การเพิ่มประสิทธิภาพการแบ่งประเภทคืออะไร?

การเพิ่มประสิทธิภาพการจัดประเภทเป็นวินัยที่จัดการกับช่องว่างนี้ โดยเชื่อมโยงสิ่งที่สำนักงานใหญ่ตัดสินใจกับสิ่งที่ลูกค้าพบจริงบนชั้นวาง - ผ่านข้อมูล การเรียนรู้อย่างต่อเนื่อง และการดำเนินการระดับร้านค้า- คู่มือนี้ครอบคลุมถึงสาเหตุ สาเหตุที่แนวทางส่วนใหญ่ล้มเหลว วิธีนำไปใช้ และวิธีการวัดผลลัพธ์

การเพิ่มประสิทธิภาพการแบ่งประเภทเทียบกับการวางแผนการแบ่งประเภท: อะไรคือความแตกต่าง?

สองคำนี้มักใช้สลับกัน พวกเขาอธิบายกระบวนการที่แตกต่างกันโดยพื้นฐาน

การวางแผนจะกำหนดว่าสินค้าประเภทต่างๆ ของคุณควรมีลักษณะอย่างไร การเพิ่มประสิทธิภาพช่วยให้มั่นใจว่าทำงานได้จริง - และปรับปรุงอย่างต่อเนื่องเมื่อเงื่อนไขเปลี่ยนแปลง

สามชั้นที่ซึ่งการตัดสินใจจัดประเภทเกิดขึ้นและสูญหาย

ผู้ค้าปลีกส่วนใหญ่ลงทุนอย่างมากในชั้นแรก ช่องว่างด้านประสิทธิภาพที่ใหญ่ที่สุดอยู่ในอีกสองช่องที่เหลือ

ชั้นเชิงกลยุทธ์: ขายอะไรดี

นี่คือจุดที่การตัดสินใจระดับหมวดหมู่-เกิดขึ้น: ผลิตภัณฑ์ใดได้รับพื้นที่ชั้นวาง ฉลากส่วนตัวมีความสมดุลกับแบรนด์ระดับประเทศอย่างไร และแต่ละหมวดหมู่มีบทบาทอย่างไรในกลยุทธ์ร้านค้าโดยรวม การตัดสินใจที่นี่เกิดขึ้นที่สำนักงานใหญ่ ซึ่งขับเคลื่อนโดยข้อมูลตลาดและเกณฑ์มาตรฐานการแข่งขัน และการเปลี่ยนแปลงในวงจรระยะยาว

ความเสี่ยง: ข้อมูลรวมจะปกปิดความผันแปรในท้องถิ่น ผลิตภัณฑ์ที่มียอดขายในประเทศที่ยอมรับได้อาจมีประสิทธิภาพต่ำกว่าในร้านค้า 40% และมีประสิทธิภาพเหนือกว่าในอีก 30% ค่าเฉลี่ยซ่อนสัญญาณ

Tactical Layer: ขายที่ไหนและอย่างไร

ชั้นยุทธวิธีแปลกลยุทธ์เป็นแผนเฉพาะ-สถานที่: การจัดกลุ่มร้านค้า การออกแบบพลาโนแกรม และกฎการจัดวางสินค้า นี่คือจุดที่การแบ่งประเภทกลายเป็นท้องถิ่นอย่างแท้จริง - ร้านค้าในเมืองที่มีความหนาแน่นสูง- มีข้อจำกัดด้านพื้นที่ รูปแบบการสัญจรไปมา และภารกิจของนักช้อปแตกต่างจากรูปแบบชานเมือง

ความเสี่ยง: การตัดสินใจในระดับนี้ยังคงขึ้นอยู่กับสมมติฐานมากกว่าสัญญาณระดับร้านค้าจริง- การจัดประเภทอาจดูดี-เป็นภาษาท้องถิ่นบนกระดาษ ขณะที่ในทางปฏิบัติยังมีการจัดแนวที่ไม่ตรงในวงกว้าง

Operational Layer: สิ่งที่เข้าถึงลูกค้าได้จริง

นี่คือจุดที่การเพิ่มประสิทธิภาพการจัดประเภทประสบความสำเร็จหรือล้มเหลวอย่างเงียบๆ ชั้นการปฏิบัติงานสะท้อนให้เห็นถึงความเป็นจริงทางกายภาพที่ลูกค้าพบ: ผลิตภัณฑ์ใดบ้างที่อยู่บนชั้นวาง มีการดำเนินการพลาโนแกรมอย่างถูกต้องหรือไม่ มองเห็นโปรโมชันได้หรือไม่ และตรวจพบและแก้ไขสินค้าในสต็อกได้อย่างรวดเร็วหรือไม่

หากไม่เห็นการดำเนินการของร้านค้าแบบเรียลไทม์- การตัดสินใจขั้นต้นทุกครั้งจะเป็นการคาดเดาเพียงบางส่วน เทคโนโลยีเช่นฉลากชั้นวางอิเล็กทรอนิกส์และเซ็นเซอร์ IoT ถูกนำมาใช้มากขึ้นเพื่อปิดช่องว่างการมองเห็น - เพื่อบันทึกสถานะชั้นวางโดยอัตโนมัติ แทนที่จะอาศัยการตรวจสอบด้วยตนเองซึ่งเกิดขึ้นไม่บ่อยนักจนดำเนินการได้

