La gestión eficaz de los niveles de existencias es un desafío constante para los minoristas, tanto en línea como fuera de línea. Pero hacerlo bien (o mal) puede tener un impacto directo en las ganancias generales. Bobby Gray, director de análisis y marketing de datos de Artefact, analiza el papel que desempeña el aprendizaje automático (que se extiende mucho más allá de las técnicas de predicción tradicionales) en la evolución de la previsión de la demanda.
La gestión de inventario es una parte esencial de la vida minorista y tiene una relación directa con los ingresos generales. También es un desafío perpetuo.
Tradicionalmente, los datos de ventas de años anteriores se utilizan para predecir lo que se venderá en el próximo período, pero esto suele ser demasiado simplista.
Tomemos un producto con bajas cifras de ventas; la conclusión obvia es que no es popular. Pero en lugar de que los números bajos reflejen el desinterés de los compradores, podría indicar lo contrario: la compra rápida del artículo provocó que se vendiera más rápido de lo previsto, dejando un vacío en los estantes. La falta de disponibilidad da como resultado ventas bajas que le impiden alcanzar su potencial de ventas, un ciclo que puede continuar indefinidamente.
Esta es una oportunidad de ingresos desperdiciada, pero debido a que predecir las ventas sigue siendo una ciencia bastante inexacta, es bastante común, junto con muchas otras situaciones relacionadas con las ventas que pueden afectar negativamente las ganancias.
Es un tema particularmente crítico para los minoristas que tienen miles de líneas de productos y/o necesitan administrar el inventario perecedero de manera eficiente; el exceso de stock es tan malo para el negocio como tener muy pocos artículos. (Las estimaciones sugieren que la mala gestión del inventario cuesta a los minoristas estadounidenses cerca de 2.000 millones de dólares al año).
Las variaciones en los patrones de compra.
Las compras se ven afectadas por muchos factores: clima, tendencias de compra, regulación, nuevos productos, comportamientos de compra, eventos estacionales, promociones, actividad de la competencia, una pandemia… Las predicciones basadas en datos registrados previamente no necesariamente tienen en cuenta eventos específicos, por lo que mensualmente las ventas aparecen distribuidas uniformemente cuando esto es poco probable.
Tener en cuenta la estacionalidad al predecir las ventas futuras no es infalible; una fecha que es un día de semana o un fin de semana provoca fluctuaciones en las cifras. El comportamiento del consumidor también puede verse influido por eventos como fiestas nacionales, festivales culturales y torneos deportivos importantes. Incluso hacer pronósticos sobre certezas anuales no es una garantía de éxito: la Pascua, por ejemplo, es una fecha diferente cada año, y las ventas de algunos productos varían ampliamente dependiendo de si es temprano o tarde.
Las señales del nivel de precios también pueden hacer que las cifras de ventas generales sean engañosas; una promoción en la tienda puede afectar notablemente las ventas de un producto de una categoría determinada e incluso hacer que la tienda en su conjunto sea más atractiva para los compradores.
Mientras tanto, un producto puede mostrarse como «en stock», pero no estar disponible, y los grandes minoristas a menudo luchan por volver a llenar los estantes en tiempo real. Esto abre una ventana de ‘tiempo de inactividad de ventas’, particularmente para artículos populares, que se mueven rápidamente tan pronto como están disponibles para la compra.
Estos son problemas reales que enfrentan los minoristas. Pero se puede desbloquear una ganancia incremental significativa a través de una gestión efectiva de pedidos e inventario, que también utiliza el presupuesto de marketing de manera más efectiva y aumenta los precios de venta promedio gracias a la menor necesidad de promociones para eliminar el exceso de existencias. Fácil de marcar, esto presenta un gran desafío, sobre todo porque requiere el procesamiento de datos de una gran cantidad de artículos en stock.
Tecnología avanzada y gestión inteligente de inventario
Los modelos de aprendizaje automático pueden pronosticar las ventas con meses de anticipación; se extienden mucho más allá de las técnicas de predicción tradicionales, que tienden a depender de los factores estándar de día, producto y tienda. El comportamiento de compra es mucho, mucho más complejo y requiere sensibilidad a cosas como la estacionalidad, las tendencias de consumo, los niveles de precios, eventos únicos, etc.
Esto requiere que los minoristas recopilen y analicen grandes cantidades de datos de diferentes fuentes y en diferentes formatos; Las herramientas de big data procesan la información en el formato limpio y legible requerido para el modelado predictivo.
Armados con este detalle, los minoristas pueden aprovechar la información de fácil acceso para resolver problemas comunes. Por ejemplo, es casi imposible que los empleados controlen continuamente la disponibilidad de existencias y vuelvan a hacer pedidos de inmediato. Pero los datos de ventas en tiempo real (o casi en tiempo real, como diarios) a nivel de artículo (y los modelos que analizan el flujo de ventas habitual de un producto) pueden detectar cuándo un artículo se ha agotado o está a punto de agotarse. Las desviaciones del período de tiempo normal entre cada venta en un mercado determinado (fuera de línea y en línea) se pueden marcar y se puede utilizar la intervención humana para revisarlas y rectificarlas.
La tecnología avanzada está poniendo cada vez más muchos escenarios en los que todos ganan al alcance de los minoristas, como la gestión inteligente de inventario que aumenta las oportunidades de ingresos incrementales. El aprendizaje automático también puede ayudar con las operaciones de ajuste fino; actividades tales como optimizar la variedad de productos, ofrecer promociones más tentadoras y rentables y establecer precios son todas opciones generadoras de ingresos que se vuelven factibles con la información correcta a mano.
Los datos y las herramientas correctos dan como resultado informes rápidos y precisos, lo que hace que las tareas que alguna vez requirieron mucho tiempo, sean complejas y potencialmente imposibles sean más sencillas. Visto desde esa perspectiva, el aprendizaje automático tiene un papel importante en la evolución de la mejora de la planificación de ventas minoristas y el crecimiento de los ingresos, ya sea en la tienda o en línea.
