Prevedere la domanda per taglia con maggiore precisione

La domanda totale è la parte facile

La maggior parte dei marchi di moda prevede abbastanza bene quante unità di uno stile venderanno. Dove falliscono è prevedere quali taglie. Uno stile che vende bene in generale può ancora essere un disastro a livello di taglia — rimasto senza scorte su Medium entro la seconda settimana, affogato in XXL entro la fine della stagione con sconto. La previsione aggregata nasconde questo, perché i totali possono sembrare bene anche quando la distribuzione di taglia è terribilmente sbagliata. Ottenere la curva di taglia giusta è dove vive l'efficienza dell'inventario reale, ed è dove la maggior parte dei marchi vola alla cieca. Questa guida copre come prevedere la domanda per taglia con maggiore precisione, perché è più difficile che prevedere aggregata, e come dati di vestibilità migliori fanno chiarezza. Si basa sul nostro lavoro su come i dati di vestibilità migliorano la pianificazione dell'inventario.

Perché le previsioni aggregate falliscono a livello di taglia

Una previsione di unità totali cancella la cosa che conta: la forma della domanda tra le taglie. Due stili con vendite totali identiche possono avere curve di taglia completamente diverse, e applicare una distribuzione generica a entrambi garantisce che sbaglierai almeno una. La predefinita che molti marchi usano — una curva a campana standard sulla gamma di taglie — raramente corrisponde a uno stile specifico o base di clienti.

Il costo si vede come costi azionari simultanei e ribassi: vendite perse sulle taglie che hai sottoacquistato e erosione del margine sulle taglie che hai sovracquistato, spesso all'interno dello stesso stile. Entrambi sono costosi, e la previsione aggregata li ha resi invisibili fino a quando non era troppo tardi. Prevedere a livello di taglia è quello che emerge e previene questo, e richiede di trattare la curva di taglia come un'uscita di prima classe, non un'idea dell'ultimo minuto applicata a un totale.

La tua curva di vendita storica è il punto di partenza

Il miglior input di avvio è il tuo venduto storico per taglia, per stili comparabili. Come hanno effettivamente distribuito i prodotti simili tra le taglie — non come le hai acquistate, ma come hanno venduto e, crucialmente, come hanno venduto a prezzo intero versus sconto? I dati di acquisto sono contaminati da errori di previsione passati; il venduto a prezzo intero è più vicino alla vera domanda.

Segmenta questo per categoria, tipo di taglio e gruppo di clienti, perché uno stile rilassato e uno aderente vendono curve diverse anche agli stessi clienti. Più ricchi sono i dati di venduto storico a livello di taglia, migliore è la tua previsione. La maggior parte dei marchi ha questi dati ma non li analizzano mai a livello di taglia, ricorrendo a una curva generica. Minare la tua cronologia è il primo passo ad alto ROI, e si collega alla costruzione di una curva di taglia migliore.

I resi distorcono il quadro — Correggi per loro

Le vendite grezze per taglia sono fuorvianti se non conti i resi, perché una taglia con vendite lorde alte ma resi alti non è realmente nella domanda che pensi. Una taglia che vende bene e torna costantemente è un problema di vestibilità, non domanda forte, e prevedere più di essa ripete l'errore. Le vendite nette per taglia — lordo meno resi — è il segnale di domanda più vero.

È qui che i dati di vestibilità e i dati dei resi si alimentano direttamente nella previsione. Una taglia che torna pesantemente per motivi di vestibilità ti dice che la gradazione è spenta, non che i clienti ne vogliono di più. Correggere la tua curva di taglia per i resi ti impedisce di sovracquistare taglie problematiche. La connessione tra resi e pianificazione corre ovunque nel trasformare i dati dei resi in prodotti più adatti.

I dati del corpo del cliente affinano la curva

L'input più diretto alla domanda di taglia è il corpo effettivo dei tuoi clienti. Se conosci la distribuzione delle misure corporee nella tua base di clienti — da uno strumento di vestibilità, un widget di dimensionamento, o cronologia degli ordini — puoi prevedere la curva di taglia dal lato della domanda piuttosto che dedurla all'indietro da dati di vendita contaminati. Questo è un segnale fondamentalmente migliore.

Un marchio i cui clienti tendono verso certe taglie dovrebbe acquistare quella curva, non una campana generica. La maggior parte dei marchi non raccoglie mai questi dati e quindi non li usa mai, ma quelli che lo fanno possono prevedere la domanda di taglia con fiducia molto maggiore. I dati del corpo dei clienti trasformano la previsione della taglia da indovinare in qualcosa basato su chi sono effettivamente i tuoi clienti, il che è esattamente quello che uno strumento di vestibilità può far emergere — vedi come i dati di vestibilità migliorano la pianificazione dell'inventario.