เหตุใดการเพิ่มประสิทธิภาพการจัดประเภทแบบดั้งเดิมจึงล้มเหลว

กลยุทธ์ในการเลือกสรรส่วนใหญ่-ได้รับการออกแบบมาอย่างดีบนกระดาษ นี่คือจุดที่พวกเขาพังทลายในทางปฏิบัติ

โหมดความล้มเหลว 1: ข้อมูลในอดีตได้รับการปรับให้เหมาะสมสำหรับอดีต

ประวัติการขายจะบอกคุณว่าลูกค้าซื้ออะไรภายใต้เงื่อนไขที่มีอยู่ ณ เวลา - พร้อมด้วยประเภทสินค้าที่มีอยู่ ในราคาที่กำหนดไว้ ไม่สามารถบอกคุณได้ว่าลูกค้าต้องการอะไรแต่ไม่สามารถหาได้ ในหมวดหมู่ที่เปลี่ยนแปลงอย่างรวดเร็ว- เมื่อแนวโน้มปรากฏขึ้นอย่างชัดเจนในข้อมูลประวัติ หน้าต่างที่จะดำเนินการก็มักจะผ่านไปแล้ว

โหมดความล้มเหลว 2: การตัดสินใจแบบรวมศูนย์ ความเป็นจริงในท้องถิ่น

เมื่อมีการตัดสินใจจัดประเภทโดยสิ้นเชิงที่สำนักงานใหญ่ -ความแตกต่างระดับร้านค้าจะถูกเฉลี่ยออกไป ผลิตภัณฑ์ที่มียอดขายในระดับปานกลางแต่มีประสิทธิภาพดีในร้านค้าบางประเภทอาจถูกเพิกถอนได้ พลาโนแกรมที่ได้มาตรฐานจะถูกนำไปใช้ทั่วทั้งร้านค้าที่มีขนาดชั้นวางและข้อมูลประชากรของนักช้อปที่แตกต่างกันอย่างมีนัยสำคัญ

โหมดความล้มเหลว 3: ไซโลข้อมูลทำให้เกิดการตัดสินใจที่ไม่สมบูรณ์

องค์กรค้าปลีกสร้างข้อมูลทั่วทั้งระบบ - จุด- การขาย - สินค้าคงคลัง ความภักดี - อีคอมเมิร์ซ และ- เซ็นเซอร์ในร้านค้า ผู้จัดการหมวดหมู่ทำงานจากชุดข้อมูลชุดเดียว ห่วงโซ่อุปทานทำงานจากที่อื่น จัดเก็บการดำเนินงานจากบุคคลที่สาม มุมมองเหล่านี้ไม่สมบูรณ์ และการตัดสินใจจากไซโลเดียวจะสร้างปัญหาที่มองเห็นได้เฉพาะในไซโลอื่นเท่านั้น

โหมดความล้มเหลว 4: การปฏิบัติตามข้อกำหนดของ Planogram ต่ำกว่าที่สำนักงานใหญ่คิด

พลาโนแกรมจะให้ค่าก็ต่อเมื่อมีการดำเนินการอย่างถูกต้องและสม่ำเสมอ ในเครือข่ายการค้าปลีกส่วนใหญ่ อัตราการปฏิบัติตามข้อกำหนดจะแตกต่างกันอย่างมากในร้านค้า - และสำนักงานใหญ่มักไม่ทราบจนกว่าจะมีการวัดผล หากคุณกำลังประเมินประสิทธิภาพชั้นวางผลิตภัณฑ์ตามข้อมูลการขาย แต่ผลิตภัณฑ์นั้นอยู่ในตำแหน่งที่ไม่ถูกต้องใน 20% ของร้านค้าของคุณเป็นเวลาสามเดือน ข้อมูลประสิทธิภาพของคุณไม่น่าเชื่อถือ ความเข้าใจข้อมูลชั้นวางรีเฟรชบ่อยเพียงใดเชื่อมโยงโดยตรงกับความแม่นยำของการวัดเหล่านี้

โหมดความล้มเหลว 5: สัญญาณ Omnichannel ยังไม่ได้อ่าน

พฤติกรรมของลูกค้าออนไลน์เป็นแหล่งข้อมูลอันชาญฉลาดในการเลือกสรรซึ่งผู้ค้าปลีกทางกายภาพส่วนใหญ่เพิกเฉย การค้นหา-ผลลัพธ์เป็นศูนย์บน-แพลตฟอร์มอีคอมเมิร์ซของคุณจะแสดงให้คุณเห็นอย่างชัดเจนถึงสิ่งที่ลูกค้ากำลังมองหาซึ่งคุณไม่มี รูปแบบการซื้อสูง-เรียกดูและต่ำ-เผยให้เห็นความต้องการที่อาจต้องมีการประเมินในร้านค้า-ก่อนที่จะเกิด Conversion ลูกค้าที่ค้นหาผลิตภัณฑ์ทางออนไลน์ พบว่าไม่มีจำหน่าย และไม่ได้สร้างข้อมูลใดๆ ใน-ระบบร้านค้า - แต่การไม่มีข้อมูลนั้นถือเป็นสัญญาณอย่างหนึ่ง หากคุณสร้างกระบวนการเพื่อบันทึกข้อมูลนั้น จุดเริ่มต้นคือการเชื่อมต่อการค้นหาออนไลน์และเรียกดูข้อมูลกับขั้นตอนการวางแผนหมวดหมู่ของคุณ แม้จะไม่เป็นทางการก็ตาม

