هر سال، خرده فروشان مد در سرتاسر جهان بیش از ۱ تریلیون دلار در برنامه‌های کاهش قیمت مد فصلی و پایان فصل سرمایه گذاری می‌کنند. به طور سنتی این برنامه‌ها را بر اساس تجربه، ادراکات فردی و تحلیل‌های ساده طراحی و مقیاس‌بندی می‌کنند. مشکل این استراتژی‌های برنامه کاهش قیمت در صنعت مد این است که سعی می‌کنند یک مسئله ریاضی پرمخاطره را بدون استفاده از ریاضیات اصولی حل کنند، که در نتیجه این markdown، سطوح یکسانی از اثربخشی ترکیبی به دست می‌آید.
ابتدا بهتر است نگاهی به معنی Markdown داشته باشیم تا بتوان راحت‌تر آن را تحلیل کنیم. Markdown به این معنی است که هرگاه یک سازمان یا برندی دست به کاهش قیمت (شکست مقطعی قیمت) محصولات یا خدمات خود می‌زند. که به نمونه‌هایی از آن مثل تخفیفات فصلی، مناسبتی و … می‌توان اشاره کرد. اما از آنجایی که ما در زبان پارسی هنوز معنایی کلمه‌ای برای آن نداریم، مجبوریم از لغت انگلیسی آن استفاده کنیم یا به عنوان برنامه کاهش قیمت نام برد.
حال با یک مثال بازگردیم به بحث اصلی؛ به عنوان نمونه، یک خرده فروش مد ممکن است یک کاهش قیمت ساده و فراگیر ۵۰% به منظور پاک کردن موجودی ارائه دهد و شاید سطح تخفیف را در هفته‌های بعدی افزایش دهد. برقراری ارتباط با این رویکرد آسان است و حجم فروش را افزایش می‌دهد، اما هزینه پنهان خطرناکی دارد: کاهش شدید حاشیه سود که می‌تواند سودآوری را به خطر بیندازد. حال این سوال پیش می‌آید پس چگونه خرده فروشان می‌توانند با اعتماد لازم یک برنامه کاهش قیمت مناسب را برای دستیابی به اهداف تجاری خود تعیین کنند.
پاسخ در استفاده از تجزیه و تحلیل‌های پیشرفته (مانند داده‌های بزرگ، الگوریتم‌های قیمت گذاری و یادگیری ماشین) برای اتخاذ تصمیمات قوی‌تر در مورد نحوه ارائه نشانه‌هایی که از نظر سودآوری، هم برای مصرف کنندگان و هم برای خرده فروشان جذاب است. با توجه به مخاطرات بالا، تجزیه و تحلیل‌های پیشرفته روشی ایده آل برای حل پویایی صنعت از نظر فصلی بودن، تغییر سریع سلیقه‌ها و محدودیت‌های موجودی ارائه می‌دهد.
راهنمای خرده فروشان مد برای استفاده از تجزیه و تحلیل پیشرفته برای برنامه کاهش قیمت (markdown )
خرده فروشان مد در یک محیط تجاری چالش برانگیز فعالیت می‌کنند. بیشتر کالاهای آنها فصلی است، با مقادیر ثابتی از موجودی فاسد شدنی، و با هجوم مداوم محصولات جدید روبرو هستند که هیچ داده تاریخی برای تجزیه و تحلیل یا مقایسه ندارند. تحت این شرایط، خرده فروشان برای برنامه ریزی فروش فصلی خود، با تکیه بر تجربه، قوانین کلی و تحلیل‌هایی حدسی، که البته مخاطره آمیز است عمل می‌کنند، که اما با این وجود نیز منطقی است.
علم داده امروزی راه بهتری را به خرده فروشان مد ارائه می‌دهد. یک فرآیند دو فازی بسیار ساختار یافته از تهیه و مدیریت یک برنامه کاهش قیمت پشتیبانی می‌کند. فاز اول، شامل سه مرحله شرح داده شده در ادامه، به خرده فروشان اجازه می‌دهد تا رفتار مصرف کنندگان را در حین فروش تخمین بزنند، پیش بینی‌هایی را آماده کنند و همچنین بهترین شبکه تخفیف را بر اساس محصولات تعریف کنند. در فاز دوم به خرده فروشان مد این فرصت را می‌دهد تا برنامه کاهش قیمت خود را در زمان واقعی تطبیق دهند.
