KI könnte die steigende Rücklaufquote der Schuhindustrie lösen

Weihnachten steht vor der Tür und Einzelhändler haben aufgrund der nachhaltigen Auswirkungen der Pandemie auf die Lieferketten bereits Mühe, die Nachfrage zu decken. Gegen Ende des Jahres, wenn Weihnachtsverkäufe und Shopping die Oberhand haben, müssen Unternehmen proaktive Strategien zur Maximierung des Lagerbestands implementieren oder sehen sich margendrückenden Angebotsherausforderungen gegenüber. Künstliche Intelligenz könnte eine Lösung bieten.

Das Schuhsegment des Einzelhandels stellt aufgrund von Größenschwankungen und Rückgabemustern einzigartige Herausforderungen an das Bestandsmanagement. KI kann die Art und Weise verändern, wie Schuhunternehmen diese Herausforderungen meistern, indem sie ihnen hilft, ihren Bestand zu verwalten, die Marktnachfrage vorherzusagen und die Gewinnmargen zu überwachen.

Wenn Prognosen ein Puzzle wären, wären die Absatzprognosen die Eckpfeiler und die Renditeprognosen das Zentrum. Ohne Umsatz- und Retourendaten können Sie sich kein umfassendes Bild von Einzelhandelsprognosen machen. Leider antizipieren die meisten Prognosesysteme Verkäufe und vernachlässigen die Retouren, wahrscheinlich weil die Retourenanalyse viel komplexer ist.

Insbesondere für Schuhunternehmen, deren Rücklaufquoten vor der Pandemie bis zu 40 % betrugen, bieten allein die Verkaufsprognosen ein äußerst begrenztes Bild der Gesamtaktivität eines Unternehmens. Seit den Lockdowns im Jahr 2020 haben Online-Verkäufe und -Retouren nur zugenommen.

Einige Schuhhersteller erkennen einen spezifischen Trend im Konsumverhalten:Kunden kaufen drei Paar Schuhe in unterschiedlichen Größen, um sie zu Hause anzuprobieren und die beiden, die nicht gepasst haben, zurückzugeben. Dies ist ein enormer Gewinnkiller, da Schuhhändler oft nicht so einfach weiterverkaufen können, was bei einem Online-Einkauf zurückgegeben wurde wie bei einem Ladenkauf, bei dem die Schuhanpassung in einer kontrollierteren Umgebung stattfindet. Rücksendungen können auch auf Farb- oder Stilunterschiede zurückzuführen sein, wenn der Käufer beispielsweise der Meinung ist, dass der Schuh persönlich nicht gleich aussieht wie online.

Um diesem Trend gerecht zu werden, haben Geschäfte damit begonnen, „Open-Box“-Schuhe zu einem reduzierten Preis weiterzuverkaufen. Obwohl diese Strategie dazu beigetragen hat, schwindende Gewinne zu stoppen, müssen Renditen und Rabatte alle in eine hochkomplexe mathematische Gleichung einfließen, die es fast unmöglich macht, das umfassendere Bestandsbild zu verstehen.

Hier kann KI das Spiel verändern. Alle Einzelhändler benötigen genaue Prognosen auf der Grundlage verfügbarer Daten, um die Leistung jedes Einzelhandelskanals vorherzusagen und zu planen, sei es online, im Geschäft oder als gemischter Kauf online, Abholung im Geschäft (BOPIS). Dies ist eine unglaubliche Datenmenge, die verwaltet werden muss, aber KI kann den Prozess vereinfachen, indem sie Bestandsinformationen bis hin zum Geschäft, SKU, Größe, Farbe und Stil liefert und interpretiert. Nur mit diesem Grad an detaillierten Informationen können Schuhunternehmen genaue Vorhersagen über Verkäufe und Retouren treffen und den Lagerbestand entsprechend planen.

Bestimmen der Größenoptimierung mit KI

Die Größenoptimierung ist ein wichtiger Bestandteil der Schuhindustrie, aber viele Einzelhändler verfügen nicht über die notwendigen Tools, um fundierte Entscheidungen zu treffen. Ein einziger Schuhtyp kann bis zu 15 Größen haben, manchmal auch mehr. Und wenn Kunden mehr Größen kaufen, als sie letztendlich behalten werden, werden Vorhersagen umso komplizierter.

