AI Dapat Mengatasi Industri Alas Kaki Tingkat Pengembalian yang Melonjak

Natal akan datang, dan pengecer sudah berjuang untuk memenuhi permintaan karena dampak pandemi yang bertahan lama pada rantai pasokan. Menjelang akhir tahun, ketika penjualan dan belanja liburan mendominasi, perusahaan perlu menerapkan strategi proaktif yang memaksimalkan inventaris, atau menghadapi tantangan pasokan yang menghancurkan margin. Kecerdasan buatan mungkin menawarkan solusi.

Segmen alas kaki ritel menghadirkan tantangan unik untuk manajemen inventaris, karena masalah variabilitas ukuran dan pola pengembalian. AI dapat mengubah cara perusahaan alas kaki mengatasi tantangan ini dengan membantu mereka mengelola inventaris, memperkirakan permintaan pasar, dan memantau margin keuntungan.

Jika peramalan adalah teka-teki, peramalan penjualan akan menjadi bagian utama dan peramalan pengembalian akan menjadi pusatnya. Anda tidak dapat memiliki gambaran lengkap tentang perkiraan retail tanpa data penjualan dan pengembalian. Sayangnya, sebagian besar sistem perkiraan mengantisipasi penjualan dan mengabaikan pengembalian, kemungkinan karena analisis pengembalian jauh lebih kompleks.

Khususnya untuk perusahaan alas kaki, di mana tingkat pengembalian mencapai 40% sebelum pandemi, perkiraan penjualan saja memberikan gambaran yang sangat terbatas tentang aktivitas perusahaan secara keseluruhan. Sejak penguncian tahun 2020, penjualan dan pengembalian online hanya meningkat.

Beberapa perusahaan alas kaki menyadari tren tertentu dalam perilaku konsumen:Pelanggan membeli tiga pasang sepatu dengan ukuran berbeda sehingga mereka dapat mencobanya di rumah dan mengembalikan dua yang tidak sesuai. Ini adalah pembunuh keuntungan besar, karena pengecer alas kaki sering kali tidak dapat menjual kembali apa yang telah dikembalikan dari pembelian online semudah mereka membeli di toko, di mana pemasangan sepatu terjadi di lingkungan yang lebih terkontrol. Pengembalian juga dapat disebabkan oleh perbedaan warna atau gaya jika, misalnya, pembeli menganggap sepatu tersebut tidak terlihat sama secara langsung seperti saat online.

Untuk menavigasi tren ini, toko mulai menjual kembali sepatu "kotak terbuka" dengan harga diskon. Meskipun strategi ini telah membantu menahan keuntungan yang besar, pengembalian dan diskon semuanya harus diperhitungkan dalam persamaan matematika yang sangat kompleks, sehingga hampir tidak mungkin untuk memahami gambaran inventaris yang lebih besar.

Di sinilah AI dapat mengubah permainan. Semua pengecer membutuhkan perkiraan yang akurat berdasarkan data yang tersedia untuk memprediksi dan merencanakan kinerja setiap saluran ritel, apakah itu penjualan online, di dalam toko, atau penjualan online, pengambilan di toko (BOPIS). Ini adalah kekayaan data yang luar biasa untuk dikelola, tetapi AI dapat menyederhanakan prosesnya dengan menyediakan dan menafsirkan wawasan inventaris hingga ke toko, SKU, ukuran, warna, dan gaya. Hanya dengan tingkat informasi yang mendetail ini, perusahaan alas kaki dapat membuat prediksi yang akurat tentang penjualan dan pengembalian, serta merencanakan inventaris yang sesuai.

Menentukan Pengoptimalan Ukuran Dengan AI

Optimalisasi ukuran adalah komponen penting dari industri alas kaki, tetapi banyak pengecer tidak memiliki alat yang diperlukan untuk membuat keputusan yang tepat. Satu gaya sepatu bisa datang dalam sebanyak 15 ukuran, terkadang lebih. Dan ketika pelanggan membeli lebih banyak ukuran daripada yang akhirnya mereka simpan, prediksi menjadi semakin rumit.

