一般商品小売におけるプロモーション計画 - 最適化の課題

これまで、プロモーション予測の文脈でデータの課題とプロセスの課題を取り上げました。本記事では、このシリーズの最後として、プロモーションを考慮した際の_定量的最適化_の概念そのものについて論じます。実際、プロモーション予測の生成とその定量的パフォーマンスの計測に用いられる方法論の枠組みの選択は非常に重要ですが、通常はほぼ完全に軽視されがちです。
古い格言にもあるように、計測なしに最適化はありえません。しかし、プロモーションの場合、実際に何を計測しているのでしょうか?
プロモーションのパフォーマンスの定量化
最先端の予測統計手法でさえ、基本的には数学的な_誤差_関数の最小化に過ぎないという意味で、かなり_単純_です。その結果、誤差関数がビジネスと十分に連動していなければ、_改善_は不可能になります。なぜなら、改善の尺度そのものがずれてしまうからです。
正しい方向に進んでいるかすら分からなければ、どれだけ速く動けても意味がありません。
プロモーションに関しては、単なる通常の在庫経済の力だけではありません:
- 在庫コスト 費用;しかし、_常設_在庫と比較すると、通常店舗で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在庫が棚を占拠するため、より多くの費用がかかる可能性があります。
- プロモーションは市場シェアを拡大するチャンスですが、通常、小売業者の利益率を犠牲にして行われます。主要な収益性の要因は、顧客に与える衝動の_定着性_です。
- プロモーションは単に_計画_されるのではなく、_交渉_で決定されます。サプライヤーとのより良い交渉は、より良い計画よりも多くの利益をもたらす可能性があります。
これらすべての要因は_定量的_に考慮される必要があります。そしてこれが大きな難題の所在です: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_定量的_な責任を負いたくありません。しかし、定量的な責任がなければ、そのプロモーションが価値を生み出しているか、もし生み出しているなら次に何を改善すべきかが不明瞭になります。
定量的な評価には、サプライヤーとの交渉から始まり、店舗レベルでの不完全な在庫配分の広範な影響に至る、ある種の_包括的_な尺度が必要です。
クォンタイルを用いたリスク分析に向けて
包括的な測定は望ましいものの、プロモーション計画を作成するために_中央値_予測に依存するほとんどの小売組織にとっては手の届かないものであるのが現状です。実際、_中央値_予測は暗黙のうちに平均絶対誤差 (MAE) の最小化と同義であり、_間違っている_とは言わないものの、すべての経済的要因に対して完全に無知な指標の典型例となっています。
しかし、MAEの改善がどうして間違っている可能性があるのでしょうか? いつものように、統計は欺瞞的です。100店舗で販売される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。店舗は互いに類似していると仮定し、その商品の需要は、1/3の確率で6単位、2/3の確率で需要がゼロになるとします。最適な_中央値_予測はここでは_ゼロ_単位になります。実際、店舗ごとに2単位という予測は、最適な_中央値_予測ではなく、最適な_平均_予測、すなわちMSE(平均二乗誤差)を最小化する予測となります。当然ながら、すべての店舗で需要がゼロと予測するのは不具合です。この例は、MAEがビジネスの力と大きく乖離し得ることを示しています。MSEもまた他の状況で類似の機能不全を示します。無料の昼食は存在しません。ビジネスに対して_無知_でありながらビジネスに_適合_する指標など得られないのです。
クォンタイル予測は、より合理的なプロモーション予測結果を生み出すための第一歩を示しています。なぜなら、リスク分析が可能となり、以下のような疑問に答えることができるからです:
- 上位90%の最良の場合、プロモーション終了前に何店舗が品切れに直面するでしょうか?
- 下位10%の最悪の場合、何店舗が2か月以上の在庫を抱えることになるでしょうか?
プロモーションの設計は、経済的要因を統合したリスク分析として分解することが可能であり、これはクォンタイル予測の上に位置付けられます。実務的な観点から、この手法はリスク分析から完全に切り離された予測を維持するという大きな利点があり、統計分析の面で大幅な簡素化をもたらします。
価格設定と需要分析の両方を組み合わせる
定量的リスク分析は単純な_中央値_予測をすでに上回っていますが、サプライヤーとの交渉力を反映する能力においては、あくまで_設計上_相対的に制限されています。
実際、小売業者は、サプライヤーとの交渉で取り決められたシナリオを反映するためにプロモーション条件を変え、プロモーション予測を何度も再生成したくなるかもしれません。しかし、そのような予測システムの使用は、重大な過剰適合を招くことになります。
要するに、もし予測システムが、予測された需要を踏まえて_最良_のプロモーション計画を見つけるために、その予測に基づいた関数の最大化を繰り返し試みると、システムによって生成される最も極端な値は統計的な偶然である可能性が非常に高くなります。
したがって、最適化プロセスはシステムに_統合_され、需要の弾力性とサプライヤーの変動条件の両方を同時に分析する必要があります。すなわち、取引規模が大きいほど、サプライヤーの条件はより有利になるのです。
明らかに、そのようなシステムの設計は単純な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。しかし、こうしたシステムの実装に努力を払わないことは、大規模な小売ネットワークにおいて_街灯効果_と見なすことができます。
警官が酔っぱらいの男を見つけ、街灯の下で何かを探しているのを見て、男に何をなくしたのか尋ねます。男は鍵をなくしたと言い、二人で一緒に街灯の下を探します。数分後、警官は本当にここでなくしたのか確認すると、男は公園でなくしたと答えます。警官はなぜここで探しているのかと尋ねると、男は「ここは明かりがある場所だからだ」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対応に限定的なサポートを提供しますが、これは大手小売業者とより_アドホック_な形で広範に取り組んでいる分野です。どうぞお気軽にお問い合わせください。私たちがお手伝いします。