00:00:07 ハードラグジュアリーマーケットと店舗での体験の重要性
00:01:37 ハードラグジュアリーストアの定義、場所、およびターゲット市場
00:03:10 ハードラグジュアリーストアの商品構成の課題と新規性の役割
00:05:01 ネットワーク全体のデータを使用してより良い商品構成の決定をする
00:07:23 ハードラグジュアリーにおけるリピートビジネスと製品と顧客の関連付け
00:10:00 ラグジュアリー商品構成における食い物と代替の定量的分析
00:12:00 商品の存在と不在を理解する必要性
00:14:01 製品属性を使用して在庫を適切に割り当てる
00:15:18 確率モデルを導入して商品構成のパフォーマンスを最適化する
00:16:50 新しい商品を店舗に追加し、販売と食い物への影響を評価するプロセス
00:18:02 定量的分析を使用して店舗間での商品割り当てを最適化する
00:19:14 商品を店舗間で移動することによる潜在的な利益と損失の評価
00:20:06 ラグジュアリーストアでの最適化の実施と文化的な課題の対処
要約
このインタビューでは、Lokadの創設者であるKieran ChandlerとJoannes Vermorelが、ハードラグジュアリーマーケットにおける供給チェーンの最適化について話し合っています。Vermorelは、この市場でどの商品を在庫に置くか、そして新規性が売上を推進する役割について、ユニークな課題を強調しています。彼は販売の確率と食い物の可能性を考慮した商品配置の最適化に確率モデリングを使用することを提案しています。Lokadのアプローチを実施することは、直感に基づくビジネスから数値最適化への文化的なショックにより困難を伴うことがあります。Vermorelは、このアプローチを成功させるために、企業が問題に合理的かつ冷静に取り組むことを勧めています。
拡大要約
このインタビューでは、Lokadという供給チェーン最適化のソフトウェア企業を設立したJoannes Vermorelと、Kieran Chandlerがハードラグジュアリーマーケットにおける供給チェーン最適化について話し合っています。彼らは、ラグジュアリーストアが商品構成を最適化する際に直面するユニークな課題と、新規性が売上を推進する役割について探求しています。
Vermorelは、オンラインの存在感が増しているにもかかわらず、ハードラグジュアリーの購入の大部分はまだ店舗で行われていると説明しています。これらの店舗にとっての課題は、1年に1〜2個の販売があるため、どの商品を在庫に置くかを決定することです。この市場では、店舗での体験と在庫自体が需要を創出しています。顧客はカタログから1万ドルの時計を購入することはまれであり、わずかな一桁の割合の人々しかそうしません。
ハードラグジュアリーストアは、大都市の一部に位置しており、最も高価な店舗が集中しています。一般的な考えとは異なり、これらの店舗のターゲット市場は主に中流上層階級であり、億万長者は全体の消費者層の一部に過ぎません。この市場の顧客は非常に裕福ではないかもしれませんが、高価な宝石や時計にはお金を使う傾向があります。
ハードラグジュアリーマーケットでは、新規性が売上を推進する上で重要な役割を果たしていますが、ファストファッションと同じ程度ではありません。コレクションは常に入れ替わっており、ラグジュアリーストアの課題はカタログからどの商品を在庫に置くかを決定することです。これらの店舗は作業に使用できるデータが限られている場合があります。なぜなら、製品参照ごとに1つのユニットしか販売せず、コレクションは数十年続かないからです。ただし、Vermorelは、これが定量的分析が不可能であることを意味しないと強調しています。
過去数十年間、ハードラグジュアリーマーケットは統合と成長を遂げてきました。多くの有名ブランドは今や数十店舗を持ち、小規模な運営にとどまらなくなりました。サプライチェーンの観点からは、市場への影響を最大化し、最大数の願望を満たすことが主な目標です。ただし、ハードラグジュアリーマーケットではデータの希薄な性質のため、古典的な時系列アプローチによるサプライチェーン分析は機能しません。
このインタビューでは、ハードラグジュアリーストアがアソートメントを最適化する際に直面する独特の課題と、売上を推進するための新規性の重要性が強調されています。利用可能なデータが限られているにもかかわらず、この市場では定量的分析は可能であり、ラグジュアリーストアは市場への影響を最大化し、顧客の願望に対応するために革新的な方法を見つけなければなりません。