محصولات همسان: این اولین قدم در فروش پایان فصل برای پیش‌بینی عملکرد مجموعه‌های جدید (که سابقه فروش ندارند) بر اساس عملکرد مجموعه‌های گذشته ضروری است. این گام با تجزیه و تحلیل الگوهای فروش پیش از کاهش قیمت در سطح شناسه SKU (واحد نگهداری موجودی. واحد نگهداری موجودی یا کد SKU یک شناسه منحصر به فرد برای کالایی است که توسط یک خرده فروش فروخته می‌شود. خرده فروشان کدهای SKU خود را بر اساس ویژگی‌های مختلف کالای خود ایجاد می‌کنند.) آغاز می‌شود، به علاوه در ادامه با تجزیه و تحلیل داده‌های عملکردی پیشین برای اقلام با مسیر تجاری شبیه به آن شناسه‌ی SKU، پیش می‌رود. سپس هدف این است که شناسه SKUهایی که، در فصل‌های گذشته، الگوی فروش مشابهی داشته‌اند را پیش از کاهش قیمت شناسایی کنیم تا بتوانیم محصولات فعلی را بر این اساس مطابقت بدهیم. تجزیه و تحلیل پیشرفته این مرحله را کارآمدتر و قوی‌تر می‌کند، اما قوی‌ترین تأثیر آن در مرحله دوم و سوم است.
کمی سازی تقاضا: یک مدل پیش‌بینی تقاضا می‌تواند به تیم‌ها کمک کند تا درک کنند که حجم فروش یک محصول چگونه به تغییرات قیمت در هر مقطع زمانی واکنش نشان می‌دهد. از طریق این مدل، تیم‌ها همچنین می‌توانند عواملی مانند فصلی بودن، شدت تبلیغات، ترافیک و موجودی را در نظر بگیرند. برای SKUها یا انتخاب‌هایی که نسبت به قیمت انعطاف ندارند، برنامه کاهش قیمت بزرگ تأثیر مثبت کمی بر حجم فروش و تأثیر منفی قابل توجهی بر حاشیه‌ها خواهند داشت. اما برای SKUهای منعطف یا انتخاب‌ها، برنامه کاهش قیمت جزئی می‌تواند تاثیر زیادی بر حجم با حداقل کاهش حاشیه داشته باشد. مدل پیش‌بینی تقاضا به داده‌های SKU فصول پیش برای تعیین کمیت تقاضا برای فصل آینده نگاه می‌کند و در نتیجه تصمیمات قیمتی آگاهانه‌تری خواهد داشت.
ایجاد و انتخاب سناریوها: سومین و آخرین مرحله در این فاز، مدل پیش بینی تقاضا را مورد استفاده قرار می‌دهد. این مرحله امکان تخمین حجم فروش برای هر SKU را با درصدهای مختلف تخفیف در هر هفته، و استفاده از این نتایج برای ایجاد تعداد قابل توجهی از سناریوهای کاهش قیمت را ممکن می‌سازد. سپس تیم می‌تواند سناریوها را بر اساس اهداف تجاری خود انتخاب کند. دو هدف رایج نیز، بهبود (یا به حداکثر رساندن) حاشیه و تولید سرمایه در گردش است.
در ادامه با چند مثال یک نمای کلی از استراتژی‌های احتمالی که خرده فروشان می‌توانند برای دستیابی به اهداف مختلف استفاده کنند و زمینه‌هایی که در آن تعقیب این اهداف منطقی است را می‌بینیم.
