AI podría resolver la tasa de retorno vertiginosa de la industria del calzado

Se acerca la Navidad y los minoristas ya están luchando por satisfacer la demanda debido al impacto duradero de la pandemia en las cadenas de suministro. A medida que nos acercamos al final del año, cuando reinan las ventas y las compras navideñas, las empresas deben implementar estrategias proactivas que maximicen el inventario o, de lo contrario, enfrentar desafíos de suministro que aplastan los márgenes. La inteligencia artificial puede ofrecer una solución.

El segmento de calzado del comercio minorista presenta desafíos únicos para la gestión de inventario, debido a problemas de variabilidad de tamaño y patrones de devolución. La inteligencia artificial puede transformar la forma en que las empresas de calzado resuelven estos desafíos ayudándolas a administrar el inventario, pronosticar la demanda del mercado y monitorear los márgenes de ganancia.

Si la previsión fuera un rompecabezas, la previsión de ventas constituiría las piezas de borde y la previsión de rendimiento constituiría el centro. No puede tener una imagen completa de la previsión minorista sin datos de ventas y devoluciones. Desafortunadamente, la mayoría de los sistemas de pronóstico anticipan las ventas y descuidan las devoluciones, probablemente porque el análisis de las devoluciones es mucho más complejo.

Especialmente para las empresas de calzado, donde las tasas de retorno eran tan altas como el 40% antes de la pandemia, el pronóstico de ventas por sí solo presenta una imagen extremadamente limitada de la actividad general de una empresa. Desde los bloqueos de 2020, las ventas y devoluciones en línea solo han aumentado.

Algunas empresas de calzado se están dando cuenta de una tendencia específica en el comportamiento del consumidor:los clientes están comprando tres pares de zapatos de diferentes tamaños para poder probárselos en casa y devolver los dos que no les quedan. Esto es un gran asesino de ganancias, porque los minoristas de calzado a menudo no pueden revender lo que se devuelve de una compra en línea tan fácilmente como lo hacen en una tienda, donde los ajustes de zapatos ocurren en un ambiente más controlado. Las devoluciones también pueden deberse a diferencias en colores o estilos si, por ejemplo, el comprador no cree que el zapato se vea igual en persona que en línea.

Para navegar por esta tendencia, las tiendas han comenzado a revender zapatos de “caja abierta” a un precio con descuento. Si bien esta estrategia ha ayudado a contener la hemorragia de las ganancias, las devoluciones y los descuentos deben tenerse en cuenta en una ecuación matemática muy compleja, lo que hace que sea casi imposible comprender el panorama general del inventario.

Aquí es donde la IA puede cambiar el juego. Todos los minoristas necesitan pronósticos precisos basados ​​en los datos disponibles para predecir y planificar el rendimiento de cada canal minorista, ya sea en línea, en la tienda o en una venta combinada de compra en línea, recogida en la tienda (BOPIS). Esta es una gran cantidad de datos para administrar, pero la IA puede simplificar el proceso al proporcionar e interpretar información sobre el inventario hasta la tienda, el SKU, el tamaño, el color y el estilo. Solo con este grado de información detallada, las empresas de calzado podrán realizar predicciones precisas sobre las ventas y las devoluciones, y planificar el inventario en consecuencia.

Determinación de la optimización de tamaño con IA

La optimización del tamaño es un componente crítico de la industria del calzado, pero muchos minoristas no tienen las herramientas necesarias para tomar decisiones informadas. Un solo estilo de zapato puede venir en hasta 15 tallas, a veces más. Y cuando los clientes compran más tamaños de los que finalmente conservarán, las predicciones se vuelven aún más complicadas.

La IA puede extraer datos críticos de múltiples fuentes, no solo ventas históricas, para ayudar a los minoristas a determinar qué tamaños almacenar más o menos. Los pronósticos generados por IA se mejoran aún más con el aprendizaje automático, que se vuelve más inteligente con el tiempo gracias a los nuevos datos y la información actualizada. Los mejores sistemas de pronóstico de IA brindan predicciones más precisas, porque aprenden constantemente del resultado de cada pronóstico y se ajustan en consecuencia para obtener una precisión aún mayor. Idealmente, para un minorista, esto daría como resultado una previsión de la demanda automatizada y "sin contacto", lo que daría a los planificadores humanos más tiempo para centrarse en las excepciones.

Los retrasos en la cadena de suministro han entorpecido la planificación de la reposición. La mayoría de los comerciantes predicen cuáles y cuántos productos venderán al principio de la temporada y hacen un plan a largo plazo basado en este pronóstico. Sin una previsión detallada en tiempo real, especialmente ante la volatilidad de la cadena de suministro, estas primeras predicciones pueden ser, en el mejor de los casos, un juego de adivinanzas.

La IA proporciona información detallada sobre las ventas y puede ayudar a los minoristas a optimizar su estrategia de asignación de pretemporada. Luego, las empresas pueden determinar las tendencias y patrones de compra, analizar el inventario e incorporar las ventas y las devoluciones reales para hacer predicciones más precisas durante la temporada.

Con la inteligencia artificial, los minoristas pueden obtener esta información en tiempo real para poder actuar con rapidez, en lugar de esperar o hacer movimientos basados ​​en información obsoleta. Con información sobre las ventas semana a semana, los minoristas pueden adoptar un enfoque más proactivo para el reabastecimiento. Podrán determinar qué reabastecer, qué se puede vender y la tasa de rendimiento de un producto determinado. De esta manera, el reabastecimiento minorista se transforma y los márgenes se expanden para obtener mejores ganancias.

Un enfoque tienda por tienda

Para prosperar y crecer en este entorno de compras posterior a la pandemia, los minoristas de calzado deben adoptar un enfoque tienda por tienda al determinar una estrategia de pronóstico, asignación y reabastecimiento. Los minoristas no pueden simplemente confiar en los datos del año pasado, los datos regionales o las predicciones generales; necesitan incorporar niveles granulares de conocimientos que generen recomendaciones utilizables y basadas en datos. Las diferencias leves en los datos demográficos pueden afectar significativamente qué tamaños y estilos serán más populares que otros en una región determinada en un momento determinado.

Esto puede parecer abrumador para los minoristas de calzado con múltiples tiendas en todo el país o el mundo, pero la IA hace que el proceso sea alcanzable al automatizar la recopilación y el modelado de datos. Los minoristas pueden dedicar más tiempo a hacer pronósticos precisos y tomar medidas basadas en datos confiables, en lugar de hacer predicciones a partir de conjeturas fundamentadas.

Muchas industrias, desde la venta minorista hasta la moda y la alimentación, han adoptado enfoques reactivos para las estrategias de venta minorista de inventario durante demasiado tiempo. Contamos con la tecnología y las herramientas para realizar pronósticos precisos y maximizar las ganancias en momentos de extrema volatilidad del mercado. Es hora de que los minoristas inviertan en una metodología científica y estrategias omnicanal basadas en inteligencia artificial que hagan que la previsión, la asignación y el reabastecimiento sean más precisos y efectivos. La IA lo hace posible y cada día es más inteligente.

Yogesh Kulkarni es codirector ejecutivo de antuit.ai , parte de Zebra Technologies .