Como a IA Pode Reduzir Taxas de Devolução de Calçados e Aumentar a Rentabilidade do Varejo

O Natal está chegando, e varejistas já lutam para atender à demanda devido ao impacto duradouro da pandemia nas cadeias de suprimentos. À medida que nos aproximamos do fim do ano, quando vendas e compras de festas reinam supremas, as empresas precisam implementar estratégias proativas que maximizem o estoque, ou enfrentarão desafios de suprimento que esmagam margens. A inteligência artificial pode oferecer uma solução.

O segmento de calçados no varejo apresenta desafios únicos para a gestão de estoque, devido a questões de variabilidade de tamanhos e padrões de devolução. A IA pode transformar como empresas de calçados resolvem esses desafios ajudando-as a gerenciar estoque, prever demanda de mercado e monitorar margens de lucro.

Se a previsão fosse um quebra-cabeça, a previsão de vendas comporia as peças de borda e a previsão de devoluções comporia o centro. Você não pode ter uma imagem completa da previsão de varejo sem dados de vendas e devoluções. Infelizmente, a maioria dos sistemas de previsão antecipa vendas e negligencia devoluções, provavelmente porque a análise de devoluções é muito mais complexa.

Para empresas de calçados especialmente, onde as taxas de devolução chegavam a 40% antes da pandemia, a previsão de vendas sozinha apresenta uma imagem extremamente limitada da atividade geral da empresa. Desde os lockdowns de 2020, vendas e devoluções online só aumentaram.

Algumas empresas de calçados estão percebendo uma tendência específica no comportamento do consumidor: clientes compram três pares de sapatos em tamanhos diferentes para experimentá-los em casa e devolver os dois que não serviram. Isso é um grande destruidor de lucro, porque varejistas de calçados muitas vezes não conseguem revender o que foi devolvido de uma compra online tão facilmente quanto uma compra na loja, onde os ajustes acontecem em ambiente mais controlado. Devoluções também podem ser devidas a diferenças de cores ou estilos se, por exemplo, o comprador não acha que o sapato parece o mesmo pessoalmente como online.

Para navegar essa tendência, lojas começaram a revender sapatos "open-box" com desconto. Embora essa estratégia tenha ajudado a estancar a hemorragia de lucros, devoluções e descontos devem ser todos considerados em uma equação matemática altamente complexa, tornando quase impossível entender o panorama maior do estoque.

É aqui que a IA muda o jogo. Todos os varejistas precisam de previsões precisas baseadas em dados disponíveis para prever e planejar o desempenho de cada canal de varejo, seja online, na loja ou uma venda mista de compra online, retirada na loja (BOPIS). Esta é uma incrível riqueza de dados para gerenciar, mas a IA pode simplificar o processo fornecendo e interpretando insights de estoque até o nível de loja, SKU, tamanho, cor e estilo. Somente com esse grau de informação detalhada as empresas de calçados poderão fazer previsões precisas sobre vendas e devoluções e planejar o estoque adequadamente.

Determinando Otimização de Tamanhos com IA

A otimização de tamanhos é um componente crítico da indústria de calçados, mas muitos varejistas não têm as ferramentas necessárias para tomar decisões informadas. Um único estilo de sapato pode vir em até 15 tamanhos, às vezes mais. E quando clientes compram mais tamanhos do que acabarão mantendo, as previsões se tornam ainda mais complicadas.

A IA pode extrair dados críticos de múltiplas fontes, não apenas vendas históricas, para ajudar varejistas a determinar quais tamanhos estocar mais ou menos. Previsões geradas por IA são então aprimoradas com machine learning, que fica mais inteligente com o tempo graças a novos dados e informações atualizadas. Os melhores sistemas de previsão com IA dão previsões mais precisas, porque estão constantemente aprendendo com o resultado de cada previsão e ajustando para precisão ainda maior. Idealmente, para um varejista, isso resultaria em previsão de demanda automatizada, "sem toque", dando aos planejadores humanos mais tempo para focar nas exceções.

Atrasos na cadeia de suprimentos atrapalharam o planejamento de reposição. A maioria dos merchandisers prevê quais e quantos produtos venderão no início da temporada e faz um plano de longo prazo baseado nessa previsão. Sem previsão detalhada em tempo real, especialmente diante da volatilidade da cadeia de suprimentos, essas previsões iniciais podem ser, na melhor das hipóteses, um jogo de adivinhação.

A IA fornece insights detalhados sobre vendas e pode ajudar varejistas a otimizar sua estratégia de alocação de pré-temporada. Empresas podem então determinar tendências e padrões de compra, analisar estoque e incorporar vendas e devoluções reais para fazer previsões mais precisas durante a temporada.

Com IA, varejistas obtêm essa informação em tempo real para agir prontamente, em vez de esperar ou tomar decisões baseadas em informações desatualizadas. Com insights sobre vendas semana a semana, varejistas podem adotar uma abordagem mais proativa para reposição. Serão capazes de determinar o que repor, o que pode esgotar e a taxa de devolução de um dado produto. Dessa forma, a reposição de varejo é transformada e as margens se expandem para melhores lucros.

Abordagem Loja por Loja

Para prosperar e crescer neste ambiente de compras pós-pandemia, varejistas de calçados precisam adotar uma abordagem loja por loja ao determinar uma estratégia de previsão, alocação e reposição. Varejistas não podem simplesmente confiar nos dados do ano passado, dados regionais ou previsões gerais; precisam incorporar níveis granulares de insights que gerem recomendações baseadas em dados e acionáveis. Pequenas diferenças demográficas podem impactar significativamente quais tamanhos e estilos serão mais populares em uma determinada região em um determinado momento.

Isso pode parecer assustador para varejistas de calçados com múltiplas lojas pelo país ou mundo, mas a IA torna o processo atingível automatizando a coleta e modelagem de dados. Varejistas podem gastar mais tempo fazendo previsões precisas e tomando medidas baseadas em dados confiáveis, em vez de fazer previsões a partir de palpites educados.

Muitas indústrias, do varejo à moda à alimentação, adotaram abordagens reativas para estratégias de estoque por muito tempo. Temos a tecnologia e ferramentas para fazer previsões precisas e maximizar lucros em tempos de extrema volatilidade de mercado. É hora de varejistas investirem em uma metodologia científica e estratégias omnichannel focadas em IA que tornem previsão, alocação e reposição mais precisas e eficazes. A IA torna isso possível, e fica mais inteligente a cada dia.

Yogesh Kulkarni é co-CEO da antuit.ai, parte da Zebra Technologies.