อัลกอริทึมที่คาดการณ์ความต้องการได้อย่างแม่นยำถึง 87% กรอบการทำงานที่มีตัวแปร 48 ตัว ซึ่งช่วยลดสินค้าคงคลังที่ขายไม่ออกได้มากกว่าครึ่ง แอนนา คิสต์เนอร์ อดีตผู้ซื้อสินค้าจาก Galeries Lafayette และ Maison-B-More และปัจจุบันดำรงตำแหน่งผู้จัดการฝ่ายวิเคราะห์ข้อมูลที่ Saks Global ใช้เวลามากกว่าสิบปีในการพัฒนาแพลตฟอร์มการคาดการณ์การซื้ออัจฉริยะ (Predictive Buying Intelligence Platform หรือ PBIP) และในที่สุดมันก็กำลังสร้างผลลัพธ์ที่ยอดเยี่ยมให้กับวงการสินค้าหรูหรา ค้าปลีก วิธีป้องกันการเดาผิด
ทุกปี ภาคธุรกิจสินค้าหรูของสหรัฐฯ สูญเสียเงินจากการลดราคาไปประมาณ 25 พันล้านดอลลาร์ ประมาณ 40% ของคอลเลกชันถูกขายในราคาลด และมากถึง 10% ยังคงขายไม่ออก ซึ่งเป็นการสูญเสียจำนวนมหาศาลที่ส่งผลเสียต่อทั้งกำไรและสิ่งแวดล้อม สาเหตุหลักนั้นเรียบง่ายแต่เกิดขึ้นอย่างต่อเนื่อง นั่นคือ ผู้ซื้อสั่งซื้อสินค้าล่วงหน้าหกเดือนก่อนเริ่มฤดูกาล โดยอาศัยสัญชาตญาณ ยอดขายในอดีต และการนำเสนอของแบรนด์ เมื่อสินค้ามาถึง ความต้องการของผู้บริโภคก็เปลี่ยนไปแล้ว
แอนนา คิสต์เนอร์ สังเกตเห็นรูปแบบนี้ซ้ำแล้วซ้ำเล่าในแต่ละฤดูกาล ไม่ว่าจะเป็นที่ Van Cleef & Arpels ในเครือ Richemont, Majid Al Futtaim, Maison B More และในฐานะหัวหน้าฝ่ายเครื่องประดับที่ Galeries Lafayette's Dubai Mall ซึ่งเป็นห้างสรรพสินค้าหรูที่ใหญ่ที่สุดในตะวันออกกลาง คำตอบของเธอคือ PBIP: อัลกอริทึมที่เข้มงวดซึ่งถ่วงน้ำหนักตัวแปร 48 ตัวในห้ามิติ ได้แก่ สัญญาณทางสังคม (ติ๊กต๊อกโมเดลนี้วิเคราะห์ข้อมูลหลายด้าน ได้แก่ ข้อมูลจาก Instagram และ Lyst Index, ข้อมูลคู่แข่ง, ประสิทธิภาพของแบรนด์, สภาวะเศรษฐกิจมหภาค และการดำเนินงานค้าปลีก โดยโมเดลจะสร้างคะแนนเดียวที่นำไปใช้ได้จริง เพื่อวางแผนการจัดสินค้า ปริมาณ และการจัดสรรพื้นที่ร้านค้า
แน่นอนว่า PBIP ไม่ใช่ไม้กายสิทธิ์ การนำไปใช้จำเป็นต้องให้ผู้ค้าปลีกมีข้อมูลที่สะอาดและบูรณาการ ซึ่งเป็นอุปสรรคที่ไม่ได้ทุกแบรนด์หรือผู้ค้าปลีกจะสามารถเอาชนะได้ในทันที ยิ่งไปกว่านั้น เครื่องมือพยากรณ์แบบดั้งเดิม (ตั้งแต่แบบจำลอง Excel พื้นฐานไปจนถึงโมดูล ERP ระดับองค์กร) ยังคงครองตลาด และผู้ซื้อจำนวนมากยังคงยึดติดกับสัญชาตญาณ แต่สิ่งที่ทำให้ PBIP โดดเด่นคือความละเอียดของมัน: มันไม่ได้เพียงแค่คาดการณ์ความต้องการโดยรวมเท่านั้น แต่ยังแนะนำปริมาณต่อร้านค้าโดยอิงจากแนวโน้มในท้องถิ่น การแข่งขัน และแม้กระทั่งสภาพอากาศ
