Wie nutzt Marks & Spencer KI zur Optimierung der Sortimentsplanung für Lebensmittel und Bekleidung?

Marks & Spencer hat künstliche Intelligenz in seine Merchandising-Prozesse integriert, um die Bedarfsprognose zu präzisieren, die Sortimentsplanung zu optimieren und Abfall in seinen Lebensmittel- und Bekleidungsbereichen zu reduzieren. Der britische Einzelhändler nutzt maschinelles Lernen, um Kundenpräferenzen vorherzusagen, Bestände präziser zuzuteilen und Nachhaltigkeitsziele durch die Verringerung von Überproduktion und Preisreduzierungen zu unterstützen.

Welche KI-Tools nutzt M&S für das Merchandising?

Marks & Spencer hat KI und maschinelles Lernen in seinen Lieferketten- und Merchandising-Funktionen eingesetzt, mit Schwerpunkt auf Bedarfsprognose und Bestandsverwaltung. Das Unternehmen hat mit Technologiepartnern zusammengearbeitet, um prädiktive Analysen in seine Planungsprozesse einzubetten, sodass Merchandiser die Kundennachfrage mit grösserer Genauigkeit antizipieren und Produktsortimente entsprechend anpassen können.

Der Einzelhändler hat in Data-Science-Kapazitäten investiert, um sein Reshape for Growth-Transformationsprogramm zu unterstützen, das darauf abzielt, Filialnetz, digitale Plattformen und betriebliche Effizienz zu modernisieren. KI-gesteuerte Tools analysieren historische Verkaufsdaten, Wettermuster, saisonale Trends und sich entwickelndes Kundenverhalten, um Kaufentscheidungen und Bestandszuteilungen auf Filial- und regionaler Ebene zu informieren.

Wie verbessert KI die Sortimentsplanung für Lebensmittel bei M&S?

In seinem Lebensmittelgeschäft nutzt M&S maschinelles Lernen, um die Nachfrage nach frischen und haltbaren Produkten zu prognostizieren und dabei Abfall zu reduzieren und gleichzeitig die Verfügbarkeit aufrechtzuerhalten. Das Unternehmen hat sich im Rahmen seiner Plan A-Nachhaltigkeitsverpflichtungen auf die Reduzierung von Lebensmittelverschwendung konzentriert, und KI spielt eine Rolle dabei, Angebot und Kundennachfrage enger aufeinander abzustimmen.

Prädiktive Modelle bewerten Faktoren wie lokale Demografie, Filialfrequenz, Werbeaktivitäten und externe Ereignisse, um optimale Bestandsmengen für jeden Standort zu bestimmen. Dieser detaillierte Ansatz hilft dem Einzelhändler, sowohl Bestandsengpässe als auch überschüssige Bestände zu vermeiden, die Verderb riskieren. Das System lernt kontinuierlich aus Verkaufsergebnissen und verfeinert Prognosen, sobald neue Daten verfügbar werden.

Wie unterstützt KI das Merchandising für Bekleidung und Haushaltswaren?

Für Bekleidung und Haushaltswaren wendet M&S KI auf Sortimentsplanung, Grössenzuteilung und Optimierung von Preisreduzierungen an. Algorithmen des maschinellen Lernens analysieren die frühere Performance ähnlicher Stile, Stoffarten und Preispunkte, um Einkaufsteams bei der Sortimentstiefe und -breite zu beraten. Die Technologie unterstützt auch dynamische Preisgestaltung und Promotionsplanung, indem sie identifiziert, welche Produkte voraussichtlich Preisreduzierungen benötigen und wann.

M&S hat im Rahmen der Bemühungen zur Wiederherstellung der Rentabilität seiner Nonfood-Sparte in die Verbesserung seiner Bekleidungssortimente und die Reduzierung überschüssiger Bestände investiert. KI-gesteuerte Erkenntnisse helfen Merchandisern, schnellere und fundiertere Entscheidungen über den Produktmix zu treffen, wodurch das Risiko des Überkaufs schlecht verkäuflicher Artikel verringert wird und gleichzeitig ausreichende Bestände stark nachgefragter Artikel sichergestellt werden.

Der Einzelhändler nutzt prädiktive Analysen, um Grössenkurven nach Standort zu optimieren, und erkennt an, dass Kundendemografie und -präferenzen in seinem Filialnetz variieren. Dieser lokalisierte Ansatz verringert die Wahrscheinlichkeit grössenspezifischer Bestandsengpässe oder Überschüsse und verbessert sowohl Verkaufskonversion als auch Bestandseffizienz.

