00:00:00 Introduzione
00:03:16 Perché le promozioni del Black Friday sono rischiose
00:08:11 I rivenditori dovrebbero adeguarsi agli sconti dei concorrenti?
00:12:50 Misurare le vendite perse a prezzo pieno
00:19:29 Presentazione di Dublin, un rivenditore immaginario
00:21:32 Tasso di rendimento e previsioni probabilistiche
00:29:33 Scegliere quali prodotti scontare
00:34:37 Economia del carrello e robotizzazione del commercio al dettaglio
00:39:13 Allocazione omnicanale e riequilibrio delle scorte
00:44:04 Black Friday e Natale a confronto
00:45:06 Il Black Friday come parte dell’attività ordinaria
00:48:53 Il tasso di rendimento aperiodico
00:57:03 Dublin dovrebbe partecipare al Black Friday?
01:02:16 La legge di Goodhart e la lezione finale
01:03:43 Conclusione
Riepilogo
Conor Doherty intervista Joannes Vermorel, CEO e fondatore di Lokad, su come ottimizzare il Black Friday senza sacrificare la redditività a lungo termine. Attraverso Dublin, un rivenditore immaginario con un miliardo di dollari di fatturato, esaminano gli sconti, le previsioni probabilistiche, la selezione dei prodotti, l’allocazione omnicanale, il riequilibrio delle scorte e il tasso di rendimento. Joannes sostiene che il Black Friday debba essere trattato come parte dell’ottimizzazione quotidiana della supply chain, anziché come un evento isolato.
Trascrizione completa
Conor Doherty: Bene, Joannes e io abbiamo appena concluso una discussione sul Black Friday. È stata una discussione speciale perché… Ah, è il mio orologio. Devo prendere la medicina per il cervello. Lasciate questa parte nel montaggio. Una discussione speciale che, in realtà, unisce due richieste del pubblico.
La prima era parlare del Black Friday e di come ottimizzare in vista di quello che, per molti dei nostri spettatori nordamericani, è uno dei giorni più importanti del calendario commerciale, se non il più importante. L’altra era tornare alle basi dei contenuti di Lokad, in particolare alle lezioni sui personaggi immaginari della supply chain. L’episodio di oggi è quindi una combinazione di queste due richieste: Joannes e io prendiamo uno di questi personaggi e analizziamo le decisioni che un grande rivenditore prenderebbe, o dovrebbe prendere, prima di impegnare risorse finanziarie considerevoli per soddisfare la domanda del Black Friday. Cercheremo di pubblicarlo il prima possibile.
Speriamo… No, sicuramente prima del Black Friday. Se state guardando questo episodio, spero che impariate qualcosa di utile. Se è così, contattateci e fatecelo sapere. Altrimenti, non contattateci per farcelo sapere.
Comunque, buona visione. Allora, Joannes, oggi cerco di rispondere a due richieste del pubblico. La prima arriva dai nostri spettatori, prevalentemente nordamericani, molti dei quali lavorano nel commercio al dettaglio e si stanno preparando al Black Friday. Oggi è il 22 ottobre, credo, quindi manca poco più di un mese.
Presto scopriranno se le decisioni prese qualche mese fa e quelle che stanno prendendo adesso daranno buoni risultati. Se si riveleranno redditizie. Erano curiosi di sapere come affronteremmo il Black Friday e le promozioni. Ne parleremo.
Per questo ho cercato anche di rispondere a un’altra richiesta ricorrente: tornare alla serie sui personaggi immaginari della supply chain che hai realizzato qualche anno fa. Quelle lezioni richiedono moltissimo tempo, ma ho provato a fondere le due richieste. Ho creato un rivenditore omnicanale immaginario, con un miliardo di dollari di fatturato, chiamato Dublin. Si sta avvicinando al…
Joannes Vermorel: Esattamente.
Conor Doherty: Al Black Friday. Ripercorreremo la catena decisionale necessaria per preparare queste promozioni. Più avanti ti darò altri elementi. Prima, però, e credo sia un buon modo per inquadrare la prospettiva generale di Lokad su questo tema, hai già parlato parecchio della tua avversione alle promozioni e dell’idea che siano, nel migliore dei casi, un rimedio di breve durata.
Quindi, prima di parlare di come ottimizzare il Black Friday, praticamente il giorno più importante per il commercio al dettaglio fisico nel mondo, qual è la tua posizione generale su promozioni e sconti? Puoi approfondirla?
Joannes Vermorel: Se gestisci una rete di negozi fisici, operi con molti beni fissi che ti costano parecchio durante tutto l’anno. Paghi l’affitto tutto l’anno: non puoi liberarti dei negozi ad agosto o a luglio perché ci sono pochi clienti. E, anche se dicembre è un mese eccellente, non puoi aggiungere metri quadrati soltanto per quel mese. Hai una capacità fissa che paghi continuamente. Lo stesso vale per l’infrastruttura di supporto: centri logistici, magazzini e tutto il resto. È in gran parte statica. Puoi adattare alcune cose, ma è difficile. Quanto al personale, la flessibilità varia da paese a paese, ma essere estremamente flessibili è difficile senza ritrovarsi con persone che non conoscono bene il lavoro. Puoi assumere altro personale, certo, ma, se vuoi operazioni di qualità e affidabili, riempire l’organizzazione di persone che restano soltanto poche settimane non è in genere una buona ricetta. Se partiamo da questo, che vale per la maggior parte dei rivenditori e anche per il personaggio di Dublin, vuoi massimizzare l’utilizzo delle risorse durante tutto l’anno.
Storicamente, uno dei motivi per cui il Black Friday è diventato popolare era portare le persone nei negozi nel periodo più tranquillo prima della corsa natalizia. Crei interesse e attività per attirare i clienti prima del picco di fine anno. Questo va bene. Oggi, naturalmente, nessuno decide davvero il Black Friday: arriva e ormai è un’abitudine. Quanto alle promozioni, dobbiamo ricordare che promuovere non significa necessariamente scontare. Idealmente, vuoi mettere in evidenza i prodotti molto più che abbassarne il prezzo.
