La revolución del retail. Resiliencia del sector con una predicción de la demanda más precisa

Gestionar los cambios impredecibles del comportamiento de compra del consumidor

Una precisa predicción de la demanda es uno de los elementos más cruciales de una cadena de suministro resiliente. Cuando ocurren eventos catastróficos que pueden causar un cambio masivo en el comportamiento del consumidor, los comerciantes de todos los tamaños deben repentinamente ajustar sus previsiones. El ejemplo más reciente de ello es la pandemia que nos ha llevado al confinamiento en casa y, como resultado, por ejemplo, cocinar en casa ha tomado mayor protagonismo y esto ha reforzado el inventario de comestibles.

Con el desconfinamiento paulatino de las distintas zonas geográficas, es posible que muchos comportamientos de compra hayan venido para quedarse y que la gente opte por salir menos a cenar debido a nuevas tendencias a la hora de comprar comestibles: la despensa llena, trabajar de forma remota, voluntad de probar otras marcas y cambiar a nuevos canales de compra.

Con cierta inestabilidad en los niveles de inventario, muchos consumidores han buscado otras alternativas. En definitiva, se ha arrojado por la ventana toda fidelización de la marca que pudiera existir y los clientes se han volcado hacia marcas más baratas o marcas blancas. Los consumidores han optado por nuevos canales de compra, pedidos online y recibir comestibles a domicilio. Si la facilidad de estos canales perdura, es posible que veamos un cambio a largo plazo.

Lamentablemente, el sector del calzado y accesorios ha experimentado completamente lo contrario. Muchos comerciantes se han visto abocados a cerrar durante un tiempo, han experimentado cómo desaparecía la demanda y, en consecuencia, se ha producido un estancamiento del inventario. Las compras de ropa se han desplomado y la mayor parte de ellas se ha realizado online, no en establecimientos físicos.
Ahora que muchos consumidores trabajan remotamente, han cambiado a un vestuario más cómodo apto también para realizar actividades al aire libre, que ahora practican con más frecuencia. Mientras que la ropa formal y de negocios se mantiene en un perfil significativamente bajo, las compras de ropa deportiva han aumentado. El sector del calzado también ha experimentado un importante declive en ventas, excepto en zapatillas deportivas de alto rendimiento, cuya demanda ha crecido con fuerza.

Sin embargo, ¿sabemos si estas nuevas perspectivas centradas en la vida y salud personal perdurarán? Cuando todos los negocios hayan podido abrir de nuevo, ¿la demanda volverá a los comportamientos previos a la pandemia o las oportunidades de trabajar remotamente y estilos de vida activos serán tendencias permanentes? La misma pregunta se aplica al sector de reformas y artículos para el hogar. Se ha venido observando un incremento de nuevas actividades, como decoración, jardinería, reparaciones o remodelaciones, de modo que los proyectos en el hogar se erigen como un foco importante de tiempo y dinero.

Afrontar los retos de la demanda
Los retos relacionados con la predicción de la demanda implican nuevos comportamientos de compra, el cierre imprevisto de establecimientos y la incertidumbre las tendencias venideras. Los científicos de datos de los proveedores de software innovador basado en la IA, ayudan a los retailers a ajustar los modelos de aprendizaje automático a sus categorías de negocio específicas. Los científicos pueden entrenar el algoritmo del aprendizaje automático (ML) para que automáticamente tenga en cuenta los nuevos comportamientos de venta observados y eliminar así los períodos de tiempo que no son relevantes como compras causadas por el pánico, cierres de tiendas, etc., para tener un modelo que prediga las necesidades futuras con precisión.

En los modelos tradicionales, los expertos en la planificación de la demanda deben actualizar manualmente los parámetros en series temporales, agregar niveles, asignar artículos favoritos, actualizar manualmente la previsión para lanzar una promoción y mucho más. Pero el aprendizaje automático va más allá y se extiende a otras características de la demanda como la previsión de productos nuevos, que utiliza tendencias de atributos de producto y ubicación, detalles promocionales, canibalización, datos externos como el tiempo, redes sociales, eventos locales y mucho más.

Los modelos de aprendizaje automático proporcionan la automatización y el modelado de la demanda flexible requeridos para una predicción precisa durante y después de estos tiempos tan inciertos. La próxima generación de inteligencia artificial en el retail utilizará redes neuronales, deep learning y otras técnicas de modelado para impulsar la automatización y la precisión todavía más.

Con un equipo de científicos de datos detrás, se asegura que los modelos estén bien ajustados para producir resultados precisos. Los expertos de planificación de demanda deberían centrar sus esfuerzos en gestionar excepciones, analizar el negocio, buscar oportunidades y, durante esta época tan incierta, crear estrategias para lo que parece la nueva normalidad.

Para obtener más información sobre cómo los comerciantes pueden crear modelos de demanda más precisos utilizando el aprendizaje automático, visite Infor Demand Planning. Para estrategias adicionales que le ayuden a construir su cadena de suministro resiliente, descargue la Guía completa de mejores prácticas 5 claves para crear una cadena de suministro de retail resiliente .