मार्कडाउन ऑप्टिमाइज़ेशन के लिए AI: कब और कितनी छूट दें

एक परिधान रिटेलर जो अपने ऑनलाइन स्टोर के माध्यम से सालाना लगभग $45 मिलियन की बिक्री करता था, उसकी मार्कडाउन रणनीति सरल थी: यदि कोई उत्पाद अपनी नियोजित बिक्री अवधि के मध्य बिंदु तक 60% इन्वेंट्री नहीं बेच पाता, तो उसे 25% की छूट मिलती। यदि बिक्री अवधि के 75% पर भी इन्वेंट्री बची रहती, तो 40% की छूट लागू होती। क्लीयरेंस में 60% की छूट दी जाती थी।

जब उन्होंने 1,800 सीज़नल स्टाइल्स के परिणामों का विश्लेषण किया, तो पाया कि मार्कडाउन किए गए 34% उत्पाद पूरी कीमत पर या कम छूट के साथ बिक जाते, अगर उन्हें थोड़ा और समय दिया जाता। अन्य 22% उत्पादों को पहले ही अधिक गहरी छूट की आवश्यकता थी क्योंकि धीमी शुरुआत एक मूलभूत मांग समस्या का संकेत थी, न कि समय की। यह एक-जैसी-रणनीति-सबके-लिए दृष्टिकोण उन्हें अनुमानित $2.1 मिलियन प्रति वर्ष अनावश्यक मार्जिन क्षरण में खर्च करा रहा था।

मानक मार्कडाउन नियम मार्जिन को क्यों नष्ट करते हैं

मार्कडाउन का मानक दृष्टिकोण सभी उत्पादों को केवल सेल-थ्रू वेलोसिटी के आधार पर एक समान मानता है। उत्पाद A ने बिक्री विंडो का 50% शेष रहते हुए अपने स्टॉक का 40% बेचा है, तो उसे छूट मिलती है। लेकिन यह महत्वपूर्ण संदर्भ को नज़रअंदाज़ करता है। क्या उत्पाद हाल ही में लॉन्च हुआ था और अभी जागरूकता बना रहा था? क्या यह ऐसी श्रेणी में है जहाँ सीज़न के अंत में बिक्री तेज़ होती है (जैसे हॉलिडे डेकोर)? क्या उत्पाद की समीक्षाएँ सकारात्मक रही हैं लेकिन पर्याप्त प्रचार नहीं हुआ?

विभिन्न उत्पादों की मांग वक्र मूलभूत रूप से अलग-अलग होती हैं, और सभी पर एक ही मार्कडाउन ट्रिगर लागू करना उप-इष्टतम परिणामों की गारंटी देता है। फ्रंट-लोडेड मांग वाले उत्पादों (ट्रेंडिंग आइटम, किसी विशिष्ट इवेंट से जुड़े उत्पाद) को अपनी प्रारंभिक विंडो चूकने पर आक्रामक शुरुआती मार्कडाउन की आवश्यकता होती है, क्योंकि मांग केवल घटेगी। बैक-लोडेड मांग वाले उत्पाद (सीज़नल बेसिक्स, छुट्टियों के करीब आने पर गिफ्ट आइटम) लंबे समय तक पूरी कीमत बनाए रख सकते हैं क्योंकि मांग स्वाभाविक रूप से तेज़ होगी।

बहुत जल्दी छूट देने की लागत अदृश्य लेकिन वास्तविक है। एक ऐसे उत्पाद पर 25% मार्कडाउन जो दो सप्ताह बाद पूरी कीमत पर बिक जाता, उस अवधि में बेची गई हर इकाई पर मार्जिन नष्ट करता है। यदि मार्कडाउन विंडो के दौरान 200 इकाइयाँ बिकती हैं जिन्हें छूट की आवश्यकता नहीं थी, और औसत बिक्री मूल्य $50 से गिरकर $37.50 हो जाता है, तो यह एक ही उत्पाद पर $2,500 का अनावश्यक मार्जिन नुकसान है।

