一般商品小売店のプロモーション計画 - 最適化の課題
これまで、プロモーションの予測におけるデータの課題とプロセスの課題について説明しました。この投稿では、シリーズの最後に、プロモーションを考慮する際の「数量的最適化」という概念について説明します。実際には、プロモーションの予測を作成し、その数量的なパフォーマンスを計測するために使用される方法論的フレームワークの選択は、非常に重要ですが、通常（ほぼ）完全に無視されています。
いわゆる古い言葉によれば、計測なしに最適化はありません。しかし、プロモーションの場合、実際に何を計測していますか？
プロモーションのパフォーマンスの数量化
最も進んだ予測統計は、数学的な「誤差」関数の最小化にすぎないため、ある意味ではかなり「愚か」です。その結果、誤差関数がビジネスと深く一致していない場合、改善は不可能です。なぜなら、改善そのものの測定がずれているからです。
「正しい方向に進んでいるかどうかさえわからないので、もっと速く動けることは重要ではありません。」
プロモーションに関しては、単なる通常の在庫経済力だけではありません：
- 在庫コストはお金がかかりますが、通常の在庫と比較して、店舗で通常販売されない商品の場合、プロモーション終了後に残った商品は棚を埋めることになるため、より多くのお金がかかる場合があります。
- プロモーションは市場シェアを増やす機会ですが、通常は小売業者の利益率を犠牲にします。利益性の重要な要素は、顧客に与えられる「粘着性」です。
- プロモーションは「交渉」されるものであり、単に「計画」されるものではありません。サプライヤーとのより良い交渉は、より多くの利益を生み出すことができます。
これらの要素は「数量的に」考慮する必要があります。ここに大きな困難があります。プロモーションのような不安定で不確実なプロセスに対して、誰もが「数量的に」責任を負いたくありません。しかし、数量的な責任がなければ、特定のプロモーションがどのような価値を生み出すか、そして生み出す場合、次のラウンドのために何を改善できるかが不明です。
数量的な評価には、サプライヤーとの交渉から店舗レベルでの不完全な在庫割り当ての遠大な影響まで、ある種の「包括的な」測定が必要です。
分位数を用いたリスク分析へのアプローチ
包括的な測定は望ましいですが、通常、プロモーション計画を作成するために「中央値」予測に依存する多くの小売組織にとっては手の届かないものです。実際、中央値予測は、**存在するすべての経済力に対して完全に「無関心」なメトリックの典型ですが、それが「間違っている」とは言えません。
しかし、MAEを改善することが間違っているとはどうしてでしょうか？ いつものように、統計は欺瞞的です。比較的不安定なプロモーション商品を考えてみましょう。この商品は100の店舗で販売されることが想定されています。店舗は同様であり、この商品は6個の需要がある確率が1/3であり、0個の需要がある確率が2/3です。最も良い「中央値」予測はここでは「0」個です。実際、店舗ごとに2個の予測が最も良い「中央値」予測ではなく、最も良い「平均」予測であり、つまり、MSE（平均二乗誤差）を最小化する予測です。明らかに、すべての店舗で需要がゼロと予測することはバグです。この例は、MAEがビジネスの力と大きく食い違うことを示しています。MSEも他の状況で同様の機能不全を示します。無料の昼食はありません。ビジネスに無知であり、ビジネスに合致するメトリックを得ることはできません。
分位数予測は、プロモーション予測のより合理的な結果を生み出すための第一歩です。なぜなら、リスク分析を実行し、次のような質問に対処することが可能になるからです：
- 上位90％の最良の場合、プロモーション終了前にいくつの店舗が在庫切れになるでしょうか？
- 下位10％の最悪の場合、2ヶ月以上の在庫が残る店舗はいくつでしょうか？
プロモーションの設計は、リスク分析として分解することができます。これには経済力を統合し、分位数予測の上に座っています。実用的な観点からは、この方法はリスク分析から厳密に切り離された予測を保持するという非常に大きな利点があり、統計分析にとっては非常に単純化されたものです。
価格と需要の分析を組み合わせる
数量的なリスク分析は、単なる「中央値」予測よりも優れた性能を発揮しますが、サプライヤーとの交渉力を反映する能力は、設計上の制約により比較的限定的です。
実際、小売業者は、サプライヤーとの交渉で合意されたシナリオを反映するために、プロモーション予測を何度も再生成することが誘惑されるかもしれませんが、そのような予測システムの使用法は、重大な過学習につながります。
簡単に言えば、予測システムが予測に基づいて構築された関数の最大化を求めるために繰り返し使用される場合、つまり、予測された需要を考慮して「最良の」プロモーション計画を見つける場合、システムが生成する最も極端な値は、おそらく統計的な偶然です。
したがって、最適化プロセスはシステムに統合される必要があります。需要の弾力性とサプライヤーの変動条件の両方を一度に分析する必要があります。つまり、取引が大きければ大きいほど、サプライヤーの条件はより有利になります。
明らかに、このようなシステムを設計することは、単なる中央値プロモーション予測システムよりもはるかに複雑です。ただし、大規模な小売ネットワークにおいてこのようなシステムを実装しようと努力しないことは、「街灯効果」と見なされる可能性があります。
警官が酔っ払いの男性が街灯の下で何かを探しているのを見て、酔っ払いが何を失くしたのか尋ねます。酔っ払いは鍵を失くしたと答え、2人で街灯の下を一緒に探します。数分後、警官は酔っ払いにここで本当に失くしたのか確かめると、酔っ払いは「いいえ、公園で失くした」と答えます。警官はなぜここで探しているのか尋ねると、酔っ払いは「ここに光があるからです」と答えます。
Lokadの「パッケージ化された」技術は、プロモーションの処理には限定的なサポートしか提供していませんが、これは私たちがいくつかの大手小売業者と綿密に取り組んでいる領域ですが、それはより「アドホック」な方法で行われています。お気軽にお問い合わせください、お手伝いいたします。