AI dapat menarik data penting dari berbagai sumber, bukan hanya penjualan historis, untuk membantu pengecer menentukan ukuran mana yang akan distok lebih banyak atau lebih sedikit. Prakiraan yang dihasilkan AI kemudian lebih ditingkatkan dengan pembelajaran mesin, yang semakin pintar dari waktu ke waktu berkat data baru dan informasi yang diperbarui. Sistem prakiraan AI terbaik memberikan prediksi yang lebih akurat, karena mereka terus-menerus belajar dari hasil setiap prakiraan dan menyesuaikannya untuk akurasi lebih lanjut. Idealnya, bagi retailer hal ini akan menghasilkan perkiraan permintaan "tanpa sentuhan" otomatis, yang memberikan lebih banyak waktu bagi perencana manusia untuk fokus pada pengecualian.

Keterlambatan rantai pasokan telah melemparkan kunci pas dalam perencanaan pengisian. Sebagian besar pedagang memprediksi produk mana dan berapa banyak yang akan mereka jual di awal musim, dan membuat rencana jangka panjang berdasarkan perkiraan ini. Tanpa peramalan yang terperinci dan real-time, terutama dalam menghadapi volatilitas rantai pasokan, prediksi awal ini bisa menjadi permainan tebak-tebakan.

AI memberikan wawasan mendetail tentang penjualan, dan dapat membantu pengecer mengoptimalkan strategi alokasi pra-musim mereka. Perusahaan kemudian dapat menentukan tren dan pola pembelian, menganalisis inventaris, serta menggabungkan penjualan dan pengembalian aktual untuk membuat prediksi musim yang lebih akurat.

Dengan AI, pengecer dapat memperoleh informasi ini secara real-time sehingga mereka dapat bertindak segera, alih-alih menunggu atau mengambil langkah berdasarkan informasi yang sudah ketinggalan zaman. Dengan wawasan tentang penjualan minggu demi minggu, pengecer dapat mengambil pendekatan yang lebih proaktif untuk pengisian ulang. Mereka akan dapat menentukan apa yang harus diisi kembali, apa yang mungkin terjual habis, dan tingkat pengembalian produk tertentu. Dengan cara ini, pengisian kembali ritel diubah, dan margin meningkat untuk keuntungan yang lebih baik.

Pendekatan Toko-Per-Toko

Untuk berkembang dan tumbuh di lingkungan belanja pascapandemi ini, pengecer alas kaki perlu mengambil pendekatan toko demi toko saat menentukan strategi peramalan, alokasi, dan pengisian ulang. Pengecer tidak bisa hanya mengandalkan data tahun lalu, data regional, atau prediksi menyeluruh; mereka perlu memasukkan tingkat wawasan terperinci yang menghasilkan rekomendasi berdasarkan data dan dapat digunakan. Sedikit perbedaan dalam demografi dapat secara signifikan memengaruhi ukuran dan gaya mana yang akan lebih populer daripada yang lain di wilayah tertentu pada waktu tertentu.

Ini mungkin terdengar menakutkan bagi pengecer alas kaki dengan banyak toko di seluruh negara atau dunia, tetapi AI membuat prosesnya dapat dicapai dengan mengotomatiskan pengumpulan dan pemodelan data. Retailer dapat menghabiskan lebih banyak waktu untuk membuat perkiraan yang akurat dan mengambil langkah berdasarkan data yang andal, daripada membuat prediksi berdasarkan tebakan yang cerdas.

Banyak industri, mulai dari ritel hingga fesyen hingga makanan, telah terlalu lama mengambil pendekatan reaktif untuk menginventarisasi strategi ritel. Kami memiliki teknologi dan alat untuk membuat perkiraan yang akurat dan memaksimalkan keuntungan pada saat volatilitas pasar yang ekstrim. Sudah waktunya bagi pengecer untuk berinvestasi dalam metodologi ilmiah dan strategi yang berfokus pada omnichannel bertenaga AI yang membuat perkiraan, alokasi, dan pengisian lebih akurat dan lebih efektif. AI memungkinkan hal ini, dan semakin pintar setiap hari.

Yogesh Kulkarni adalah co-chief executive officer antuit.ai , bagian dari Teknologi Zebra .