Il problema di fare largo affidamento sugli sconti, come accade in molte reti di vendita, è che finisci per distruggere la tua credibilità sui prezzi agli occhi dei clienti. Se un giorno un prodotto costa 100, poi lo sconti del 40 %, portandolo a 60, e infine torna a 100, i clienti pensano che tu abbia margini esorbitanti, cosa che di solito non è vera. Oppure ricordano quello che fai e si abituano sempre più a inseguire le tue offerte. Crei incentivi perversi: le persone ricordano e anticipano gli sconti futuri e finiscono per venire soltanto quando fai ribassi. Questo comportamento può peggiorare se dai incentivi sbagliati anche alla squadra commerciale, con obiettivi, soprattutto di volume, che la spingono a chiedere disperatamente sempre più sconti.
I dipendenti che si occupano dei prezzi e dell’allocazione ai negozi continueranno a sostenere internamente la necessità di ulteriori sconti per raggiungere i loro obiettivi di volume. Ma quegli obiettivi non sono il fine. Il fine non è mai il volume, né raggiungere un traguardo arbitrario.
L’obiettivo è uno solo: il tasso di rendimento a lungo termine. È questo che vuoi ottenere. Nella mia esperienza, quasi tutte le catene di vendita che ricorrono attivamente a sconti consistenti sono poco redditizie.
Nel migliore dei casi hanno un margine lordo di pochi punti percentuali, a una sola cifra, e non è certo brillante. Per me è più un segnale di disperazione che di effettivo controllo del proprio destino e di una chiara idea di come guidare il marchio sul mercato.
Conor Doherty: Vero. Ma l’obiezione immediata sarebbe che, e poi entreremo nei dettagli di Dublin, un rivenditore non decide i prezzi dei concorrenti né le consuetudini del mercato. Possiamo ragionare in astratto, ma nella realtà ci sono periodi in cui i clienti sono abituati ad aspettarsi sconti, non per le tue azioni, bensì per le abitudini del mercato stesso. Per esempio, ci sono due rivenditori: uno partecipa agli sconti del Black Friday o di Natale e l’altro no.
Come posso capire se sto prendendo la decisione giusta quando, a prima vista, se non partecipo il concorrente si porta via tutto il traffico?
Joannes Vermorel: Sì, ma la prima domanda è: succede davvero? I tuoi concorrenti operano con gli stessi vincoli. Anche loro hanno beni fissi.
Non possono assorbire dieci volte la domanda, perché il resto non segue: i metri quadrati, la capacità dei magazzini e il personale non bastano. Si arriva rapidamente a un pessimo servizio al cliente, con lunghe attese e persone insoddisfatte. La mia opinione è che la maggior parte delle aziende abbia abusato di questi meccanismi. Torniamo agli incentivi aziendali: tutti spingono internamente per i volumi, perché così raggiungono i propri obiettivi. Gli obiettivi di volume sono facili da calcolare e misurare; non si fissano mai obiettivi di rendimento.
Soprattutto nel commercio al dettaglio, c’è una forte distanza tra il vero interesse economico a lungo termine, cioè il tasso di rendimento, e gli obiettivi trimestrali assegnati ai dipendenti. Suggerisco di pensare alla promozione del marchio del rivenditore. Non significa scontare tutto né allinearsi esattamente ai prezzi di tutti i concorrenti.
Vuitton ha un’attività eccellente e non cerca di eguagliare i prezzi dei concorrenti. Se vuoi essere il più economico di tutti, chi ci riesce tende a fare pochissimi sconti: offre prezzi molto bassi ogni giorno ed è così che conquista la fiducia dei clienti. Di solito i marchi che ricorrono a quegli sconti non sono particolarmente competitivi sul prezzo. Se tutti i tuoi clienti vengono soltanto per gli sconti, il mio suggerimento è questo.
La cura è un percorso di una decina d’anni in cui riduci gradualmente l’entità degli sconti. Lo abbiamo fatto con alcuni clienti che applicavano ribassi enormi, complessivamente superiori al 30 %. Ridurli della metà, e restano comunque piuttosto alti, per un cliente che ho in mente ha richiesto letteralmente cinque anni.
Non puoi farlo da un giorno all’altro. Devi ridurli poco a poco, per non perdere di colpo la tua clientela. Continui a tenere conto delle sue aspettative, ma vuoi arrivare a una situazione con molti meno sconti. Qualcuno può rimanere, ma le promozioni possono concentrarsi su altro. Non devono necessariamente essere forti ribassi di prezzo.
Puoi anche proporre serie limitate di prodotti specifici, disponibili soltanto per pochi giorni perché le quantità sono limitate, e pubblicizzare questa scarsità invece di uno sconto.
Conor Doherty: Prima di passare al personaggio di Dublin, visto che parli di obiettivi, una delle domande che mi hanno fatto e che ora ti giro è come distinguere tra, per esempio, un volume X di vendite ottenuto oggi con uno sconto del 20 % e ciò che avrei venduto il mese prossimo a prezzo pieno. Come separo il segnale di domanda distorto dagli sconti dalla possibilità di aver sacrificato vendite a prezzo pieno, più o meno garantite tra un mese, per incassare meno denaro ma subito? E come valuto se questo compromesso abbia senso?
Joannes Vermorel: Sì. Qui torniamo a quanto sia disfunzionale la teoria classica della supply chain. Non riconosce nemmeno l’esistenza dei prezzi. Ho molti libri, manuali universitari, sulla scrivania, e l’argomento è del tutto assente. Ecco perché si gioca con i volumi: è l’unica cosa che si vede. I prezzi non fanno nemmeno parte della teoria.