Vermorelは、伝統的な時系列分析やクラスタリング手法がラグジュアリーブランドには適していないと説明しています。なぜなら、販売数量が少なく、高度に特殊化された製品があるためです。代わりに、彼は顧客と製品をつなぐグラフなど、より包括的なデータ構造を活用することを提案しています。
Vermorelは、既知の顧客ベースやリピートビジネスの性質など、ラグジュアリーリテールの独特な側面を強調しています。顧客はしばしば特定され、彼らの一生を通じて複数の高級品を購入する傾向があります。個々の顧客の好みを理解することで、小売業者は在庫をより適切に顧客の願望に合わせることができ、将来の購入を予測することができます。
ストア内のラグジュアリープロダクトのアソートメントを最適化するために、Vermorelは顧客と製品をつなぐグラフの分析を提案しています。このグラフは、顧客と製品の関連性、および異なる製品間で発生するカニバリゼーションや代替関係を特定するのに役立ちます。顧客人口との関連性を最大化するアソートメントを選ぶことで、ラグジュアリーリテーラーは顧客により適したサービスを提供し、売上を増やすことができます。
実際にこのアプローチを実装するのはどれだけ簡単かという質問に対して、Vermorelは困難さを認めつつも、ラグジュアリーリテーラーは一般的に在庫の価値が高いため、製品の追跡が優れていると強調しています。システムは最新ではないかもしれませんが、データの堅牢性を利用して、販売だけでなく、ある時点で店舗に存在したものを理解することができます。この情報は、顧客がどのような選択をしたか、しなかったかを理解するために重要であり、小売業者は在庫をより最適化することができます。
Vermorelは、ラグジュアリーリテールの在庫管理にはより包括的でデータ駆動型のアプローチを提唱しています。既知の顧客ベースやリピートビジネスの性質など、業界の独自の側面を活用することで、小売業者はアソートメントを最適化し、顧客により効果的に対応することができます。このアプローチには、販売データと店舗内の在庫の深い理解が必要ですが、その結果、より成功したラグジュアリーリテール管理につながることができます。
Vermorelは、ハードラグジュアリーアイテムの在庫レベルは、月末にしか利用できない場合でも、かなり正確なビジョンで再構築できると説明しています。ハードラグジュアリーアイテムは通常、カタログに数千のユニットがあり、各製品を特定するための20以上の属性（貴金属、石の種類、価格帯、サブコレクションなど）があります。
新たに生産されたアイテムを配置する際、Lokadのアプローチは従来の方法とはかなり異なります。Lokadは、各ユニットに対して最適なストアを決定するために確率モデリングを使用します。このモデルでは、ある期間における製品の販売確率や、新しいアイテムの販売が他のアイテムの販売に悪影響を与える可能性などを考慮します。
Lokadは、各新しいユニットをすべてのストアに配置するシミュレーションを行うことで、各アイテムの最適なストアを特定することができます。これは必ずしも最もパフォーマンスの良いストアではない場合もあります。モデルはカニバリゼーションによる収益の減少を考慮し、第1位のストアではなくトップテンのストアにアイテムを配置することを推奨する場合もあります。
モデルが完成したら、ネットワーク内の任意のユニットの最適な配置を評価したり、ユニットをストア間で移動させた結果を評価したりすることができます。これにより、ビジネスは売上を最大化しながらカニバリゼーションのネガティブな影響を最小限に抑えることができます。
Lokadのアプローチを高級店舗に導入することは、数十年にわたって直感によって推進されてきた企業にとって、文化的なショックの可能性があるため、困難な場合があります。Vermorelは、このアプローチを導入するための最初のステップは、冷静に問題に取り組むことであり、情熱によって推進される業界では難しいと提案しています。
フルトランスクリプト
Kieran Chandler: 今日のLokad TVでは、この課題を理解し、これらの高級店舗がアソートメントを最適化するためにできることについて話し合います。では、ジョアネスさん、ハードラグジュアリーのアソートメントについて興味深い点は何ですか？
Joannes Vermorel: 興味深いのは、在庫が需要を創り出すということです。人々はカタログで1万ドルの時計を買うわけではありません。一部の人々はそうするかもしれません。私たちはいくつかのクライアントとその分析を行いましたが、それはごくわずかな割合です。実際には、店舗での体験が成功した購入につながることがあります。それは非常に美しく、かなり高価なアイテムです。それがラグジュアリーの魅力の一つです。
