الذكاء الاصطناعي لتحسين التخفيضات: متى تخفض السعر وبكم
كان لدى بائع تجزئة للملابس يحقق مبيعات سنوية تبلغ حوالي 45 مليون دولار عبر متجره الإلكتروني استراتيجية تخفيضات بسيطة: إذا لم يُبَع 60% من مخزون المنتج بحلول منتصف فترة البيع المخططة، يحصل على خصم 25%. وإذا كان لا يزال لديه مخزون عند بلوغ 75% من فترة البيع، ينخفض السعر إلى 40%. أما التصفية فكانت بخصم 60%.
عندما حللوا النتائج عبر 1,800 تصميم موسمي، وجدوا أن 34% من المنتجات التي خُفِّضت أسعارها كانت ستُباع بالسعر الكامل أو بخصم أقل لو مُنحت مزيداً من الوقت. و22% أخرى كانت تحتاج إلى تخفيضات أعمق في وقت أبكر لأن البداية البطيئة كانت تشير إلى مشكلة جوهرية في الطلب وليس مسألة توقيت. كان النهج الموحد يكلفهم ما يقدر بـ 2.1 مليون دولار سنوياً من التآكل غير الضروري في هامش الربح.
لماذا تدمر قواعد التخفيض المعيارية هامش الربح
يتعامل النهج المعياري للتخفيضات مع جميع المنتجات بنفس الطريقة بناءً على سرعة البيع فقط. المنتج "أ" باع 40% من مخزونه مع بقاء 50% من نافذة البيع، فيحصل على خصم. لكن هذا يتجاهل سياقاً حاسماً. هل كان المنتج قد أُطلق حديثاً ولا يزال يبني الوعي به؟ هل هو في فئة تتسارع فيها المبيعات نحو نهاية الموسم (مثل ديكورات الأعياد)؟ هل حصل المنتج على تقييمات إيجابية لكنه لم يُروَّج له بما يكفي؟
للمنتجات المختلفة منحنيات طلب مختلفة جوهرياً، وتطبيق نفس محفز التخفيض على جميعها يضمن نتائج دون المستوى الأمثل. المنتجات ذات الطلب المبكر (المنتجات الرائجة، المنتجات المرتبطة بحدث معين) تحتاج إلى تخفيضات مبكرة وقوية إذا فاتتها نافذتها الأولية، لأن الطلب سينخفض فقط. أما المنتجات ذات الطلب المتأخر (الأساسيات الموسمية، هدايا الأعياد مع اقتراب المناسبة) فيمكنها الحفاظ على السعر الكامل لفترة أطول لأن الطلب سيتسارع بشكل طبيعي.
تكلفة التخفيض المبكر غير مرئية لكنها حقيقية. تخفيض بنسبة 25% على منتج كان سيُباع بالسعر الكامل بعد أسبوعين يدمر هامش الربح على كل وحدة تُباع خلال تلك الفترة. إذا بيعت 200 وحدة خلال فترة التخفيض لم تكن بحاجة إلى خصم، وانخفض متوسط سعر البيع من 50 دولاراً إلى 37.50 دولاراً، فهذا يعني خسارة غير ضرورية في هامش الربح بقيمة 2,500 دولار على منتج واحد.
كيف يتعامل نموذج الذكاء الاصطناعي مع التخفيضات
يقيّم نموذج تحسين التخفيضات بالذكاء الاصطناعي كل منتج على حدة بناءً على مسار الطلب الخاص به، والمخزون المتبقي، ووقت البيع المتبقي، والاستجابة المتوقعة لمستويات الخصم المختلفة. يجيب النموذج على ثلاثة أسئلة: هل يجب تخفيض سعر هذا المنتج الآن أصلاً، وإذا كانت الإجابة نعم فما هو عمق الخصم الأمثل، ومتى يجب تطبيق التخفيض التالي إذا لم يحقق التخفيض الحالي معدل البيع المستهدف.
يقوم تحليل مسار الطلب بملاءمة منحنى لتاريخ مبيعات المنتج ومقارنته بمنتجات مماثلة من مواسم سابقة. إذا باع معطف شتوي 300 من أصل 800 وحدة في الأسابيع الستة الأولى، يتحقق النموذج من أداء معاطف مماثلة في نفس النقطة من السنوات السابقة. إذا كانت المنتجات المماثلة عادةً تبيع 35-40% من المخزون بحلول الأسبوع السادس ثم تتسارع، فإن الوتيرة الحالية طبيعية ولا حاجة لتخفيض. أما إذا كانت المنتجات المماثلة التي باعت 37% فقط بحلول الأسبوع السادس انتهت تاريخياً بحاجة إلى تخفيضات تتجاوز 50% للتصفية، فإن التدخل المبكر مبرر.
يخبر تقدير مرونة السعر النموذج بمقدار الحجم الإضافي الذي سيولده خصم معين. قد يزيد خصم 20% على منتج ذي مرونة سعرية عالية المبيعات الأسبوعية بنسبة 80%، بينما نفس الخصم على منتج غير مرن قد يزيد المبيعات بنسبة 20% فقط. يتعلم النموذج المرونات على مستوى المنتج من بيانات التخفيضات التاريخية، بالنظر إلى ما حدث لحجم المبيعات عندما خُفِّضت أسعار منتجات مماثلة في الماضي.