Ti serve un modello predittivo che stimi quale sarebbe stata la domanda con un prezzo diverso, considerando i prezzi dei concorrenti. È difficile, e la difficoltà aumenta perché molti aspetti legati ai prezzi evolvono molto lentamente. Se sei più caro dei concorrenti, non perdi tutti i clienti da un giorno all’altro. È un’erosione lenta della clientela, che passa gradualmente alla concorrenza.
Naturalmente, a parità di altre condizioni: se offri un servizio superiore, maggiore disponibilità o una percezione migliore perché il negozio è più pulito e ordinato, stai effettivamente vendendo un prodotto diverso, perché tutto ciò che lo circonda fa parte dell’esperienza. In Lokad parliamo di previsioni funzionali. Non si tratta soltanto di probabilità: la previsione è una funzione del prezzo che puoi decidere. Non è neanche solo elasticità, perché le risposte dei clienti tendono a essere fortemente non lineari. Un altro aspetto spesso frainteso è che le persone non guardano prima i prezzi dei tuoi concorrenti. Prima guardano te e confrontano i prezzi all’interno dello stesso rivenditore.
Conor Doherty: Credo che poco tempo fa tu abbia fatto l’esempio del latte. Puoi aumentarne il prezzo di un centesimo, o di un penny, senza perdere tutti i clienti. Ma, aggiungendo un penny dopo l’altro, a un certo punto tutto crolla.
Joannes Vermorel: Sì, perché hai esagerato. Inoltre, all’interno del tuo assortimento ci sono cannibalizzazione e sostituzione. Non parliamo di un prodotto isolato. Immagina, per esempio, un negozio di bricolage.
Puoi avere tre gamme di cacciaviti: quelli molto economici, quelli con un buon rapporto qualità-prezzo e quelli di una buona marca che durano una vita.
Quando i clienti ragionano sui prezzi, prima di controllare quelli dei concorrenti valutano i prezzi relativi di ciò che offri. Cito i cacciaviti perché sono un caso interessante: puoi comprarli singolarmente o in un set con molte punte; con o senza scatola; compatti o grandi; elettrici oppure no.
Ci sono molte opzioni, e la maggior parte dell’analisi dei prezzi fatta dal cliente riguarda ciò che ha davanti. È qui che emergono le non linearità più forti: se un prodotto diventa leggermente più caro di un altro che è letteralmente sullo stesso scaffale, davanti al cliente, si possono verificare spostamenti enormi nelle scelte. Sono molto più forti di quelli legati alla necessità di percorrere chilometri o prendere l’auto per andare in un negozio sconosciuto. È molto più immediato. In sintesi, ti serve un modello predittivo di ciò che accadrà ai tuoi prezzi nel breve e nel lungo periodo e di come guideranno il comportamento dei clienti. C’è molta scienza dei dati sofisticata in tutto questo, ma preciserei che non è soltanto quello. La scienza dei dati riguarda soprattutto l’analisi di breve periodo. Per gli effetti di lungo periodo servono intelligenza di alto livello e valutazioni ragionate, perché non puoi simulare o estrapolare quello che succederà nel prossimo decennio. Devi inserire nel modello giudizi come il modo in cui le persone si abituano a una politica di sconti.
È qualcosa che si sviluppa nel corso di un decennio. Non imparerai questi schemi soltanto dai dati. Magari i dati storici possono suggerire qualcosa, ma alla fine sarà lo Supply Chain Scientist a dover usare il proprio giudizio per modellizzarli correttamente.
Conor Doherty: Bene, andiamo avanti e mettiamolo in pratica. Prima, però, in onore di questo episodio e perché so quanto ami la tecnologia — so che adori i computer — ti ho preparato un foglio di carta.
Su quel foglio, con inchiostro verde, trovi il contesto di Dublin, che adesso leggerò. Ho scritto in maiuscolo. Spero che tu riesca a leggerlo. È un riferimento da consultare, per esempio se vuoi ricordare il fatturato.
Mostreremo le informazioni sullo schermo, ma vogliamo mettere alla prova queste idee nel contesto di Dublin. Tu puoi leggerle; io le riassumo per il pubblico. Dublin ha un miliardo di dollari di vendite annue, cento negozi e un sito web che contribuisce a circa un quarto delle vendite.
Per il pubblico nordamericano, pensate a Target, ma senza alimentari. Vende abbigliamento, articoli per la casa, giocattoli ed elettrodomestici. Lo scorso Black Friday, Dublin ha registrato vendite record, ma le decisioni non sono state brillanti: molte rotture di stock, molte consegne in ritardo perché gli ordini erano stati effettuati troppo tardi e molte scorte morte rimaste a gennaio, che quindi non erano state vendute neppure durante il periodo natalizio.
Quest’anno Dublin vuole fare meglio. Joannes, con questo contesto e tutto quello che abbiamo detto finora come punto di partenza, come dovrebbero affrontare il problema del miglioramento i dirigenti di questo rivenditore generalista da un miliardo di dollari? Lo si sente dire spesso: vogliamo fare meglio, sappiamo che non stiamo andando benissimo.
Lo sento continuamente. Sappiamo di poter fare meglio, ma, in questo contesto, che cosa significa migliorare partendo da zero? Da lì costruiremo il resto.
Joannes Vermorel: Per prima cosa dobbiamo adottare la prospettiva economica. Migliorare significa migliorare il tasso di rendimento. È così semplice.
Conor Doherty: E adesso esprimilo nel contesto che ti ho dato. Sarà il nostro quadro di riferimento da qui in avanti.
Joannes Vermorel: Il tasso di rendimento funziona così: investo 1.000 dollari, immobilizzo 1.000 dollari in questa attività e, dopo un anno, attraverso le rotazioni delle scorte, quanti dollari ho? Idealmente vorresti ritrovarti, per esempio, con 1.200 dollari. Sarebbe il 20 %. Un buon risultato.
