【干货】需求驱动的配货

零售业计划与执行的性质正经历着前所未有的变化。商品管理“供货和购买”的模式，即零售管理团队可以规定的聘用条款，早已结束。如今的零售消费者受教育程度高、参与度高、社交广泛；此外，他们毫不费力地使用大数据方法来优化购买偏好，从而要求随时随地提供产品和服务。显然，游戏已经改变了…

在这个重要转变中，以消费需求为导向的商品计划和配补调货能力便是能够帮助企业快速反应、主动出击、降低库存和资金风险的一个重要环节。尤其在今天的市场环境下，零售品牌面临着本土乃至国际品牌的激烈竞争。一个企业如果能深入解读不同经营渠道、不同地域、不同目标消费者的口味与需求，为他们打造最具吸引力的商品组合，这将帮助他们在竞争中胜出，同时赢得消费者的青睐和良好的利润率。以需求为主导的商品计划和执行能力因此主要帮助零售商回答下面三个经典的零售运营问题:

• 如何确保店内商品符合目标消费人群的口味与需求、激发他们的购买力?
• 如何确保这些商品在合适的时间、合适的渠道、合适的地点出售?
• 如何确保每个渠道、每个门店拥有最合理的商品和数量?

作为对这些新规则的回应，零售管理团队必须找到缩短供应链的新方法，以确保把正确的产品以正确的数量及合适的价格在正确的时间放在正确的店铺（包含电商等）里。相应地，对履行方法，特别是围绕商品配货的方法，也给予了新的重视。特别是，配货管理方法必须包含以下要求：

• 1. 建立支持库存平衡和效率的整体配货战略，并有一个统一协作的平台，便于各部门第一时间审核报告
  
• 2. 提供具有科学计算方法及具有最佳业务实践检验的业务逻辑结合的综合配货方案，以协助销售团队达成销售目标、利润和库存目标

本文重点将放在配货策略的第三部分：充分支持商品团队利用销售终端需求的配货方法，同时打通全渠道库存，在任何渠道、任何地点和任何时间全面提供满足预期的消费者购物体验。

商品缺色断码现象频发，错失销售良机，商品正价售罄率和周转率的低下，使得库存管理面临严峻挑战。而配货管理计划的优劣直接关系到库存管理的精确度，不恰当的计划往往造成货物积压或短缺。过多的库存不仅占用大量资金，增加存储成本，而库存不足则可能无法满足客户需求，导致订单延误或取消，严重影响客户满意度。在全渠道网络快速发展的背景下，具体表现在：

• 配货准确性问题：在配货过程中，由于人为错误或系统问题，可能导致配货不准确，如商品错配、数量错误等。这不仅增加了退货和换货的风险，还可能导致客户流失；
• 决策延迟：场景复杂，品类丰富，商品SKC 宽度大，销售终端多，调整配货方案的任务繁重，导致决策下发延迟。

因此，我们需要加强配货管理计划的制定和执行，提高配货准确性，减少人为错误和系统问题的影响。同时，也需要加强季中运营的高效决策与执行，以应对复杂多变的销售场景和客户需求，实现库存管理的优化和提升。

综合配货方法包括以下组成部分：

渠道分仓智能化

• 利用数据挖掘和机器学习技术，分析不同渠道的销售特征、地域特点和消费者偏好；
• 根据历史销售数据和实时市场情况，动态计算不同渠道的销化能力
• 建立自动化的分仓拆解业务逻辑，自动识别订单交付场景，实现自动化的渠道库位分配，确保不同渠道的货物供应与需求平衡；
• 实现总仓直达销售终端，以及多级仓位就近配发等多种方案的分配，辅助企业运营变革之路的多级方案提升。

门店分群智能化

• 结合门店的位置、规模、销售额等因素，建立智能化的门店等级评估模型
• 利用数据分析和算法优化，自动识别高级门店和重要渠道，为其分配更多资源和优先供应；
• 实时监控门店销售情况，根据业绩变化调整门店等级划分，确保资源分配的灵活性和及时性。

商品组合分配智能化

• 基于消费者的购买历史、偏好和行为数据，建立个性化的款店匹配方案
• 结合产品特性和销售终端定位，精准推荐适合销售终端的产品款式和品类
• 根据实时库存结构特点及运营需求，动态调整商品与销售终端的匹配策略，确保推荐的产品与消费者需求保持一致。

合理分配货量

• 需求驱动与运营策略结合（推拉结合）

不再局限于固定的销售终端配货模型(model stock)，根据季中销售水平和基于实际销售状况持续更新的销售预测来灵活调整门店单品的配货水平；在不同的时间点，根据各销售终端的需求做出配货建议；

对于“推”与“拉”式配货的难题，需将销售终端需求和运营策略结合起来，在单个配货场景中确定最佳的实现方法。通过提供库存控制制度的可见性，商品团队可以根据商品用户定义的约束条件和商品不同分类的动态需求模式，做出更明智的配货决策，从而实现更高效的分配。

• 考虑配货优先级，上市时间，陈列标准，商品包组，门店容量

需要在预测视角基础上，考虑不同品牌、不同销售渠道及不同地域的差异性，通过制定灵活的品牌配置方案，结合门店的陈列空间、容量，科学确定货物分配量，优化陈列效果，确保门店投放合适宽度和深度的货品。

