Kampagnen sind entscheidend, um im Einzelhandel erfolgreich zu sein. Häufig werden sie jedoch schlecht ausgeführt und liefern enttäuschende Ergebnisse. Sind Kampagnenprognosen ungenau, hat das unerwünschte Folgen: Bei einer zu geringen Verfügbarkeit der beworbenen Artikel entgehen Händlern Umsätze. Wird die durch die Kampagne generierte zusätzliche Nachfrage jedoch überschätzt, drohen kostspielige Verluste durch Verderb und Abschriften. Um solch schmerzhafte Einbußen zu umgehen, konzentrieren sich Einzelhändler am besten auf die Optimierung ihrer Kampagnenplanung: Dadurch erwirken sie, so die Unternehmensberatung Bain & Company, eine bis zu 20-prozentige Verbesserung der operativen Gewinnmarge.
Beim Planen von Promotions setzen die meisten Händler leider noch immer auf unnötig komplizierte oder zusammenhanglose Prognose- und Dispositionsprozesse. Category-Manager verlassen sich auf ihre Erfahrungswerte und die Projektionen von Lieferanten, um Promotions zu planen. Die Berechnung einer aufgrund der Kampagne erwarteten Umsatzsteigerung fällt dann den Absatzplanern zu. Ohne ein zentralisiertes System gibt jedoch jede Filiale manuell ihre Bestellungen für Kampagnenprodukte auf, um die Nachfrage zu erfüllen. Disponenten schätzen währenddessen, welche Menge die Filialen bestellen werden und wie sich das auf Bestands- und Einkaufsbedarf der Verteilzentren auswirkt. Diese Prozesse verlaufen häufig isoliert voneinander, ohne dass Daten oder Pläne geteilt werden.
Doch die Prognostizierung und Disposition von Kampagnen muss nicht kompliziert sein. Moderne Technologie hat das Managen von Promotions im Einzelhandel revolutioniert: Statt Rätselraten und groben Schätzungen lassen sich Kampagnen nun präzise und hochgradig automatisiert ausführen. In diesem Whitepaper betrachten wir vier Ansatzpunkte, mit denen zukunftsorientierte Einzelhändler die Planung ihrer Promotions automatisieren und deren Ergebnisse verbessern.
1. Reichhaltige Daten: Die Grundlage akkurater, automatisierter Kampagnenausführung
Erhält eine moderne Supply-Chain-Lösung Zugang zu aktuellen, exakten Stammdaten, automatisiert sie viele Aufgaben, die bis dato umständlich durch Tabellenkalkulation und per Hand ausgeführt werden mussten. Eine solche Lösung berechnet genaue Absatzprognosen und Bestandsbedarfe für Sortiments- und Kampagnenartikel. Je reichhaltiger die verfügbaren Stammdaten, desto präziser die Kalkulationen.
Das System sollte Zugang zu einem möglichst breiten Spektrum von Kampagnendaten haben, einschließlich Kampagnentyp (wie etwa Mengenrabatt – ja oder nein), Preisänderung, Werbestrategie, mögliche Änderungen am Filialdisplay etc. Mit diesen Daten automatisiert das System den Berechnungsprozess der durch die Kampagne zu erwartenden Prognoseerhöhung akkurat – pro Filiale oder Fulfillment-Kanal.
Die Vorteile einer verbesserten Prognosegenauigkeit für Kampagnen wirken sich kaskadenartig auf alle Bereiche aus: Sie führen zu verbesserter Disposition, die wiederum eine höhere Verfügbarkeit und ein geringeres Risiko für Überbestände mit sich bringt. Am Anfang stehen jedoch immer die Daten – das Fundament jeder präzisen Prognose.
2. Mit Machine-Learning zu präzisen Kampagnenprognosen
In einer 2020 durchgeführten Studie des Lebensmitteleinzelhandels in Nordamerika gaben 70 Prozent der befragten Händler an, dass sie nicht alle relevanten Aspekte von Promotions in ihren Prognosen berücksichtigen können (Abbildung 2). Moderne Verfahren wie Machine-Learning haben die Möglichkeiten der Prognostizierung von Promotions sowie die Genauigkeit der Ergebnisse maßgeblich vorangebracht.
Machine-Learning-Algorithmen analysieren schnell die enormen Datensätze, die im Handel anfallen. Sie automatisieren exakte und detaillierte Prognosen für Filialen und Onlinekanäle. Zeitaufwendige manuelle Tabellenkalkulation durch das Planungsteam entfällt. Darüber hinaus beziehen Machine-Learning-gestützte Prognosen mehr Daten nachfragebeeinflussender Faktoren ein, als es für Menschen möglich wäre. Diese Daten beinhalten wiederkehrende Absatzmuster (wie Saisonalität und wochentagabhängige Schwankungen), externe Einflüsse (wie das Wetter oder die Aktivitäten von Wettbewerbern) sowie die eigenen Geschäftsentscheidungen des Händlers – einschließlich Promotions.