Sarebbe un risultato niente male. Questo è il tasso di rendimento: metti una certa somma, che si capitalizza nel corso dell’anno, e poi guardi quanto denaro hai.
È letteralmente l’idea centrale del tasso di rendimento. Come funziona nel commercio al dettaglio? Compri e gestisci a un certo prezzo, vendi a un prezzo più alto e lasci che il denaro ruoti, idealmente molte volte durante l’anno. È così che ottieni l’effetto dell’interesse composto e generi profitti.
Per me ormai è relativamente ovvio, perché è il modo in cui Lokad lavora da più di un decennio. Ma la maggior parte dei rivenditori non opera ancora da questa prospettiva. Ragiona per obiettivi di volume: prevediamo questo, quindi accadrà e andremo bene. Ma non funziona così.
Una volta definito il tasso di rendimento, il passo successivo è riconoscere che il futuro è incerto. Soprattutto con un evento molto volatile come il Black Friday, non puoi dire per ogni prodotto che venderai questa o quella quantità. Devi capire che l’incertezza cresce insieme al picco. Se le vendite sono regolari e stabili, puoi avere una certa sicurezza su quanto venderai la settimana prossima. Ma, se guardi a diversi mesi di distanza e aggiungi una forte spinta pubblicitaria e un grande cambiamento dei prezzi, l’incertezza diventa enorme. Inoltre, anche i concorrenti faranno molte cose.
Ti trovi in una situazione piena di incertezza. Quando arrivano gli eccessi di scorte, spesso qualcuno aveva detto: siamo sicurissimi di vendere 2.000 unità, lo sappiamo. Ma non lo sanno: l’incertezza è altissima. Magari ne vendono 1.500 e sembra che sia andata bene, perché sono tre quarti. Tuttavia, le 500 unità rimaste possono superare ciò che vendono in condizioni normali durante tutto il resto dell’anno. Anche se gran parte della merce è stata venduta durante l’evento, puoi ritrovarti con mesi e mesi di scorte, che dopo un po’ diventano scorte morte.
Conor Doherty: Non è esattamente quello che è successo in questo scenario?
Joannes Vermorel: Il problema è che hai venduto la merce con uno sconto generalmente elevato e con margini ridottissimi. Basta poco inventario in eccesso per rendere l’operazione non redditizia. Per questo, in Lokad, consideriamo tutti i futuri possibili e calcoliamo quale sarà, in media, il tasso di rendimento. Prendi una traiettoria: acquistiamo questa quantità. Guardiamo tutti i futuri possibili, come si comporta questa decisione e quale sarà il suo rendimento netto una volta integrati tutti gli eventi man mano che si verificano. Per fare un’analisi del rischio, il rischio deve prima essere rappresentato: va modellizzato. È esattamente quello che fa Lokad quando propone le previsioni probabilistiche. Sono un modo per riconoscere che il futuro è molto incerto.
Assegni delle probabilità, e ci sono fattori che aumentano l’incertezza. Le distribuzioni di probabilità saranno più disperse, soprattutto se porti i prezzi in zone che frequenti raramente o fai campagne pubblicitarie insolite. Tutto questo spinge l’incertezza verso territori sui quali i tuoi dati dicono poco. Il risultato è un’incertezza molto elevata e, quando ti trovi in questa situazione, la conseguenza tipica, per ottenere un rendimento migliore, è essere più prudenti.
È così semplice. Nella maggior parte dei casi, quando lavoriamo con i clienti e riconosciamo tutte le incertezze, la conclusione è più prudente del loro piano. Il problema è che incontriamo molta resistenza: premi e obiettivi dei dipendenti dipendono dal raggiungimento dei volumi. Può esserci un premio per un certo volume di vendite durante il Black Friday, senza alcuna correzione che tenga conto delle scorte morte generate.
Conor Doherty: Come nell’esempio di prima: vendi un volume X con uno sconto del 20 %, ma lo avresti venduto a prezzo pieno? Se i premi sono legati a quell’orizzonte temporale, anticipi semplicemente la vendita. È un problema: nel lungo periodo hai perso denaro.
Joannes Vermorel: Sì. Con questi premi torniamo a creare incentivi perversi che verranno sfruttati, perché non sono allineati all’interesse a lungo termine dell’azienda. È così semplice. In Lokad adottiamo la prospettiva economica e facciamo ciò che serve per non ignorare il rischio. In pratica, lo strumento migliore che abbiamo sono le previsioni probabilistiche. Poi fai la tua valutazione con le previsioni funzionali, che sono diverse dalle probabilità: riflettono il fatto che alcune decisioni non sono ancora state prese, ma sarai tu a prenderle in futuro.
Per esempio, i prezzi. I tuoi prezzi non sono incerti: sono ancora da decidere. C’è una differenza tra l’incertezza irriducibile e qualcosa che non hai ancora deciso, ma su cui sarai tu ad avere l’ultima parola.
Conor Doherty: A proposito di decisioni, uno dei punti di partenza, ancora prima di arrivare ai prezzi, è scegliere che cosa scontare nel tuo assortimento. Abbiamo il caso di Dublin e tu hai il tuo cartoncino di riferimento, molto ben scritto. Per chi non ce l’ha, ho citato abbigliamento, articoli per la casa, giocattoli ed elettrodomestici. Per questa discussione, pensiamo anche a prodotti grandi come frigoriferi, forse non condizionatori, non saprei. In questo quadro generale, come scegli che cosa scontare?
Ovviamente non vuoi applicare uno sconto uniforme a tutto. Vuoi alcuni prodotti che attirino le persone, ma non tutti.
Joannes Vermorel: Sì. E la parte peggiore degli sconti sono gli acquisti opportunistici: persone che avrebbero comprato comunque e che scoprono proprio quel giorno che c’è uno sconto. Ottimo.
Non ha cambiato nulla, ma grazie. Grazie mille.