برای مثال، برخی از خرده فروشان می‌خواهند برنامه‌ای طراحی کنند که حداکثر کردن سود ناخالص را در دوره فروش بدون کاهش حجم در اولویت قرار دهد. دیگران می خواهند افزایش فروش و کاهش باقیمانده را بدون تسلیم حاشیه در اولویت قرار دهند. هدف اول زمانی معنا پیدا می‌کند که یک انتخاب با قیمت معمولی، خود به خوبی فروخته شده باشد و موجودی باقیمانده برای فروش پایان فصل محدود باشد، یا زمانی که یک مسیر ترخیص به خوبی تعریف شده‌ای برای سهام باقیمانده وجود داشته باشد، مانند یک خروجی اختصاصی. با این حال، زمانی که یک انتخاب خوب هنوز فروخته نشده است و موجودی باقیمانده زیاد است، باید برنامه‌هایی به گونه‌ای طراحی شوند که کالاها را از موجودی پاک کرده و تا حد امکان حجم محرکی داشته باشد و در عین حال از احتمال کاهش کمترین سود ناخالص اطمینان حاصل شود. خروجی نهایی این مرحله اول یک شبکه تخفیف دقیق بر اساس کالا و فروشگاه است.
یک خرده فروش مد این فرآیند را با جمع‌آوری و مقایسه دو سال داده‌های تراکنش روزانه بر اساس فروشگاه و SKU انجام داد تا بتواند رفتار مشتری را در دوره‌های قبل و بعد از تبلیغات مشاهده کند. فراتر از داده‌های قیمت و حجم، خرده فروش بسته به انتخاب، داده‌های موجود در انبار، دوباره سازی‌ها و بیش از دوجین ویژگی کالا (اندازه، سبک، رنگ، محل قرارگیری در فروشگاه و غیره) را نیز بررسی کرد.
سپس تیم پارامترهای هر سناریو را تعریف کرد، از جمله تاریخ شروع و پایان، اینکه برنامه در فصل باشد یا پایان فصل، هدف از بهینه سازی (مانند سود ناخالص، حجم فروش، یا سرمایه در گردش) و در نهایت قوانین کسب و کار، مانند تعداد تغییرات قیمت و شکل تخفیف (درصد، مقدار، یا نقطه قیمت). در این نمونه، خرده فروش ترجیح داد بیش از دو تغییر قیمت را در طول دوره فروش ایجاد نکند و تصمیم گرفت برای ساده سازی ارتباط در فروشگاه و جلو گیری از سر درگمی مشتری، رویکردی یکسان برای کاهش قیمت‌ها در یک دسته محصول داشته باشد. این تصمیمات تضمین می‌کرد که خرده فروش دارای قوانین نشانه گذاری مشخص و مجموعه‌ای از محدودیت‌های کاملاً تعریف شده برای ارزیابی پیامدهای هزینه فایده دارد.
اصلاحات و تطبیق در زمان واقعی
شروع یک کمپین سر زنده، فاز دوم فرآیند برنامه کاهش قیمت را آغاز می کند. از آنجایی که داده‌های فروش توسط فروشگاه و SKU به جریان می‌افتد، یادگیری ماشینی عملکرد الگوریتم‌هایی را که سناریوهای نشانه‌گذاری را می‌خوانند و به آنها واکنش نشان می‌دهند، بهبود می‌بخشد و توصیه‌های پیچیده و دقیق‌تری را در زمان واقعی ارائه می‌دهد. با استفاده از این فناوری، خرده فروش می‌تواند شبکه تخفیف اولیه را در حین فروش بررسی و تنظیم کند.
این واقعیت که به نظر می‌رسد نتایج با تعمیم مخالفت می‌کنند، مزیت حیاتی انجام تحلیل‌های پیشرفته و نیاز به انجام آن را نشان می‌دهد. یک خرده فروش می‌تواند بجای استفاده از تفکر مرسوم یا قوانین دم دستی، برنامه‌ای منحصر به فرد و بهینه را برای شرایط خود طراحی کند، بر اساس مجموعه‌ای از عوامل که ممکن است مقادیر آنها در دوره فروش بعدی بسیار متفاوت به نظر برسد.
وقتی نوبت به تنظیمات بلادرنگ برنامه می‌رسد، کسب‌وکارهای آنلاین نسبت به فروشگاه‌های فیزیکی که به علت نیازهای عملیاتی محدود شده‌اند، مزیت دارند. خرده فروشان آنلاین می‌توانند به طور خودکار استراتژی خود را با تغییرات مداوم قیمت که توسط چرخش در سطح SKU دیکته می‌شود، بهبود بخشند و در موارد پیچیده‌تر، برنامه کاهش قیمت را در سطح مشتری شخصی سازی کنند.