尺码优化

• 根据历史数据以及实时最新的销售数据，并结合科学的算法逻辑，建立尺码优化模型
• 结合产品特性和地域差异，应用尺码优化模型，为不同的产品类型以及不同的尺码范围 ，在每一个销售终端建立最优的尺码比例，确保尺码连续性和客户满意度；
• 利用优化的尺码配比提供尺码包分配建议，减少人为拆包重组等繁杂工作，提高物流体系的执行效率

为了支持零售商应对当今全渠道消费者所带来的挑战，第七在线7thonline配货解决方案提供了灵活的、需求驱动的配货管理方法，产品能力具有以下特点：

• 动态存储建模，而不是静态存储量，使存储级需求，从而允许灵活的产品交付；
• 能够利用先进的配货模型整合离散项目（如在线退货、段色断码等），推动全价销售；
• 利用销售指数代替自上而下的集合，把单个门店的销售额和利润率最大化；
• 专有算法结合了追踪销售损失的需求，并推动季节性全价销售；
• 综合销售预测方法，以预测动态的季节性趋势；
• 特定于行业的颜色分散算法，通过销售门店实现最佳的颜色组合；
• 强大的库存平衡能力，支持多级配货策略；
• 基于异常的报告和分析，以提高产品管理效率和规模。

第七在线7thonline配货解决方案基于对门店等级需求的前所未有的精准分析，为当今的零售商提供了强有力的工具，以系统地提升利润率。结合第七在线7thonline商品计划，商品组合计划系统，需求驱动的分配是高效供应链计划和执行的关键组成部分。

绫致时装（Bestseller）驰名欧洲，总部位于丹麦，旗下拥有十个欧洲畅销品牌，在全球40个国家拥有超过9000家专卖店绫致时装公司是其在中国的全资子公司，总部设在北京，旗下有 ONLY、JACK&JONES、VERO MODA、SELECTED和新品牌J.LINDEBERG，在中国300多个城市拥有6000多家店铺。

面临挑战

季中存在大量货品调拨和促销，效果不佳且物流成本高；

企业采用传统的 Excel 工具进行数据收集分析工作，需要配备大量工作人员，并且无法达到数据实时更新准确的目的;

企业拥有众多品牌、门店、品类等数据需要处理，其具备维度多，数据量庞大，难以分析的特点，普通系统无法支持迅速准确处理庞杂信息的能力；

企业成长迅速，货控团队人员能力参差不齐，导致商品计划无法彻底执行，配货补货效果达不到预期计划。

方案价值

业务逻辑得到梳理整合并系统化，系统运用先进的数据分析模型和前沿的算法，实现数据实时更新，运算准确，快速反应的效果, 使得货控平均水平得到有效管理，保证92%的有效销售来自精准配货；

提升单人能效，配货工作效率大幅提升；

调拨有效性提升40%，调拨频次和调拨本得到高效控制，同时保证了货品的最大销售能力。

第七在线（7thonline）是一家基于全球顶级零售商品牌20多年商品管理最佳实践，数据算法模型及机器学习为核心，深度覆盖业务场景自动化行业解决方案服务商，通过AI+BI云计算平台结合行业特征，精准洞察市场机会，赋能用户实现商品计划自动化，驱动精细化运营并辅助智能决策，达成业务价值提升，从而实现企业数字化转型和智能化管理升级。

第七在线于1999年由创始人马克骏携手美国零售业资深专家和IT专业国际团队创立于纽约, 并先后于2005年成立武汉研发和客服中心，2023年成立深圳营销中心, 布局中国市场。

我们的客户包括：亚历山大王、勃肯BIRKENSTOCK、绫致集团、加拿大鹅、PVH、Jimmy Jazz、Calvin Klein、Michael Kors、Nautica、Colony Brands、Phillips Van Heusen、VF等。

库存风险最小化

帮助企业内的零售专家通过方案实现合理的计划、精准的跟踪、高效的配补调货，以此提高企业对整个分销系统内消费需求的快速反应能力；

信息可视化

让管理层拥有全渠道销售需求和库存信息的可视性，帮助品牌建立统一的计划 和执行流程，利用大数据支持企业规模化的成长；

数据智能化

利用平台内建的AI数学模型和工具帮助企业内的零售专家将劳力解放为智力，取代人力做复杂的数学计算，维护数据的联动性与一致性；

商品策略自动化

提供完善的策略推演工具，让商品计划专员高效推演各种不同的商品策略并全面理解不同策略对业务带来的影响；

货品分配合理化

根据市场需求智能分配货品，结合销售预测、季中实际销售数据以及产品生命周期给予门店相应的配货建议，提高配货的合理性；

调货分析智能化

提供门店调货工具与智能分析建议，并根据分析模块对销售数据的分析，给出智能调货建议，提高调拨的准确性；

团队协作高效化

支持各部门采取其最关注的视角（数量、成本、或零售额）和维度（产品与门店特性的组合）去进行分析和计划，增强各部门间的协同合作和计划执行力。