Conor Doherty: Esattamente. La settimana scorsa ho comprato un proiettore proprio in quelle circostanze.
Lo avrei comprato comunque. A prezzo pieno.
Joannes Vermorel: Gli elettrodomestici rientrano proprio in questa categoria. Sono acquisti su cui le persone riflettono per mesi.
Conor Doherty: Sì, esatto. E ho usato ChatGPT per restringere le opzioni.
Joannes Vermorel: Le persone non decidono di comprare un bellissimo frigorifero americano a due porte semplicemente perché capita.
Conor Doherty: Non è un acquisto d’impulso.
Joannes Vermorel: Esatto, non lo comprano perché oggi c’è uno sconto del 15 %. In genere gli elettrodomestici sono pessimi candidati per le promozioni. Vuoi qualcosa che spinga le persone a comprare d’impulso.
I giocattoli non sono una cattiva scelta. In questo esempio sceglierei giocattoli, forse abbigliamento. Per i giocattoli sarebbe ancora meglio qualcosa che probabilmente si esaurirà prima di Natale. È un’occasione che sparirà prima di Natale, quindi non puoi rimandare l’acquisto, perché a Natale non ne resteranno più. Può essere economico, non deve necessariamente essere raro: per esempio, un’edizione limitata con una licenza Pokémon, Naruto, Harry Potter o qualsiasi altra. La mia intuizione è che, quando vuoi fare uno sconto, dovresti cercare qualcosa di relativamente economico: puoi proporre una percentuale elevata e, se il prezzo complessivo è basso, è più facile stimolare un acquisto d’impulso. Al contrario, se un costoso frigorifero americano a due porte costa 3.000 euro e fai uno sconto del 10 %, la percentuale non è così impressionante e stai già rinunciando a 300 euro. Se vendi qualcosa da 10 euro con uno sconto del 50 %, stai rinunciando soltanto a 5 euro.
Devi pensare a come creare una promozione visibile e attraente, ma fondamentalmente poco costosa. Idealmente non dovrebbe interferire troppo con il posizionamento di prezzo che cerchi di mantenere durante tutto l’anno: vuoi che le persone si fidino di prezzi ragionevoli e stabili, senza sentirsi ingannate. Immagina di comprare un frigorifero costoso e di vederlo scontato del 10 % due settimane dopo. Potresti risentirtene. E, se sei ancora nel periodo utile per il reso, puoi restituirlo. Ci sono persone che fanno questi giochi. Sì, conosco qualcuno che l’ha fatto di recente.
Conor Doherty: Non ero io. Ho ancora il mio proiettore, ma conosco persone che l’hanno fatto.
Joannes Vermorel: Sì. È un inferno. Non è proprio quello che vuoi provocare.
Conor Doherty: È interessante pensare anche alle abitudini di acquisto. La maggior parte delle persone che va da Dublin compra più cose. Abbiamo già parlato della prospettiva del carrello. Non ci sono alimentari in questo negozio, ma di solito non si entra soltanto per comprare un giocattolo al proprio figlio.
Si compra quello e altro ancora. Invece, chi entra per un frigorifero potrebbe volere letteralmente soltanto un frigorifero. Non è lì per curiosare. Quindi scegliere sconti su prodotti acquistati una tantum può generare una visita isolata.
Non si portano via un frigorifero insieme a un mucchio di vestiti, piatti e ciotole. Come si inserisce, negli sconti del Black Friday di Dublin, questa prospettiva del carrello: le persone comprano prodotti insieme e la mancanza di uno può compromettere tutta l’esperienza?
Joannes Vermorel: Parliamo di un fenomeno piuttosto complesso che si verifica in un preciso momento. Come dicevo, l’azienda ha risorse fisse per quasi tutto, compresi gli analisti dei prezzi e del merchandising. Qui entriamo in un territorio in cui devi robotizzare tutto, perché le persone devono già dedicare tempo alla gestione quotidiana e ora avrebbero bisogno di molto più tempo per occuparsi di un evento annuale. Il mio suggerimento, ed è così che lavora Lokad, è rendere il Black Friday e tutti gli eventi quasi ciclici parte dell’attività ordinaria. Hai un modello che rappresenta quella che chiamiamo quasi ciclicità: non è esattamente ciclico; arriva ogni anno, ma, come il Capodanno cinese, può spostarsi un po’. Tutte le decisioni generate giorno dopo giorno ne tengono conto. Credo che si sopravvalutino le grandi decisioni specifiche del Black Friday rispetto a tutte le attività ordinarie. Per esempio, per preparare i negozi probabilmente inizierai a inviare più merce fino a tre settimane prima. Perché diverse settimane? Per non ritrovarti con una consegna enorme che costringa i centri logistici a fare moltissimi straordinari per spedire il doppio della merce negli ultimi cinque giorni prima del Black Friday.
Vuoi che questa pianificazione a ritroso avvenga in modo fluido, sfruttando le differenze tra i negozi. Uno potrebbe avere qualche metro quadrato in più, quindi puoi cominciare a mandargli merce tre settimane prima. Va bene.
Ci sta. Altri, invece, hanno pochissimo spazio sugli scaffali e non puoi caricarli con molte settimane di anticipo. Tutto questo richiede molta microgestione. Per farlo bene, senza intoppi e su larga scala, devi robotizzarlo. È il terzo pilastro: prospettiva economica, modellizzazione probabilistica e robotizzazione, affinché tutto venga gestito senza silos, come un flusso continuo di decisioni quotidiane. Il Black Friday è un momento preciso, ma tutte le decisioni lo anticipano e introducono piccoli aggiustamenti man mano che si avvicina. Dopo fai aggiustamenti in senso inverso per gestire ciò che resta, per esempio riequilibrando le scorte nella rete.
