小売業におけるプロモーション計画 - データの課題
予測はほとんどの場合困難な演習ですが、一般的な商品小売業においては、他の領域よりも1桁複雑なプロモーション計画があります。Lokadでは、プロモーション計画は、最大のクライアント向けに頻繁に取り組む課題の1つであり、通常は特別なビッグデータミッションを通じて対応しています。
この投稿は、プロモーション計画に関するシリーズの第1弾です。小売業者がプロモーション需要を予測する際に直面するさまざまな課題と、私たちが提案する解決策について説明します。
小売業者がプロモーションに取り組む際に直面する最初の課題は、データの品質です。この問題は、中規模および大規模な小売業者の両方において通常は大幅に過小評価されます。しかし、過去のプロモーションに関する高度に資格のあるデータがなければ、全体の計画イニシアチブはゴミインゴミアウトの問題に直面します。
プロモーションの記録におけるデータ品質の問題
プロモーションデータの品質は、通常は一般的な販売データの品質よりも低いか、少なくとも劣っています。最も詳細なレベルでのプロモーションの記録は、アイテム識別子、店舗識別子、開始日（終了日）およびプロモーション自体を説明するすべての次元を含みます。
これらのプロモーションの記録には、多くの問題があります：
- レコードは存在しますが、店舗がプロモーション計画を完全に実施していない場合があります。特にフェーシングに関しては、プロモーションのアップリフトを推進する最も強力な要素の1つであり、過小評価すべきではありません。
- レコードは存在しますが、プロモーションがネットワーク全体で実施されなかった場合があります。実際、プロモーションの取引は通常、サプライヤーと3〜6ヶ月前に交渉されます。取引が数週間前にのみキャンセルされることもありますが、対応するプロモーションデータはクリーンアップされません。
- 店舗からの非公式なイニシアチブ（例：在庫過多のアイテムをエンドアイルの棚に移動するなど）は記録されません。フェーシングは、プロモーションのアップリフトを推進する最も強力な要素の1つであり、過小評価すべきではありません。
- プロモーションメカニズムの詳細が正確に記録されていません。たとえば、カスタムパッケージの存在やパッケージの構造化された説明は、ほとんど保存されません。
多くの小売業者のデータセットで同様の問題を観察した結果、私たちは次のように考えています：プロモーションの記録を修正するための運用上の必要性がほとんどまたはまったくないのです。実際、売上データがオフになると、多くの運用上および会計上の問題が発生するため、問題を修正することが非常に迅速に最優先事項となります。
対照的に、プロモーションの記録は数年間にわたって正確さを欠いたままです。不正確な記録が小売業の運用にほとんど影響を与えない限り、誰もがそれらの記録を基に予測モデルを作成しようとしない限り、不正確な記録は無視できるほどの負の影響しかありません。
これらのデータ品質の問題への主な解決策は、_データ品質プロセス_であり、ライブストアの状況に直面した際にこれらのプロセスがどれだけ強靭であるかを経験的に検証することです。
ただし、最良のプロセスでも過去のデータを修正することはできません。まともな結果を得るには、通常は2年間の良好なプロモーションデータが必要ですので、プロモーションの記録の歴史化には早期かつ積極的に投資することが重要です。
構造的なデータの問題
プロモーションの正確な計画は、プロモーションの記録に関連するより広範でより潜在的な問題にも影響を受けます。これは、小売業における情報の収集方法に関連する問題です。
履歴の切り捨て: ほとんどの小売業者は、販売履歴を無期限に保持しません。通常、次の2つのルールに従って「古い」データは削除されます：
- レコードが3年よりも古い場合、レコードを削除します。
- アイテムが1年間売れていない場合、アイテムと関連するすべての販売記録を削除します。
明らかに、小売業者によっては、しきい値が異なる場合もありますが、多くの大規模小売業者が数十年以上存在している一方で、非切り捨ての5年間の販売履歴を見つけることは例外的です。これらの切り捨ては、通常、2つの誤った前提に基づいています：
- 古いデータの保存は高価: Walmartの10年間の販売データ（レシートレベルまで）を保存することは、おそらくあなたの会社はWalmartよりも小さいでしょうが、1000ドル未満のストレージで行うことができます。データの保存は、小売ネットワークに関しては、現在だけでなく、10年前からもすでに非常に安価でした。
- 古いデータには目的がない: 10年前のデータは確かに運用上の目的には役立ちませんが、統計的な観点からは、10年前のデータでも多くの問題の分析を洗練させるために役立つことがあります。単純に言えば、長い歴史は予測モデルのパフォーマンスを検証し、過学習の問題を回避するためのより広範な可能性を提供します。
GTINを社内の商品コードで置き換える: 多くの小売業者は、ネイティブのGTIN（北米ではUPC、ヨーロッパではEAN13とも呼ばれる）ではなく、代替のアイテム識別子でエンコードされた販売履歴を保持しています。GTINを特別な識別コードで置き換えることにより、GTINの代替を追跡しやすくなり、セグメント化された履歴を回避するのに役立つと考えられています。
しかし、GTINの代替は常に正確ではなく、間違ったエントリを特定することはほぼ不可能です。さらに、2つのGTINが_統合_された後は、以前のデータは失われます：元の2つの販売記録セットを再構築することはできなくなります。
代わりに、POS（販売時点）によって収集された情報の物理的な現実を表すGTINエントリを保持することがはるかに良い方法です。その後、_GTINの代替のヒント_は別々に保持され、必要に応じて関連付けを修正することができます。
包装情報の保存しない: 食品小売業では、多くの製品がさまざまな異なる形式で提供されています：個別のポーションから家族向けのポーション、単一のボトルからパック、通常の形式から+25％のプロモーション形式など。
これらの形式に関する情報を保存することは重要です。多くの顧客にとって、同じ製品の代替形式は、他の形式がない場合に頻繁に良い代替品です。
しかし、すべてのサイズが等しい代替品ではない場合もあります（例：18gのヌテラと5kgのヌテラ）。したがって、包装情報は保存されるべきですが、生の販売データとは別に保持されるべきです。
データ品質、非常に利益の上がる投資
データ品質は、小売業において投資が通常10倍に報われる数少ない領域の1つです。より良いデータは、最も単純なものから最も高度な手法まで、すべての下流の結果を改善します。理論的には、データ品質は収益の逓減の原則によって悪化するはずですが、私たち自身の観察では、オンラインコマースの一部の急成長企業を除いて、ほとんどの小売業者はデータ品質へのさらなる投資が非常に利益をもたらさない地点からはるかに遠いということを示しています。
したがって、高度な予測モデルの構築とは異なり、データ品質には複雑な技術は必要ありません。それには常識とシンプルさの感覚がたくさん必要です。
次回は、プロモーション計画のプロセスの課題について話し合います。
