Cómo la IA puede reducir las tasas de devolución de calzado y aumentar la rentabilidad minorista

La Navidad se acerca y los minoristas ya luchan 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 las ventas y compras navideñas reinan, las empresas necesitan implementar estrategias proactivas que maximicen el inventario, o enfrentar desafíos de suministro que aplastan los márgenes. La inteligencia artificial puede ofrecer una solución.

El segmento de calzado en el comercio minorista presenta desafíos únicos para la gestión de inventario, debido a problemas de variabilidad de tallas y patrones de devolución. La IA puede transformar cómo las empresas de calzado resuelven estos desafíos ayudándoles a gestionar inventario, pronosticar la demanda del mercado y monitorear márgenes de ganancia.

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

Para las empresas de calzado especialmente, donde las tasas de devolución eran tan altas como el 40% antes de la pandemia, la previsión de ventas por sí sola presenta una imagen extremadamente limitada de la actividad general de una empresa. Desde los confinamientos de 2020, las ventas y devoluciones en línea solo han aumentado.

Algunas empresas de calzado están detectando una tendencia específica en el comportamiento del consumidor: los clientes compran tres pares de zapatos en diferentes tallas para 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 devuelto de una compra en línea tan fácilmente como una compra en tienda, donde las pruebas de calzado ocurren en un entorno más controlado. Las devoluciones también pueden deberse a diferencias de colores o estilos si, por ejemplo, el comprador no cree que el zapato se vea igual en persona que en línea.

Para navegar esta tendencia, las tiendas han empezado a revender zapatos "open-box" a precio con descuento. Aunque esta estrategia ha ayudado a frenar la hemorragia de ganancias, las devoluciones y descuentos deben ser considerados en una ecuación matemática altamente compleja, haciendo 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 datos disponibles para predecir y planificar el rendimiento de cada canal minorista, ya sea en línea, en tienda o una venta combinada de compra en línea, recogida en tienda (BOPIS). Esta es una increíble riqueza de datos para gestionar, pero la IA puede simplificar el proceso proporcionando e interpretando insights de inventario hasta el nivel de tienda, SKU, talla, color y estilo. Solo con este grado de información detallada las empresas de calzado podrán hacer predicciones precisas sobre ventas y devoluciones, y planificar el inventario en consecuencia.

Determinar la optimización de tallas con IA

La optimización de tallas 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 tallas de las 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 tallas almacenar más o menos. Los pronósticos generados por IA se mejoran aún más con machine learning, que se vuelve más inteligente con el tiempo gracias a nuevos datos e información actualizada. Los mejores sistemas de previsión con IA dan predicciones más precisas, porque aprenden constantemente del resultado de cada pronóstico y ajustan en consecuencia para una precisión aún mayor. Idealmente, para un minorista esto resultaría en previsión de demanda automatizada, "sin intervención", dando a los planificadores humanos más tiempo para enfocarse en las excepciones.

Los retrasos en la cadena de suministro han echado un tornillo en la planificación de reaprovisionamiento. La mayoría de los merchandisers predicen qué y cuántos productos venderán temprano en la temporada, y hacen un plan a largo plazo basado en este pronóstico. Sin previsión detallada en tiempo real, especialmente frente a la volatilidad de la cadena de suministro, estas predicciones tempranas pueden ser un juego de adivinanzas en el mejor de los casos.

La IA proporciona insights detallados sobre ventas y puede ayudar a los minoristas a optimizar su estrategia de asignación previa a la temporada. Las empresas pueden entonces determinar tendencias y patrones de compra, analizar inventario e incorporar ventas y devoluciones reales para hacer predicciones más precisas durante la temporada.

Con la IA, los minoristas pueden obtener esta información en tiempo real para actuar rápidamente, en lugar de esperar o hacer movimientos basados en información desactualizada. Con insights de ventas semana a semana, los minoristas pueden tomar un enfoque más proactivo al reaprovisionamiento. Podrán determinar qué reabastecer, qué puede agotarse y la tasa de devoluciones en un producto dado. De esta manera, el reaprovisionamiento minorista se transforma y los márgenes se expanden para mejores ganancias.

Un enfoque tienda por tienda

Para prosperar y crecer en este entorno de compras post-pandemia, los minoristas de calzado necesitan un enfoque tienda por tienda al determinar una estrategia de previsión, asignación y reaprovisionamiento. Los minoristas no pueden simplemente confiar en los datos del año pasado, datos regionales o predicciones generales; necesitan incorporar niveles granulares de insights que generen recomendaciones basadas en datos y utilizables. Ligeras diferencias demográficas pueden impactar significativamente qué tallas y estilos serán más populares que otros en una región dada en un momento dado.

Esto puede sonar desalentador para minoristas de calzado con múltiples tiendas en el país o el mundo, pero la IA hace el proceso alcanzable automatizando la recolección y 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 educadas.

Muchas industrias, desde el comercio minorista hasta la moda y la alimentación, han tomado enfoques reactivos a las estrategias de inventario minorista por demasiado tiempo. Tenemos la tecnología y herramientas para hacer pronósticos precisos y maximizar ganancias en tiempos de extrema volatilidad del mercado. Es hora de que los minoristas inviertan en una metodología científica y estrategias omnicanal enfocadas en IA que hagan la previsión, asignación y reaprovisionamiento más precisos y efectivos. La IA lo hace posible, y se vuelve más inteligente cada día.

Yogesh Kulkarni es co-director ejecutivo de antuit.ai, parte de Zebra Technologies.