Conor Doherty: Era esattamente la domanda successiva, sull’allocazione nella rete. Come dicevamo, Dublin è omnicanale: ha cento negozi e un sito web che rappresenta il 25 % dell’attività, o almeno del fatturato dell’anno scorso. Come allochi le scorte, dato che gli stessi articoli sono in vendita online e li vuoi anche nei negozi fisici? I clienti arriveranno e, se non trovano il prodotto, potrebbero andarsene, perché comprano carrelli di prodotti. In termini generali, come ottimizza Dublin l’allocazione affinché ci sia abbastanza merce nei magazzini per l’online e anche nei cento negozi, che non avranno tutti le stesse esigenze?
Joannes Vermorel: Torniamo a quella che chiamiamo la decisione ottimale corretta per il rischio. Consideri tutti i futuri possibili e decidi. In sostanza stai scommettendo, e non c’è un altro modo: piccole scommesse su ogni negozio, perché l’irregolarità è molto elevata. Alcuni negozi venderanno completamente certi prodotti e resteranno senza scorte. Va bene.
È normale, mentre altri avranno eccessi. È esattamente ciò che accade quando l’irregolarità è alta. Finisci con molti squilibri: il negozio A ha un prodotto in eccesso e un altro esaurito, mentre nel negozio B succede esattamente il contrario.
Ora bisogna riequilibrare gradualmente. Concettualmente è abbastanza semplice: prendi della merce, la carichi su un camion e la porti in un altro negozio, oppure organizzi un giro.
La complessità deriva soprattutto dall’esplosione combinatoria delle possibilità. Devi considerare ogni SKU in ogni negozio e il potenziale rimescolamento complessivo. Inoltre, i costi di trasporto non sono lineari: non vuoi spostare un cucchiaio da un negozio e ripetere il procedimento. Devi pensare in termini di spedizioni e magari hai già camion che effettuano dei giri.
Vuoi sfruttarli: oggi, mentre il camion mi consegna la merce, carico altri prodotti e alla fermata successiva vengono scaricati, contribuendo al riequilibrio. Torniamo all’automazione. Non sono cose particolarmente difficili, anche se può sembrare spaventoso parlare di decine di migliaia di SKU per negozio e cento negozi.
Sono ovviamente milioni di combinazioni, ma non sono numeri grandi per i computer moderni. Non puoi affrontare ingenuamente il problema con la forza bruta, ma non hai necessariamente bisogno di analisi numeriche estremamente sofisticate per ottimizzarlo. L’idea centrale è che deve essere attività ordinaria. Non facciamo un riequilibrio delle scorte specifico per il Black Friday: abbiamo una logica che lo propone continuamente e che ha una base economica. Non suggerirà riequilibri non sostenibili economicamente. Se non c’è abbastanza volume, non proporremo di spostare un cucchiaio da un negozio all’altro. Sarebbe assurdo.
Serve un certo volume, e le opportunità vanno qualificate: raggiungono la massa critica per essere redditizie? Di nuovo, ragioniamo in termini di rendimento. Dopo il Black Friday emergeranno più opportunità semplicemente perché ci troviamo subito dopo un grande evento. Il sistema proporrà naturalmente questi riequilibri, ma non sono per il Black Friday: sono attività ordinaria. Le ricette numeriche quotidiane coglieranno il fatto che in quel periodo ci sono più opportunità disponibili.
Conor Doherty: Quando parli di bilanciare la distribuzione delle scorte in una rete omnicanale, se confrontiamo la preparazione del Black Friday con quella del Natale, pur adottando la prospettiva dell’attività ordinaria e senza differenze radicali, ci sono sfumature da evidenziare. Gli sconti natalizi coprono un periodo, le settimane precedenti, e sono meno concentrati. Se ho una rottura di stock in un negozio principale il 21 dicembre, posso ancora rifornirlo il 22 o il 23 e ci saranno ancora clienti. È corretto dire che per il Black Friday hai una sola occasione per azzeccare l’allocazione, quando si concentra tutta l’affluenza?
Joannes Vermorel: Credo che ragionare così sia un errore di analisi. La tua attività è un continuum: devi servire i clienti prima e dopo. Non vuoi…
Conor Doherty: Il punto, però, è che quel volume non ci sarà il giorno dopo. Parlo del volume di persone, non delle scorte.
Joannes Vermorel: Sì, ma ti resterà merce e così via. Se il Black Friday comincia a rappresentare una percentuale a due cifre del fatturato annuo, hai un problema enorme. Sì, enorme.
Tutti i tuoi beni sono fissi. Paghi l’affitto del negozio ogni settimana dell’anno, non soltanto la settimana del Black Friday. Forse alcune attività online possono dire: realizziamo l'80 % del nostro fatturato annuo quel giorno e va bene, perché tutto è virtuale; possiamo servire un milione di clienti un giorno e nessuno il successivo. Forse per certe attività online funziona, ma, quando hai un’infrastruttura, vuoi usarla tutto l’anno.
Se non lo fai, un concorrente più intelligente lo farà e ti supererà, semplicemente perché utilizza meglio i propri beni. Devi pensare alla supply chain come a una risorsa produttiva che genera decisioni giorno dopo giorno. Ciò che fa parte dell’attività ordinaria va gestito come tale. Il Black Friday è attività ordinaria: è un evento tra gli altri. E il Capodanno cinese?
E il Ramadan? La Pasqua? La festa della mamma? La festa del papà?
E qualsiasi altro evento? Il Singles’ Day? Ce ne sono moltissimi. Naturalmente non hanno tutti la stessa portata.
Va bene. Ma sono tutti eventi quasi ciclici e vanno modellizzati come tali. Per queste cose vuoi che la tua supply chain funzioni praticamente con il pilota automatico.