AI ปรับปรุงการตัดสินใจจัดประเภทอย่างไร

การจัดการการแบ่งประเภทด้วยตนเองในร้านค้าหลายร้อยแห่งและ SKU นับหมื่นได้มาถึงขีดจำกัดของสิ่งที่สเปรดชีตและการตรวจสอบเป็นระยะสามารถรองรับได้ AI มีส่วนช่วยในรูปแบบเฉพาะที่สามารถวัดผลได้

การคาดการณ์ความต้องการระดับร้านค้า-การคาดการณ์แบบดั้งเดิมทำงานที่ระดับแบนเนอร์หรือคลัสเตอร์ โมเดลการเรียนรู้ของเครื่องสามารถสร้างการคาดการณ์ในแต่ละร้านค้าและระดับ SKU โดยคำนึงถึงปัจจัยในท้องถิ่น - ข้อมูลประชากรในบริเวณใกล้เคียง การแข่งขันในบริเวณใกล้เคียง -แนวโน้มย่อยตามฤดูกาล - ซึ่งโมเดลที่กว้างขึ้นโดยเฉลี่ยอยู่ห่างออกไป รายละเอียดนี้เป็นสิ่งที่ทำให้การตัดสินใจจัดประเภทที่แปลเป็นภาษาท้องถิ่นมีการป้องกันมากกว่าที่จะคิดไปเอง

การหาเหตุผลเข้าข้างตนเอง SKUไม่ใช่ทุกผลิตภัณฑ์จะได้รับพื้นที่ โมเดล AI สามารถระบุได้ว่า SKU ใดที่ใช้อสังหาริมทรัพย์และทุนสินค้าคงคลังโดยไม่มีผลตอบแทนตามสัดส่วน - โดยคำนึงถึงสัดส่วนกำไรขั้นต้น ผลกระทบจากการทดแทน และผลกระทบของตะกร้า ความแตกต่างที่สำคัญคือระหว่าง-ผู้ที่เคลื่อนไหวช้าซึ่งให้บริการเฉพาะกลุ่มที่ภักดี กับผู้ที่เคลื่อนไหวช้า-ซึ่งมีประสิทธิภาพต่ำกว่าปกติ AI สามารถแยกแยะระหว่างทั้งสองได้ในระดับที่การวิเคราะห์ด้วยตนเองไม่สามารถทำได้

การกำหนดราคาแบบไดนามิกและการจัดตำแหน่งโปรโมชันการตัดสินใจเลือกประเภทไม่ได้แยกออกจากการกำหนดราคา ขับเคลื่อนด้วย AI-การกำหนดราคาแบบไดนามิกสามารถจัดกิจกรรมส่งเสริมการขายให้สอดคล้องกับประสิทธิภาพการแบ่งประเภทแบบเรียลไทม์ - ลดความไม่ตรงกันระหว่างสิ่งที่วางแผนไว้กับสิ่งที่ลูกค้าตอบสนองจริงในระดับชั้นวาง

การตรวจสอบการดำเนินการข้อมูลการมองเห็นของคอมพิวเตอร์และเซ็นเซอร์สามารถระบุความเบี่ยงเบนของพลาโนแกรมได้โดยไม่ต้องมีการตรวจสอบด้วยตนเองทั้งหมด ความก้าวหน้าในเทคโนโลยีฉลากชั้นวางทำให้ผู้ค้าปลีกขนาดกลาง-เข้าถึงการตรวจสอบสถานะชั้นวางอัตโนมัติได้มากขึ้นสำหรับผู้ค้าปลีกขนาดกลาง ไม่ใช่แค่เครือข่ายขนาดใหญ่เท่านั้น

กรอบการทำงานห้า-ขั้นตอนสำหรับการนำไปปฏิบัติ

ผู้ค้าปลีกส่วนใหญ่ทราบดีว่าการเพิ่มประสิทธิภาพการจัดประเภทเป็นเรื่องสำคัญ น้อยคนนักจะมีจุดเริ่มต้นที่ชัดเจน เฟรมเวิร์กนี้ได้รับการออกแบบมาให้ใช้งานได้ทุกขนาด

ขั้นตอนที่ 1: ตรวจสอบประเภทปัจจุบันของคุณ

ก่อนที่จะเพิ่มประสิทธิภาพสิ่งใดๆ ให้สร้างพื้นฐานที่ซื่อสัตย์ อัตราการสต็อกสินค้าในปัจจุบันของคุณตามหมวดหมู่และตามร้านค้าคือเท่าใด SKU ใดที่สร้างยอดขายต่ำสุดต่อตารางฟุต ช่องว่างที่ใหญ่ที่สุดระหว่างการจัดประเภทตามแผนและความพร้อมใช้งานจริงของชั้นวางอยู่ที่ไหน หากคุณไม่สามารถตอบคำถามเหล่านี้ด้วยข้อมูลที่เชื่อถือได้ นั่นคือการค้นพบที่สำคัญที่สุด - และเป็นสัญญาณให้ลงทุนในการมองเห็นก่อนที่จะลงทุนในเครื่องมือเพิ่มประสิทธิภาพ มีโครงสร้างการคำนวณ ROI พื้นฐานสามารถช่วยระบุได้ว่าช่องว่างที่ส่งผลกระทบสูงสุด-อยู่ที่จุดใดก่อนที่จะตัดสินใจใช้แนวทางใดๆ

