广告
05/10/2021

在Omnichannel中找到利润

拿着一个遥控的手坐便携式计算机顶部

新的履行选项,安全协议和数字订单卷正在挤压零售商的边距。虽然整体零售业继续增长,具体的细分市场,如时装和消费电子产品,减少销售和利润下的斗争。

2020年,麦肯锡&Co.预计为时尚行业的盈利能力下降了93%。随着收入仍低于2019年的水平和履行成本上涨,零售商需要通过全米尼克尔投资来改善利润并变得更有利可图。

在零售商陷入2020年之后,许多人在高级AI解决方案中发现了重新开发的能量,专注于效率,有效性和可持续性。为实现这些,零售商必须首先通过不断预测和响应市场班次来领先客户。今天,全部变得更加复杂。因此,大多数零售商缺乏这种能力 - 近期揭示的零售员缺乏令人惊讶的是Forrester研究

在一个Omnichannel商业模式中,一家商店不仅仅是销售地点,而且是展厅,体验中心,销售,履行和返回位置。每个商店都在整个零售商的生态系统中发挥作用,并通过各种,分配,定价和履行决策要求超地局部处理。

由于客户不会在渠道中思考,因此零售商不能继续分离它们。他们必须评估他们如何与和谐一起工作。通过预测整个商店和渠道的客户需求来实现这一目标,产生更好的库存利用,利润率和盈利能力。

传统上,商店通过先前性能和格式分配的分类来分类。这些A,B或C商店分类很少考虑商店在Omnichannel Ecosystem中的细节作用。作为替代方案,零售商应该考虑这些商店的销售和实现所以分类将与实际需求保持一致,加上较低的商店可能是区域客户的首选履行地点,而不是从高性能商店拉动库存。

此外,根据与几个零售商的对话,边缘尺寸比在储存中具有比存储在内的更多在线需求 - 超过10-15%。由于商店将其作用转移到履行,因此它们应该在商店中携带其中一些库存,即使没有显示该库存。最后,增强的分类应包括一起出售的物品,以减少分割货物。

提高上游流程将通过不标准,卖出收益和降低运费来提高盈利能力。然而,无论设置如何,零售商仍然可以在履行时改善决策。

随着商店角色考虑的各种变化,零售商可以将他们的库存分配转移到他们的商店和分销中心。更重要的是,在AI中的进步,他们可以不断预测和预测客户需求。这种常量重新调整库存确保库存将在正确的时间内在理想的位置 - 创建富勒斯特商店演示,更少的标记和较低的运费。

Omnichannel定价是提高盈利能力的另一个机会。多年来,价格优化具有改善的边距和抛售,但随着Omnichannel商店库存的增加的尺寸现在用于满足。毕竟,如果您正在进行所描述的调整,则您正在为此目的分配数量。即使您没有,在线需求仍然存在。为避免深度折扣,零售商必须在进行定价决策时纳入当地需求,在线需求和潜在回报。

最后,有履行问题。提高上游流程将通过不标准,卖出收益和降低运费来提高盈利能力。然而,无论设置如何,零售商仍然可以在履行时改善决策。

这些决定目前是基于运输成本,劳动力容量,库存可用性和距离客户距离的组合。换句话说,它们是基于成本和执行的能力而制作的。另一个元素需要考虑:机会。想象一下,客户在线购买跑鞋,以100美元,并要求2-3天送货。

  • 您有两家商店(商店A和商店B),可以满足订单,并且鞋子在两个地方的价格为100美元。
  • 两个商店都可以满足履行请求时间表。
  • 但在商店B,它将花费3美元来发货。
  • 决定。在商店A的成本下降。

但那种决定忽略了那些鞋子的机会。想象一下,如果您知道要在Store A销售所有库存,您需要平均折扣20%。但在商店B,您需要平均折扣40%。记住,两者目前价格相同。但通过预测未来的价格要求销售库存,您今天可以在履行中获得更有利可图的决定。

越来越多的Omnichannel的盈利能力需要重新思考和重新处理商品和供应链操作。前面的例子通过更好的库存利用率和降低运费来改善利润率。然而,存在级联效果,导致以前的每个规划,执行,定价和履行改进建设,每个周期都会产生积极的势头。

Yogesh Kulkarni是商品和营销业务部门的首席运营官Antuit.ai.

更多关于ai.

  • 星巴克增加了100万+忠诚度成员,因为它养了AI引擎

    由于其忠诚度名单膨胀,该公司还在被称为深度酿造的人工智能引擎上分享了更多细节。
    一个人坐在车里
  • 莎莉美丽轻拍ai加强定价策略

    Sally Beauty Holdings,Inc。正在攻击人工智能(AI),为其定价,促销,爆曲和竞争情报提供动力。
    在商店中的展示
  • Levi的AI产品推荐引擎驾驶DTC转换

    随着公司获得提供更加个性化的直接消费者体验的好处,Levi的将继续扩展其支持AI的产品推荐技术。
    一群人走在商店前面