Das System analysiert alle Faktoren innerhalb desselben Modells. Dadurch identifiziert es nicht nur, wie individuelle Faktoren sich auf die Kampagnenprognosen auswirken, sondern auch, wie diese miteinander interagieren. Ein Beispiel: Ein Lebensmitteleinzelhändler plant eine Kampagne für mageres Bio-Rinderhackfleisch. Im vergangenen Sommer wurde das Produkt mit einer Preisreduktion von 25 Prozent und einem Display am Gondelkopf beworben. Im Winter überlegt das Planungsteam, einen Preisnachlass von 30 Prozent zu gewähren und das Display nicht zu verändern. Durch Machine-Learning berücksichtigt das System auf einfache Weise die Jahreszeit, den stärkeren Preisnachlass und die Displayposition. Zudem prognostiziert es, wie diese Faktoren, wenn sie zusammenkommen, den Umsatz beeinflussen werden.
Machine-Learning ermittelt auch Sekundäreffekte wie Kannibalisierung – dies ist insbesondere bei Produkten mit kurzer Haltbarkeit entscheidend. Ein weiteres Beispiel: Ein Lebensmitteleinzelhändler führt mageres Bio-Rinderhackfleisch von zwei Marken, „Weiderind“ und „GrüneKuh“. Er führt eine Kampagne durch, jedoch nur für das Weiderind-Produkt. Aus den Stammdaten ermittelt das System automatisch, wie die Promotion sich auf die Nachfrage sowohl des Weiderind-Produkts als auch des GrüneKuh-Produkts auswirken wird (Abbildung 4). Daraufhin senkt die Software automatisch die Bestellmengen für das GrüneKuh-Produkt und verhindert dadurch Verderb. Gleichzeitig erhöht sie die Bestellmengen des beworbenen Weiderind-Produkts und sichert damit die Verfügbarkeit. Beides geschieht über den gesamten Zeitraum der Kampagne hinweg. Dadurch vermeidet der Händler zu niedrige und zu hohe Bestellmengen für beide Marken. So minimiert er den Verderb und sorgt für zufriedene Kunden, die nicht vor leeren Regalen stehen.
Für manche Aspekte der Kampagnenplanung wird menschliches Eingreifen unerlässlich bleiben. Machine-Learning erleichtert und reduziert jedoch die manuelle Planungsarbeit. Haben Planer Zugang zu automatisierten, datenbasierten und verlässlichen Prognosen, können sie sich auf die vom System als Ausnahmen gekennzeichneten Situationen fokussieren. Bei diesen ist menschliche Expertise besonders wertvoll, etwa wenn es um neuartige Kampagnentypen geht.
3. Mit präzisen Kampagnenprognosen zur automatisierten Filialdisposition
Genaue Kampagnenprognosen sind viel mehr als das Wissen um die Bestandsmengen, die ein Händler wahrscheinlich verkaufen wird. Eine exakte Absatzprognose auf Tages-Produkt-Filialebene ermöglicht auch eine Erfolgreich im LEH: Best Practices für das Managen von Supply-Chains im Lebensmitteleinzelhandel, die während Kampagnen besonders wichtig ist.
Absatzplaner legen fest, wie früh Kampagnenware an die Filialen geliefert wird. Dazu konfigurieren sie die Supply-Chain-Lösung. Zudem stellen sie ein, welchen Anteil der durch die Kampagne generierten Nachfrage die frühe Lieferung bereits deckt. Die Filialmitarbeiter erhalten so ausreichend Zeit zum Vorbereiten der Filialdisplays und Bestücken der Regale. Das stellt die Verfügbarkeit während der gesteigerten Nachfrage im Zeitraum der Promotion sicher. Um die verbleibende Nachfrage gemäß den gewöhnlichen Auffüllzyklen zu decken, nutzt das System vielfältige Daten: beispielsweise Informationen über lokale Umsätze, Absatzprognosen, verfügbare Bestände und Kapazitäten in den Verteilzentren.
Händler können Vorlagen für verschiedene Arten von Filialen und Promotions kreieren. Mit diesen Templates bilden sie ihre Geschäftsanforderungen und ‑ziele ab und treiben die Automation voran. Mit Hilfe der Vorlagen lassen sich Konfigurationen schnell umsetzen: die Erstbestellung für Filialen sowie die darauffolgenden Auffüllbestellungen werden automatisch berechnet – auf Wunsch selbst die Abverkäufe in der Endphase der Kampagne.
4. Nahtloses Bestandsmanagement ist der Schlüssel zu erfolgreichen Kampagnen
Wenn Einzelhändler die Prognostizierung und Dispositionsplanung ihrer Filialen, Onlinekanäle und Verteilzentren in einem zentralen System vereinen, profitieren sie von voller Supply-Chain-Transparenz. So werden Elemente wie die prognostizierte Kundennachfrage pro Filiale, Fulfillment-Kanal, Tag und Produkt – in Kombination mit Dispositionsplänen und Losgrößen – dazu verwendet, die End-to-End-Bestandsbedarfe akkurat zu kalkulieren. Ob Promotions in Filialen oder über mehrere Verkaufskanäle durchgeführt werden: Die gewonnene Supply-Chain-Transparenz verbessert das Kampagnenmanagement.