ขั้นตอนที่ 2: กำหนดคลัสเตอร์ร้านค้าของคุณ

ร้านค้าบางแห่งไม่ควรมีประเภทสินค้าที่เหมือนกัน แต่ประเภทที่แตกต่างกันโดยสิ้นเชิงสำหรับร้านค้าทุกแห่งนั้นไม่สามารถจัดการได้ในการปฏิบัติงาน การจัดกลุ่มร้านค้าช่วยลดความสุดขั้วเหล่านี้ด้วยการจัดกลุ่มสถานที่ตั้งที่มีโปรไฟล์ความต้องการที่คล้ายกันอย่างมีนัยสำคัญ การจัดกลุ่มที่มีประสิทธิภาพนั้นสร้างขึ้นจากพฤติกรรมการซื้อจริง - องค์ประกอบตะกร้า ความเร็วของหมวดหมู่ รูปแบบภารกิจของนักช้อป - ไม่ได้ขึ้นอยู่กับข้อมูลประชากรที่สันนิษฐาน ผู้ค้าปลีกส่วนใหญ่ดำเนินงานโดยมีคลัสเตอร์สี่ถึงแปดคลัสเตอร์ ขึ้นอยู่กับขนาดเครือข่ายและความหลากหลายของรูปแบบ หมายเลขที่ถูกต้องคือหมายเลขที่แต่ละคลัสเตอร์มีพฤติกรรมที่แตกต่างกันอย่างแท้จริงเพียงพอที่จะรับประกันเทมเพลตผลิตภัณฑ์ที่แตกต่างกัน

ขั้นตอนที่ 3: รวมแหล่งข้อมูลของคุณ

การเพิ่มประสิทธิภาพการจัดประเภทจะดีพอๆ กับข้อมูลที่ป้อนเท่านั้น อย่างน้อยที่สุด คุณต้องมีข้อมูลการขายระดับ SKU- ตามร้านค้าที่มีประวัติอย่างน้อย 12 เดือน ระดับสินค้าคงคลังในปัจจุบัน และการวัดความพร้อมของชั้นวางบางส่วน คำถามเกี่ยวกับวิธีการบันทึกข้อมูลชั้นวาง - ไม่ว่าจะผ่านการรายงานด้วยตนเอง ระบบ ESL หรือเซ็นเซอร์ IoT - ส่งผลโดยตรงต่อความสดใหม่และความน่าเชื่อถือของข้อมูล ทำความเข้าใจกับตัวเลือกการเชื่อมต่อสำหรับการบันทึกข้อมูลชั้นวางเป็นการตัดสินใจตั้งแต่เนิ่นๆ ในทางปฏิบัติ การบูรณาการข้อมูลที่สมบูรณ์แบบไม่ใช่ข้อกำหนดเบื้องต้นสำหรับการเริ่มต้น - แต่คุณต้องเข้าใจช่องว่างและเวลาแฝงของข้อมูลก่อนที่จะเชื่อถือผลลัพธ์

ขั้นตอนที่ 4: ตั้งค่ากฎการเพิ่มประสิทธิภาพและรั้ว

โมเดล AI และอัลกอริธึมการปรับให้เหมาะสมจำเป็นต้องมีข้อจำกัด ไม่ใช่ทุกการตัดสินใจควรจะเป็นไปโดยอัตโนมัติ กำหนดอย่างชัดเจนว่าการตัดสินใจใดที่สามารถทำงานได้โดยอัตโนมัติ - เช่น ทริกเกอร์การเติมเต็มสำหรับ- SKU ที่มีความเร็วสูง - และสิ่งใดที่ต้องมีการตรวจสอบโดยเจ้าหน้าที่ เช่น การเพิกถอนผลิตภัณฑ์ออกจากคลัสเตอร์ Guardrails ยังป้องกันข้อผิดพลาดที่ระบบอัตโนมัติเกิดขึ้นเมื่อข้อมูลไม่สมบูรณ์ ตัวอย่างทั่วไป: อัลกอริทึมแนะนำให้ลบผลิตภัณฑ์เนื่องจากยอดขายต่ำ เมื่อสาเหตุที่แท้จริงเกิดจากการสต็อกสินค้าอย่างต่อเนื่องซึ่งข้อมูลการขายไม่ได้แยกความแตกต่างจากความต้องการต่ำข้อผิดพลาดในการแสดงราคาและห้องว่างเป็นโหมดความล้มเหลวในการปฏิบัติงานที่เกี่ยวข้องซึ่งควรค่าแก่การทำความเข้าใจก่อนที่จะมีการนำระบบอัตโนมัติมาใช้

