Прогнозирующая оптимизация для моды
Мода движется новизной. Модный бренд должен разработать и продвинуть правильный продукт в нужное время, по правильной цене и с запасом, который окажется достаточным для обслуживания рынка. Затем, акции используются, во-первых, для усиления спроса и, во-вторых, для ликвидации оставшегося избытка товаров. Lokad предоставляет статистическое программное решение, которое обеспечивает прогнозирующую оптимизацию на каждом этапе жизненного цикла продукта, от создания до ликвидации. Наша технология полностью соответствует тому, что делает моду настолько невероятно сложной: всеобщие каннибализации и замены, непредсказуемые тенденции и сезонности, бесконечные потоки новых продуктов, высокодинамичные цены и т. д.
Ред. Следующий контент не относится к твердой роскоши, которая следует совершенно другому набору правил и ограничений. Дополнительную информацию см. в статье Прогнозирующая оптимизация для твердой роскоши.
Vizions by Zalando: первая в Европе платформа для конференций 20 апреля 2017 года, Берлин
Давайте начнем с невинного вопроса. Зачем, по вашему мнению, существуют распродажи? В наши дни зимние распродажи, летние распродажи и ряд других мероприятий между ними являются институцией, особенно в мире моды. (...) Но зачем они существуют в первую очередь? Они существуют, чтобы позволить розничным продавцам избавиться от излишков товаров. В первую очередь распродажи являются проявлением неправильного прогноза. Можно сказать, что сегодня они являются гораздо большим, чем просто это. Это верно, но исходная цель остается прежней.
Жоанн Верморель, основатель Lokad
LOKAD TV
Ознакомьтесь с нашими интервью на Lokad TV и узнайте больше о цепи поставок и моде.
Оптимизация от начала до конца полного жизненного цикла продукта
Фаза 1 - предколлекция
Многие модные бренды запускают тысячи новых ссылок на каждую коллекцию - учитывая размеры, цвета, точки продаж и т. д.
За последнее десятилетие самые успешные бренды продемонстрировали свою способность все больше приспосабливаться к последним тенденциям, увеличивая количество коллекций в год и сокращая сроки поставки.
Технология прогнозирования и оптимизации Lokad решает каждое принятие решения на протяжении всего жизненного цикла каждого продукта бренда. Наша технология представляет собой комбинацию машинного обучения - используемого для извлечения паттернов или прогнозов из данных - и числовой оптимизации - используемой для генерации оптимальных решений.
Подготовка новой коллекции начинается с доставки оптимизации ассортимента - также называемого плана ассортимента. Технология Lokad позволяет вам составить правильный набор размеров, цветов и форм на основе первоначальных дизайнов. Этот план ассортимента предназначен для максимально точного соответствия желаниям и ожиданиям вашей клиентской базы. Lokad может помочь вам создать бизнес-кейс, который поддерживает план ассортимента, и предлагает возможность планировщикам уточнить план с помощью своих высокоуровневых идей - в отличие от микроуправления каждым отдельным вариантом продукта.
Как только план ассортимента утвержден, мы предоставляем оптимизацию закупок, предлагая точное количество единиц, которые должны быть произведены или закуплены для каждого отдельного варианта продукта - а также когда их заказывать. Естественно, большинство продуктов никогда не продавались ранее. Эта задача обычно усложняется несколькими ограничениями МОК (минимальные заказные количества), скидками на цены, а также различными сроками поставки (например, китайский Новый год замедляет производство в Азии). Lokad также может оптимизировать смесь транспорта (например, морской или авиационный груз) и смесь источников (например, зарубежные поставщики или местные поставщики).
Например, наш решатель МОК может справиться с несколькими перекрывающимися ограничениями МОК: может быть МОК на уровне продукта (например, минимальное количество 100 единиц на продукт для каждого заказа), другое МОК на уровне ткани (например, минимальное количество 3000 метров ткани на цвет) и окончательное МОК на уровне поставщика (например, минимальная стоимость закупленного товара в размере 50 000 долларов США). Решение всех этих МОК при одновременном контроле уровней запасов является серьезной проблемой при ручной обработке МОК. Lokad полностью упрощает этот процесс с помощью числовых решателей, которые позволяют определить наиболее прибыльный заказ, удовлетворяющий всем заданным ограничениям.
Фаза 2 - запуск после коллекции
Когда наступает запуск коллекции, мы предоставляем оптимизацию распределения запасов, решая, сколько единиц следует выделить каждому центру распределения и/или каждому магазину. В магазине запасы выполняют две функции: обслуживание спроса и привлечение клиентов в магазин. Оптимизация распределения учитывает этот мерчандайзинговый аспект, максимально используя каждый магазин. Оптимизация учитывает ограничения по вместимости хранения (например, полочное пространство), а также ограниченную способность команд на месте справиться с большими партиями поступающих товаров. Также учитываются пакеты и лоты, которые удобны для снижения затрат на обработку.
