Soccer team in a huddle

SAP Leonardo Machine Learning incrementa la rentabilidad de los comercios por sobre los fashionistas

1 de junio, 2017 Por Susan Galer 81

Los principales comercios han descubierto que las innovaciones del aprendizaje automático están hechas a la medida para la moda rápida, proporcionando información basada en datos fehacientes para asegurarse de tener en inventario los estilos y colores de prendas que más se venden. Esto les permite maximizar los ingresos y, al mismo tiempo, satisfacer las demandas cada vez más exigentes de la creciente cantidad de compradores.

Cuando los comercios logran conectar la moda con los niveles de inventario y las ventas reales mediante el uso de análisis predictivo de lo que está fuera de moda y cuáles son las últimas tendencias, incluso los fashionistas más devotos, no sabrán que sucedio. Este es el concepto que Klaus Schimmer, director de la oficina de Business Development del sistema SAP Leonardo Machine Learning, compartió conmigo en la Conferencia Anual SAPPHIRE NOW + ASUG, celebrada el 16-18 de mayo en Orlando, Florida.

Más rápido que por redes sociales

Imagine una pantalla tamaño real, impulsada por SAP Leonardo, totalmente interactiva con compradores en las calles o en la tienda, y con gerentes de tienda.

SAP Leonardo Machine Learning eleva la compra personalizada a un nivel completamente nuevo, puesto que propone artículos sobre la base de un escaneo

“Es muy importante ver qué usan las jóvenes de 16 años, quienes generalmente aman hacer compras todas las semanas, a fin de conocer las tendencias antes de que alcancen su pico máximo y decaigan”, sostuvo Schimmer. “Mediante el uso de aprendizaje automático, un sistema que escanea a los compradores que aceptan participar a medida que pasan, los comercios pueden realizar, de manera inmediata, campañas publicitarias inteligentes y recomendar otros artículos disponibles de forma personalizada, conforme al gusto del comprador por color, estilo, género, edad o, incluso, las emociones que se evidencian en la expresión facial.”

Al mismo tiempo, los gerentes de las tiendas descubren las tendencias, dado que los análisis recopilan y analizan información en tiempo real a partir de los feeds de las redes sociales, que incluyen artículos y fotos publicados por fashion bloggers, en Instagram y en Facebook. Combinados con los datos de todas las tiendas del comercio, estos análisis permiten que los encargados de tomar decisiones en el negocio estén un paso adelante en lo que respecta a las tendencias de moda rápida. El efecto es enorme tanto en el diseño y en la planificación de la producción como en el control de inventario y en la determinación dinámica de precios, y permite garantizar que los artículos adecuados se encuentren en las ubicaciones correctas para llegar a los consumidores apropiados.

“Puede haber diferencias entre qué artículos se venden más en Londres y en París; sin embargo, gracias a los datos en tiempo real, los comercios pueden saber cuál es el color que pasó de moda en París, pero que sigue marcando tendencia en Londres”, comentó Schimmer. “En lugar de reducir el precio de las prendas de ese color en las tiendas de París, pueden enviarlas rápidamente a Londres para aprovechar que allí todavía existe demanda de los clientes por ese color. También pueden graduar las reducciones de precio según los volúmenes de venta en París. Quizás sea más rentable simplemente reducir los precios en un 10 % antes de que la demanda alcance un determinado punto de quiebre“.

Un partner de negocios estratégico y conversacional

Los asistentes digitales resuelven uno de los principales problemas que tienen todos los negocios para acceder a datos cruciales y los convierten rápidamente en información relevante. Olvídese de los paneles históricos y estáticos. Mediante el uso del software SAP CoPilot, Schimmer sometió SAP Leonardo Machine Learning a una evaluación en la que hizo una serie de preguntas en lenguaje conversacional para comparar inmediatamente la demanda prevista con el inventario, seguida por una recomendación de solicitar un inventario mayor al enviado automáticamente a aprovisionamiento. Aparecieron gráficos coloridos y fáciles de leer en una gran pantalla con cada una de las respuestas pronunciadas. Este es un ejemplo:

Schimmer: “Hola, SAP CoPilot. Muéstrame las tendencias de color de hoy en Londres”.
SAP CoPilot: “Estas son las tendencias de color de Londres, según el tráfico de redes sociales que repercute en el mundo de la moda”.
Schimmer: “Muéstrame cuáles son los efectos en mi negocio”.
SAP CoPilot: “Esta es la demanda proyectada en comparación con la reserva. Aparentemente, no está preparado para afrontar la demanda de artículos de color arcilla”.
Schimmer: “Muéstrame el detalle de prendas de color arcilla”.
SAP CoPilot: “Aquí está el desglose de artículos de color arcilla. Las remeras y camisas parecen tener el mayor desequilibrio. ¿Quiere que reorganice los artículos correspondientes para afrontar la demanda?”.
Schimmer: “Haz una recomendación”.
SAP CoPilot: “Bueno. Estas son las recomendaciones. ¿Quiere que proceda?”
Schimmer: “Sí, por favor”.
SAP CoPilot: “Bien. La propuesta fue enviada a John, del departamento de Aprovisionamiento”.
Schimmer: “Gracias, CoPilot.”
SAP CoPilot: “De nada. Que tenga un buen día”.

El aprendizaje automático tiene la capacidad de impulsar no solamente una parte del proceso de negocio, sino también la organización entera para tomar decisiones inteligentes que deriven en una innovación más rápida. Los compradores podrán comenzar a disfrutar un nuevo nivel de compra personalizada.

Etiquetas: , , , , , , ,

Salir y responder