Vizions от Zalando: Первая в Европе конференция платформ
20 апреля 2017 г., Берлин
Начнем с невинного вопроса. Зачем нужны распродажи? Постоянные, зимние, летние или еще какие-нибудь — все они являются нормой, особенно для модной индустрии. (...) Однако для чего они существуют? Они нужны, чтобы помочь компаниям избавиться от избыточных запасов. Изначально распродажи — это показатель того, что какой-то из прогнозов оказался ошибочным. Можно возразить, что сегодня они выполняют куда больше функций. Это так, но первоначальную их цель никто не отменял.
Жоаннес Верморель, основатель Lokad
Посмотрите наши интервью на Lokad TV и узнайте больше о цепях поставок в модной индустрии.
Многие модные бренды выпускают коллекции, состоящие из нескольких тысяч новых наименований, включая варианты разного размера, цвета, точек реализации и т. д.
За последние десять лет большинство успешных брендов стали еще сильнее прислушиваться к новейшим трендам, увеличивать число коллекций, выходящих в течение года, и сокращать время выполнения заказов.
Технология прогностической оптимизации Lokad позволяет обрабатывать каждое решение, принимаемое в течение жизненного цикла каждого товара определенного бренда. Наша технология — это комбинация машинного самообучения (для определения закономерностей и составления прогнозов по данным) и количественной оптимизации (для принятия более эффективных решений).
Подготовка к выходу новой коллекции начинается с оптимизации ассортимента — так называемого планирования линейки товаров. Технология Lokad позволяет составить правильный ассортимент цветов, размеров и фасонов по исходным вариантам. Такой план должен максимально точно отражать желания и ожидания вашей клиентской базы. Система Lokad поможет вам составить бизнес-модель для этого плана и позволит его оптимизировать с помощью высокоэффективных подсказок — микроменеджмент всех вариантов каждого изделия не требуется.
После составления плана ассортимента мы проводим оптимизацию закупок, во время которой устанавливается, сколько единиц товара нужно произвести или закупить для всех вариантов каждого из изделий, а также рассчитывается время размещения заказа. Разумеется, данных о продаже большинства товаров в таком случае пока еще нет. Задача часто осложняется разными ограничениями по минимальному объему заказа (MOQ), возможностями получения скидок, а также колебаниями времени выполнения заказов (например, из-за Китайского Нового года производство в Азии может запаздывать). Система Lokad также может оптимизировать выбор вариантов доставки (например, морем или воздухом) или поставщиков (местных или зарубежных).
Например, алгоритм для MOQ может обрабатывать несколько накладывающихся друг на друга ограничений: ограничение на уровне изделий (скажем, минимум 100 единиц каждого товара при каждом заказе), еще одно для ткани (минимум 3000 метров ткани каждого цвета) и, наконец, на уровне поставщика (нужно приобрести товар минимум на 50 000 долларов). Учет всех MOQ и поддержание запасов на допустимом уровне — одна из основных проблем ручной обработки MOQ. Система Lokad ускоряет и упрощает этот процесс с помощью алгоритмов для числовых расчетов, которые позволяют составить наиболее выгодный заказ на закупку товара, который удовлетворит все ограничения.
Перед самым выходом коллекции мы выполняем оптимизацию размещения заказов, чтобы решить, сколько товара завезти в каждый распределительный центр и/или в каждый магазин. В магазинах запасы выполняют две функции: удовлетворение спроса и привлечение клиентуры. Благодаря оптимизации размещения запасов, которая учитывает мерчандайзинг, каждый магазин может работать с максимальной отдачей. При оптимизации принимаются во внимание ограничения по пространству (например, на полках), а также тот факт, что сотрудники на местах плохо справляются с большими партиями товаров. Также учитываются наборы и партии, которые позволяют снизить расходы на погрузочно-разгрузочные работы и транспортировку.
