Pianificazione delle promozioni nel retail di merce generale - Sfide di ottimizzazione

Joannes Vermorel

Fino ad ora, abbiamo affrontato le sfide dei dati e le sfide di processo nel contesto delle previsioni promozionali. In questo post, l’ultimo della serie, affrontiamo la stessa nozione di ottimizzazione quantitativa quando si considerano le promozioni. Infatti, la scelta del quadro metodologico utilizzato per produrre le previsioni promozionali e misurare le loro prestazioni quantitative è di fondamentale importanza eppure di solito (quasi) completamente trascurata.

Come dice il vecchio detto, non c’è ottimizzazione senza misurazione. Ma nel caso delle promozioni, cosa stai effettivamente misurando?

Quantificare le prestazioni delle promozioni

Le statistiche predittive più avanzate rimangono piuttosto stupide nel senso che non sono altro che la minimizzazione di una qualche 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 del miglioramento stesso è fuori luogo.

Non importa essere in grado di muoversi più velocemente se non sai nemmeno se ti stai muovendo nella direzione giusta.

Quando si tratta di promozioni, non si tratta solo delle solite forze economiche dell’inventario:

• i costi dell’inventario soldi; tuttavia, rispetto all’inventario permanente, può costare più soldi se le merci non vengono di solito vendute nel negozio, perché eventuali rimanenze alla fine della promozione riempiranno gli scaffali.
• le promozioni sono un’opportunità per aumentare la quota di mercato, ma di solito a spese del margine del rivenditore; un fattore chiave di redditività è la persistenza dell’impulso dato ai clienti.
• le promozioni sono negoziate piuttosto che semplicemente pianificate; una migliore negoziazione con il fornitore può generare più profitti rispetto a una migliore pianificazione.

Tutte queste forze devono essere considerate quantitativamente; e qui risiede la grande difficoltà: nessuno vuole essere responsabile quantitativamente di un processo così erratico e incerto come le promozioni. Eppure, senza responsabilità quantitativa, non è chiaro se una determinata promozione crei valore e, se lo fa, cosa può essere migliorato per la prossima volta.

Una valutazione quantitativa richiede una misura in qualche modo olistica, a partire dalla negoziazione con il fornitore e fino alle conseguenze di lungo raggio di un’allocazione imperfetta dell’inventario a livello di negozio.

Verso l’analisi del rischio con i quantili

Le misurazioni olistiche, sebbene desiderabili, sono tipicamente fuori dalla portata della maggior parte delle organizzazioni di vendita al dettaglio che si affidano a previsioni mediane per produrre la pianificazione delle promozioni. Infatti, le previsioni mediane sono implicitamente equivalenti alla minimizzazione dell’Errore Assoluto Medio (MAE), che senza essere sbagliato, rimane l’archetipo della metrica strettamente agnostica di tutte le forze economiche presenti.

Ma come potrebbe essere sbagliato migliorare l’MAE? Come al solito, le statistiche sono ingannevoli. Consideriamo un articolo promosso relativamente erratico da vendere in 100 negozi. Si assume che i negozi siano simili e l’articolo abbia 1/3 di probabilità di affrontare una domanda di 6 unità e 2/3 di probabilità di affrontare una domanda di zero unità. La migliore previsione mediana qui è di zero unità. Infatti, 2 unità per negozio non sarebbero la migliore previsione mediana, ma la migliore previsione media, cioè la previsione che minimizza l’Errore Quadratico Medio (MSE). Ovviamente, prevedere una domanda zero in tutti i negozi è un errore. Qui, questo esempio illustra come l’MAE possa non corrispondere ampiamente alle forze aziendali. L’MSE mostra disfunzioni simili in altre situazioni. Non esiste un pranzo gratis, non puoi ottenere una metrica che sia sia ignorante delle attività aziendali che allineata con l’azienda.

Le previsioni dei quantili rappresentano un primo passo per ottenere risultati più ragionevoli per le previsioni delle promozioni perché diventa possibile effettuare un’analisi del rischio, affrontando domande come:

• Nel 90% dei casi migliori, quanti negozi si troveranno a corto di scorte prima della fine della promozione?
• Nel 10% dei casi peggiori, quanti negozi rimarranno con più di 2 mesi di inventario?

La progettazione della promozione può essere scomposta come un’analisi del rischio, integrando le forze economiche, basandosi sulle previsioni dei quantili. Da un punto di vista pratico, il metodo ha il notevole vantaggio di preservare una previsione strettamente separata dall’analisi del rischio, che rappresenta una semplificazione immensa per l’analisi statistica.

Unire l’analisi dei prezzi e della domanda

Sebbene un’analisi quantitativa del rischio superi già una semplice previsione mediana, rimane relativamente limitata per design nella sua capacità di riflettere le forze di negoziazione con il fornitore.

Infatti, un rivenditore potrebbe essere tentato di rigenerare le previsioni delle promozioni molte volte, variando le condizioni promozionali per riflettere gli scenari negoziati con il fornitore, tuttavia un tale utilizzo del sistema di previsione porterebbe a un significativo sovradattamento.

In parole semplici, se un sistema di previsione viene utilizzato ripetutamente per cercare di massimizzare una funzione costruita sulle previsioni, cioè trovare il piano promozionale migliore considerando la domanda prevista, allora il valore più estremo prodotto dal sistema è molto probabilmente un caso statistico.

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

Ovviamente, progettare un tale sistema è molto più complicato rispetto a un semplice sistema di previsione promozionale mediana. Tuttavia, non cercare di implementare un tale sistema in una grande rete di vendita al dettaglio può essere considerato un effetto del lampione.

Un poliziotto vede un uomo ubriaco che cerca qualcosa sotto un lampione e gli chiede cosa ha perso. Lui dice di aver perso le chiavi e entrambi guardano sotto il lampione insieme. Dopo qualche minuto il poliziotto chiede se è sicuro di averle perse lì e l’ubriaco risponde di no, che le ha perse nel parco. Il poliziotto chiede perché sta cercando lì e l’ubriaco risponde: “qui c’è la luce”.

La tecnologia confezionata di Lokad offre un supporto limitato per gestire le promozioni, ma questo è un settore che affrontiamo ampiamente con diversi grandi rivenditori, sebbene in modo più ad hoc. Non esitate a contattarci, possiamo aiutarti.