Date published

提高产品上架的3个方法

超过50%的缺货都是由补货、门店订单、订单预估等门店执行的低效造成的,这并不是上游供应链的问题。现有的门店库存测量方法无法与快速发展的零售业同步。零售业如今饱受高达8%的缺货率之苦,应对这一问题需要一些创新技术,它们能提供更近、更颗粒化的商品上架监测。

利用AI货架分析跟踪商品上架情况

AI和机器学习技术正将零售门店数字化,这意味着品牌和零售商能够几乎实时监测每家门店的每个SKU在货架的表现。该技术将货架图片转化为实时洞察,这一数据新物种能提高上架管理,完善门店执行。Trax数据能够识别缺货出现前后的场景模式,帮助实现货架商品表现的最优化。以下是运用Trax解决商品上架问题的3个简单途径:

1 .检查哪些门店有缺货问题

在住宅区的门店往往在周末迎来高峰,但临近市中心写字楼的门店可能在工作日午餐时间迎来最多顾客。

不同类型的门店其需求趋势不同,商品品类也不尽相同。无论是扫描数据还是人工核验都不能提供每个SKU层面的具体门店数据,这为确定缺货商品造成了困难,并且也难以解决问题。

在Trax Retail Execution解决方案中,销售主管可通过主管控制台(图1)跟踪门店、品类或SKU层面的缺货和上架情况。一旦上架低于特定的阈值,系统会发出警报,你就可以立刻采取行动。例如,你可以设定,如果护发品类的上架情况在30%的独立零售点都低于60%,系统就应发出警报。或者如果330ml装的饮料在15家以上的重点折扣零售店中缺货,系统发出警报。

 

图1:Trax Retail Execution中的主管控制台界面

 

2 .了解哪些SKU应该优先

有些SKU会比其他产品更容易出现缺货。原因可能是对这些SKU的需求特别高,或者是促销激发的需求超过了预期。但也可能是潜在的错漏导致的,如货架标签错误或位置摆放错误。基于此,在优先上架时,确保该SKU不存在常见的缺货问题是非常重要的。Trax解决方案能够帮助解决这一问题。即使在SKU数量众多、商品排面几乎相同的情况下,Trax也能以极高的精度区分不同的商品,比如在灯光条件不佳的情况下跟踪包装模糊的SKU,以及识别新版包装的商品。

 

图2:SKU层面的上架跟踪

 

图2所示的Trax数据展示了6家门店9种品牌的上架情况。在这个例子中,门店A表现最差,在审核时有6款产品缺货。产品1、4、7需要特别关注,因为它们在3家门店中都缺货。通过对比不同门店和SKU的上架水平,厂商能够掌握一定的模式,找出经常出现问题的门店或SKU。

 

3 .对标竞争对手,发现差距与机遇

既然你已经知道了哪些门店存在低上架的问题,你还可以发现你的产品与竞争对手相比究竟表现如何。例如,有客户使用Trax分析其茶类产品与竞争对手相比的表现。客户先锁定那些上架率低的门店,然后将其上架情况与竞争对手相比,以分析存在的问题,这一分析不仅仅是门店层面进行,而是横跨不同的货架位置和场景(图3)。

 

图3:上架标杆分析表

 

从标杆分析研究中可以明显看出销售差距,特别是500ml品类差距显著。而进一步调查发现,竞争对手在冷藏货架提供一种更小包装的商品,消费者可以即买即饮。该客户就此确定应采取哪些应对措施,从而得以在最关键的地方提高商品上架,同时还降低了执行成本。

将洞察转化为执行

在当今时代,脆弱的品牌忠诚度可能直接导致更高的机会成本,前沿科技在管理商品上架问题上显得至关重要。现场采集实时数据,并将其转化为可执行的策略,这将发起一场真正的变革。