Door Geeta Chetty
Executive director EY i3

Je hebt je winkels, webshop, smartphone-app en Facebookpagina, maar waar duiken je klanten op? Ze hoppen van kanaal naar kanaal en oriënteren zich op verschillende manieren, maar waar en wanneer ze uiteindelijk iets kopen lijkt ogenschijnlijk onvoorspelbaar. Dat maakt het lastig om op het juiste moment toe te slaan. Hoe kun je je klanten verleiden en de conversie vergroten, als je niet weet waar en wanneer hij verschijnt? Hoe kun je er dan voor zorgen dat de gewenste artikelen op de juiste locatie beschikbaar zijn? En hoe bepaal je de optimale prijs die je kunt vragen? Of is korting geven juist verstandig, in de hoop dat de klant snel terugkeert en nog iets koopt?

De klant is vandaag de dag uiterst beweeglijk, maar niet ongrijpbaar. Allereerst is er al veel informatie over hem beschikbaar. Je hebt zijn aankoophistorie, kent zijn zoekgedrag en weet wat zijn voorkeuren zijn. Ook weet je in welke winkel hij graag komt en wellicht nog veel meer gegevens, zoals leeftijd, geslacht en huisadres. Als je eenmaal een 360-graden klantbeeld hebt ontwikkeld, kun je met een zekere mate van betrouwbaarheid het gedrag van de klant voorspellen. De vraag is of de klant dan nog steeds zo onvoorspelbaar is als hij aanvankelijk leek.

De kunst is je kennis over de klant meteen in te zetten zodra hij opduikt, in welk kanaal dat ook mag zijn. Als je op basis van zijn actuele handelingen zijn toekomstig gedrag kunt voorspellen, en daardoor beïnvloeden, kunt je de omzet via cross- en upsellling vergroten. Want als eenmaal duidelijk is wat de klant beweegt, maakt het niet meer uit hoe beweeglijk hij is. Retailers hebben, kortom, behoefte aan een real-time beslissingsondersteunend systeem op basis van predictive analytics.

Ken je je klanten eenmaal, dan heb je bovendien de tools in handen om de retailoperatie te optimaliseren. Op basis van enkele weken verkoopgegevens kun je al een eerste voorspelling van het verloop van de omzetcurve maken. Maar als snel duidelijk wordt dat die eerste verkopen vooral afkomstig zijn van trendsetters, moet je die omzetcurve wellicht naar boven bijstellen. Die curve geeft vervolgens aan hoeveel voorraad voor welk kanaal gereserveerd moet worden. En afhankelijk van de klanten die er komen, kan die voorraad van winkel tot winkel verschillen.

Als je het verloop van de omzetcurve kent, kun je bijtijds maatregelen nemen als de voorraad aan het einde van de levenscyclus niet snel genoeg afneemt. Het kan bijvoorbeeld verstandig zijn nu al een tientje van de prijs af te doen om te voorkomen dat een artikel straks met kortingen tot zeventig procent de uitverkoop in moeten.

Voorraadoptimalisatie is vooral ook van belang in foodretail. Supermarkten gooien dagelijks tientallen kilo’s eten weg. Wie dat door een betere vraagvoorspelling met een paar procent kan verminderen, wellicht mede dankzij data uit externe bronnen zoals het weer of de vakantieplanning, bespaart duizenden euro’s op jaarbasis. Bovendien: een betere forecasting voorkomt niet alleen een overschot, maar ook een tekort aan versproducten. Als analyse leert dat andijvie vaak met kabeljauw wordt gegeten, is het handig om ook daarvan extra voorraad aan te leggen als de andijvie in de aanbieding gaat.

Kortom: ook nu klanten zeer beweeglijk en ogenschijnlijk ongrijpbaar zijn, zijn er mogelijkheden om de operatie te verbeteren. De crux zit ‘m in weten wat de klant beweegt.