Welche betrieblichen Vorteile bringt KI in der Sortimentsplanung?

KI-gesteuertes Merchandising liefert mehrere messbare Vorteile für M&S:

• Verbesserte Prognosegenauigkeit: Modelle des maschinellen Lernens reduzieren Prognosefehler, indem sie Muster erkennen, die menschliche Planer möglicherweise übersehen, was zu einer besseren Abstimmung zwischen Angebot und Nachfrage führt.
• Reduzierte Preisreduzierungen: Präzisere Kaufentscheidungen und dynamische Preisstrategien minimieren das Volumen der Saisonendbestände, die starke Rabatte erfordern.
• Geringerer Abfall: Bei Lebensmitteln reduziert eine engere Bedarfsprognose Verderb und Abfall, unterstützt Umweltziele und schützt Margen.
• Verbesserte Verfügbarkeit: Optimierte Bestandszuteilung stellt sicher, dass beliebte Produkte vorrätig bleiben, wodurch Verkaufsausfälle reduziert und die Kundenzufriedenheit verbessert werden.
• Schnellere Entscheidungsfindung: Automatisierte Datenanalyse gibt Merchandising-Teams die Möglichkeit, sich auf strategische Entscheidungen zu konzentrieren, anstatt auf manuelle Zahlenarbeit.

Diese Effizienzgewinne tragen zu einer verbesserten Verwaltung des Betriebskapitals bei, da der Einzelhändler weniger überschüssige Bestände hält und Waren schneller umschlägt. Die betrieblichen Verbesserungen unterstützen auch die Bemühungen von M&S, effektiver mit digital nativen Einzelhändlern und Fast-Fashion-Konkurrenten zu konkurrieren, die datengesteuertes Merchandising von Anfang an in ihre Geschäftsmodelle integriert haben.

Wie unterstützt KI-Merchandising die Nachhaltigkeitsziele?

M&S hat sich verpflichtet, Abfall und Umweltauswirkungen durch sein Plan A-Programm zu reduzieren, und KI-gestützte Sortimentsplanung trägt direkt zu diesen Zielen bei. Indem nur das produziert und vorrätig gehalten wird, was voraussichtlich verkauft wird, reduziert der Einzelhändler Überproduktion, unverkaufte Bestände und den damit verbundenen CO2-Fussabdruck von Herstellung, Transport und Entsorgung unerwünschter Waren.

Bei Bekleidung hilft eine genauere Bedarfsprognose, das branchenweite Problem überschüssiger Bestände zu vermeiden, die auf Deponien oder in der Verbrennung enden. Bei Lebensmitteln steht die Reduzierung von Abfall im Einklang mit breiteren Bemühungen im gesamten Lebensmittelsektor, die ökologischen und wirtschaftlichen Kosten von Verderb zu minimieren. KI-Tools ermöglichen M&S auch die Optimierung von Logistik und Distribution, wodurch Kraftstoffverbrauch und Emissionen reduziert werden, indem sichergestellt wird, dass die richtigen Produkte die richtigen Standorte ohne unnötige Umverteilung erreichen.

Die Integration von KI in das Merchandising stellt einen Teil einer umfassenderen digitalen Transformation bei M&S dar, da der Einzelhändler veraltete Systeme und Prozesse modernisieren möchte. Das Reshape for Growth-Programm des Unternehmens hat Investitionen in Technologie- und Datenkapazitäten priorisiert und erkannt, dass datengesteuerte Entscheidungsfindung für den Wettbewerb in einem sich schnell entwickelnden Einzelhandelsumfeld unerlässlich ist.

Obwohl M&S Fortschritte beim Einsatz von KI für Sortimentsplanung und Bedarfsprognose gemacht hat, verfeinert der Einzelhändler diese Systeme weiterhin und erweitert ihre Anwendung im gesamten Unternehmen. Die Wirksamkeit von Modellen des maschinellen Lernens hängt von Datenqualität, Integration über Systeme hinweg und laufender menschlicher Aufsicht ab, um sicherzustellen, dass Algorithmen die Geschäftsstrategie und Kundenbedürfnisse widerspiegeln. Wenn die Technologie reift und M&S mehr Transaktionsdaten sammelt, wird erwartet, dass die Präzision und Wirkung von KI-gesteuertem Merchandising zunehmen und sowohl die kommerzielle Leistung als auch die Nachhaltigkeitsergebnisse unterstützen.