ขั้นตอนที่ 5: วัดผล เรียนรู้ และทำซ้ำ

การเพิ่มประสิทธิภาพการแบ่งประเภทเป็นกระบวนการที่ต่อเนื่อง ไม่ใช่โครงการที่เกิดขึ้นครั้งเดียว- สร้างจังหวะการทบทวนอย่างสม่ำเสมอ - ทุกไตรมาสเป็นอย่างน้อยสำหรับการตัดสินใจเชิงกลยุทธ์ และทุกเดือนสำหรับการปรับเปลี่ยนยุทธวิธี สร้างลูปข้อเสนอแนะที่มีโครงสร้างระหว่างทีมหมวดหมู่ส่วนกลางและข้อมูลประสิทธิภาพระดับ-ของร้านค้า ถือว่าแต่ละรอบการวางแผนเป็นเสมือนการทดลอง ตั้งสมมติฐาน ดำเนินการเปลี่ยนแปลง วัดผลลัพธ์ ใช้การเรียนรู้นั้นในรอบถัดไป องค์กรที่ดึงคุณค่าสูงสุดจากกระบวนการนี้ไม่ใช่องค์กรที่มีเครื่องมือที่ซับซ้อนที่สุด พวกเขาคือผู้ที่สร้างนิสัยในการเรียนรู้จากข้อมูลอย่างสม่ำเสมอ

KPI หกประการสำหรับการวัดการเพิ่มประสิทธิภาพการจัดประเภท

ติดตามตัวชี้วัดทั้งหกที่ระดับร้านค้า ไม่ใช่แค่แบบรวม ค่าเฉลี่ยระดับเครือข่าย-มักซ่อนร้านค้าที่ปัญหารุนแรงที่สุด - และที่ซึ่งมีโอกาสเพิ่มประสิทธิภาพมากที่สุด

การเพิ่มประสิทธิภาพการแบ่งประเภททั้งช่องทางออนไลน์และทางกายภาพ

สำหรับผู้ค้าปลีกที่ดำเนินการผ่านช่องทางทางกายภาพและดิจิทัล การตัดสินใจเลือกประเภทไม่สามารถจัดการแยกกันได้สภาพแวดล้อมการค้าปลีกมีการเปลี่ยนแปลง: ลูกค้าย้ายไปมาระหว่างช่องทางต่างๆ ได้อย่างราบรื่น และข้อมูลจากแต่ละช่องทางสามารถนำไปใช้ในการตัดสินใจในอีกช่องทางหนึ่งได้

ออนไลน์เป็นสัญญาณการแบ่งประเภทการค้นหา-ผลลัพธ์ที่เป็นศูนย์บน-แพลตฟอร์มอีคอมเมิร์ซของคุณเป็นตัวบ่งชี้โดยตรงของช่องว่างการแบ่งประเภทลูกค้า - ที่บอกคุณอย่างชัดเจนถึงสิ่งที่พวกเขาต้องการโดยที่คุณไม่มี รูปแบบการซื้อสูง-เรียกดูต่ำ-อาจบ่งบอกถึงผลิตภัณฑ์ที่ลูกค้าต้องการประเมินด้วยตนเองก่อนที่จะซื้อ ซึ่งมีผลกระทบต่อ-การจัดเรียงสินค้าในร้านค้า ตามการวิจัยของแมคคินซีย์ผู้บริโภคมากกว่า 70% คาดหวังประสบการณ์เฉพาะบุคคล - ซึ่งเป็นความคาดหวังที่นำไปใช้กับความพร้อมของผลิตภัณฑ์พอๆ กับการสื่อสาร

การแบ่งประเภทแบบครบวงจรและแบบแตกต่างการเลือกสินค้าทางออนไลน์และในร้านค้าของคุณ-ควรสอดคล้องกันหรือไม่นั้นขึ้นอยู่กับรูปแบบร้านค้าและพฤติกรรมของลูกค้า การแบ่งประเภทแบบรวมทำให้การดำเนินงานง่ายขึ้นและสร้างข้อมูลความต้องการที่สะอาดยิ่งขึ้น แต่บังคับให้ร้านค้าทางกายภาพมีความซับซ้อนของแค็ตตาล็อกออนไลน์ที่รูปแบบส่วนใหญ่ไม่สามารถรองรับได้ แนวทางที่แตกต่าง - โดยที่ร้านค้าทางกายภาพมีแกนประมวลผลความเร็วสูง-ที่ได้รับการดูแลจัดการ ในขณะที่ช่องทางออนไลน์จัดการกับแบบหางยาว - จะทำงานได้ดีเมื่อทั้งสองช่องทางให้บริการภารกิจการช็อปปิ้งที่แตกต่างกันอย่างแท้จริง กรอบการตัดสินใจนั้นไม่ซับซ้อน: หากลูกค้าค้นหาทางออนไลน์เป็นประจำและทำให้เกิด Conversion ในร้านค้า- ความสอดคล้องก็มีความสำคัญ หากผู้ซื้อทางออนไลน์และในร้านค้า-เป็นกลุ่มผู้ชมที่แตกต่างกันเป็นส่วนใหญ่ การแยกความแตกต่างอาจมีประสิทธิภาพมากกว่า