Чтобы не отставать от последних трендов, мы вычисляем наиболее и наименее продаваемые товары. Выявить наиболее ходовые товары, которые нужно пополнять в первую очередь, можно при ограниченных запасах, выводя их на рынок в ограниченном числе точек — в том числе только на интернет-платформах. Выявление непопулярных товаров также крайне важно, чтобы как можно скорее очищать полки, где они занимают место, которое можно отдать под более успешную продукцию.
Для большинства модных брендов скидки и другие рекламные инструменты являются чем-то врожденным. Lokad позволяет оптимизировать расценки и подсказывает, когда нужно снизить цены, чтобы вовремя распродать остатки коллекции и увеличить валовую прибыль.
Мы также учитываем скидки по программам лояльности, которые применяются ко многим товарам и которые заменяют, а иногда и дополняют скидки на уровне товара.
Оптимизация ассортимента, закупок, расценок, размещения запасов, выявление наиболее и наименее ходовых товаров — система Lokad умеет все это, а также многое другое благодаря комплексному подходу к оценке жизненного цикла товаров. Однако можно начать и с меньших масштабов. При возникновении вопросов пишите нам на contact@lokad.com
Для оптимизации решений, связанных с запасами и расценками, требуются точные прогнозы будущего. Классические прогнозы, как правило, бесполезны для модной индустрии. Поэтому компания Lokad разработала уникальную систему прогнозирования для работы с задачами, с которыми сталкиваются модные бренды.
Мы используем вероятностные прогнозы — в них отражаются все возможные варианты развития событий и вероятности их возникновения. Неопределенность спроса в модной индустрии невозможно снизить. Пытаться создать «идеальный» прогноз просто бессмысленно. В традиционных методах решения принимаются по единственному прогнозу, а потому они сильно зависят от его точности.
Мы не пытаемся снизить неопределенность, мы работаем с ней. Вероятностные прогнозы позволяют сбалансировать риски и возможности.
Эти прогнозы составляются на уровне ассортимента, и они учитывают эффекты каннибализации и замещения. Прогнозирование спроса на отдельно взятый товар бессмысленно, так как он сильно зависит от наличия или отсутствия похожих товаров, рассчитанных на одних и тех же клиентов. Традиционные методы, направленные на прогнозирование временных рядов, упускают этот момент, и ситуация лишь усугубляется при внедрении в практику понятий резервного запаса или вероятности обслуживания.
Спрос зависит от расценок, которые также всегда учитываются в наших прогнозах. Спрос в будущем может колебаться, и эти колебания зависят от цен на товары — и это действенный инструмент в руках компаний.
Повторимся: ассортимент имеет значение, а повышение спроса зависит от общей интенсивности рекламных компаний. Глупо ожидать одинакового роста в ситуациях, когда продвигается только один товар в магазине или когда продвигается весь ассортимент. Прогнозирование не заканчивается на спросе: нужно также рассчитать время выполнения заказов и прибыль.
Надлежащее статистическое прогнозирование необходимо для каждого источника неопределенности. Для спроса оно нужнее всего, но есть и другие важные показатели, и наша технология способна работать с ними. Такие прогнозы тоже являются вероятностными, и они часто комбинируются непосредственно с прогнозами спроса: например, спрос может прогнозироваться по времени выполнения заказов. В последнем поколении нашей технологии прогнозирования используется дифференцируемое программирование. Это ответвление глубокого обучения отлично подходит для работы с редким и нерегулярным спросом, который характерен для модной индустрии.
Что там с погодой и социальными сетями?
Опыт показывает, что большинство компаний недостаточно эффективно использует свои «базовые» исторические данные. Большинство прогнозов спроса не учитывают даже данные о стабильности клиентской базы, а большинство заказов на закупку составляются без прогноза времени выполнения заказов. Таким образом, хоть мы и не предлагаем игнорировать данные из внешних источников типа социальных сетей или прогнозов погоды, мы твердо уверены, что начинать надо с максимально эффективного использования данных, которые уже есть в компании.