Se affronti il Black Friday come un silo, un’opportunità scollegata dal resto, molte cose finiranno per entrare in conflitto. Compri merce per il Black Friday, ma hai già in negozio sostituti quasi perfetti e ti ritrovi con eccessi perché non ti rendi conto che le vendite si cannibalizzano a vicenda. Per me è sbagliato pensare di poter isolare il Black Friday. Non dovresti farlo. È un errore tipico dovuto alla mancanza di robotizzazione: si gestisce tutto con persone e, per organizzarle, si divide il problema, si crea una squadra dedicata al Black Friday e la si separa da quella che segue l’attività quotidiana. È logicamente scorretto. Vuoi le stesse ricette numeriche per gestire l’insieme, con il Black Friday come un evento tra molti altri. Magari più grande, ma niente di più.
Conor Doherty: Sono contento che tu lo descriva come un evento tra molti, perché, come emergeva dalla domanda precedente, le decisioni per il Black Friday anticipano il Natale. Prima hai detto che dovremmo misurare tutte le decisioni e i loro effetti attraverso il tasso di rendimento. Supponiamo di accettarlo. Chi ascolta si chiederà naturalmente: rendimento su quale orizzonte temporale? Prendo decisioni per il Black Friday e queste influenzeranno la domanda che incontrerò a Natale.
Quindi dovrei valutarle dopo Natale? Ma che cosa succede alle vendite del Black Friday, che credo cada il 27 novembre? Hanno un periodo di reso di 45 giorni.
Così arriviamo al 2027. A quale punto posso ragionevolmente iniziare a valutare se le decisioni che ho preso hanno avuto successo in termini di rendimento?
Joannes Vermorel: È una domanda un po’ insidiosa e ne sono consapevole. C’è una risposta tecnica ed è nel libro: è quello che chiamo tasso di rendimento aperiodico. Fondamentalmente, però, vuoi guardare fino alla fine dei tempi.
Conor Doherty: Possiamo dare una risposta generale. Capisco che sia un argomento tecnico.
Joannes Vermorel: Innanzitutto, tutti i tagli arbitrari sono sbagliati. Non dovresti dire che guardi soltanto un giorno: perché un giorno? Oppure una settimana: perché una settimana? Un mese? Logicamente non c’è motivo di interrompere l’analisi. Concettualmente dici: guardo fino alla fine dei tempi.
Va bene. Tra l’altro è quello che si fa in banca con gli interessi e così via. In pratica, ci sono effetti numerici che fanno decadere fino a un valore trascurabile il rendimento del denaro che puoi ottenere in un futuro molto lontano. È un effetto numerico.
Ma vuoi calcolare il tasso di rendimento. La prospettiva aperiodica dice che il tasso varia giorno per giorno fino alla fine dei tempi. Il problema è che, osservando una serie di operazioni, ottieni una curva che raggiunge un massimo e poi scende: prendi una decisione, costa denaro, poi ne genera, poi costa e genera ancora. Per una singola operazione, come un acquisto di scorte, l’effetto alla fine scompare perché le scorte si esauriscono oppure le butti via. Compro qualcosa e spendo adesso, ricevo denaro man mano che vendo e a un certo punto liquido ciò che resta, chiudendo l’operazione. Immagina di acquistare 1.000 unità e di venderne il 99 % nel primo anno, mentre l'1 % rimanente richiede un altro anno intero.
Se considero soltanto il primo anno, magari ho ottenuto un rendimento del 25 %. L'1 % residuo incide pochissimo, anche se il prodotto ha un buon margine. Potrei azzerarne il valore e resterei al 25 %. Ma, se estendo l’orizzonte di analisi a due anni, dovrei dividere quel 25 % per due.
Conor Doherty: Esatto. Diventerebbe il 12,5 %.
Joannes Vermorel: Ma è giusto? No, perché alla fine del primo anno avevo già recuperato il denaro. Perché dovrei aspettare un altro anno per valutare il rendimento?
Non ha senso. Immagina un’unità che richiede mille anni per essere venduta: otterresti un rendimento del tutto trascurabile, che sarebbe completamente fittizio. Con il rendimento aperiodico propongo di osservare l’evoluzione giorno per giorno e prendere il giorno futuro in cui è più alto. Quello è il tuo rendimento effettivo, perché a quel punto non è più teorico.
È il momento in cui hai recuperato il denaro ed è pronto per essere reinvestito in qualcos’altro. Per questo considero il rendimento in una prospettiva aperiodica: guardi fino alla fine dei tempi, ma, per calcolare ciò che hai effettivamente ottenuto, prendi il punto in cui il rendimento effettivo è massimo.
Questa è l’analisi. È un po’ tecnica, ma puoi vederla come un modo sofisticato per dire che vuoi confrontare decisioni che non hanno lo stesso orizzonte. Per questo la chiamo aperiodica: non è limitata a una base annuale. Posso avere una decisione che si esaurisce tra un mese e un’altra che impiega un anno a dispiegare i propri effetti.
Non siamo sullo stesso orizzonte, quindi serve un tasso di rendimento che non sia definito in base a un periodo prestabilito. Ecco perché è aperiodico.
Conor Doherty: Chi ascolta si chiederà, e quello che descrivi va benissimo, lo capisco, che cosa serva per monitorare e misurare questo tasso di rendimento aperiodico, che cosa sia e che cosa non sia.
Joannes Vermorel: Non è molto complicato. Non descriverò la formula, ma la formula è…
Conor Doherty: Ma, in sostanza, stai parlando di un cruscotto che possano consultare?
Joannes Vermorel: Neanche quello, perché il rendimento conta nel momento in cui devi decidere e consideri tutte le opzioni. Calcolare il rendimento aperiodico a posteriori è molto banale: è qualcosa che potresti fare in Excel, anche se devi scegliere un punto. Il problema è…
Conor Doherty: Sì, anche in Excel si potrebbe fare facilmente.
Joannes Vermorel: Il problema è che non ti interessa farlo per il passato. Vuoi farlo per decisioni non ancora prese. È questa la parte difficile. Analizzare la redditività delle decisioni passate è relativamente semplice.