จะเริ่มตรงไหน.จุดเริ่มต้นที่เป็นประโยชน์มากที่สุดคือการเชื่อมต่อข้อมูลการค้นหา-ศูนย์อีคอมเมิร์ซ- ของคุณเข้ากับการทบทวนการวางแผนหมวดหมู่ของคุณ ไม่จำเป็นต้องมีเทคโนโลยีใหม่ - การส่งออกข้อความค้นหาที่ล้มเหลวทุกเดือนที่ได้รับการตรวจสอบโดยผู้จัดการหมวดหมู่ สามารถช่วยเผยให้เห็นช่องว่างในการจัดประเภทที่-ข้อมูลยอดขายในร้านจะไม่มีวันเปิดเผย จับคู่สิ่งนี้กับปรับปรุงการเก็บบันทึกข้อมูลระดับชั้นวาง-ในร้านค้าทางกายภาพจะสร้างวงปิดระหว่างสัญญาณออนไลน์และการดำเนินการใน-ร้านค้า

สิ่งนี้ดูเหมือนในทางปฏิบัติ

สถานการณ์ต่อไปนี้แสดงให้เห็นว่าหลักการเพิ่มประสิทธิภาพการจัดประเภทนำไปใช้กับรูปแบบการขายปลีกอย่างไร นี่เป็นตัวอย่างประกอบ ไม่ใช่กรณีศึกษาของบริษัทโดยเฉพาะ

ร้านขายของชำ: อุปสงค์ในท้องถิ่นปกปิดด้วยข้อมูลรวมเครือร้านขายของชำระดับภูมิภาควางแผนการแบ่งประเภทโดยใช้ข้อมูลหมวดหมู่รวม หมวดหมู่อาหารตามกลุ่มชาติพันธุ์ - ผู้ที่มีบทบาทโดดเด่นในบางพื้นที่ใกล้เคียง - มักถูกนำเสนอต่ำกว่าปกติ เนื่องจากยอดขายของพวกเขาลดลงเมื่อสะสมจนถึงระดับแบนเนอร์ แนวทางแบบคลัสเตอร์-ที่สร้างขึ้นจากองค์ประกอบตะกร้าจริงเผยให้เห็นว่าสิ่งที่ดูเหมือนความต้องการในหมวดหมู่ต่ำในกลุ่มร้านค้าบางกลุ่มกลับเป็นปัญหาในการรวบรวมข้อมูลเชิงโครงสร้างแทน การปรับเทมเพลตของร้านค้าเหล่านั้นให้สะท้อนถึงพฤติกรรมการซื้อในท้องถิ่นช่วยปิดช่องว่าง ปัจจัยที่เอื้ออำนวยไม่ใช่เทคโนโลยีใหม่ - แต่เป็นการแยกข้อมูลความต้องการตามร้านค้ามากกว่าแยกตามแบนเนอร์ มองเห็นได้ดีขึ้นผ่านเครื่องมือเช่นป้ายชั้นวางอิเล็กทรอนิกส์ในร้านขายของชำสนับสนุนการวัดอย่างต่อเนื่องว่าการจัดประเภทที่ปรับแล้วเหล่านั้นได้รับการดำเนินการจริงหรือไม่

แฟชั่น: การจัดการ SKU แบบยาว-ผู้ค้าปลีกเครื่องแต่งกายแบบพิเศษรายหนึ่งมี SKU ที่ใช้งานอยู่หลายพันรายการต่อฤดูกาล การตรวจสอบประสิทธิภาพการทำงานพบว่าส่วนสำคัญของกลุ่มผลิตภัณฑ์สร้างส่วนแบ่งรายได้เพียงเล็กน้อยอย่างไม่เป็นสัดส่วน ในขณะที่ใช้ทรัพยากรในการวางแผน สินค้าคงคลัง และการเติมสินค้า การวิเคราะห์จะแยกกลุ่มที่มีประสิทธิภาพต่ำกว่าสองกลุ่ม: SKU ที่ไม่มีฐานลูกค้าประจำที่ระบุได้ และพื้นที่เชิงลบ-ถึง-ส่วนสนับสนุนกำไร และ SKU ที่มีปริมาณโดยรวมต่ำ แต่มีอัตราการซื้อซ้ำสูงในกลุ่มผู้ซื้อเฉพาะ กลุ่มแรกจะหมดไป ส่วนที่สองยังคงอยู่ด้วยการจัดสรรพื้นที่ที่ปรับเปลี่ยนแล้ว ผลลัพธ์ที่ได้คือช่วงที่แคบยิ่งขึ้น ซึ่งง่ายต่อการดำเนินการ และมีโอกาสน้อยที่จะสร้างความเหนื่อยล้าในการตัดสินใจในระดับชั้นวาง

การค้าปลีกแบบสะดวกซื้อ: ความเร็วในการดำเนินการเป็นตัวสร้างความแตกต่างเครือร้านสะดวกซื้อรูปแบบ-ขนาดเล็กดำเนินงานในสถานที่ซึ่งทุกตารางฟุตมีเดิมพันสูง- และต้นทุนของสต๊อกสินค้าจะเพิ่มมากขึ้นด้วยบัฟเฟอร์สินค้าคงคลังที่ต่ำ ปัจจัยที่จำกัดไม่ใช่แผนการจัดประเภท - แต่เป็นเวลาระหว่างการสต็อกสินค้าที่เกิดขึ้นและพนักงานร้านค้าที่ตอบสนองต่อสิ่งนั้น การลดช่องว่างดังกล่าวผ่านการตรวจสอบชั้นวางแบบอัตโนมัติ แทนที่จะอาศัยการตรวจสอบตามกำหนดการด้วยตนเอง มีผลกระทบโดยตรงและวัดผลได้ต่อ-ความพร้อมในการให้บริการของร้านค้าสำหรับประเภท-แรงกระตุ้นที่มีกำไรสูง

คำถามที่พบบ่อย

การเพิ่มประสิทธิภาพการจัดประเภทในการค้าปลีกคืออะไร?