به جای اعمال قوانین دم دستی، یک خرده فروش مد می‌تواند فوراً یک برنامه کاهش قیمت منحصر به فرد و بهینه برای شرایط خود طراحی کند.
مزایای کلان تجزیه و تحلیل پیشرفته
تجزیه و تحلیل‌های پیشرفته اغلب به دلیل اینکه می‌تواند در سطح خرد، در دستیابی به مزیت‌های زیادی کمک کند، تحسین می‌شود. به عنوان مثال، به یک خرده فروش این قدرت را می‌دهد تا با اطمینان بداند که بهترین تخفیف اولیه برای یک برند شلوار جین، زمانی که فروش بهاره شروع می‌شود (MSRP 24.95 دلار با 3245 قطعه باقی مانده در انبار) ، ۴۰ درصد است. اما استفاده از تجزیه و تحلیل پیشرفته همچنین مزایای زیر را در سطح کلان به خرده فروش ارائه می دهد:
بهینه سازی اهداف برای چرخه عمر کامل محصول. تجزیه و تحلیل پیشرفته، به طور طبیعی، با استفاده مداوم بهبود می‌یابد. این بدان معنی است که استفاده از آنها به یک خرده فروش مد اجازه می‌دهد تا یک محصول یا انتخاب را در طول چرخه عمر خود بهینه کند، نه فقط برای یک تبلیغ جداگانه. بینش‌های حاصل از تجزیه و تحلیل‌ها، می‌تواند ورودی‌های لازم برای برنامه‌ریزی استراتژیک و همچنین تصمیمات خرید و تجارت را که فراتر از دوره تبلیغاتی موجود است را، ارائه می‌دهد.
سپردن کار درست به انسان. فناوری‌های موجود و جدید مهم هستند، اما عامل انسانی هنگامی که با استفاده از تجزیه و تحلیل‌های پیشرفته، و هنر تیم خرده فروشی که با علم، تخصص و تجربه خود این تحلیل را تکمیل می‌کند، حیاتی باقی می‌ماند. تیم‌های داخلی هنوز نیاز به تعریف قوانین دقیق برای هدایت الگوریتم‌ها و کدها دارند و اجرای توصیه‌ها در زندگی واقعی در سطح فروشگاه فقط می‌تواند با مشارکت کارکنان در محل فروش کار کند. فروش همچنین به ارتباطات و نمایشگرهای ثابت نیاز دارد، کمک‌هایی که ماشین‌های هوشمند نمی‌توانند انجام دهند. در نهایت، فروش نیاز به نظارت و مداخله جدی دارد تا اطمینان حاصل شود که به اهداف خود وفادار است.
توسعه مهارت‌های جدید. یک برنامه بهینه سازی markdown به یک خرده فروش مد کمک می‌کند تا مهارت‌های دیجیتالی خود را توسعه دهد و تجزیه و تحلیل‌های پیشرفته را در بسیاری از زمینه‌های دیگر مانند مدیریت کلی قیمت، تخصیص و تکمیل مجدد و سفارشی سازی اعمال کند. برای خرده فروشانی که دست به یک تحول دیجیتالی می‌زنند، یا در حال حاضر در میانه یک تحول دیجیتالی هستند، استفاده از تجزیه و تحلیل پیشرفته برای نشانه گذاری‌ها به آنها کمک می‌کند تا پتانسیل ابزارهای تجزیه و تحلیل را کشف کرده و بهتر درک کنند. “فروش” یک مراسم قدیمی برای خرده فروشان و مصرف کنندگان است که با صف‌های طولانی و ترافیک سنگین، بدون توجه به آب و هوا یا زمان روز، علامت گذاری می‌شود. از لحاظ تاریخی، بازرگانان می‌دانستند چه چیزی می‌فروشد، اما اکنون، به لطف بینش‌های ارائه شده توسط تجزیه و تحلیل‌های پیشرفته، آنها می‌توانند به طور قابل اعتماد پیش‌بینی کنند که چه مقدار به فروش می‌رسد، چه زمانی به فروش می‌رسد، و به چه قیمتی به فروش می‌رسد، تضمین یک آیین مالی جذاب برای همه طرف‌های درگیر است.
بدون دیدگاه