Perché i dati di sell-out sono essenziali per l'IA nel wholesale della moda?

IN SINTESI Sintesi della redazione

1. I dati di sell-in registrano ciò che un brand spedisce ai retailer; i dati di sell-out registrano ciò che quei retailer vendono ai consumatori, per prodotto, taglia, negozio e periodo.
2. I modelli di IA per previsioni, re-order e allocazione nel wholesale hanno bisogno dei dati di sell-out, perché il sell-in riflette le decisioni di acquisto e le tempistiche dei retailer, non la domanda dei consumatori.
3. Esistono formati standard: la linea guida di GS1 Austria per la moda relativa al messaggio EDIFACT SLSRPT trasmette tra partner commerciali le quantità vendute per GTIN, punto vendita e periodo.
4. Ai sensi del regolamento UE di esenzione per categoria degli accordi verticali, in vigore dal 1° giugno 2022, lo scambio di dati aggregati sugli acquisti dei clienti è in generale ammissibile nella duplice distribuzione, mentre i futuri prezzi di rivendita figurano nell'elenco degli scambi problematici.
5. I dati di sell-out sono più utili se accompagnati dai dati di stock, perché le vendite senza lo stock non consentono di distinguere una domanda debole da taglie esaurite.

I dati di sell-out sono essenziali per l'IA nel wholesale della moda perché sono l'unica misura diretta della domanda dei consumatori nei negozi partner. Il sell-in, ossia ciò che il brand spedisce, riflette le decisioni di acquisto, i budget e le tempistiche del retailer. Un modello addestrato solo sul sell-in impara come ordinano i retailer, non come acquistano i consumatori, e le sue previsioni, i suggerimenti di re-order e le indicazioni di allocazione ereditano questo punto cieco.

Qual è la differenza tra dati di sell-in e dati di sell-out?

I due possono divergere in modo marcato. Un retailer può ordinare molto e poi vendere lentamente, il che nel sell-in appare come un successo finché la stagione successiva non arrivano resi, cancellazioni e richieste di contributi sui ribassi. Allo stesso modo, un modello può esaurirsi rapidamente nei negozi mentre il sell-in non mostra nulla di nuovo, perché il retailer non ha budget aperto per un re-order.

Perché l'IA ha bisogno dei dati di sell-out?

La maggior parte dei casi d'uso dell'IA nel wholesale dipende dal sapere che cosa hanno effettivamente acquistato i consumatori:

• Previsione della domanda: i piani di acquisto della stagione successiva sono più fondati se basati sul sell-through presso i consumatori che su ciò che i retailer hanno ordinato.
• Suggerimenti di re-order e riassortimento: un modello può proporre re-order a un cliente solo se vede le vendite e lo stock residuo di quel cliente.
• Curve taglie: gli ordini dei retailer seguono spesso rapporti taglie standard, per cui solo il sell-out rivela la reale domanda per taglia di ciascun cliente.
• Raccomandazioni di assortimento per i buyer: suggerire quali modelli si adattano a un cliente richiede di sapere che cosa ha venduto in precedenza.
• Allerta precoce: un sell-through lento nei negozi partner segnala il rischio di ribassi settimane prima che emerga nei resi o nelle cancellazioni degli ordini.

Le sole vendite non bastano. Quando una taglia si esaurisce, le vendite si fermano, e un modello che legge solo le vendite conclude che la domanda è calata. Una ricerca di Akchen e Caro su un retailer di calzature ha rilevato che quasi il 25 per cento della domanda rimasta insoddisfatta a causa delle rotture di stock si è spostata sulle taglie adiacenti, il che significa che le vendite grezze rappresentano in modo errato la domanda per taglia in entrambe le direzioni. I dati di sell-out richiedono quindi lo stock disponibile per prodotto e punto vendita, idealmente con la stessa frequenza.

Leggi anche

Che cosa rende un'azienda wholesale pronta per l'IA?

Come ricevono i brand i dati di sell-out dai retailer?

Esistono diverse modalità, spesso utilizzate in parallelo per clienti diversi:

1. Report di vendita EDI: messaggi standard come EDIFACT SLSRPT. La linea guida di GS1 Austria per il settore moda lo descrive come un messaggio che trasmette tra partner commerciali le quantità vendute per prodotto (GTIN), punto vendita (GLN del punto vendita) e periodo.
2. Portali dei retailer ed esportazioni di file: molti department store e marketplace forniscono report tramite portali fornitori, spesso come fogli di calcolo in formati specifici del retailer.
3. Modelli in concessione e conto vendita: quando il brand è proprietario dello stock nel punto vendita, di norma vede direttamente le vendite.
4. Piattaforme condivise: alcuni brand e retailer scambiano dati tramite piattaforme B2B o di riassortimento comuni con definizioni dei dati concordate.

