Markdown strategy: come misurare l’efficacia di sconto nell’era pandemica

Com’è possibile misurare correttamente le diverse strategie di riduzione dei prezzi in tempi d’incertezza dei mercati?

Quando si prova una nuova strategia di sconti, una parte critica del processo è stabilire misure per valutarne il successo. Bisogna sapere cosa funziona e cosa no e occorre essere d’accordo con le principali parti coinvolte nel processo su come valutare oggettivamente i risultati.

In qualità di consulente che lavora con le aziende per aiutarle ad ottimizzare la supply chain ed il pricing, ho imparato che questo processo è sempre arduo. In che modo si garantisce che le misure scelte siano guidate da una corretta valutazione del test?

La risposta è: scegliere i KPI (Indicatori di performance) giusti.

I dati raccolti nel test possono essere utilizzati per misurare la differenza oggettiva tra la nuova strategia e quella precedente. Un set di KPI scelto bene ti informerà dei tuoi progressi: se il nuovo approccio sta producendo risultati o meno.

La sfida unica di scegliere i giusti KPI per valutare la strategia di sconto

Di solito i KPI ideali sembrano abbastanza semplici: una strategia per aumentare i ricavi dovrebbe essere misurata dalla variazione dei ricavi. Anche quando si esaminano misure di successo più complesse, di solito ci sono alcuni candidati chiari per misurare il successo. Una migliore strategia di riordino, ad esempio, dovrebbe generalmente ridurre sia le scorte invendute che le rotture di stock, massimizzando al contempo le vendite. Sebbene i KPI esatti dipendano sempre dalle circostanze e dagli obiettivi unici di business, la chiave del successo è generalmente concordata da tutti gli attori in gioco.

Gli sconti sono differenti.

I retailer utilizzano sconti, ribassi e promozioni per migliorare i KPI aziendali come fatturato, profitti, margini e rotazione durante un determinato periodo di tempo. L’analisi di questi KPI viene poi usata per prendere decisioni. Aumentare la rotazione spesso significa sacrificare il margine. Maggiori ricavi da prodotti scontati producono profitti inferiori a quelli teoricamente possibili dalle vendite a prezzo pieno.

Peggio ancora, sconti mal applicati possono aumentare i KPI specifici nascondendo un danno reale. Sebbene la riduzione dei prezzi possa attirare più clienti, non migliorerà necessariamente la performance di business di un retailer; al contrario, campagne di sconti mal gestite possono ridurre i ricavi, distruggere i margini e persino danneggiare il brand e la reputazione sul mercato.

Pertanto, è importante per i retailer impostare una strategia di sconto che parta dagli obiettivi desiderati (ad es. acquisire nuovi clienti, aumentare i ricavi, massimizzare i margini, liberarsi del vecchio inventario, ecc.). Questa non è una decisione semplice. I retailer devono tenere conto di tutti i fattori e vincoli interni ed esterni che influenzano il risultato e includere regole di business per governare il processo complessivo.

Gli obiettivi giusti (e i KPI corretti per misurare il progresso verso tali obiettivi) variano notevolmente a seconda del tipo di sconto. Ad esempio, i ribassi o ‘markdowns’ sono un tipo particolare di sconto generalmente mirato a prodotti a bassa domanda ed alla fine del ciclo di vita con l’obiettivo di liberarsi dall’inventario in eccesso a fine stagione.

Un altro tipo di promozione sono i saldi di mezza stagione. Emergono come un’opportunità per i retailer per sbarazzarsi di prodotti che presto non serviranno più o non saranno più di moda e dai quali probabilmente possono ottenere maggiori vantaggi dalla vendita ora, piuttosto che aspettare fino alla fine della stagione. I “black days”, sono l’estensione dei saldi di mezza stagione autunnali che si verificano durante la settimana del Black Friday (ultima settimana di novembre), spesso motivati dalla paura di perdere i tradizionali giorni di shopping con alto traffico.

Non ci dilunghiamo in questo articolo ad elencare tutti i tipi di promozioni e gli obiettivi di business a queste collegate. Ci sono molte altre campagne promozionali che possono essere aggiunte a quelle sopra menzionate, come i programmi fedeltà ed i referral, sconti cumulativi e molti altri.

Complicare una misura già difficile: come valutare la strategia di sconto in tempi di incertezza dei mercati

Indipendentemente dal tipo di promozione, misurare la sua efficacia è importante almeno quanto la sua pianificazione ed esecuzione. In effetti, la misurazione è essenziale anche durante l’esecuzione, poiché i prezzi vengono rivisti almeno 2 o 3 volte durante le promozioni più lunghe come i saldi, che durano diverse settimane.