Account per i nuovi stili senza cronologia

Il caso di previsione più difficile è uno stile completamente nuovo senza cronologia di vendita, soprattutto in una nuova silhouette o taglio. Qui ti appoggi su analoghi — le curve di taglia degli stili passati più simili — adattate per differenze di vestibilità conosciute. Un nuovo abito aderente dovrebbe prendere in prestito dai vestiti aderenti passati, non dai tuoi top sciolti.

Sii esplicito sulle caratteristiche di vestibilità del nuovo stile e abbinalo ai giusti analoghi storici piuttosto che applicare una curva predefinita aziendale. Più i tuoi dati storici sono etichettati per tipo di vestibilità e silhouette, migliori sono i tuoi analoghi, il che è il motivo per cui la disciplina di etichettamento ripaga. I nuovi stili porteranno sempre più rischio di previsione, ma la selezione di analoghi disciplinata lo riduce considerevolmente, e post-lancio puoi correggere velocemente se stai guardando il venduto a livello di taglia.

Pianifica la correzione in stagione

Nessuna previsione di taglia è perfetta, quindi la seconda metà della disciplina è reagire velocemente quando la realtà diverge. Guarda il venduto a livello di taglia da vicino nelle prime settimane, e abbi un piano per riordinare le taglie calde e rallentare gli sconti su quelle fredde prima che il problema si componga. Un marchio che individua un Medium che rimane senza scorte entro la seconda settimana e riordina salva le vendite che un piano statico avrebbe perso.

Questo richiede reportistica a livello di taglia quasi in tempo reale, non un post-mortem di fine stagione. I marchi che vincono sull'inventario non sono quelli con previsioni perfette — sono quelli che rilevano e correggono velocemente. Costruire quel monitoraggio è importante quanto la previsione stessa, e si collega alla disciplina di analitiche dietro la riduzione dei ribassi con dati di vestibilità migliori.

Legare la previsione di taglia al quadro più grande

La previsione a livello di taglia non vive isolata — si collega alla gradazione, all'assortimento, e in ultima analisi al margine. Un marchio che prevede bene le taglie acquista più vicino alla vera domanda, rimane meno senza scorte, sconta meno, e libera il capitale circolante intrappolato nell'inventario morto. Questi sono risultati finanziari reali, non eleganza operativa.

Rendi la performance a livello di taglia una metrica tracciata e una conversazione ricorrente, non un dettaglio sepolto in una relazione stagionale. Quando l'organizzazione tratta la curva di taglia come qualcosa che guida il margine, investe nei dati per farla bene. Questa è parte del trattare la vestibilità e il dimensionamento come una disciplina strategica, copriti nel rendere la vestibilità una priorità a livello aziendale. La previsione di taglia migliore è uno dei sentieri più chiari dal dato di vestibilità all'impatto di fondo.

Dove YourSizer si inserisce

YourSizer cattura i dati del corpo effettivo dei tuoi clienti e i segnali di vestibilità dietro i tuoi resi — esattamente gli input dal lato della domanda che affinano una curva di taglia. Invece di prevedere le taglie da cronologia di acquisto contaminata o una campana a campana generica, puoi fondare il tuo piano su chi sono effettivamente i tuoi clienti e quali taglie funzionano effettivamente dopo i resi. Vedi la tecnologia sottostante nella nostra panoramica del prodotto, esplora il lato commerciante su per i marchi, e controlla i prezzi.

Domande frequenti

Perché una previsione di unità totali non è sufficiente?

Perché cancella la distribuzione di taglia, il che è dove vivono i soldi. Due stili con vendite totali identiche possono avere curve di taglia completamente diverse, e una distribuzione generica sarà sbagliata almeno uno — producendo costi azionari sulle taglie che hai sottoacquistato e ribassi su quelle che hai sovracquistato, spesso all'interno dello stesso stile. Il numero aggregato nasconde entrambi.

Dovrei prevedere da vendite lorde o netto di resi?

Netto di resi. Una taglia con vendite lorde alte ma resi alti non è domanda reale — di solito è un problema di vestibilità o gradazione, e prevedere più di essa ripete l'errore. Le vendite nette per taglia danno un segnale di domanda più vero, il che è il motivo per cui i dati di resi e i dati di vestibilità si alimentano direttamente nella previsione accurata a livello di taglia.

Come faccio a prevedere le taglie per uno stile completamente nuovo?

Usa analoghi — le curve di taglia dei tuoi stili passati più simili, abbinati per tipo di vestibilità e silhouette piuttosto che una campana predefinita aziendale. Più i tuoi dati storici sono etichettati per caratteristiche di vestibilità, migliori sono gli analoghi. Quindi guarda il venduto a livello di taglia da vicino dopo il lancio in modo da poter riordinare le taglie calde e correggere velocemente.