Il presupposto tecnico è un identificativo di prodotto condiviso. GS1 stabilisce che ogni variante di prodotto, ossia ogni taglia, ogni colore e ogni combinazione, necessita di un proprio GTIN. Quando brand e retailer utilizzano entrambi i GTIN del brand, il sell-out può essere collegato all'anagrafica articoli del brand senza mappatura manuale. Quando il retailer utilizza codici propri, gli errori di mappatura diventano una fonte importante di dati errati.

Quali sono i limiti giuridici alla condivisione dei dati di sell-out?

Lo scambio di dati tra un brand e i suoi retailer è un rapporto verticale, ma molti brand di moda gestiscono anche negozi e web shop propri, il che li rende concorrenti dei propri clienti retail (duplice distribuzione). Il regolamento UE di esenzione per categoria degli accordi verticali rivisto, il regolamento (UE) 2022/720, in vigore dal 1° giugno 2022, e i relativi orientamenti disciplinano lo scambio di informazioni proprio in questa situazione. Secondo un'analisi dello studio legale Hogan Lovells, tra gli scambi in generale ammissibili figurano le informazioni aggregate sugli acquisti dei clienti che non si riferiscono a utenti finali identificati e i confronti anonimizzati delle performance di vendita tra distributori. Le informazioni sui prezzi futuri ai quali fornitore o acquirente intendono vendere figurano nell'elenco degli scambi che difficilmente rientrano nell'esenzione.

Come possono i brand indurre i retailer a condividere i dati?

I retailer condividono i dati quando ottengono qualcosa in cambio. Tra gli scambi di valore più comuni figurano il riassortimento automatico che riduce il loro rischio di stock, raccomandazioni su taglie e assortimento per il prossimo ordine, lead time di re-order più rapidi o una pianificazione condivisa dei ribassi. Gli accordi dovrebbero definire quali dati vengono condivisi, a quale livello di aggregazione, con quale frequenza, chi può utilizzarli e per quale scopo, e per quanto tempo vengono conservati.

I retailer più piccoli spesso non dispongono nemmeno dei sistemi per inviare dati strutturati. Per loro, una modalità semplice e poco onerosa, come un caricamento regolare di stock e vendite in un modello fisso o un collegamento diretto dal loro software di cassa, conta più di qualsiasi standard formale. È la copertura della coda lunga a trasformare un campione di grandi clienti in un quadro utilizzabile del mercato.

Leggi anche

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

Dove falliscono tipicamente le iniziative sul sell-out?

• I dati arrivano in molti formati e nessuno è responsabile della mappatura sull'anagrafica di prodotto del brand.
• Le vendite vengono condivise senza lo stock, per cui i dati non possono supportare il riassortimento né l'analisi per taglia.
• I report arrivano mensilmente, troppo tardi per le decisioni in stagione.
• La copertura è frammentaria: alcuni grandi clienti condividono i dati, la coda lunga dei retailer più piccoli no, e i modelli sovrappesano i grandi clienti.
• Il brand raccoglie i dati ma non ha un processo per agire su di essi, per cui i retailer non vedono alcun beneficio e smettono di inviarli.

Per l'IA la lezione è semplice: un modello di previsione o di re-order vale quanto la sua visione del consumatore. Per i brand wholesale, questa visione sono i dati di sell-out, collegati a identificativi di prodotto puliti, accompagnati dallo stock e forniti con una frequenza sufficiente per poter agire.

Domande frequenti

Che cosa sono i dati di sell-out nella moda?

I dati di sell-out registrano ciò che un retailer vende ai consumatori, per prodotto, taglia, colore, negozio o web shop e periodo. Per un brand che vende tramite partner wholesale, sono la misura più vicina alla reale domanda dei consumatori.

Qual è la differenza tra sell-in e sell-through?

Il sell-in è ciò che un brand spedisce a un retailer. Il sell-through è la quota di quello stock che il retailer vende ai consumatori in un periodo, calcolata a partire dai dati di sell-out e dallo stock.

Come può un brand di moda ottenere i dati di sell-out dai retailer?

Tramite messaggi EDI di report sulle vendite come SLSRPT, portali fornitori dei retailer, modelli in concessione o conto vendita in cui il brand è proprietario dello stock, o piattaforme B2B condivise. La maggior parte dei brand combina più modalità e ha bisogno di accordi chiari sulla condivisione dei dati.

Nell'UE è legale per brand e retailer condividere i dati di vendita?

In generale sì, entro certi limiti. Ai sensi del regolamento di esenzione per categoria degli accordi verticali del 2022, i dati aggregati sugli acquisti che non si riferiscono a utenti finali identificati sono in generale ammissibili, mentre gli scambi sui futuri prezzi di rivendita sono problematici, in particolare nella duplice distribuzione. Si raccomanda una consulenza legale.

GuidaLa guida completa all’IA nel merchandising e nel buying della modaLeggi la guida completa