Il processo di previsione e pianificazione della domanda per le aziende e-commerce
Negli ultimi articoli abbiamo descritto i vantaggi di una buona analisi ABC, abbiamo parlato di Livelli di Servizio Obiettivo e di Life Cycle; cerchiamo ora invece di affrontare il tema molto complesso ed impegnativo della previsione e pianificazione della domanda.
Oltre all’elevato numero di articoli, le vendite on line sono caratterizzate da un’alta variabilità della domanda e un’elevata influenza dagli effetti promozionali e stagionali; è dunque necessario utilizzare diverse tecniche per poter gestire al meglio la previsione delle vendite, e, di conseguenza, pianificare e gestire gli acquisti della merce ai fornitori, o, per chi produce in proprio, pianificarne la produzione; in questo e nei prossimi articoli vedremo alcune di queste tecniche; oggi partiamo con la tecnica più recente e, forse, più innovativa: la Logistica «Predittiva».
La logistica «Predittiva» è un sistema di previsione di acquisto basato su una molteplicità di fattori combinati insieme (i cosiddetti Big Data): questi possono essere le liste dei desideri personalizzate, gli articoli presenti nel carrello e non ancora acquistati, gli ordini acquistati in precedenza, il tempo di permanenza del cursore su determinati oggetti, e altre variabili che sono date in pasto ad un algoritmo che consente di stilare un ordinamento, in grado di stimare con buona approssimazione quale potrà essere il futuro acquisto del cliente.
Il sistema fornisce dunque un forecast di vendita molto più preciso di quello che si ottiene dall’analisi delle sole serie storiche, perché tiene conto della propensione all’acquisto di ogni singolo cliente, già dimostrata con gli ordini passati, ma anche dell’intenzione all’acquisto, dimostrata grazie al comportamento avuto durante la navigazione sul sito o sulle informazioni qui memorizzate.
Figura 1 - Schema della “Predictive Analysis secondo Smartdatacollective.com©
I Big-data permettono di effettuare anche il predictive selling: l’e-commerce predittivo permette di prevedere quale prodotto e a quale prezzo dovrebbe essere proposto ai singoli clienti.
In questo ambito stanno agendo diverse aziende.
Una di queste è Stitchfix.com, sito di vendita online di abbigliamento uomo e donna; al cliente è chiesto di fare un breve test che serve a comprendere lo stile dell’ abbigliamento preferito; di seguito Stitchfix.com procede ad inviare ai clienti gli abiti e i vestiti che l’algoritmo pensa siano da loro più apprezzati; i clienti sono poi liberi di acquistarli e tenerli oppure restituirli gratuitamente. Lo stesso modello è stato applicato in Germania da parte di Zalando.
Stylitics.com è un sito e un’app che analizza i vestiti già in possesso al cliente in modo da poter proporre abbinamenti di stile e colore (outfit) e possibili utilizzi alternativi, ma anche e soprattutto per suggerire nuovi acquisti sulla base dei vestiti posseduti.
Un altro ambito di interesse del predictive selling è la gestione dei prezzi. In particolare, sui siti di marketplace è particolarmente importante avere una gestione del prezzo continua durante tutte le 24 ore in modo da essere sempre presente nella “buy box”, ovvero nella proposta di default del marketplace per il prodotto specifico.
Applicazioni come Informed.co monitorano i prezzi della concorrenza e definiscono il prezzo che massimizza l’utile in ogni momento rimanendo accessibile al cliente.
I sistemi più complessi potranno anche utilizzare le informazioni geografiche per avvicinare i prodotti ai possibili acquirenti (per esempio spostandoli dal magazzino di un paese all’altro), in modo da poter garantire un Lead Time sempre minore. Oppure ancora si potrà suggerire ai propri clienti quali oggetti si trovano nei pressi della loro ubicazione in un dato momento, così da invogliarli all’acquisto.
Un esempio di questa tecnica è il brevetto depositato da Amazon nel 2013, “Method and system for anticipatory package shipping”.
In breve, Amazon ha sviluppato un algoritmo che permette di spedire un collo “to the destination geographical area without completely specifying the delivery address at time of shipment,” dove la destinazione finale è definita durante la durata del tragitto stesso!
Tale algoritmo è progettato per inviare prodotti o articoli per selezionati i clienti anche prima che questi effettuino un ordine. In realtà la merce non sarà spedita direttamente ai clienti, ma ad un hub di spedizione in prossimità. Quando poi il cliente ordinerà veramente il prodotto, questo gli sarà inviato dall’hub molto più rapidamente di quanto avrebbe potuto accadere senza il preventivo “avvicinamento” dell’articolo.
Lo schema di tale brevetto (United States Patent # 8,615,473 December 24, 2013) è riportato nella figura seguente:
Continueremo a parlare di forecast e previsioni di vendita nei prossimi articoli.