Чтобы следовать последним тенденциям, мы определяем бестселлеры и медленно продвигающиеся товары. Определение бестселлеров, предназначенное для запуска ранних пополнений, может быть выполнено с ограниченными запасами, проверяя рынок в ограниченном количестве магазинов - возможно, только через платформу электронной коммерции. С другой стороны, раннее определение медленно продвигающихся товаров также важно для того, чтобы как можно скорее убрать эти товары с полок, которые они занимают в ущерб лучшим товарам.
Для большинства брендов быстрой моды скидки и другие механизмы продвижения являются частью ДНК бренда. Lokad предлагает возможности оптимизации ценообразования, предлагая, когда снизить цену, чтобы гарантировать, что в конце коллекции не останется ничего, при этом максимизируя общую сумму валовой прибыли.
Мы также учитываем скидки, происходящие из программ лояльности - равномерно применяемые к многим продуктам - которые могут заменять и иногда дополнять скидки на уровне продукта.
Оптимизация ассортимента, оптимизация закупок, оптимизация распределения запасов, определение бестселлеров и медленно продвигающихся товаров, оптимизация ценообразования: Lokad может использоваться для оптимизации всех этих решений - и не только - с последовательным полным представлением о полном жизненном цикле продуктов. Однако также возможно начать с малого с более узкой задачей. По всем вопросам пишите нам на почту contact@lokad.com
Моде требуются нестандартные прогнозы спроса
Оптимизация решений, связанных с запасами и ценами, требует точных представлений о будущем. Однако классическая перспектива прогнозирования спроса в большинстве случаев неэффективна в отношении моды. Lokad разработала уникальные возможности прогнозирования, созданные в основе вокруг проблем, с которыми сталкиваются компании модной индустрии.
Мы работаем с вероятностными прогнозами: мы рассматриваем все возможные будущие события и вычисляем их соответствующие вероятности. Действительно, неопределенность спроса в моде неизбежна. Нет надежды на создание “идеального” прогноза. Традиционные методы ожидают, что решения будут приниматься на основе “единственного” прогноза, делая эти решения уязвимыми к ошибкам прогноза.
Вместо отказа от неопределенности мы принимаем ее. С помощью вероятностных прогнозов мы балансируем риски и возможности.
Прогнозы работают на уровне ассортимента, чтобы учитывать эффекты каннибализации и замещения. Прогноз спроса на продукт в изоляции не имеет смысла, поскольку спрос на этот продукт сильно зависит от присутствия или отсутствия аналогичных продуктов, которые конкурируют за одних и тех же клиентов. Традиционные методы, сосредоточенные на прогнозах временных рядов, полностью упускают этот момент, и ситуация обычно ухудшается, когда также используются запасы безопасности или уровни обслуживания.
Спрос зависит от ценообразования, которое является неотъемлемой частью нашего прогноза. Будущий спрос не только является вопросом вероятностей, но и эти вероятности влияют на цену продукта - действенный рычаг, доступный компании.
Опять же, ассортимент имеет значение, и увеличение спроса зависит от общей интенсивности продвижения. Неразумно ожидать такого же увеличения спроса, если продвигается только один продукт в магазине, по сравнению с продвижением, применяемым ко всему магазину. Прогнозы не ограничиваются только спросом; также необходимо прогнозировать возвраты и сроки поставки.
Каждый источник неопределенности требует правильного статистического прогнозирования, и хотя будущий спрос является центральным, есть и другие потребности, и мы разработали нашу технологию соответствующим образом. Эти прогнозы обычно также являются вероятностными и часто сочетаются с самими прогнозами спроса - например, прогнозирование спроса на протяжении срока поставки. Последнее поколение нашей технологии прогнозирования основано на дифференцируемом программировании. Этот потомок глубокого обучения особенно подходит для работы с разреженным и прерывистым спросом, как это обычно наблюдается в модной индустрии.
А что насчет погоды и социальных сетей?
Наши исследования показывают, что большинство компаний катастрофически недоиспользуют свои собственные "базовые" исторические данные. Большинство прогнозов спроса даже не используют данные о лояльности клиентов, и большинство заказов на покупку делаются без формального прогноза сроков поставки. Таким образом, хотя мы не отрицаем возможность получения подсказок из внешних источников данных, таких как социальные сети или погодные данные, мы твердо уверены, что компании должны начать с максимального использования уже имеющихся данных.