AI मॉडल मार्कडाउन को कैसे संभालता है

एक AI मार्कडाउन ऑप्टिमाइज़ेशन मॉडल प्रत्येक उत्पाद का व्यक्तिगत रूप से मूल्यांकन करता है, उसकी विशिष्ट मांग प्रक्षेपवक्र, शेष इन्वेंट्री, शेष बिक्री समय, और विभिन्न छूट स्तरों पर अपेक्षित प्रतिक्रिया के आधार पर। मॉडल तीन प्रश्नों का उत्तर देता है: क्या इस उत्पाद पर अभी छूट दी जानी चाहिए, यदि हाँ तो इष्टतम छूट गहराई क्या है, और यदि वर्तमान मार्कडाउन लक्ष्य सेल-थ्रू प्राप्त नहीं करता तो अगला मार्कडाउन कब लागू किया जाना चाहिए।

मांग प्रक्षेपवक्र विश्लेषण उत्पाद के बिक्री इतिहास पर एक वक्र फिट करता है और इसकी तुलना पिछले सीज़न के समान उत्पादों से करता है। यदि एक विंटर जैकेट ने पहले छह सप्ताह में 800 में से 300 इकाइयाँ बेची हैं, तो मॉडल जाँचता है कि पिछले वर्षों में समान जैकेट्स ने इसी बिंदु पर कैसा प्रदर्शन किया। यदि समान उत्पादों ने आमतौर पर छठे सप्ताह तक 35-40% इन्वेंट्री बेची और फिर तेज़ी दिखाई, तो वर्तमान गति सामान्य है और किसी मार्कडाउन की आवश्यकता नहीं। यदि समान उत्पाद जिन्होंने छठे सप्ताह तक केवल 37% बेचा, ऐतिहासिक रूप से क्लीयर करने के लिए 50%+ मार्कडाउन की आवश्यकता पड़ी, तो शुरुआती कार्रवाई उचित है।

मूल्य लोच अनुमान मॉडल को बताता है कि दी गई छूट से कितनी अतिरिक्त मात्रा उत्पन्न होगी। उच्च मूल्य लोच वाले उत्पाद पर 20% की छूट साप्ताहिक बिक्री को 80% तक बढ़ा सकती है, जबकि अलोचदार उत्पाद पर वही छूट बिक्री को केवल 20% बढ़ा सकती है। मॉडल ऐतिहासिक मार्कडाउन डेटा से उत्पाद-स्तरीय लोच सीखता है, यह देखते हुए कि अतीत में समान उत्पादों पर छूट देने पर बिक्री मात्रा पर क्या प्रभाव पड़ा।

फिर ऑप्टिमाइज़ेशन प्रत्येक संभावित छूट स्तर पर अपेक्षित मार्जिन की गणना करता है। कोई छूट नहीं का अर्थ है प्रति इकाई अधिक मार्जिन लेकिन सीज़न के अंत में बिना बिकी इन्वेंट्री का जोखिम। 20% की छूट प्रति इकाई मार्जिन कम करती है लेकिन सेल-थ्रू तेज़ करती है। 40% की छूट और तेज़ करती है लेकिन भारी मार्जिन लागत पर। मॉडल वह छूट चुनता है जो शेष बिक्री अवधि में कुल अपेक्षित मार्जिन को अधिकतम करती है, जिसमें बाद में गहरे मार्कडाउन की आवश्यकता की संभावना भी शामिल है।

श्रेणी-विशिष्ट विचार

फैशन और परिधान उत्पादों में मार्कडाउन का सबसे अधिक जोखिम होता है क्योंकि स्टाइल्स चलन में आते-जाते रहते हैं, साइज़ शेष इन्वेंट्री को खंडित करते हैं (XS और XXL भरपूर, M और L बिक चुके), और बिक्री विंडो अपेक्षाकृत छोटी होती है। AI मॉडल को साइज़ कर्व डिप्लीशन को ध्यान में रखना होता है: भले ही कुल सेल-थ्रू पर्याप्त दिखे, एक ऐसा उत्पाद जिसके लोकप्रिय साइज़ बिक चुके हैं, उसे मार्कडाउन की आवश्यकता हो सकती है क्योंकि शेष साइज़ धीरे बिकेंगे।

कंज्यूमर इलेक्ट्रॉनिक्स एक अलग पैटर्न का पालन करते हैं। प्रतिस्पर्धियों द्वारा नए उत्पाद लॉन्च आपकी मौजूदा इन्वेंट्री को रातोंरात कम आकर्षक बना सकते हैं। मॉडल को उत्पाद जीवनचक्र चरण और प्रतिस्पर्धी लॉन्च को फीचर्स के रूप में शामिल करना होता है। एक लैपटॉप जो 10 महीने पहले लॉन्च हुआ और जिसकी जगह नया मॉडल आने वाला है, उसे बाज़ार में तीसरे महीने वाले लैपटॉप से अलग आक्रामक मार्कडाउन टाइमिंग की आवश्यकता होती है।

