Affrontare la sfida del riassortimento nei negozi

In questo approfondimento descriviamo brevemente i metodi esistenti per riassortire gli articoli mancanti e ridurre i casi NOSBOS. Esaminiamo poi tre metodi più avanzati per fare in modo che le scorte non restino nel magazzino del negozio, ma siano effettivamente disponibili nell'area di vendita.

Metodi tradizionali di riassortimento

Controlli manuali e visivi

Con il primo metodo, un addetto percorre il negozio con carta e penna, annota le taglie mancanti nell'area di vendita e poi le preleva dal magazzino del negozio.

Transazioni POS

Il secondo metodo si basa sulle transazioni di vendita. A intervalli regolari viene stampato un elenco di tutte le transazioni POS e gli articoli venduti possono essere riassortiti dal magazzino del negozio. Entrambi i metodi, però, richiedono molto tempo e presentano dei limiti. Il primo richiede agli addetti grande precisione nell'individuare le taglie assenti o non più presenti nell'area di vendita: un compito impegnativo anche per le persone più esperte e scrupolose. Inoltre, quando l'elenco è finalmente completo, non c'è alcuna garanzia che la taglia mancante sia effettivamente disponibile nel magazzino del negozio. L'articolo potrebbe essere esaurito, rendendo l'intero processo di riassortimento inefficiente e probabilmente poco gratificante per il personale.

Il secondo metodo, basato sulle transazioni POS, non considera i riassortimenti effettuati durante la giornata, per esempio quando un articolo è già stato prelevato manualmente dal magazzino del negozio. Gli articoli che escono dal negozio senza passare dal POS, come quelli rubati, non vengono mai riassortiti. Come il primo metodo, anche questo non tiene conto degli articoli esauriti nel magazzino del negozio, creando inefficienze mentre gli addetti cercano i prodotti mancanti. A causa di questi limiti e dei nuovi sviluppi tecnologici, i metodi tradizionali vengono sempre più spesso sostituiti da approcci più avanzati. Quali sono, però, i vantaggi e gli svantaggi di questi nuovi metodi?

Nuovi metodi di riassortimento

Elenco completo delle differenze: area di vendita e magazzino del negozio

Con RFID è possibile distinguere le scorte nell'area di vendita da quelle nel magazzino del negozio. In base al conteggio RFID di ciascuna area, i retailer possono compilare facilmente un elenco completo e iniziare il riassortimento. Purtroppo, la realtà è molto più complessa. Perché? Un articolo può non essere esposto, o non dover essere esposto, nell'area di vendita per diversi motivi, tra cui:

• Esclusività: vengono esposte solo alcune taglie
• Spazio: vengono esposti pochi articoli per limiti di spazio
• Incompletezza: la gamma di taglie non è più completa
• Nuova collezione: il prodotto è già nel magazzino del negozio, ma non deve ancora essere esposto
• Vecchia collezione: il prodotto è ancora nel magazzino del negozio, in attesa di essere spedito al magazzino centrale o all'outlet

Anche questo approccio semplicistico presenta quindi dei limiti: non basta stabilire che ogni prodotto rilevato dal conteggio RFID nel magazzino del negozio e assente dall'area di vendita debba essere riassortito. Dopo ogni conteggio RFID si otterrebbe un lungo elenco di risultati non pertinenti, settimana dopo settimana. Anche questo metodo è quindi molto inefficiente, perché gli addetti devono dedicare molto tempo a capire quali risultati dell'elenco siano rilevanti e quali no.

Creare un planogramma

Per superare questo problema, i retailer possono usare un planogramma che assegna a ogni articolo una posizione prestabilita su uno scaffale specifico. Agli addetti basta quindi consultarlo e riempire gli spazi vuoti. Ciò che inizialmente sembra logico è, in realtà, una sfida impegnativa.

La difficoltà principale è che un planogramma, per definizione, varia da negozio a negozio. I negozi più grandi offrono un assortimento più ampio rispetto a quelli più piccoli e possono esserci differenze anche tra negozi della stessa categoria. Nei diversi paesi cambiano i prodotti e le taglie esposte, per adattarsi alle caratteristiche dei clienti.

A complicare le cose, tutto questo cambia nel tempo: di settimana in settimana, o persino di giorno in giorno, in funzione del meteo. Anche riuscendo a definire un planogramma per ogni negozio, con il tempo diventerebbe obsoleto, perché la moda evolve.