Ciò che rende il problema difficile è farlo per le decisioni future. E qui torniamo alle probabilità. Le probabilità non si sposano bene con Excel. Ti servono strumenti che consentano la modellizzazione probabilistica.
Il problema sarebbe esattamente lo stesso se scegliessimo un indicatore diverso dal rendimento aperiodico. Il vero problema non è quell’indicatore: è la modellizzazione probabilistica, la parte difficile da gestire che non trova posto in Excel.
Conor Doherty: Bene. Come conclusione generale di questo esercizio con il personaggio immaginario, consiglieresti o no a Dublin di partecipare agli sconti del Black Friday?
Joannes Vermorel: Credo che dipenda da come lo fa. La prospettiva economica non ragiona in termini assoluti. Dice che devi pensare al tasso di rendimento: ciò che fai è redditizio e nell’interesse di lungo periodo? Le promozioni possono essere positive, ma ci sono moltissimi modi di promuovere. Quale parte dell’assortimento stai promuovendo esattamente? Tutto? Probabilmente è sbagliato. Una piccola selezione disponibile nel negozio soltanto durante la campagna? Probabilmente va bene. Puoi ottenere un ritorno importante?
Riesci a servire i clienti? Molti problemi dipendono dalle circostanze. E se i negozi non riescono ad assorbire la domanda? I clienti si risentono oppure vivono un’esperienza fantastica e ti apprezzano per questo? Sono tutte sfumature. Devi robotizzare le decisioni affinché il Black Friday diventi una cosa tra le altre, liberando molto tempo perché le persone possano riflettere davvero su come affrontarlo.
Che cosa vogliamo mettere in evidenza? Quale immagine vogliamo trasmettere? Qual è il messaggio? Quale storia raccontiamo? Queste sono ottime domande, invece di partire con un’aggressività estrema e sconti superiori al 30 % che creeranno soltanto problemi in seguito. I clienti non si fideranno più dei prezzi quotidiani, aspetteranno e cominceranno a sfruttare il sistema. Alla fine sarai superato da un concorrente che utilizza meglio i propri beni fissi, dello stesso tipo dei tuoi.
Conor Doherty: Credo di avere già raccontato questo aneddoto, ma conosciamo entrambi una persona che ha un foglio Excel per seguire i prezzi dei Monoprix del suo quartiere. Siamo a Parigi. Gli piace una marca di caffè molto specifica, che periodicamente viene scontata. Sembra casuale, ma ha verificato che succede circa ogni due mesi e mezzo. Così entra e svuota lo scaffale.
Una sola persona prende dieci o quindici confezioni di quel particolare caffè, poi la settimana successiva va in un altro negozio che ha la propria offerta e svuota anche quello. I Paesi Bassi, o meglio i loro abitanti, sono particolarmente famosi per questo comportamento. Non stai descrivendo una tendenza inventata. Sono la maggioranza?
No. Ma pensa al segnale di domanda. Hai una rottura di stock perché una persona è entrata e ha comprato quindici unità. Non significa che tu debba rimetterne subito altre quindici, perché potrebbero non vendersi affatto. Torniamo quindi alla prospettiva dell’incertezza di cui hai parlato a lungo.
Joannes Vermorel: Sì, e a una prospettiva molto complessiva, in cui pensi davvero all’interesse di lungo periodo dell’azienda. Per questo parlo di prospettiva economica. Non sto parlando dei risultati finanziari trimestrali.
Quella è spesso una visione molto ristretta e miope. La prospettiva economica è intellettualmente molto più esigente, ma non è poi molto più complicata sul piano analitico.
Richiede di riflettere davvero su quale sia la strategia, che cosa cerchiamo di fare, come vogliamo servire i clienti e superare i concorrenti, invece di ricorrere a scorciatoie piuttosto ottuse e pigre, come assegnare alle squadre un grande obiettivo di volume. È proprio ciò che farebbe un’azienda ottusa e pigra, e finisce inevitabilmente per ritorcersi contro di lei. I dipendenti impareranno a sfruttare quei meccanismi e, alla fine, i clienti ne riceveranno un disservizio.
Conor Doherty: È la legge di Goodhart, giusto? Quando una misura diventa un obiettivo…
Joannes Vermorel: Esattamente. La legge di Goodhart, per chi volesse approfondire. Ed è un problema anche per la ricetta numerica, perché siamo noi a fissare gli obiettivi. Per questo, nel modo in cui Lokad lavora con le ricette numeriche, la revisione continua dell’obiettivo è un percorso. Si tratta di modellizzare l’interesse economico di lungo periodo dell’azienda e ciò che rientra nella massimizzazione del rendimento.
Non è una prospettiva cartesiana in cui prima decidi qualcosa e poi tutto il resto ne discende. È un processo empirico. Nella serie di lezioni l’ho chiamato ottimizzazione empirica: fissi l’obiettivo, osservi le decisioni generate, individui quelle insensate, perfezioni l’obiettivo e continui a iterare. La formula dell’obiettivo viene rivista costantemente. È il lavoro dello Supply Chain Scientist. Non per capriccio, ma perché riflette il cambiamento continuo della strategia aziendale.
Conor Doherty: Bene, Joannes, grazie mille. Non ho altre domande, anche se so che torneremo su un tema molto simile quando parleremo del Natale e di come ottimizzarlo. Fino ad allora non ho altre domande per te.
Grazie mille per essere stato qui. E a voi, grazie per averci seguito. Spero che il nostro pubblico nordamericano lo apprezzi. Se volete saperne di più su come ottimizzare scorte e allocazione, in realtà nell’attività ordinaria, ma certamente anche in vista dei grandi eventi, potete contattare Joannes e me su LinkedIn oppure scriverci direttamente a contact@lokad.com.
Torneremo presto con altri argomenti. Non resta altro da dire, se non: tornate al lavoro.