การเพิ่มประสิทธิภาพการแบ่งประเภทเป็นกระบวนการในการเลือกและปรับปรุงส่วนผสมผลิตภัณฑ์ที่นำเสนอในแต่ละร้านค้าอย่างต่อเนื่อง เพื่อเพิ่มยอดขาย อัตรากำไร และความพึงพอใจของลูกค้า ซึ่งแตกต่างจากการวางแผนการแบ่งประเภทตามเวลา- โดยจะรวมข้อมูลแบบเรียลไทม์-และการตรวจสอบประสิทธิภาพอย่างต่อเนื่องเพื่อให้การเลือกผลิตภัณฑ์สอดคล้องกับความต้องการที่แท้จริง

อะไรคือความแตกต่างระหว่างการวางแผนการจัดประเภทและการเพิ่มประสิทธิภาพการจัดประเภท?

การวางแผนการแบ่งประเภทเป็นกระบวนการแบบรวมศูนย์เป็นระยะๆ - โดยทั่วไปตามฤดูกาลหรือรายปี - ที่กำหนดผลิตภัณฑ์ที่จะขนส่งตามข้อมูลในอดีต การเพิ่มประสิทธิภาพการแบ่งประเภทเป็นไปอย่างต่อเนื่อง โดยจะรวม-สัญญาณแบบเรียลไทม์และข้อมูลประสิทธิภาพระดับร้านค้า-เพื่อปรับประเภทตามการเปลี่ยนแปลงของเงื่อนไข การวางแผนกำหนดทิศทางเริ่มต้น การเพิ่มประสิทธิภาพช่วยให้ปรับเทียบได้

AI ปรับปรุงการเพิ่มประสิทธิภาพการจัดประเภทอย่างไร

AI ช่วยให้สามารถ-คาดการณ์ความต้องการระดับร้านค้าที่นอกเหนือไปจากค่าเฉลี่ยของคลัสเตอร์ ระบุ SKU ที่มีประสิทธิภาพต่ำกว่าในขณะที่คำนึงถึงผลกระทบจากการทดแทน สร้างคำแนะนำพลาโนแกรมตามความเร็วการขายในปัจจุบัน และประมวลผล-สัญญาณตามเวลาจริง - สภาพอากาศ กิจกรรมในท้องถิ่น กิจกรรมของคู่แข่ง - ซึ่งรอบการวางแผนด้วยตนเองไม่สามารถรวมไว้ทันเวลาในการดำเนินการ

สาเหตุที่พบบ่อยที่สุดในการเพิ่มประสิทธิภาพการจัดประเภทล้มเหลวคืออะไร

รูปแบบความล้มเหลวที่พบบ่อยที่สุดห้ารูปแบบ: การพึ่งพา-ข้อมูลในอดีตมากเกินไปซึ่งไม่สามารถตอบสนองความต้องการในปัจจุบันได้ การตัดสินใจแบบรวมศูนย์-ซึ่งพลาดรูปแบบท้องถิ่น ระบบข้อมูลแบบไซล์ที่สร้างภาพที่ไม่สมบูรณ์ การปฏิบัติตาม planogram ต่ำกว่าที่สำนักงานใหญ่ถือว่า; และความล้มเหลวในการรวมสัญญาณความต้องการออนไลน์ที่เปิดเผยช่องว่างที่มองไม่เห็นใน-ข้อมูลยอดขายในร้านเพียงอย่างเดียว

ฉันควรติดตาม KPI ใดเพื่อเพิ่มประสิทธิภาพการจัดประเภท

ตัวชี้วัดที่มีประโยชน์ที่สุดคืออัตราการสต๊อกสินค้า,-อัตราการขายผ่าน, ประสิทธิภาพการทำงานของ SKU (รายได้หรือส่วนต่างต่อหน่วยของพื้นที่ชั้นวาง), อัตราการปฏิบัติตามพลาโนแกรม, ส่วนต่างของหมวดหมู่ และการจัดแนวความต้องการของคลัสเตอร์ (ความแปรปรวนระหว่างการจัดประเภทที่วางแผนไว้และการขายจริง-ผ่านที่ระดับคลัสเตอร์) ติดตามทั้งหมดนี้ในระดับร้านค้า ไม่ใช่แค่แบบรวม

การดำเนินการใช้เวลานานเท่าใด?