KI kann kritische Daten aus mehreren Quellen beziehen, nicht nur aus historischen Verkäufen, um Einzelhändlern zu helfen, zu bestimmen, welche Größen mehr oder weniger auf Lager sind. KI-generierte Vorhersagen werden dann durch maschinelles Lernen weiter verbessert, das dank neuer Daten und aktualisierter Informationen mit der Zeit intelligenter wird. Die besten KI-Prognosesysteme geben genauere Vorhersagen, da sie ständig aus dem Ergebnis jeder Vorhersage lernen und sich entsprechend anpassen, um noch genauere Ergebnisse zu erzielen. Im Idealfall würde dies für einen Einzelhändler zu einer automatisierten Bedarfsprognose ohne Berührung führen, die menschlichen Planern mehr Zeit gibt, sich auf die Ausnahmen zu konzentrieren.

Verzögerungen in der Lieferkette haben der Nachschubplanung einen Strich durch die Rechnung gemacht. Die meisten Merchandiser prognostizieren zu Beginn der Saison, welche und wie viele Produkte sie verkaufen werden, und erstellen basierend auf dieser Prognose einen langfristigen Plan. Ohne detaillierte Echtzeitprognosen, insbesondere angesichts der Volatilität der Lieferkette, können diese frühen Vorhersagen bestenfalls ein Ratespiel sein.

KI bietet detaillierte Einblicke in den Umsatz und kann Einzelhändlern helfen, ihre Zuteilungsstrategie für die Saisonvorbereitung zu optimieren. Unternehmen können dann Kauftrends und -muster bestimmen, den Lagerbestand analysieren und tatsächliche Verkäufe und Retouren einbeziehen, um genauere Vorhersagen für die Saison zu treffen.

Mit KI können Einzelhändler diese Informationen in Echtzeit abrufen, sodass sie umgehend handeln können, anstatt zu warten oder aufgrund veralteter Informationen Maßnahmen zu ergreifen. Mit Einblicken in die wöchentlichen Verkäufe können Einzelhändler einen proaktiveren Ansatz für den Nachschub verfolgen. Sie können bestimmen, was aufgefüllt werden muss, was möglicherweise ausverkauft ist und wie hoch die Rendite eines bestimmten Produkts ist. Auf diese Weise wird der Nachschub im Einzelhandel transformiert und die Margen für bessere Gewinne erweitert.

Ein Store-by-Store-Ansatz

Um in diesem Einkaufsumfeld nach der Pandemie erfolgreich zu sein und zu wachsen, müssen Schuheinzelhändler bei der Festlegung einer Prognose-, Zuteilungs- und Wiederbeschaffungsstrategie einen geschäftsspezifischen Ansatz verfolgen. Einzelhändler können sich nicht einfach auf die Daten des letzten Jahres, regionale Daten oder übergreifende Vorhersagen verlassen; Sie müssen granulare Einblicke einbeziehen, die datengesteuerte und nutzbare Empfehlungen generieren. Geringfügige demografische Unterschiede können einen erheblichen Einfluss darauf haben, welche Größen und Modelle in einer bestimmten Region zu einem bestimmten Zeitpunkt beliebter sind als andere.

Dies mag für Schuhhändler mit mehreren Geschäften im ganzen Land oder weltweit entmutigend klingen, aber KI macht den Prozess durch die Automatisierung der Datenerfassung und -modellierung möglich. Einzelhändler können mehr Zeit damit verbringen, genaue Prognosen zu erstellen und Maßnahmen auf der Grundlage zuverlässiger Daten zu ergreifen, anstatt Vorhersagen auf Grundlage fundierter Vermutungen zu treffen.

Viele Branchen, vom Einzelhandel über die Mode bis hin zur Lebensmittelindustrie, haben viel zu lange reaktive Ansätze für Bestands-Einzelhandelsstrategien verfolgt. Wir verfügen über die Technologie und die Tools, um in Zeiten extremer Marktvolatilität genaue Prognosen zu erstellen und Gewinne zu maximieren. Es ist an der Zeit, dass Einzelhändler in eine wissenschaftliche Methodik und KI-gestützte, Omnichannel-fokussierte Strategien investieren, die Prognosen, Zuweisungen und Auffüllungen genauer und effektiver machen. KI macht dies möglich und wird jeden Tag intelligenter.

Yogesh Kulkarni ist Co-CEO von antuit.ai , ein Teil von Zebra-Technologien .