Come costruire una curva taglie e colori dai dati di sell-out in un foglio di calcolo

Per costruire una curva taglie in un foglio di calcolo, si raccolgono le unità vendute e i giorni a stock per ogni taglia, si ripuliscono i periodi distorti, si corregge ciascuna taglia per le rotture di stock e infine si divide la domanda corretta di ogni taglia per il totale. Il risultato è il mix percentuale da applicare all'acquisto. La stessa logica vale per il colore. Il metodo è semplice, ma la qualità della curva dipende dai dati con cui la si alimenta.

Di quali dati si ha bisogno?

Il metodo di Inventory Planner parte dai dati a livello di taglia: unità vendute, livelli di inventario, sell-through e resi per ciascuna taglia. Si aggiungono il gruppo di stile o di vestibilità, il canale o il punto vendita e le date in cui ogni taglia era a stock. I dati di sell-out (ciò che i retailer hanno venduto ai consumatori) sono ideali per un brand che pianifica il sell-in, ma spesso sono incompleti, quindi va dichiarato chiaramente quali clienti sono coperti.

Come si calcola la curva passo per passo?

1. Raccogliere lo storico di vendite e stock a livello di taglia per stili comparabili.
2. Ripulire i dati: eliminare o correggere i periodi di rottura di stock, le promozioni insolite, le etichette di taglia incoerenti e i prodotti fuori produzione.
3. Calcolare la quota grezza di ciascuna taglia: unità vendute in quella taglia divise per il totale delle unità vendute sull'intera scalarità.
4. Correggere per le rotture di stock: per ogni taglia, prendere il ritmo medio di vendita giornaliero dei giorni in cui era a stock e moltiplicarlo per il numero di giorni di vendita della stagione.
5. Normalizzare: dividere la domanda corretta di ogni taglia per la domanda corretta totale ed esprimerla in percentuale. Questa è la curva.
6. Applicarla: moltiplicare la previsione totale per la percentuale di ciascuna taglia per ottenere gli obiettivi in unità.
7. Rivedere a fine stagione confrontando il mix di taglie previsto con le vendite effettive e le rotture di stock.

In questo esempio inventato, la taglia L ha venduto 180 unità ma è rimasta senza stock per 30 giorni su 90, quindi la sua domanda corretta è superiore alle vendite grezze. Una curva ingenua avrebbe assegnato alla L solo il 20% dell'acquisto, ripetendo la carenza.

Leggi anche

Che cos'è il demand sensing e come funziona nella moda?

Quali sono le principali insidie?

• La censura da rottura di stock sottostima la domanda delle taglie più richieste se non viene corretta.
• Una sola curva per tutto: vestibilità, categorie, punti vendita e canali possono differire.
• Storico scarso sui prodotti nuovi: i planner si affidano spesso ad articoli proxy.
• Pre-pack rigidi: proporzioni fisse del fornitore possono lasciare alcune taglie scoperte e altre in eccesso.
• Riassortimento lento: una curva accurata perde valore se gli ordini di acquisto non possono essere modificati.

Come si gestiscono i prodotti e i colori nuovi?

Blue Yonder descrive il ricorso alla curva di articoli simili con attributi analoghi, come tessuto o vestibilità, precisando che un abbinamento scadente produce una curva scadente. Lo stesso approccio vale per il mix colori, anche se la domanda di colore è più volatile e guidata dalle tendenze, per cui molti team applicano le curve per le taglie e usano giudizio e ordini di prova per i colori. Conviene mantenere coerenti gli attributi usati per l'abbinamento e registrare quale proxy è stato impiegato, in modo che il risultato possa essere riesaminato. Va ricordato che Blue Yonder è un fornitore di software per il size scaling, quindi le sue affermazioni sui benefici vanno trattate con cautela.

Quando serve un algoritmo al posto di un foglio di calcolo?

Un foglio di calcolo basta per un numero limitato di stili e punti vendita. Diventa macchinoso quando le curve devono essere segmentate per cluster di negozi, aggiornate ogni settimana o combinate con l'allocazione. A quel punto il software aiuta, ma i principi esposti restano validi e il foglio di calcolo rimane un utile controllo di qualsiasi risultato automatico.

Quali sono i limiti dei dati di sell-out?

I dati di sell-out registrano ciò che i consumatori hanno acquistato, il segnale giusto per la domanda di taglie, ma presentano lacune. Non tutti i retailer li condividono, la copertura dei negozi può essere disomogenea e il campione può favorire i clienti più grandi. Una curva costruita su pochi clienti può non descrivere gli altri. Dove il sell-out non è disponibile, lo storico di sell-in può servire da proxy approssimativo, tenendo presente che riflette ciò che i buyer hanno scelto di acquistare, non ciò che i consumatori volevano.

Uphance osserva che la previsione basata sull'IA richiede attributi di stile coerenti in un unico sistema e dati accurati su vendite e resi, con i resi registrati a inventario entro pochi giorni. Per le curve taglie, i dati sui resi sono utili perché i resi tendono a concentrarsi per taglia e vestibilità. Una taglia che vende molto ma viene restituita spesso va interpretata con attenzione.

• Indicare quali clienti e periodi coprono i dati.
• Trattare con cautela una taglia soggetta a molti resi.
• Mantenere coerenti le etichette di taglia tra fornitori e stagioni.
• Rielaborare la curva a ogni stagione invece di riportare avanti quella vecchia.

Leggi anche

Open-to-buy spiegato: come i retailer di moda pianificano il budget di acquisto

Come si applica la curva a un acquisto o a un'allocazione?

Si moltiplicano le unità totali previste per uno stile per la percentuale di ciascuna taglia, ottenendo un obiettivo per taglia, poi si arrotonda per adeguarsi alla confezione. Se un fornitore spedisce con proporzioni di taglia fisse (pre-pack), si confronta la proporzione del pack con la curva: Blue Yonder osserva che i pre-pack fanno risparmiare lavoro ma possono lasciare taglie orfane che richiedono ribassi. Un approccio misto, con pre-pack per le taglie centrali e assortimento libero per quelle estreme, è spesso un compromesso.

Nel wholesale, la curva va applicata all'ordine del retailer, non solo al proprio acquisto. Si mostra al buyer una suddivisione di taglie suggerita per ogni stile, basata dove possibile sul sell-out del retailer stesso, lasciandogli la possibilità di modificarla. Un suggerimento con una motivazione visibile ha più probabilità di essere accettato di uno privo di spiegazioni.

Infine, conviene testare la curva sulla stagione più recente prima di usarla: se avrebbe previsto male il mix di taglie, si indaga sui dati prima di fidarsi.