होम और गार्डन उत्पादों में अक्सर अपेक्षाकृत पूर्वानुमेय मांग पैटर्न के साथ मजबूत मौसमी प्रवृत्ति होती है। इन श्रेणियों के लिए मार्कडाउन मॉडल ऐतिहासिक मौसमी वक्रों पर अधिक निर्भर हो सकता है क्योंकि साल-दर-साल मांग का आकार फैशन की तुलना में अधिक सुसंगत होता है। एक पैटियो फर्नीचर सेट हर साल लगभग समान मांग वक्र का पालन करता है, जो मौसम पैटर्न के अनुसार थोड़ा बदलता है।

कार्यान्वयन दृष्टिकोण

अधिकांश रिटेलर AI मार्कडाउन ऑप्टिमाइज़ेशन को चरणों में लागू करते हैं। पहले चरण में स्थिर नियमों को मॉडल-जनित सिफारिशों से बदला जाता है जिनकी मर्चेंडाइज़िंग टीम समीक्षा और अनुमोदन करती है। मॉडल एक साप्ताहिक रिपोर्ट तैयार करता है जिसमें प्रत्येक उत्पाद दिखाया जाता है जिसके लिए वह मार्कडाउन (या मार्कडाउन से हटाने) की सिफारिश करता है, सुझाई गई छूट स्तर, और तर्क। मर्चेंडाइज़र प्रत्येक सिफारिश को स्वीकार या ओवरराइड करता है।

दूसरे चरण में कम जोखिम वाले निर्णयों के लिए ऑटोमेशन शुरू किया जाता है। एक निश्चित इन्वेंट्री मूल्य से कम उत्पाद या ऐसी श्रेणियों में जहाँ मॉडल ने सटीकता साबित की है, गार्डरेल्स के भीतर मार्कडाउन स्वचालित रूप से लागू किए जा सकते हैं (अधिकतम 30% छूट, न्यूनतम मार्जिन फ्लोर, प्रति सप्ताह एक से अधिक बदलाव नहीं)। मर्चेंडाइज़र स्वचालित निर्णयों की बाद में समीक्षा करता है और अगले चक्र के लिए ओवरराइड कर सकता है।

तीसरे चरण में मॉडल को पूरे सीज़नल पोर्टफोलियो में मार्कडाउन टाइमिंग ऑप्टिमाइज़ करने के लिए विस्तारित किया जाता है। प्रत्येक उत्पाद का स्वतंत्र रूप से मूल्यांकन करने के बजाय, मॉडल यह विचार करता है कि प्रमोशनल इवेंट कैसे परस्पर क्रिया करते हैं (एक साथ बहुत अधिक उत्पादों पर मार्कडाउन चलाना उनके प्रभाव को कम करता है) और कुल मार्जिन रिकवरी को अधिकतम करने के लिए पूरे एसॉर्टमेंट में मार्कडाउन बजट आवंटित करता है।

डेटा आवश्यकताएँ प्रबंधनीय हैं। आपको मौसमी पैटर्न कैप्चर करने के लिए कम से कम दो वर्षों का SKU-वार दैनिक बिक्री डेटा, प्रत्येक के लिए छूट स्तर और तिथि सहित ऐतिहासिक मार्कडाउन इवेंट, वर्तमान इन्वेंट्री स्थिति, सीज़नल उत्पादों के लिए नियोजित बिक्री अवधि, और समानता विश्लेषण के लिए उत्पाद विशेषताएँ (श्रेणी, ब्रांड, मूल्य स्तर) चाहिए।

सीज़नल इन्वेंट्री प्रबंधित करने वाले ईकॉमर्स रिटेलर्स के लिए, एक अच्छी मार्कडाउन रणनीति और एक खराब रणनीति के बीच का अंतर अक्सर प्रभावित उत्पादों पर सकल मार्जिन का 5-15% होता है। लाखों के रिटेल मूल्य वाले सीज़नल एसॉर्टमेंट पर लागू होने पर, वह मार्जिन रिकवरी एक बड़ी राशि बनती है, जो अक्सर ऑप्टिमाइज़ेशन सिस्टम को कई गुना फंड करने के लिए पर्याप्त होती है और बॉटम लाइन पर सार्थक प्रभाव छोड़ती है।