Kieran Chandler: ハードラグジュアリーストアとは、どのような場所にあり、ターゲット市場は誰で、どのような商品を販売しているのでしょうか。説明していただけますか？
Joannes Vermorel: それらは通常、大都市の一部に位置しており、非常に高価なショップが集まる場所です。この集中の背後には歴史的な理由や物流的な理由があります。対象市場は主に中流上級層です。億万長者であっても、ハードラグジュアリーグッズに多額のお金を使っても、財産の大部分を使うわけではありません。億万長者はごくわずかであり、年収10万ドル以上の人々と比べると少ないです。これらの人々は時折、高価な宝石や時計に5000ドルを使うかもしれません。
Kieran Chandler: パリではある程度避けるべきエリアですね。先ほどカタログについて触れましたが、これらの店舗が直面する主な課題は何ですか？
Joannes Vermorel: 主な課題は、カタログに含めるアイテムを決定することです。これはファッションのようなビジネスであり、新しさによって推進されています。ハードラグジュアリーも新しさによって推進されていますが、ファストファッションほどではありません。それでも新しさは非常に重要であり、売上を推進しています。非常に限られた販売数と、製品が20年持たないという事実を組み合わせると、コレクションを入れ替えることになります。これにより、数量的なデータを使用して何かをすることはできないという印象が生まれます。しかし、実際には、数十の店舗を持つ有名なハードラグジュアリーブランドが現在存在しています。
サプライチェーンの観点から興味深いことは、市場での影響を最大化し、最大の欲望を満たす方法を考えるという点です。サプライチェーン分析では普遍的な時系列の視点は、ハードラグジュアリーには完全に間違っています。すべてが非常にまばらですが、時系列が機能しないからといって何もできないという結論を出すのは間違いです。
Kieran Chandler: ラグジュアリーでは、シリーズはまったく機能しません。唯一できることは推測です。ですので、何ができるのでしょうか？なぜなら、ここで説明しているのは、1つの店舗のデータを見ても、実際には関連性のある結論を出すためのデータがほとんどないということです。しかし、ネットワーク全体を見ると、より大きな全体像を構築することができます。
Joannes Vermorel: まさにその通りです。まず、ハードラグジュアリーブランドでも、販売されるユニット数は少なくても、通常は年間数万ユニットです。最初に述べたように、これは集計すると非常に統計的に有意です。ただし、データ量に関して非常に要求が厳しいため、特定の統計的手法では非常に劣る結果になることがあります。
たとえば、タイムシリーズは、プロクター・アンド・ギャンブルのように大量のシャンプーを生産する場合に非常にうまく機能しますが、タイムシリーズには多くのデータが必要です。したがって、タイムシリーズは使用できません。また、クラスタリングのような他の手法も、多くのデータがある場合にはうまく機能しますが、これらの状況では設計上非常に悪い結果になります。
最初の洞察は、時系列の視点以上に活用することです。通常、販売するすべてのユニットは既知の顧客に販売されます。このような製品では、ロイヤリティカードやロイヤリティプログラムがあり、さまざまな理由で顧客を知っています。ハードラグジュアリーは、まるでeコマースのようなものです。顧客は通常識別され、店舗であっても顧客を知っています。これは非常に良い特性です。
ハードラグジュアリーにとっては、もう1つの非常に直感的でないことは、リピートビジネスです。高価な時計を購入する人々は、おそらく生涯で何個か購入する可能性が高いです。少し不公平に聞こえるかもしれませんが、情熱的なアマチュアが数年ごとに高価なアイテムを購入する市場です。
したがって、出発点は、販売された製品を顧客に接続する販売グラフとして製品を考えることです。単位が販売されるのを見るのではなく、この単位が特定の顧客に販売されたことを知っています。したがって、顧客と製品を接続する非常に豊かなデータ構造があります。これがこの問題について考え始める出発点です。
良いアソートメントとは何ですか？それは、店舗に入ってくる顧客の欲望のカバレッジを最大化するために、店舗にある商品を持つことを意味します。