Ma come si possono misurare le strategie di sconto mentre una pandemia è ancora in corso?

Ci siamo imbattuti in questo problema mentre aiutavamo un cliente a passare da un approccio manuale all’uso dei ribassi ad uno automatizzato assistito dall’intelligenza artificiale. La transizione stessa è iniziata nei primi mesi della pandemia, quando molti retailer stavano riducendo drasticamente i prezzi senza una strategia chiara nel tentativo di animare le vendite in un’economia in stallo. Questa situazione ha reso la decisione sugli obiettivi, già solitamente difficile, ancora più complicata e la scelta dei KPI per misurarli ancora più confusa. La soluzione da adottare implicava una decisione da prendere tutt’altro che banale.

Ecco un enorme vantaggio derivante dalla tecnologia di intelligenza artificiale prescrittiva: la capacità di simulare vari risultati prima di scegliere una soluzione. Un altro beneficio è la capacità di perseguire più obiettivi contemporaneamente, ponderati in base alla loro importanza. Dopo alcune simulazioni, abbiamo optato per una strategia allineata che considera i ricavi, il margine e la rotazione ciascuno come obiettivi critici in funzione del contesto. I consueti KPI sono stati originariamente considerati come candidati per misurare l’efficacia delle raccomandazioni di ribasso: pezzi cumulativi, margine, ricavi e unità vendute.

Misurare le strategie di ribasso in tempi di mercati incerti: un caso di studio

Il problema con le tradizionali misure di performance è diventato evidente durante l’esame dell’esito di un test A/B per due dei marchi del cliente in esame nella fase dei saldi di metà stagione relativa all’autunno 2021. I negozi del gruppo di test hanno applicato i prezzi consigliati dallo strumento Evo Markdown, mentre per i negozi del gruppo di controllo i prezzi sono stati formulati manualmente come di consueto dagli analisti del cliente.

I risultati dei due test A/B sono stati profondamente diversi, così tanto che le differenze non possono essere spiegate solo dalle capacità dei diversi analisti o dallo strumento stesso. Ciò è accaduto nonostante l’accuratezza adottata nella scelta dei gruppi di test e di controllo che erano possibilmente simili in tutti i KPI rilevanti nelle ultime settimane precedenti il periodo di test.

Perché brand simili hanno avuto reazioni così diverse alle nuove raccomandazioni? Forse questi brand non erano così simili come suggerivano i KPI scelti. Per indagare più a fondo, dovevamo ampliare la nostra selezione di KPI.

La ricerca di nuovi KPI

Per approfondire il problema, abbiamo analizzato altre tendenze settimanali come:

• Passaggi: numero di clienti che entrano nei negozi (con o senza acquisto);
• Conversione: percentuale di passaggi che realizzano un acquisto;
• Scontrini: Numero di scontrini emessi;
• Unità per scontrino: numero medio di articoli acquistati per scontrino.

Quanto emerso, ancora misurato come percentuale di confronto tra il gruppo di test verso il gruppo di controllo, ha mostrato un risultato differente.

Abbiamo notato che i risultati potrebbero essere parzialmente spiegati dal fatto che il gruppo test ha beneficiato di un numero maggiore di passaggi durante il periodo di confronto per il brand A, e similmente ed in senso opposto il gruppo test ha avuto un numero ridotto di passaggi per il brand B. Il numero di scontrini e di unità per scontrino ha mostrato un andamento simile.

Quindi è chiaro che questi fattori aggiuntivi dovrebbero in qualche modo essere presi in considerazione per pianificare e valutare in modo equo la nuova strategia. Ma perché? Questo è forse spiegato meglio dalla natura delle pandemie.

Pandemie e ribassi

Prima di proporre una metodologia migliore, esaminiamo da una prospettiva più ampia l’anno 2021 rispetto al 2019 (l’immediato periodo pre-Covid) esaminando questi fattori: la differenza percentuale tra unità vendute, scontrini, passaggi, tasso di conversione e unità per scontrino nel 2021 rispetto al 2019.

La prima metà del 2021 è stata chiaramente influenzata dai lockdown con un’enorme riduzione di passaggi, scontrini e unità vendute nei mesi di Marzo e Aprile. Durante questo periodo, il tasso di conversione e le unità per scontrino sono stati relativamente nel confronto al massimo, dimostrando che le poche persone che hanno visitato i negozi avevano una forte motivazione all’acquisto, almeno più forte della media.

I saldi di metà stagione sono stati, a loro volta, relativamente migliori nel 2021, forse riflettendo una sorta di effetto rimbalzo dal periodo difficile immediatamente precedente. Interessanti e un po’ più difficili da valutare sono state le promozioni estive 2021, di minor successo rispetto al 2019. Le scarse prestazioni dei negozi chiave vicino ai luoghi di villeggiatura sono probabilmente dovute al minor numero di persone in vacanza.

