Sebbene i dati dal 2020 indichino in generale un aumento delle vendite a valore nella Gdo, una più attenta analisi mostra che, mentre durante il periodo del Covid i volumi sono cresciuti fino al 5,1%, gli stessi, nel 2023, sono diminuiti dell’1,7% a causa dell’inflazione. Questo fenomeno di trasformazione del mercato richiede un attento monitoraggio, poiché quando i comportamenti dei consumatori cambiano radicalmente,le ripercussioni sulla Gdo possono essere drammatiche.
La new normal
“Anche se il minore impatto dell’inflazione e il conseguente abbassamento dei prezzi è un trend costante al momento, ciò non significa necessariamente che stiamo tornando a una situazione pre-pandemia. Gli ultimi quattro anni ci hanno insegnato che i consumi possono cambiare improvvisamente, è quindi fondamentale adattarsi in modo proattivo e non reattivo, per ottenere un vantaggio competitivo sul mercato – ha affermato Giulio Martinacci, founder di Tuidi, azienda foodtech che, attraverso prodotti basati su Intelligenza artificiale (Ia), automatizza la gestione dello stock dei distributori – Non c’è più spazio, sul mercato, per chi pensa di rimanere impassibile a fattori esogeni che impattano l’evoluzione e l’andamento del settore”.
Le sfide del retail
Per la Gdo sono diverse le problematiche da affrontare, tra cui le nuove esigenze dei consumatori, i quali richiedono un maggiore assortimento. Ci sono poi gli aumenti dei costi di produzione: senza un controllo efficace dei costi, si riduce il margine, limitando la capacità di offrire promozioni e riduzioni dei prezzi. Questa mancanza di flessibilità comporta difficoltà di manovra sul trovare nuove strategie di pricing. Si aggiungono le criticità tecniche: in un mondo dove, per capire il consumatore e trovare le inefficienze economiche, la lettura del dato è tutto, è importante adottarsi di supporti tecnici. Tuttavia, le aziende italiane affrontano una carenza di talenti nel settore IT, con sei aziende su dieci che lamentano difficoltà nel reperire questi specialisti.
Ia: Delphi prevede i consumi nei punti di vendita
La Gdo si trova di fronte a un punto di svolta: quanto comprare? A quale prezzo vendere? Quali prodotti esporre? Sono tutte domande la cui risposta deve passare necessariamente da un’evidenza scientifica, ovvero precisa.
In passato, la mancanza di strumenti di calcolo adeguati limitava la comprensione dei cambiamenti nei consumi, infatti le decisioni erano basate su semplici medie statistiche. A dimostrazione di ciò, nel 2021, quando ci confrontavamo con le catene alimentari, molto spesso la gestione dei prodotti freschi (in primis ortofrutta) e delle promozioni dipendeva prevalentemente dall’esperienza umana, poiché mancavano strumenti di calcolo adeguati a contrastare l’aleatorietà dei frequenti cambiamenti nei consumi giornalieri.
Oggi, questa sfida è stata superata. Le imprese hanno compreso l’importanza di investire sulla gestione del dato (definito da molti il nuovo petrolio), sulla cura del data processing (ovvero lo studio approfondito e personalizzato di ogni dataset dei clienti) che potremmo definire, come un derivato, la benzina dell’azienda e sull’intelligenza artificiale come il motore finale che consente di sfruttare al massimo questa risorsa.
E’ necessario un cambio di paradigma: non è più l’uomo a determinare l’impatto degli eventi in base alla propria esperienza, è l’intelligenza artificiale a farlo che riesce a leggere, analizzare e interpretare milioni di dati e centinaia di variabili che influenzano contemporaneamente ed ogni giorno in modo diverso le vendite dei singoli prodotti.
Abbiamo un particolare caso di studio – ha argomentato Giulio Martinacci – che permette di capire perché l’Ia supera una classica parametrizzazione manuale in termini di accuratezza rispetto alle comuni medie statistiche utilizzate. Abbiamo osservato che su un cliente le vendite del tè al limone registrano un aumento del 61% se ci sono promozioni. Tuttavia, questa percentuale va addirittura in negativo (al –44%) se, introducendo il tè di una nuova marca, è presente un fenomeno cannibalizzante. E se tutto questo avviene durante il periodo estivo? In questo caso le vendite incrementano del 76%, ma se accompagnate da condizioni meteorologiche avverse, come la pioggia, si osserva un calo del 30 per cento”.