Масштабирование для решения задачи
Масштабирование моды включает сотни магазинов и десятки тысяч вариантов. Поэтому движок прогнозирования должен быть способен масштабироваться до миллионов позиций SKU. Наш движок прогнозирования был изначально разработан для облачных вычислений. В отличие от традиционных решений, облачные вычисления не являются послесловием для Lokad: Lokad может обрабатывать терабайты данных ежедневно.
Кроме того, в отличие от традиционных подходов, наша возможность прогнозирования не зависит от ручного связывания старых и новых продуктов, указывая системе, какой старый продукт следует считать наиболее актуальным для прогнозирования нового продукта.
Вместо этого наш движок прогнозирования полностью полагается на передовые алгоритмы машинного обучения для автоматического обнаружения сходств, которые могут существовать между продуктами, и для самостоятельного определения, какие конкретные продукты являются релевантными для прогнозирования нового продукта в коллекции.
Это автоматическое обнаружение сходств основано на многочисленных атрибутах продукта, которые обычно присутствуют в моде: тип продукта, семейство продукта, размер, цвет, ткань, стиль, ценовой диапазон, бренд и т. д. Хотя можно было бы опасаться необходимости большого объема данных, наш опыт в Lokad показывает, что данные каталога, такие, как они есть для работы с фасетами интернет-магазина, обычно достаточно для достижения хороших результатов.
Традиционные прогнозные решения, основанные на ручном сопоставлении продуктов, слишком трудоемки для эффективного использования - слишком много пар для рассмотрения, поскольку именно сопоставление является основным компонентом прогнозов.
Из-за неэффективности этого метода компании обычно возвращаются к своим электронным таблицам, так как ручное прогнозирование сопоставления не дает необходимой ценности. Lokad принимает вызов, фокусируясь на основной сложности задачи, вместо того, чтобы перекладывать бремя на пользователей.
Однако в Lokad, хотя мы и можем называть этот процесс прогнозирования сопоставления продуктов, мы не предполагаем, что существует однозначное соответствие между продуктами из старой и новой коллекции. Например, один продукт может быть разделен на несколько вариантов, что может привести к каннибализации. Затем другой продукт может быть действительно “новым”, без близкого соответствия с прошлыми продуктами. В таком случае, прогностический движок опирается на более широкие соображения, такие как категория продукта, семейство, бренд или ценовая точка.
Экономические факторы и белый ящик
Решения должны быть оптимизированы с учетом ожидаемой прибыли, выраженной в долларах или евро, а не в процентах.
Все факторы, которые формируют стоимость и вознаграждение решения, вместе называются экономическими факторами: они включают в себя валовую маржу, затраты на хранение запасов, транспортные расходы, стоимость возможности использования полки, доброжелательность клиента и т. д. Lokad явно моделирует все эти экономические факторы, учитывая особенности рынка моды.
Например, когда продукт продается со скидкой, это создает ожидание со стороны клиента получить аналогичную скидку в будущем.
Первоначальная цель этих экономических факторов - поддержать процесс числовой оптимизации, который генерирует решения (например, количество заказа или скидки на продукт). Нет оптимизации без измерения: экономические факторы буквально являются тем, что делает процесс оптимизации работающим.
Lokad не является заменой глубокого стратегического понимания (оно происходит от экспертов вашей команды), наша технология просто разработана для того, чтобы сделать возможным масштабирование этих стратегических идей - как отражено через экономические факторы - в каждом принятом компанией решении.
Вторая цель этих факторов - это процесс “белого ящика”. Цель процесса белого ящика - предоставить вашей команде высокую степень прозрачности для каждого решения, сгенерированного Lokad. Вашей команде необходимо понять, почему Lokad предлагает это решение. Для достижения этой цели каждое решение, сгенерированное Lokad, сопровождается своим набором метрик - измеряемых в евро или долларах - которые объясняют бизнес-намерение решения. Эти метрики являются различными отражениями экономических факторов. Наш опыт показывает, что такой подход превосходит попытки прояснить алгоритмические детали расчета, что не только невероятно трудоемко, но и в значительной степени лишено смысла, кроме как для экспертов по машинному обучению или числовой оптимизации.
С точки зрения управления, экономические факторы являются мощным механизмом для управления компанией в правильном направлении. Эти факторы не рассматриваются как “неизменные”, а наоборот, всегда могут изменяться, чтобы отразить эволюцию рынка. Технология Lokad разработана для обеспечения высокой степени гибкости: с ограниченными усилиями можно разработать сложные сценарии “что если”, отображающие различные альтернативные стратегии.