Большие розничные компании, продающие одежду и аксессуары, насчитывают сотни магазинов и десятки тысяч товаров. Таким образом, система прогнозирования должна иметь возможность работы с миллионами SKU. Наша система прогнозирования использует облачные расчеты. В отличие от традиционных систем, в Lokad сразу же была заложена поддержка облачных вычислений: наша система может обрабатывать терабайты данных каждый день.
Кроме того, в отличие от традиционных подходов наша система не требует вручную сопоставлять старые и новые товары — она автоматически определяет, на какие старые изделия нужно ориентироваться при прогнозировании спроса на новую коллекцию.
Наша система использует мощные алгоритмы машинного самообучения для автоматического поиска сходств у разных товаров и определения того, какие данные нужно использовать для прогнозирования.
Автоматический поиск соответствий становится возможным благодаря большому количеству характеристик товаров, что типично для модной индустрии: тип изделия, семейство, размер, цвет, ткань, стиль, ценовая категория, бренд и т. д. Количество запрашиваемых данных может показаться пугающим, однако опыт Lokad показывает, что данных из каталогов, которые используются, например, в интернет-магазинах, вполне достаточно для получения нужного результата.
Традиционные системы прогнозирования, основанные на ручном сопоставлении товаров, отнимают слишком много времени — а ведь именно в грамотном сопоставлении лежит секрет успеха при составлении прогноза.
Многие компании возвращаются к табличным файлам, потому что программы для ручного сопоставления изделий и прогнозирования спроса не дают нужных результатов, так как данный метод мало эффективен. В Lokad эта проблема решается самым радикальным образом: система решает основную проблему прогнозирования, а не перекладывает ее на пользователя.
Хотя данный процесс в Lokad называется сопоставление, и он не подразумевает, что товары из старой и новой коллекции должны сопоставляться 1 к 1. Например, одно изделие может разделиться на несколько вариантов. Другой товар может быть абсолютно новым, и в прошлой коллекции не найдется ничего подобного. В таких случаях система прогнозирования опирается на более общие данные, например на категорию, семейство, марку или цену товара.
Решения необходимо оптимизировать по ожидаемой от них выгоде, которая должна выражаться в долларах или евро, а не в процентах.
Экономические факторы определяют прибыльность или убыточность решений; они включают в себя валовую прибыль, расходы на хранение товаров, транспортировку, доходы от места выкладки товара, репутацию компании среди клиентов и т. д. Система Lokad учитывает их все, так же как и специфику модного рынка.
Например, когда товар продается со скидкой, у клиентов появляется намерение получить подобную скидку в будущем.
Первая цель экономических факторов — поддержка математической оптимизации, в ходе которой высчитываются решения (например, об объемах закупок или скидках на продукцию). Оптимизация невозможна без контроля, так что именно экономические факторы делают ее возможной.
Lokad не заменяет глубоких стратегических знаний (которые появляются у ваших сотрудников вместе с опытом) — наша технология лишь позволяет применять эти знания (выраженные в экономических факторах) в каждом решении, принимаемом компанией.
Вторая цель — эффект «белого ящика». Благодаря методу «белого ящика» ваши сотрудники будут хорошо понимать все решения, сгенерированные системой Lokad. Ваши работники должны понимать, почему Lokad предлагает то или иное решение. Для этого все решения Lokad сопровождаются собственной метрикой в евро или долларах, которая отражает последствия их принятия. Эти метрики рассчитываются с помощью разных экономических факторов. Опыт показывает, что данный подход эффективнее, чем подробное объяснение алгоритмов вычислений — это и скучно, и понятно только экспертам по машинному самообучению или математической оптимизации.
С точки зрения менеджмента, экономические факторы — это мощный механизм, который позволяет направить компанию в нужном направлении. Эти факторы не считаются «непреложными» — напротив, они постоянно меняются и отражают развитие рынка. В технологию Lokad сразу была заложена высокая гибкость: она позволяет прорабатывать сложные альтернативные сценарии и стратегии, не затрачивая на это чрезмерных усилий.
