Как правильно прогнозировать спрос на новые товары?

«Сколько заказать товара-новинки, чтобы его успели раскупить ровно к следующей поставке?» —  категорийные менеджеры регулярно сталкиваются с этим вопросом, вводя новый товар в ассортимент. Ответ на него может дать прогнозирование спроса. Большинство ритейлеров пытается рассчитать прогноз в Экселе, некоторые работают со специализированными прогнозными системами. Клиенты Астор пользуются преимуществами искусственного интеллекта в RS.SCM.

Стандартное решение

Самый распространенный подход — это ручное назначение эталонного аналога новому продукту. Эталон используется в качестве образца для модели продаж нового продукта до тех пор, пока не будут накоплены собственные исторические данные. Однако, в продуктовой рознице за год вводится в ассортимент огромное количество новых товаров. Это значит, что ручная идентификация и настройка аналогов будет слишком трудозатратна, и не даст менеджеру сосредоточиться на своих основных целях.

Поможет ли автоматизация?

Ритейлер может научить свою систему прогнозирования подбирать товар-аналог на основе атрибутов продукта. Например, хороший исходный эталонный продукт из категории «молоко» можно найти путем поиска продуктов с той же ценой, объемом и свойственными атрибутами, такими как жирность, наличие лактозы и глютена. Но у этого подхода есть недостатки:

  • Набор важных для потребителя атрибутов товара может меняться с течением времени. Сначала был важен вкус продукта,а потом на первый план вышел его состав или репутация производителя. Эти изменения должны регулярно вноситься в систему товародвижения вручную. Но на объеме в несколько тысяч товарных позиций — это сложно и дорого.
  • Для качественного прогноза по одному товару-аналогу нужна история его продаж минимум за 13 месяцев. Не каждый эталонный товар ей будет обладать.

Как улучшить процесс?

Система автозаказа RS.SCM умеет качественно прогнозировать новинки не полагаясь на дополнительные характеристики товара аналога.

Для товаров класса «A» по ABC. Новинки-лидеры категории не так часто появляются в ассортименте. Для них целесообразно использовать прогноз на основании товара-аналога. Для удобной работы с эталонными товарами в RS.SCM есть графический мастер, где менеджеры категорий быстро находят подходящий аналог по цене и скорости продажи. В отличие от характеристик товаров, эти данные не требуют ручной актуализации.

Участие человека нужно только на этапе визуального выбора аналога в мастере. Остальные этапы процесса система в силах пройти самостоятельно.

Для товаров классов «B» и «С». Презентационный запас рассчитывается автоматически на основании заданного размера товарной выкладки. Далее система начнет прогнозировать спрос на новинку исходя из текущего уровня продаж. Влияние сезонности и трендов берется из полной истории продаж всей товарной группы.

В RS.SCM используется несколько методов прогнозирования. Искусственный интеллект системы самостоятельно выбирает наиболее подходящий метод для конкретной товарной группы и конкретных условий. Пользователь не задумывается о правильной группировке товаров и магазинов для определения сезонности и трендов. Алгоритм просчитает все варианты и выберет наилучший. Для скоропортящихся товаров такой подход позволяет получать качественный прогноз уже после 1-2 недель продаж. И что важно — без участия человека.