Kieran Chandler: つまり、個々の顧客が何を望んでいるかを理解することで、おそらく2〜3年後に次の購入をするときに、彼らが欲しい最新かつ最大のものを店舗に用意できるようになります。
Joannes Vermorel: はい、アソートメントの力を理解し始めるためには、最大で店舗に1つのユニットしかないような商品の選択を行う必要があります。そして、それがどういう意味なのかを知るためには、多くのカニバリゼーションや代替が行われていることを考える必要があります。機械的な互換性はありません。車の部品を販売しているわけではありません。時計は、男性用のモデル、女性用のモデルがあり、大柄な男性に適したモデルやその他のモデルがあるかもしれません。
Kieran Chandler: それは、身長や体型に合わない人には適していないものです。とはいえ、さまざまな代替が可能です。人々は非常に異なるものの中から選ぶことができます。結論として、どのように定量的に対処するのでしょうか？多くの人々は、これは不可能であり、人間の洞察力だけがこのような分析を理解できると誤解しています。私はそれに全く同意しません。
Joannes Vermorel: カニバリゼーションの代替を定量的に評価する方法は、顧客と製品を結びつけるグラフを分析することです。これにより、過去に購入された製品によって基本的に定義される、観察されたすべてのクライアントとの親和性を確立することができます。すべての製品にはプロファイルがあり、各製品は特定のクライアントとの親和性を持っています。アソートメントを選ぶ際には、実際に店舗に入ることができるクライアントの人口との親和性を最大化するアソートメントを選びたいと思います。
Kieran Chandler: つまり、ゲームの主な目的は、各店舗とその店舗を頻繁に利用するすべての顧客に最適なアソートメントを持つことです。データの観点からは、すべてが素晴らしいと聞こえますが、実際にはどれだけ簡単に実現できるのでしょうか？
Joannes Vermorel: 簡単とは言いませんが、私のハードラグジュアリーに関する経験では、最悪ではありません。まず、これらの企業は優れたトレーサビリティを持っています。高価な貴金属で作られたものを販売しているため、トレーサビリティが非常に重要であるため、これは驚くべきことではありません。このようなビジネスでは、過去に観察されたすべての部品や製品の絶対的なトレーサビリティが数十年にわたって確立されています。必ずしも最新のクラウドベースのITシステムではないかもしれませんが、通常は非常に堅牢です。十分な時間と努力をかければ、必要なすべてのデータを取得することができます。ちなみに、データは単なる販売だけではありません。それは絵の半分に過ぎません。販売されたユニットの場合だけでなく、このユニットが販売されなかった場合には、実際に店舗に欠けていたものが何であるかを理解する必要があります。
Kieran Chandler: つまり、選択されなかった選択肢と選択された選択肢を理解するということですか？
Joannes Vermorel: 絶対にです。日々、どの時点で正確にどのようなアソートメントがあったのかを知る必要があります。非常に高い精度を持つ必要はありません。たとえば、在庫は非常にゆっくりと回転するため、月末の在庫レベルしか持っていなくても、それほど問題ではありません。在庫レベルとは、実質的には店舗にあるかどうかを指します。また、製品についてもいくつかの属性を持っている必要がありますが、ハードラグジュアリーでは、カタログは大きいですが、非常に大きくはありません。使用されている貴金属、石の種類、価格帯、スタイル、サブコレクションなど、多くの属性を持つことができます。したがって、通常は製品を特定するために約20の属性を持つことができます。
Kieran Chandler: では、例えば私が店舗マネージャーであり、ブランドであり、20のユニットをどこに配置し、いつ配置するかを知る必要がある場合、実際にはどうすればよいですか？
Joannes Vermorel: 通常、在庫割り当ては中央で決定されます。
Kieran Chandler: では、ジョアネス、こう聞きましょう。新商品のために20のユニットを生産した場合、どうしますか？
Joannes Vermorel: まず、アソートメントの力の確率モデリングを行う必要があります。つまり、店舗を取り、それらのユニットを持っている場合、どの期間においてもそれぞれのユニットが売れる確率を示すことができます。それは来月、来四半期、来年などです。非常に小さい数値について話しているので、確率的な予測です。