“L’unica fonte di verità è lo scontrino: quando e cosa vuole il consumatore, in quale quantità, a quale prezzo. Ripartire da informazioni che questo può dare è fondamentale per costruire un sistema di previsione accurata. A tal proposito, Tuidi ha sviluppato Delphi, la piattaforma basata sull’intelligenza artificiale, che opera con un flusso di dati in tempo reale, in modo da anticipare le esigenze dei consumatori partendo dagli scontrini di punto vendita per comprendere meglio le loro preferenze. Questo approccio permette di ottimizzare l’intera supply chain, creando nuove relazioni collaborative tra punti vendita e centri di distribuzione”, ha riassunto Martinacci.
Il caso Conad Centro Nord
Anche in contesti caratterizzati da una complessità organizzativa considerevole, l’innovazione è possibile e proficua. La complessità derivante dalle dimensioni di una struttura come quella di una realtà come Conad Centro Nord può spesso ostacolare l’adozione di nuove tecnologie; tuttavia, il colosso del retail, ha sfidato questo status quo con Delphi, abbracciando l’intelligenza artificiale come catalizzatore per il cambiamento, ponendo il cliente al centro delle proprie iniziative.
“Abbiamo iniziato dalla gestione dei prodotti in promozionale, cercando di prevenire l’aleatorietà dovuta a fattori esterni, studiando le diverse tipologie di promozioni e la collocazione dei differenti punti vendita (dalla Lombardia all’Emilia) e agli impatti che tali promozioni potevano generare su altri prodotti, in termini di effetti trascinamento o cannibalizzazione. La creazione di modelli predittivi personalizzati per ogni punto vendita ha permesso di raggiungere risultati tangibili che hanno portato a una maggiore efficienza operativa e a una migliore esperienza complessiva del cliente. Conad Centro Nord ha registrato sui punti vendita una riduzione del 46% delle rotture di stock dei prodotti in promozione, contemporaneamente riducendo del 8% i costi di immobilizzazione della merce in magazzino.
“Per poter apprezzare l’impatto del nuovo approccio di previsione della domanda, è sufficiente guardare ai risultati ottenuti sul promozionale – ha spiegato Stefano Elli, direttore innovazione in Conad Centro Nord – Lo sviluppo di Delphi ha permesso di elevare la nostra organizzazione: non solo i punti vendita traggono beneficio da una gestione delle stock più accurata, anche la sede centrale ha reso di riflesso più efficiente la logistica non dovendo rispondere alla richiesta improvvise ed impreviste dei punti vendita stessi. Abbiamo intrapreso questo percorso ormai da anni e l’intelligenza artificiale si è rivelata di estremo aiuto nella comprensione giornaliera dei consumi e dei loro futuri cambiamenti. Non a caso, Conad Centro Nord ha iniziato a porre il demand forecasting proposto da Tuidi al centro dei propri processi decisionali: ormai da tempo anche il continuativo è gestito con Delphi, e abbiamo iniziato a riorganizzare l’assortimento partendo sempre dalla domanda: Che cosa preferisce trovare il nostro cliente?”.
Innovazione tecnologica anche per la distribuzione organizzata
Non solo le grandi aziende della Gdo stanno adottando questo cambio di approccio nel mondo della distribuzione. Anche i rivenditori regionali o provinciali della distribuzione organizzata si sono resi conto delle potenzialità di un approccio che gestione che parta dalle previsioni della domanda di punto di vendita. Se questo si sposa con una maggiore flessibilità operativa il gioco è fatto. È il caso di una catena pugliese di 15 negozi che con l’intelligenza artificiale prevede la domanda giornaliera di ogni referenza di ogni singolo punto vendita, riuscendo così a quantificare il numero di pezzi di prodotti da rendere disponibile sugli scaffali. Cosa succede, ad esempio, se ci sono dei punti vendita in esubero e altri punti di vendita in mancanza di merce? Sapendo con estrema precisione i fabbisogni futuri è possibile ribilanciare lo stock di punto di vendita. Come? Con il trasferimento di prodotti tra punti vendita, una pratica che tendenzialmente nel settore alimentare è considerata inefficiente economicamente, in quanto associata a costi logistici troppo alti. Tuttavia, questo non è il caso di questo retailer: infatti, grazie alla previsione di vendita giornaliera di Delphi, la precisione è talmente alta da permettere al gruppo di gestire non solo il reparto freschi ma anche di trasferire i prodotti della macelleria.
Fonte: Tuidi
