Una delle sfide più grandi per gli e-commerce ed i retailer fisici è sicuramente predire correttamente la domanda dei proprio prodotti così da poter di organizzare di conseguenza tutte le altre attività aziendali connesse.
Questa problematica diventa ancora più critica quando si fa riferimento a specifici periodi dell’anno: il Black Friday è infatti considerato la data di inizio di un lungo periodo di feste che portano di solito ad un forte incremento delle vendite dei business. Fino a qualche anno fa, il Black Friday (e ancora di più il Cyber Monday) venivano classificate come delle ricorrenze tipicamente americane ma recentemente hanno iniziato a diffondersi anche in altre parti del mondo con una velocità sorprendente.
Previsioni non affidabili - da cui conseguono spesso quantità ordinate mal calibrate - possono facilmente mettere a rischio la profitability di un’azienda: tale considerazione è ancora più rilevante quando si parla di prodotti tecnologici o complessi i cui tempi di consegna tendenzialmente più lunghi rendono impossibile un rifornimento in itinere. Questo articolo di Michele Russo vuole mostrare un modello integrato che metta assieme previsione delle vendite future ed ottimizzazione delle quantità da ordinare.
Prevedere il futuro
Molto probabilmente il sales forecast è uno dei compiti più difficili e sfidanti per un’azienda a causa di due motivi: i modelli impiegati nella previsione delle vendite possono essere molto complessi, oltre al fatto che spesso gli eventi futuri deviano facilmente da quanto inizialmente ipotizzato. Per le precedenti ragioni, risulta cruciale sapere come affrontare la fase di forecast, di seguito verranno descritte tre macro-suggerimenti per assicurare che le previsioni ottenute siano affidabili
Guarda al passato
Per poter avere un buon risultato finale, il punto di partenza è quasi sempre guardare i dati storici così da comprenderne le principali caratteristiche. Ogni serie storica può essere di solito scomposta in una componente di trend, una di stagionalità ed una di ciclicità. Quanto alla nostra applicazione, grande enfasi ed attenzione dovrà essere prestata al trend e alla stagionalità. Comprendere il trend di una serie di dati può essere estremamente utile nel constatare se l’interesse per un prodotto è in crescita o meno: questa operazione può migliorare le decisioni in termini di future iniziative di marketing. In secondo luogo, è anche fondamentale riuscire a catturare la stagionalità dei dati e di mappare la stessa con le diverse festività dell’anno così da poter prevedere i periodi più soggetti a poderosi aumenti della domanda.
Sulla base di questi punti è di conseguenza possibile scegliere il migliore forecasting model, utile a stimare i futuri dati di vendita. Nell’immagine di seguito si può osservare l’impiego di uno strumento di forecasting per modellizzare il futuro andamento di una serie storica, la parte in verde del grafico mostra tutti i punti che sono stati creati dal modello. I dati impiegati per questa analisi sono dati veri relativi ad un prodotto molto venduto presso una grande catena di supermercati americani.
Considera l’imprevedibile
Avere delle buone stime puntuali è di certo un grande traguardo ma tenere in considerazioni anche l’incertezza potrebbe essere molto più importante. La migliore strategia quando si fanno previsioni è sempre considerare l’intervallo di valori entro il quale è ragionevolmente credibile che i numeri stimati possano trovarsi. Quanto appena detto è particolarmente d’aiuto nel poter condurre delle “what-if” analisi e compiere di conseguenza una scelta più consapevole. Nella precedente immagine è possibile notare che gli intervalli delle stime sono stati rappresentati in blue chiaro e servono proprio per tenere conto dell’incertezza delle stime.
Fidati dei dati (ma non troppo)
Quest’ultimo punto potrebbe risultare in contrasto con quanto appena esposto ma in realtà non lo è. I dati e previsioni basate sugli stesso sono di sicuro uno strumento molto potente ma in molti casi risulta cruciale integrare il modello creato con delle valutazioni di carattere qualitativo. I modelli predittivi basati sulle serie storiche potrebbero infatti catturare in maniera eccellente i fenomeni passati ma ciò non assicura che il futuro comportamento dei data sarà esattamente identico al passato. Per ovviare a questo problema il miglior suggerimento è quello di arricchire le analisi quantitative con una serie di insight qualitativi.
Ottimizzare la strategia
Dopo aver correttamente eseguito la fase di forecasting, il prossimo passaggio è utilizzare tali dati per compiere decisioni manageriali che in buona parte dei casi risultano essere cross-functional.
Qual è la quantità perfetta di prodotto da ordinare dal fornitore, viste queste stime di vendita? Quale sconto è meglio applicare? A che livello dovremmo pubblicizzare le promozioni?
Queste sono solo alcune delle molte possibili domande che una azienda dovrebbe porsi prima di implementare direttamente la strategia. Come è possibile intuire, gli analytics sono uno strumenti estremamente utile nel coordinare una estesa varietà di attività aziendali, che spesso vanno dal marketing & sales fino al procurement e all’accounting.
In generale è possibile identificare due principali step per poter pianificare in maniera ottimale tutte queste attività, che possono essere riassunti come segue.
Catturare la big picture
L’utilizzo degli analytics in questo contesto mutevole può essere estremamente utile per poter tenere in considerazione numerosi parametri e scenari: valori come il prezzo unitario, i costi variabili e fissi, i costi di promozione, il livello di sconti, la quantità di unità tenute a magazzino dovrebbero essere sempre inseriti all’interno di un modello di ottimizzazione.
Più precisamente, le aziende dovrebbero prestare particolare attenzione a due tipi di parametri nello sviluppo di questi modelli: i livelli di sconto e i costi promozionali, nello scenario più favorevole, infatti, le vendite beneficiano dell’introduzione di sconti o pubblicità targettizzate. È dunque molto importante comprendere come stimare questi valori: l’incremento delle vendite negli scorsi anni può essere impiegati per predire il futuro aumento delle vendite dato un certo livello di sconto, mentre i costi di promozione possono essere facilmente reperiti attraverso i documenti contabili.
Dopo aver reperito tutto queste informazioni, è possibile passare all’effettiva costruzione del modello e prevedere le quantità di vendita ed i rispettivi valori di profitability. Un esempio di quanto descritto può essere trovato di seguito.
In fine, il modello proporrà la quantità ottima da acquistare così da ottimizzare la funzione di profitto.
Scegliere la strategia migliore
Prima di passare alla scelta finale, l’azienda dovrebbe decidere la strategia da seguire, tarando le tempistiche e l’intensità della stessa. Ad esempio, guardando alla precedente analisi potrebbe essere sensato non sprecare budget in promozioni nelle prime settimane di festività ma di concentrare tutti gli sforzi nel picco natalizio così da poter ulteriormente amplificare il già positivo effetto della scontistica. Questa parte dell’analisi può variare fortemente da azienda ad azienda e dovrebbe essere condotta con grande attenzione.
In conclusione, tutte le aziende – specialmente se attive nell’ambito dell’e-commerce o del retail – dovrebbero seriamente prendere in considerazione un framework analitico di questo tipo così da poter sprigionare il potere del forecasting, tenendo sempre presente alla stesso tempo il rigore procedurale e le conseguenti implicazioni manageriali.
Comments