Kieran Chandler: では、次のステップは何ですか？
Joannes Vermorel: まあ、新しい新商品があり、それを押し出す必要があります。最初の店舗を選び、私のモデルに投げることで、「モデルよ、もし私がこの1つのユニットを追加した場合、結果は何ですか？」と言います。ちなみに、将来の売上を確率とともにシミュレーションし、このユニットが売れる優先度を確認します。しかし、同時に、どれだけのカニバリゼーションが関与しているかも確認します。なぜなら、この新商品をこの店舗に押し出すと、実際には売れるかもしれませんが、周りのユニットをカニバリゼーションしているだけで、あまり得るものはありません。確率的な予測によって、カニバリゼーションを考慮に入れた上で、店舗に1つのユニットを配置することで、そのユニットの財務的な結果を正確に評価することができます。その後、同じことを他の店舗にもシミュレーションし、第3店舗、第4店舗までシミュレーションすることができます。そこから、最良の結果をもたらす店舗を評価することができます。
Kieran Chandler: なるほど、理解しました。では、どの店舗が最適かをどのように決定するのですか？
Joannes Vermorel: 最良の店舗だと思うかもしれませんが、実際にはそうではありません。最良の店舗はすでに多くの在庫を持っています。そのため、カニバリゼーションのために収益が減少します。通常、この定量的な分析を始めると、ネットワークのどこかにプッシュしたい最初のユニットは、一番の店舗ではないことに気付くでしょう。通常、世界の店舗リストを見ると、まだかなり良い店舗になるでしょうが、一番ではないかもしれません。トップ10の店舗の中の何かになるかもしれません。
Kieran Chandler: なるほど。では、2番目のユニットはどうすれば割り当てる場所を決めることができますか？
Joannes Vermorel: さきほど行ったプロセスを繰り返しますが、すでに最初のユニットを配置しているため、1つの店舗にはもう1つのユニットがあるということを知っています。これを繰り返すことで、完全な分布が得られます。興味深いことに、このようなモデリングができると、現在ネットワーク内にある任意のユニットを見て、「このユニットは本当に適切な場所にあるのか？」と自問自答することができます。アイテムを移動すると、アソートメントの力を表す数学的な予測モデルを確認することになります。具体的には、「このユニットをこの店舗から取り除いた場合、何を失うのか？」という質問をすることで、モデルを検証します。
Kieran Chandler: 突然、少なくなったため、何かを失う可能性があります。そして、実際にそのユニットを別の場所に移動したことで何を得るのでしょうか？
Joannes Vermorel: ユニットが移動する時間を表す摩擦があります。
Kieran Chandler: では、最後の質問です。高級店でこれを実施する場合、最初に取るべき手順は何ですか？顧客データをすべて持っていること、売上や店舗で保持しているものを正確に把握していることが重要ですか？
Joannes Vermorel: 最初の質問は、最適化を始める準備ができているかどうかです。文化的なショックを受けて最適化を行うことは、通常、文化的なショックです。もしかしたら、最高の店舗は新しさの100パーセントを自分自身に与える権利があると考えていたかもしれませんが、突然、このゲームをやめると、「新しさの公正なシェアに権利があるかもしれない、おそらく新しさの半分以上、100パーセントではないかもしれない」と言うかもしれません。ですから、文化的なショックです。最適化を始めるとき、特にドルのエラーやドルの機会の観点で最適化を行う場合、数十年にわたって直感によって成功してきた会社である場合、それは本当のショックです。また、自分の直感が間違っていたことに気づくこと自体も本当のショックです。人々はそれに多くのエゴを持つことができます。数値最適化の問題は、事実に対するあなたの意見に関心を持ちません。文化的なショックは非常に強い場合があり、おそらく最初のステップです。おそらく、この問題を冷静な方法で合理化しアプローチすることから始めることが最も困難なステップです。情熱によって推進される業界では、非常に困難なことです。おそらく、これが最初のステップであり、多くの高級ブランドにとって最も困難なステップです。
Kieran Chandler: それでは、ほぼ以上です。今週はありがとうございました。次のエピソードでまたお会いしましょう。さようなら。