โดยทั่วไป การตรวจสอบพื้นฐานและกรอบงานการเพิ่มประสิทธิภาพตามคลัสเตอร์-สามารถพัฒนาได้ภายในไม่กี่เดือนโดยใช้ข้อมูลที่มีอยู่ การเพิ่มประสิทธิภาพอย่างต่อเนื่องที่ขับเคลื่อนด้วย AI ที่ซับซ้อนมากขึ้น-จำเป็นต้องมีรากฐานข้อมูลที่แข็งแกร่งขึ้น และอาจใช้เวลา 12 ถึง 18 เดือนในการดำเนินการอย่างเต็มที่ การเริ่มต้นด้วยการตรวจสอบมักจะเผยให้เห็นชัยชนะอย่างรวดเร็วก่อนที่จะต้องใช้เทคโนโลยีใหม่ใดๆ

ผู้ค้าปลีกรายย่อยจะได้รับประโยชน์จากการเพิ่มประสิทธิภาพการจัดประเภทสินค้าหรือไม่

ใช่. หลักการนำไปใช้โดยไม่คำนึงถึงขนาด - การทำความเข้าใจว่าผลิตภัณฑ์ใดได้รับพื้นที่ การติดตามความถี่ในการสต็อกสินค้า และการสร้างข้อเสนอแนะระหว่างข้อมูลการขายและการตัดสินใจเกี่ยวกับผลิตภัณฑ์นั้นมีความหมายสำหรับการดำเนินการทุกขนาด ผู้ค้าปลีกรายย่อยอาจไม่ต้องการแพลตฟอร์ม AI ระดับองค์กร เครื่องมือวิเคราะห์ฟรีหรือต้นทุนต่ำ-สามารถรองรับการเพิ่มประสิทธิภาพที่เป็นประโยชน์โดยพิจารณาจากข้อมูลที่มีอยู่แล้ว การเลือกโซลูชันฉลากชั้นวางที่ถูกต้องเป็นจุดเริ่มต้นที่เป็นประโยชน์ประการหนึ่งสำหรับการปรับปรุงการเก็บข้อมูลโดยไม่ต้องลงทุนโครงสร้างพื้นฐานจำนวนมาก

ฉันต้องใช้ข้อมูลอะไรบ้างในการเริ่มต้น?

อย่างน้อยที่สุด: ข้อมูลระดับการขาย SKU- แยกตามร้านค้าที่มีประวัติอย่างน้อย 12 เดือน ระดับสินค้าคงคลังในปัจจุบัน และการวัดความพร้อมของชั้นวางบางส่วน - แม้แต่รายงานการสต็อกสินค้าด้วยตนเอง จากรากฐานนี้ คุณสามารถดำเนินการตรวจสอบที่มีความหมาย ระบุ-โอกาสที่มีผลกระทบสูงสุด และสร้างแผนงานการปรับปรุงข้อมูล ข้อมูลที่สมบูรณ์แบบไม่ใช่ข้อกำหนดเบื้องต้น การเพิ่มประสิทธิภาพที่เป็นประโยชน์นั้นเกิดขึ้นได้เมื่อมีข้อมูลที่ไม่สมบูรณ์ ตราบใดที่คุณเข้าใจและคำนึงถึงช่องว่างของมันด้วย

จะเริ่มตรงไหน

การเพิ่มประสิทธิภาพการแบ่งประเภทจะให้คุณค่าสูงสุดเมื่อทำงานเป็นวงต่อเนื่อง - วิเคราะห์ประสิทธิภาพ ปรับส่วนผสมผลิตภัณฑ์ ดำเนินการใน-ร้านค้า วัดผลลัพธ์ และทำซ้ำ ผู้ค้าปลีกที่สร้างความสามารถนี้อย่างมีประสิทธิผลสูงสุดไม่จำเป็นต้องเป็นผู้ลงทุนในเครื่องมือที่ทันสมัยที่สุดก่อนเสมอไป พวกเขาคือผู้ที่เริ่มต้นด้วยข้อมูลที่ตรงไปตรงมาเกี่ยวกับจุดที่การคัดสรรในปัจจุบันล้มเหลว และสร้างนิสัยขององค์กรเพื่อดำเนินการกับข้อมูลนั้นอย่างสม่ำเสมอ

หากคุณเริ่มต้นใหม่ทั้งหมด คุณสามารถดำเนินการสี่ประการได้ทันที: ดำเนินการสต็อกสินค้าและการตรวจสอบประสิทธิภาพการทำงานของ SKU โดยใช้ข้อมูลที่คุณมีอยู่แล้ว ตรวจสอบคำจำกัดความของคลัสเตอร์ร้านค้าของคุณเทียบกับพฤติกรรมการซื้อจริง แทนที่จะพิจารณาตามข้อมูลประชากร เชื่อมต่อข้อมูลการค้นหาผลลัพธ์-ศูนย์อีคอมเมิร์ซ-ของคุณกับขั้นตอนการวางแผนหมวดหมู่ของคุณ และกำหนดว่าการตัดสินใจประเภทใดที่ควรดำเนินการโดยอัตโนมัติเทียบกับการตรวจสอบโดยมนุษย์ก่อนดำเนินการ

แต่ละสิ่งเหล่านี้สามารถทำได้ก่อนที่จะจัดหาเทคโนโลยีใหม่ใดๆ - และแต่ละอย่างจะให้ความชัดเจนมากขึ้นว่าการลงทุนด้านเทคโนโลยีจะขับเคลื่อนเข็มจริงตรงไหน