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。
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。
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。