In sintesi, mantenere un planogramma così flessibile è estremamente complesso. L'impegno necessario per aggiornare un planogramma adeguato a negozi diversi supera i vantaggi del suo utilizzo per il riassortimento.

Usare algoritmi e machine learning

Gli algoritmi e il machine learning hanno acquisito sempre più popolarità negli ultimi anni. Il motivo principale è la grande capacità del machine learning di formulare previsioni o suggerimenti elaborati a partire da grandi quantità di dati. Tra gli esempi più comuni ci sono gli algoritmi di Netflix, che suggeriscono film in base a quelli già visti, e quelli di Amazon, che consigliano libri in base agli acquisti precedenti.

Ma come si può usare il machine learning per creare una soluzione di riassortimento per i negozi? Sulla base dei livelli di scorte attuali e storici, gli algoritmi possono imparare quali combinazioni di prodotto e taglia sono più importanti nell'area di vendita e quali non dovrebbero esserci. Queste informazioni permettono di generare un elenco di priorità per ogni negozio, da confrontare con i dati RFID delle scorte nel magazzino del negozio e nell'area di vendita. I risultati possono quindi essere presentati in un elenco ordinato di suggerimenti di riassortimento.

Con algoritmi e machine learning, il riassortimento diventa quindi un processo molto più rapido ed efficace: gli addetti sanno che gli articoli nell'elenco dei suggerimenti di riassortimento sono a) disponibili nel magazzino del negozio e b) molto probabilmente destinati all'area di vendita. Pur migliorando efficienza ed efficacia, questo metodo richiede comunque un controllo umano, perché le macchine non possono considerare tutte le eccezioni.

Approccio e risultati

Partendo da questo concetto di applicazione del machine learning, abbiamo sviluppato una funzionalità di riassortimento completamente integrata nell'app iD Cloud. La stessa app viene usata per tutte le altre attività RFID in negozio, come i conteggi e la programmazione di nuove etichette.

Subito dopo il conteggio RFID delle scorte per area, iD Cloud presenta un elenco di suggerimenti di riassortimento che gli addetti possono usare per decidere quali articoli riassortire. Hanno così un'unica vista che mostra lo stato attuale sia dell'area di vendita sia del magazzino del negozio. Per rendere tutto ancora più chiaro, sono incluse anche le immagini dei prodotti: persino un nuovo collega può quindi effettuare il riassortimento in modo efficace.

Questo metodo è stato sperimentato e verificato con diversi retailer di abbigliamento in un numero significativo di negozi. Lo studio ha rilevato i seguenti risultati:

1. La disponibilità a scaffale di tre taglie principali è migliorata, in media, dall'88% a oltre il 98% nel giro di poche settimane.
2. Gli addetti hanno dedicato il 55% di tempo in meno al riassortimento perché sanno esattamente cosa riassortire e hanno la certezza di trovare disponibili gli articoli presenti nell'elenco.

I risultati mostrano che l'elenco dei suggerimenti di riassortimento è uno strumento estremamente utile per aiutare gli addetti a garantire ai clienti la disponibilità dei prodotti nell'area di vendita. Ne derivano vantaggi qualitativi e quantitativi, tra cui:

1. È stato dimostrato che una maggiore disponibilità a scaffale può aumentare le vendite.
2. Eliminando attività ripetitive, gli addetti sono più soddisfatti e hanno più tempo da dedicare ai clienti.

Conclusione

Avere scaffali sempre ben riforniti è una delle maggiori sfide per i negozi, perché riassortire gli articoli giusti può essere difficile. In questo white paper abbiamo esaminato diversi metodi e concluso che il riassortimento basato su controlli visivi, transazioni POS e planogrammi genera inefficienze e risultati lontani dalla perfezione.

Ci si aspetterebbe un risultato molto migliore dal riassortimento basato su RFID, ma un elenco completo di tutte le differenze tra area di vendita e magazzino del negozio appare efficace solo a prima vista. Nella pratica, anche questo metodo semplicistico porta a un processo inefficiente, perché produce elenchi molto lunghi con numerosi risultati non pertinenti.

I conteggi RFID combinati con algoritmi e machine learning offrono risultati molto più significativi. Naturalmente, resta sempre una componente umana: alla fine, sono gli addetti a dover effettuare il riassortimento. I primi risultati dimostrano però che lavorare con un elenco prioritario di suggerimenti di riassortimento è promettente: il processo è più rapido, la disponibilità a scaffale migliora e questa maggiore disponibilità porta anche a un incremento delle vendite.