In einer integrierten Supply-Chain basieren die Prognosen der Verteilzentren auf den projizierten Bestellungen der Filialen. Damit ist sichergestellt, dass der Effekt geplanter Promotions auf die Nachfrage sofort in der gesamten Supply-Chain sichtbar wird (Abbildung 5). So wissen Planer, dass die richtige Bestandsmenge zur richtigen Zeit an den richtigen Standorten vorhanden ist.
Omnichannel-Händler führen Promotions sowohl in Filialen als auch online durch. Naturgemäß ist die Prognostizierung ihrer Kampagnen besonders komplex. Ein transparentes, integriertes System, das separate Prognosen pro Kanal bietet, wirkt vereinfachend. Es nimmt die Bestandsbedarfe jedes Kanals während der Kampagnenzeiträume in den normalen Prognoseprozessen der Verteilzentren auf. Die zusätzliche Transparenz und Automation sorgen dafür, dass eine gewaltige Datenmenge entwirrt wird.
Ist die Supply-Chain-Planung durchgehend integriert, profitiert auch die Onlineverfügbarkeit: So lassen sich beispielsweise Bestände virtuell reservieren. Dabei verwendet das System Absatzprognosen für die Onlinekanäle und reserviert in den Lieferzentren automatisch Teilbestände für den Onlinebedarf. So wird verhindert, dass Vorbestellungen aus den Filialen zu viel Bestand in Anspruch nehmen. Durch den Zugang zu Kampagnenverkaufsdaten auf Kanalebene kann die Software die Regeln für die Bestandsreservierung bei Bedarf automatisch anpassen oder entfernen.
Ein nahtloses Bestandsmanagement kommt auch den Einkäufern zugute, die durch effizientes Ausnutzen von Rabatten die Gewinnspanne verbessern können. Die Theorie ist einfach: Bieten Lieferanten zeitlich begrenzte Preisnachlässe für beworbene Artikel, sollten Händler kurz vor der Preisreduktion weniger bestellen und dann, während der Preisnachlass gilt, ihre Bestände aufstocken.
Um jedoch optimal von Preisänderungen zu profitieren, müssen Händler mehrere Faktoren berücksichtigen. Zum einen gilt es, Lagerhaltungskosten zu beachten und Bestellungen entsprechend der Preisänderung exakt zu timen. Gegebenenfalls sollte der Investitionskauf (also die Menge, die den zur Abdeckung der Nachfrage erforderlichen Bestand übersteigt) zudem in verschiedene Bestellungen aufgesplittet werden. Auch die Verfügbarkeit von Lagerfläche und die Haltbarkeit der Produkte müssen miteinbezogen werden.
Damit Investitionskäufe optimiert werden, muss das Planungssystem diese Beschränkungen zusammen mit zeitabhängigen Kampagnendaten berücksichtigen. In einer integrierten Supply-Chain hat die Software auf alle Informationen Zugriff, die sie benötigt, um Berechnungen zu automatisieren: Diese geben dann an, wann und in welchen Mengen Bestellungen aufgegeben werden sollten.
Letztendlich versetzt ein nahtloses Bestandsmanagement Einzelhändler in die Lage, Promotions nur einmalig planen zu müssen: Daraufhin lässt sich die Ausführung über die gesamte Lieferkette hinweg automatisieren – basierend auf den Absatzprognosen und den erwarteten Bestandsanforderungen.
Kampagnen mit maximaler Wirkung umsetzen
Trotz dieser Vielzahl dynamischer Faktoren, die es zu beachten gilt, ist ein effektives Management von Promotions heute leichter erreichbar denn je – dank moderner Technologie. Mit ständigem Zugang zu qualitativ hochwertigen Daten können moderne Supply-Chain-Lösungen die Prognosegenauigkeit für Promotions um 15 Prozent erhöhen. Das wirkt sich auch positiv auf die Filialdisposition und Bestandsoptimierung innerhalb der gesamten Lieferkette aus.
Die Ergebnisse sind signifikant: Beispielsweise erreichte die Drogeriemarktkette Rossmann eine 25-prozentige Bestandsreduktion ihrer Kampagnenware. Gleichzeitig wurde die Verfügbarkeit erhöht und es kam zu zehn Prozent weniger Out-of-Stocks bei Kampagnenartikeln. Verbessern Händler die Prognostizierung und Disposition ihrer Promotions, profitieren sie von weiteren Vorteilen: Lieferflüsse und Kapazitätsauslastung werden ebenfalls optimiert.
Der starke Wettbewerbsdruck lässt Einzelhändler um die Gunst der Kunden eifern – diese wenden sich vermehrt den bequemen Möglichkeiten des Onlineshoppings zu. Promotions im Einzelhandel gewinnen dadurch weiter an Bedeutung, aber auch an Komplexität. Hier stärken neue Technologien für die Supply-Chain-Optimierung die Position von Händlern: Sie automatisieren und verbessern die Planung und Ausführung von Promotions, die dadurch ihre volle Wirkung entfalten.