ثم يحسب التحسين هامش الربح المتوقع عند كل مستوى خصم ممكن. عدم التخفيض يعني هامش ربح أعلى لكل وحدة لكن مع خطر وجود مخزون غير مباع في نهاية الموسم. خصم 20% يقلل هامش الربح لكل وحدة لكنه يسرّع البيع. خصم 40% يسرّع أكثر لكن بتكلفة حادة على الهامش. يختار النموذج الخصم الذي يعظّم إجمالي هامش الربح المتوقع عبر فترة البيع المتبقية، بما في ذلك احتمالية الحاجة إلى تخفيض أعمق لاحقاً.
اعتبارات خاصة بكل فئة
تتعرض منتجات الأزياء والملابس لأعلى مستوى من التخفيضات لأن الأنماط تدخل وتخرج من الرواج، والمقاسات تُجزّئ المخزون المتبقي (وفرة من XS وXXL، ونفاد من M وL)، ونافذة البيع قصيرة نسبياً. يحتاج نموذج الذكاء الاصطناعي إلى مراعاة نضوب منحنى المقاسات: حتى لو بدا معدل البيع الإجمالي كافياً، فإن المنتج الذي نفدت منه المقاسات الشائعة قد يحتاج إلى تخفيض لأن المقاسات المتبقية ستُباع ببطء.
تتبع الإلكترونيات الاستهلاكية نمطاً مختلفاً. إطلاق منتجات جديدة من المنافسين يمكن أن يجعل مخزونك الحالي أقل جاذبية بين ليلة وضحاها. يحتاج النموذج إلى دمج مرحلة دورة حياة المنتج وإطلاقات المنافسين كمتغيرات. حاسوب محمول أُطلق قبل 10 أشهر وعلى وشك أن يُستبدل بطراز جديد يحتاج إلى توقيت تخفيض قوي يختلف عن حاسوب محمول في شهره الثالث في السوق.
غالباً ما تتميز منتجات المنزل والحديقة بموسمية قوية مع أنماط طلب يمكن التنبؤ بها نسبياً. يمكن لنموذج التخفيض لهذه الفئات أن يعتمد بشكل أكبر على المنحنيات الموسمية التاريخية لأن شكل الطلب من سنة لأخرى أكثر اتساقاً من الأزياء. تتبع مجموعة أثاث الفناء تقريباً نفس منحنى الطلب كل عام، مع تحولات بسبب أنماط الطقس.
نهج التنفيذ
ينفذ معظم تجار التجزئة تحسين التخفيضات بالذكاء الاصطناعي على مراحل. المرحلة الأولى تستبدل القواعد الثابتة بتوصيات يولدها النموذج يراجعها فريق التسويق ويوافق عليها. ينتج النموذج تقريراً أسبوعياً يعرض كل منتج يوصي بتخفيضه (أو إزالته من التخفيض)، ومستوى الخصم المقترح، والمبررات. يقبل المسؤول التجاري كل توصية أو يتجاوزها.
المرحلة الثانية تُدخل الأتمتة للقرارات الأقل مخاطرة. المنتجات التي تقل قيمة مخزونها عن حد معين أو في فئات أثبت النموذج دقته فيها يمكن تطبيق التخفيضات عليها تلقائياً ضمن حدود (خصم أقصى 30%، حد أدنى لهامش الربح، لا أكثر من تغيير واحد في الأسبوع). يراجع المسؤول التجاري القرارات الآلية بعد تنفيذها ويمكنه التجاوز للدورة التالية.
المرحلة الثالثة توسع النموذج لتحسين توقيت التخفيضات عبر المحفظة الموسمية بأكملها. بدلاً من تقييم كل منتج بشكل مستقل، يأخذ النموذج في الاعتبار كيف تتفاعل الأحداث الترويجية (تشغيل تخفيضات على عدد كبير جداً من المنتجات في وقت واحد يُضعف تأثيرها) ويوزع ميزانية التخفيضات عبر التشكيلة لتعظيم إجمالي استرداد الهامش.
متطلبات البيانات قابلة للإدارة. تحتاج إلى بيانات مبيعات يومية حسب وحدة حفظ المخزون لمدة عامين على الأقل لالتقاط الأنماط الموسمية، وأحداث التخفيض التاريخية مع مستوى الخصم والتاريخ لكل منها، ومواقع المخزون الحالية، وفترات البيع المخططة للمنتجات الموسمية، وسمات المنتج (الفئة، العلامة التجارية، شريحة السعر) لتحليل التشابه.
بالنسبة لتجار التجزئة في التجارة الإلكترونية الذين يديرون مخزوناً موسمياً، فإن الفرق بين استراتيجية تخفيض جيدة وأخرى سيئة غالباً ما يكون 5-15% من هامش الربح الإجمالي على المنتجات المتأثرة. عند تطبيقه على تشكيلة موسمية تبلغ قيمتها ملايين بسعر التجزئة، يتراكم استرداد الهامش هذا ليصل إلى رقم كبير، وغالباً ما يكفي لتمويل نظام التحسين عدة مرات مع ترك أثر ملموس على صافي الأرباح.