Tamaris e l'Ia per la previsione dei prezzi: una conversazione con 7Learnings all'Nrf Retail big show

Parigi - In occasione dell'Nrf Retail big show, FashionUnited ha intervistato Eiko van Hettinga, co-fondatore di 7Learnings, azienda tecnologica con sede a Berlino che fornisce software di previsione dei prezzi basato sull'Ia per i retailer. Ha spiegato perché la definizione dei prezzi è una delle leve principali per la redditività, come funziona la previsione dei prezzi nella pratica e come brand come Tamaris stanno ottenendo risultati.

Perché la previsione dei prezzi? "La definizione dei prezzi è la leva principale per la redditività. Molte aziende pensano alla riduzione dei costi quando parlano di profitto, ma la verità è che le variazioni di prezzo hanno un impatto molto maggiore. Ecco perché analisti come Gartner definiscono l'ottimizzazione dei prezzi uno dei casi d'uso dell'Ia più interessanti nel retail: ha il maggiore impatto sul business ed è uno dei più realizzabili", ha affermato van Hettinga.

"Per i retailer che si chiedono da dove iniziare il loro percorso nell'Ia, l'ottimizzazione dei prezzi dovrebbe essere in cima alla lista. Con la previsione dei prezzi, si utilizzano i dati per prevedere l'impatto dei prezzi su KPI come fatturato, margine e sell-through, e quindi ottimizzare di conseguenza. Questo è esattamente ciò che dimostriamo insieme a Tamaris".

Può dirci di più su Tamaris? "In Tamaris (parte del Gruppo Wortmann), la sfida era chiara: stavano espandendo il loro business online in ventisei Paesi, con un'enorme complessità nella definizione dei prezzi tra mercati e canali, molto lavoro manuale e la necessità di ottimizzare lungo l'intero ciclo di vita del prodotto", ha spiegato van Hettinga.

"Insieme abbiamo condotto una prova di fattibilità di cinque mesi, e i risultati sono stati sorprendenti: la redditività è aumentata, il loro tasso di sconto medio è diminuito del cinque per cento e il tempo manuale dedicato all'ottimizzazione dei prezzi si è dimezzato. Oggi, Tamaris utilizza questa configurazione basata sull'Ia in tutti i suoi mercati, gestendo automaticamente prezzi e margini".

Quindi non si tratta solo di sconti? Si tratta anche di prezzi flessibili? "Esattamente. Non si tratta solo di mettere un grande cartello rosso dei saldi in vetrina. Si possono anche abbassare i prezzi strategicamente e mantenere i margini. Nel retail della moda, facciamo tutto per ragioni di moda, quindi pensiamo in modo più ampio dei semplici sconti", ha sottolineato van Hettinga.

Cosa rende più complessa la definizione dei prezzi online? "Online, ci sono livelli aggiuntivi come voucher e coupon. Il pericolo è che se si inizia ad accumulare troppe promozioni, si può facilmente perdere il controllo della propria redditività. Ecco perché inseriamo anche questo tipo di dati nel sistema per prevedere quanti di queste promozioni verranno utilizzate e quale impatto avranno sul profitto", ha continuato van Hettinga.

"Nel retail della moda prevediamo anche i tassi di reso insieme ai prezzi. Sull'intero assortimento, le nostre previsioni raggiungono un'accuratezza superiore al 90%, per un orizzonte di due settimane. Crediamo che l'approccio giusto sia una combinazione di previsioni a breve termine altamente accurate e una pianificazione a lungo termine".

Perché? "Ci si potrebbe chiedere, perché non utilizzare una previsione a quaranta settimane per prendere ogni decisione? Il problema è che previsioni a così lungo termine sono molto imprecise, semplicemente non si sa cosa accadrà così lontano nel futuro. Questa è la grande sfida nella moda", ha chiarito van Hettinga.

"Utilizziamo le previsioni a lungo termine per stabilire dei limiti, non per dettare ogni decisione. Per esempio, l'algoritmo potrebbe calcolare il prezzo che ottimizza il profitto a lungo termine e quindi consentirci di muoverci entro un intervallo del venti per cento intorno a quel punto. All'interno di questo intervallo possiamo prendere decisioni a breve termine, come spingere le vendite più velocemente, ma il sistema ci impedisce anche di andare così lontano da danneggiare la redditività a lungo termine. Tecnicamente, crediamo che questo sia il modo migliore per risolverlo, e i professionisti del settore confermano questo approccio".

Siete coinvolti anche nello sviluppo della collezione, decidendo quali modelli e quantità? "Non proprio. Una volta che la collezione è sul mercato, possiamo aiutare con la definizione iniziale dei prezzi, ma quella parte di solito ha un tocco più umano. Se un abito entra nel mercato per la prima volta, possiamo esaminarne le caratteristiche e confrontarlo con articoli simili per suggerire un prezzo. Ma se si ritiene che sia un pezzo eccezionale, allora entra in gioco il giudizio umano, perché la macchina non lo vedrà. Nel tempo, man mano che il prodotto attraversa il suo ciclo di vita, il sistema impara sempre di più dalle transazioni e dagli attributi per migliorare le sue decisioni sui prezzi", ha concluso van Hettinga.

E avete un background nella moda? "Il nostro ceo, Felix Hoffmann, ha trascorso tutta la sua carriera nella definizione dei prezzi. Ha lavorato prima per società di consulenza come A.T. Kearney e in seguito è stato responsabile dell'algoritmo di pricing di Zalando a Berlino. A un certo punto, si è reso conto che non si può lavorare con Excel per sempre: serve qualcosa di più tecnico. È così che è nata l'idea di 7Learnings. Oggi siamo un'azienda indipendente".

7Learnings ha collaborato anche con retailer come Tom Tailor e Mister Spex, aiutandoli a implementare la previsione dei prezzi. La startup è stata fondata a Berlino nel 2019 da Felix Hoffman, Eiko van Hettinga e Martin Nowak.