Nel complesso, nel 2021 il tasso di conversione e gli articoli per scontrino hanno superato i valori del 2019. I consumatori che vanno di persona a fare acquisti sembrano più motivati a comprare durante la pandemia. In altre parole, una volta superata la prima barriera ed entrati nel negozio, i consumatori sono più disposti ad acquistare, anche in quantità maggiori.

Queste tendenze non negano l’importanza di considerare anche misure più tradizionali come il margine o i ricavi complessivi, ma contestualizzando i risultati: più fattori sono da valutare quando il mercato non si comporta “normalmente”.

Un nuovo approccio di misurazione dell’efficacia di sconto

Quindi, tornando alla domanda iniziale: come possiamo valutare meglio il successo di una nuova strategia di sconto ed in modo corretto ed equilibrato durante i periodi di forte perturbazione dei mercati?

Si tratta di espandere i KPI.

Se, ad esempio, ai ribassi non corrisponde un aumento del business atteso, è possibile che il margine ed il fatturato debbano essere valutati alla luce del numero degli scontrini e dei passaggi nei negozi. Quando abbiamo misurato come si sono comportati i clienti che entrano nel negozio in risposta alla strategia, possiamo comprendere meglio l’impatto della nuova strategia se contestualizzata con il minor traffico, soprattutto nel contesto più di mercato di massa come è il caso del brand A (rispetto al brand B che si rivolge ad un cliente di fascia più alta).

Nel complesso, i nuovi KPI hanno confermato una differenza di performance della strategia di ribasso tra il brand A ed il brand B.

Tuttavia, il divario nelle prestazioni considerando i passaggi è inferiore. Possiamo vedere più chiaramente, infatti, che la settimana 3 ha avuto molto meno successo rispetto alle altre per entrambi i marchi, fornendo uno stimolo ad approfondire i dati e le circostanze esterne che in quella settimana potrebbero aver contribuito al divario nelle performance. Inoltre, il brand B ha mostrato alcuni miglioramenti significativi rispetto al controllo quando contestualizzato in questo modo, fornendo dati importanti per l’iterazione successiva.

In altre parole, combiniamo i KPI per ottenere maggiori informazioni sui fenomeni NON per ignorare o minimizzare performance deludenti. L’applicazione dell’intelligenza Artificiale aiuta a scoprire i fattori che sono alla base del successo di una strategia di sconti e calibrare meglio le campagne future in un processo continuo di miglioramento che tenga conto delle unicità di ciascun brand.

Conclusioni

Quindi quale è l’insegnamento che ci portiamo a casa da questo caso particolare? Ricavi, margini e unità vendute da sole non sono KPI sufficienti per misurare i risultati della strategia di sconto. È chiaro che un approccio tradizionale trascura informazioni importanti.

Mentre qui i passaggi nei negozi potrebbero essere aggiunti all’equazione per migliorare la comprensione di ciò che è successo, molti altri fattori potrebbero influenzare i risultati. Forse particolari problemi relativi al negozio potrebbero essere dovuti a fattori umani (ad esempio un cambiamento nella gestione) o fattori relativi alla posizione potrebbero influenzare i risultati e far considerare tendenze quelli che dovrebbero essere invece dei valori anomali. Forse un altro fattore ignoto sta completamente sconvolgendo le tendenze generali. La chiave è considerare quanti più fattori possibili che potrebbero influenzare l’esito del test e quindi restringerli ai più importanti nell’analisi.

Quando si tratta di KPI, è fin troppo facile perdersi nell’analisi al punto che i dati possono perdere ogni significato; questo non è certamente ciò che sostengo in questo articolo. Ciò che consiglio è di non essere superficiali nelle valutazioni e prendere in considerazione spiegazioni alternative.

Quando si rimane aperti a nuove interpretazioni dei dati, i tradizionali limiti nella misurazione del successo di una campagna promozionale scompaiono. Questo rende l’operatività più agile nei mercati incerti. La realtà è che l’incertezza sul mercato è ormai più una costante che un’eccezione, anche in una fase post pandemica. Una migliore valutazione e un’espansione dei KPI in analisi è il modo in cui ci si può adattare ed avere successo in qualsiasi sfida di mercato futura.

Un grande ringraziamento a Benedetto Cavicchi per l’assistenza nell’analisi dei dati e nella creazione di grafici che hanno reso possibile questo articolo.

Questo articolo è stato originariamente pubblicato su Medium. 

About the author