Een consument die wekelijks de stapel folders op de mat krijgt, zal zich niet snel realiseren welke wereld achter elke folder schuilgaat. Niet alleen de opmaak van de folders – welke artikelen plaatsen we in de folder en op welke pagina? Wat is het actiemechanisme? Maar ook de wereld van planning en logistiek. Hoeveel producten verwachten we te verkopen met deze promotie, in welke winkels en op het web en hoe zorgen we voor een optimale bevoorrading zodat de klant niet teleurgesteld wordt?

De uitdaging van promotionele forecasting

Bij het maken van de promotionele forecast gebruiken de meeste retailers modellen, al dan niet in excel, geënt op historische data. Op basis van promoties en verkoopaantallen van voorgaande jaren, of zelfs op basis van onderbuikgevoel, wordt de extra vraag en afzet voorspeld. Maar we zien bij veel retailers dat deze voorspellingen er nogal eens naast zitten. En verkeerde inschattingen van aantallen en winkels maken promoties extra duur. Je hebt immers te maken met gemiste omzet, door lege schappen, of juist met kostbare retouren en mogelijk met beschadigde of incourante artikelen doordat ze meerdere keren in en uit de schappen zijn gehaald.

De belangrijkste hamvraag voor de meeste retailers is dan ook: hoe bepalen we zo nauwkeurig mogelijk de extra afzet tijdens de promotieperiode, wanneer het artikel op deze plek in die grootte in de folder staat, dat actiemechanisme heeft, dat lettergrootte voor de aanbiedingsprijs wordt gebruikt etc etc.

Een machine learning model voor een betere forecasting tool

Om beter te kunnen forecasten zijn we bezig met het ontwikkelen van een algoritme waarbij we uitgaan van kassadata of, als dat niet beschikbaar is, afzetdata vanuit Slimstock: welke artikelen zijn er in welke aantallen in een bepaalde periode in welke winkels verkocht; tijdens promoties en daarbuiten. Plus, we voegen aan de database folderhistorie toe uit FlowFabric: op welke pagina en op welke plek stond het product?

Op deze data ontwikkelen we een machine learning algoritme, dat dus als het goed is steeds slimmer wordt, waarmee de uiteindelijke extra (of misschien wel minder…) promotionele verkopen steeds nauwkeuriger wordt voorspeld. Dankzij deze forecasting tool realiseer je een optimale vulgraad in de winkels en minder rompslomp in de vorm van verlies en retouren aan de achterkant.

Meer waarde halen uit data met forecasting tool

Ons uiteindelijk doel is om de forecasting tool voorstellend te laten zijn op het gebied van promoties. Hoe mooi is het als er een voorstel wordt gedaan welke artikelen beter wel en welke beter niet in de folder opgenomen kunnen worden? Waarbij je ook kan denken aan het toevoegen van meer externe data, zoals events, weersomstandigheden etc. Natuurlijk kan je promotiemanager zelf ook bedenken dat het met een hittegolf in aantocht verstandig kan zijn de waterijsjes in de aanbieding te doen. Maar juist het bepalen van hoeveel dozen dan en waar, dat is iets dat een algoritme veel beter kan.

Deze forecasting tool is een goed voorbeeld van hoe je waarde kunt halen uit data die je al tot je beschikking hebt. Nieuwsgierig hoe jij je promotionele forecasting kunt verbeteren? Neem gerust contact met me op via rvdveek@hso.com of via +31(0)6 133 677 46.

Auteur

Ralph van der Veek
Ralph is Senior Retail Consultant bij HSO en is gespecialiseerd in Supply Chain Management, Category Management en Merchandise- & Assortment Management in relatie tot Microsoft Dynamics 365. Hij werkt of heeft gewerkt aan ICT-projecten bij verschillende (grote) retailklanten.