fine della promozione?
• Nel caso peggiore del 10% inferiore, quanti negozi si troveranno con più di 2 mesi di inventario?

La progettazione della promozione può essere decomposta come un’analisi del rischio, integrando le forze economiche, basandosi su previsioni basate sui quantili. Da un punto di vista pratico, il metodo ha il considerevole vantaggio di preservare una previsione strettamente disaccoppiata dall’analisi del rischio, il che rappresenta un’enorme semplificazione per quanto riguarda l’analisi statistica.

Coniugare l’analisi del pricing e della domanda

Sebbene un’analisi quantitativa del rischio superi già di gran lunga una semplice previsione median, essa rimane relativamente limitata per costruzione nella sua capacità di riflettere le forze derivanti dalla negoziazione con il fornitore.

Infatti, un retailer potrebbe essere tentato di rigenerare le previsioni promozionali più volte, variando le condizioni promozionali per riflettere gli scenari negoziati con il fornitore; tuttavia, tale uso del sistema di previsione porterebbe a un significativo overfitting.

In poche parole, se un sistema di previsione viene utilizzato ripetutamente per cercare la massimizzazione di una funzione basata sulle previsioni, cioè trovando il piano promozionale ottimale considerando la domanda prevista, allora il valore più estremo prodotto dal sistema è molto probabilmente un caso statistico anomalo.

Pertanto, il processo di ottimizzazione deve essere integrato nel sistema, analizzando contemporaneamente sia l’elasticità della domanda che le condizioni variabili del fornitore, ossia, più grande è l’affare, più favorevoli saranno le condizioni del fornitore.

Ovviamente, progettare un sistema del genere è di gran lunga più complicato di un semplice sistema di previsione promozionale basato sulla mediana. Tuttavia, non sforzarsi di implementare un sistema simile in una grande rete di retail può essere visto come un effetto del lampione.

Un poliziotto vede un ubriaco cercare qualcosa sotto un lampione e gli chiede cosa abbia perso. L’uomo risponde di aver perso le chiavi e insieme cercano sotto il lampione. Dopo qualche minuto il poliziotto chiede se è sicuro di averle perse lì, e l’ubriaco risponde di no, che le ha perse al parco. Il poliziotto chiede perché stia cercando lì, e l’ubriaco risponde: “qui è dove c’è la luce”.

La tecnologia confezionata di Lokad offre un supporto limitato per gestire le promozioni, ma questo è un ambito che affrontiamo in modo ampio con numerosi grandi retailer, sebbene in maniera più ad hoc. Non esitare a contattarci, possiamo aiutarti.