ผลลัพธ์ที่ได้นั้นวัดผลได้ ในการทดสอบการตรวจสอบความถูกต้องซึ่งครอบคลุมการตัดสินใจเกี่ยวกับผลิตภัณฑ์ 412 รายการ PBIP ให้ความแม่นยำในการพยากรณ์ถึง 87% ซึ่งสูงกว่าค่าเฉลี่ยของอุตสาหกรรมที่ 50-60% มาก กรณีศึกษาเกี่ยวกับการจัดซื้อเสื้อผ้ากันหนาวช่วยเพิ่มยอดขายในราคาเต็มจาก 59% เป็น 82% ลดสินค้าคงคลังที่ขายไม่ออกจาก 10% เหลือ 4% และประหยัดกำไรได้ 1.34 ล้านดอลลาร์ในหมวดหมู่เดียว ด้วยการจับคู่สินค้าคงคลังกับความต้องการได้อย่างแม่นยำยิ่งขึ้น วิธีการนี้ยังช่วยป้องกันการผลิตมากเกินไป ลดปริมาณขยะสิ่งทอ 11 ล้านตันที่สหรัฐฯ ส่งไปยังหลุมฝังกลบในแต่ละปี “ทุกครั้งที่ผู้ซื้อสั่งซื้อมากเกินไป สิ่งแวดล้อมก็ต้องเป็นผู้จ่าย” คิสต์เนอร์กล่าว
ก่อนที่ PBIP จะถือกำเนิดขึ้น คิสต์เนอร์ได้ตั้งคำถามถึงการพึ่งพาการคาดเดาของอุตสาหกรรมนี้มาแล้ว ที่ Majid Al Futtaim Fashion หนึ่งในกลุ่มธุรกิจค้าปลีกขนาดใหญ่ที่สุดของตะวันออกกลาง เธอทำงานร่วมกับแบรนด์ต่างๆ เช่น Halston Heritage, Intropia, All Saints และ Sacoor Brothers เธอได้รับความไว้วางใจให้สั่งซื้อสินค้ามูลค่าหลายล้านดอลลาร์ด้วยตนเองในนิวยอร์ก มาดริด ลอนดอน และลิสบอน และได้รับรางวัล "ผู้มีผลงานโดดเด่น" จากการสร้างระบบฝึกอบรมผลิตภัณฑ์ที่นำไปใช้ทั่วทั้งองค์กร
ที่ Maison B More เธอรับผิดชอบงบประมาณการจัดซื้อประจำปี 3.4 ล้านดอลลาร์สหรัฐฯ ครอบคลุมแบรนด์ชั้นนำระดับโลกกว่า 80 แบรนด์ เช่น Roberto Cavalli, Versace, Philipp Plein, Iceberg และ Dirk Bikkembergs เธอเจรจาต่อรองสัญญามากกว่า 40 ฉบับ และเพิ่มประสิทธิภาพการทำงานได้ถึง 30% เธอเดินทางไปงาน Milan และ Paris Fashion Week เป็นประจำ เพื่อสั่งซื้อสินค้าและเป็นตัวแทนบริษัทต่อหน้าแบรนด์หรูชั้นนำ เธอรายงานตรงต่อซีอีโอ บริหารจัดการร้านค้าแบรนด์ 17 แห่ง และแพลตฟอร์มอีคอมเมิร์ซ
ต่อมา ในฐานะหัวหน้าฝ่ายเครื่องประดับที่ห้างสรรพสินค้า Galeries Lafayette Dubai Mall เธอได้นำทีมงาน 112 คน และบริหารจัดการความร่วมมือกับแบรนด์ชั้นนำระดับโลกมากมาย รวมถึง Dior, Louis Vuitton, Gucci, Valentino, Fendi, Celine และแบรนด์นาฬิกาและเครื่องประดับกว่า 60 แบรนด์ แม้จะเผชิญกับสถานการณ์โควิด-19 เธอก็สามารถบรรลุเป้าหมายรายได้ประจำปี 26 ล้านดอลลาร์สหรัฐได้เต็มจำนวน
คิสต์เนอร์คาดการณ์ว่า “ในอีกห้าปีข้างหน้า ผู้ซื้อจะไม่ใช่แค่คนที่เลือกสินค้าอีกต่อไปแล้ว พวกเขาจะเป็นสถาปนิกแห่งความต้องการ – คนที่กำหนดวิธีการตัดสินใจของระบบ บทบาทของมนุษย์ไม่ได้หายไป แต่กำลังกลายเป็นบทบาทเชิงกลยุทธ์มากขึ้น”
สำหรับอุตสาหกรรมที่ยึดมั่นในสัญชาตญาณและมรดกมาอย่างยาวนาน คิสต์เนอร์ได้พิสูจน์ให้เห็นแล้วว่า ข้อมูลไม่ได้มาแทนที่รสนิยม แต่รสนิยมที่ได้รับการสนับสนุนจากข้อมูลนั้น ช่วยลดการสิ้นเปลือง เพิ่มยอดขาย และเคารพทั้งลูกค้าและโลก
แอนนา คิสต์เนอร์ เป็นผู้นำด้านการวิเคราะห์ข้อมูลธุรกิจค้าปลีกสินค้าหรู ความคิดเห็นของเธอเป็นความคิดเห็นส่วนตัว
ลิงค์:
🔗 LinkedIn
🔗 www.annakistner.com
🔗 ระเบียบวิธี PBIP
