AI로 신발 반품률 낮추고 리테일 수익성 높이기

크리스마스가 다가오고, 팬데믹이 공급망에 미친 지속적 영향으로 소매업체들은 이미 수요 충족에 고전하고 있습니다. 연말이 다가와 홀리데이 세일과 쇼핑이 정점을 찍을 때, 기업들은 재고를 극대화하는 선제적 전략을 구현하지 않으면 마진을 잠식하는 공급 문제에 직면하게 됩니다. 인공지능이 해결책을 제시할 수 있습니다.

리테일의 신발 부문은 사이즈 변동성과 반품 패턴 문제로 재고 관리에 독특한 도전을 안겨줍니다. AI는 신발 기업이 재고 관리, 시장 수요 예측, 이익 마진 모니터링을 통해 이러한 과제를 해결하는 방식을 변화시킬 수 있습니다.

예측이 퍼즐이라면, 판매 예측은 테두리 조각이고 반품 예측은 중앙 조각입니다. 판매와 반품 데이터 없이는 리테일 예측의 포괄적 그림을 가질 수 없습니다. 불행히도 대부분의 예측 시스템은 판매를 예상하고 반품을 간과합니다. 반품 분석이 훨씬 더 복잡하기 때문일 것입니다.

특히 팬데믹 전 반품률이 40%에 달했던 신발 기업들에겐, 판매 예측만으로는 회사의 전반적 활동에 대한 극히 제한된 그림만 제공합니다. 2020년 봉쇄 이후 온라인 판매와 반품은 더욱 증가했습니다.

일부 신발 기업들은 소비자 행동의 특정 트렌드를 인지하고 있습니다: 고객이 집에서 신어보고 안 맞는 두 켤레를 반품하려고 세 켤레를 다른 사이즈로 구매하는 것입니다. 이는 신발 소매업체가 온라인 구매 반품을 매장 구매(신발 피팅이 더 통제된 환경에서 일어남)만큼 쉽게 재판매할 수 없기 때문에 엄청난 이익 킬러입니다. 반품은 색상이나 스타일 차이 때문일 수도 있습니다. 예를 들어 구매자가 온라인에서 본 것과 실물이 다르다고 느끼는 경우입니다.

이 트렌드를 탐색하기 위해 매장들은 '오픈 박스' 신발을 할인가로 재판매하기 시작했습니다. 이 전략이 이익 출혈을 막는 데 도움됐지만, 반품과 할인을 모두 고려한 극도로 복잡한 수학 방정식이 되어 더 큰 재고 그림을 이해하기 거의 불가능하게 만들었습니다.

여기서 AI가 게임을 바꿀 수 있습니다. 모든 소매업체는 사용 가능한 데이터를 기반으로 정확한 예측을 통해 온라인, 매장, 혼합형 바이 온라인 픽업 인 스토어(BOPIS) 판매 등 각 리테일 채널의 성과를 예측하고 계획해야 합니다. 이는 관리할 엄청난 양의 데이터지만, AI는 매장, SKU, 사이즈, 색상, 스타일 단위까지 인벤토리 인사이트를 제공하고 해석해 프로세스를 단순화할 수 있습니다. 오직 이 수준의 상세 정보로만 신발 기업이 판매와 반품에 대한 정확한 예측을 하고 그에 맞춰 재고를 계획할 수 있습니다.

AI로 사이즈 최적화 결정하기

사이즈 최적화는 신발 산업의 중요한 구성 요소지만, 많은 소매업체는 정보에 입각한 결정을 내릴 도구가 없습니다. 단일 신발 스타일이 15개, 때로는 그 이상의 사이즈로 나올 수 있습니다. 고객이 결국 रख을 것보다 더 많은 사이즈를 구매하면 예측은 더욱 복잡해집니다.

AI는 과거 판매 데이터뿐만 아니라 여러 소스에서 중요한 데이터를 추출해 소매업체가 어떤 사이즈를 더 많이 또는 적게 비축할지 결정하도록 돕습니다. AI 생성 예측은 머신러닝으로 새로운 데이터와 업데이트된 정보 덕분에 시간이 지날수록 더 똑똑해지며 더욱 개선됩니다. 최고의 AI 예측 시스템은 각 예측 결과를 통해 끊임없이 학습하고 더 높은 정확도를 위해 조정하기 때문에 더 정확한 예측을 제공합니다. 이상적으로 소매업체에겐 자동화된 '노 터치(no-touch)' 수요 예측이 되어, 인간 계획자는 예외 사항에 집중할 시간을 더 갖게 됩니다.

공급망 지연은 보충 계획에 차질을 빚었습니다. 대부분의 머천다이저는 시즌 초반에 어떤 제품과 얼마나 많이 팔릴지 예측하고, 이 예측에 기반해 장기 계획을 세웁니다. 공급망 변동성 속에서 상세한 실시간 예측 없이는 이러한 초기 예측이 במקרה במקרה 잘해야 추측 게임일 뿐입니다.

AI는 판매에 대한 상세한 인사이트를 제공하고 소매업체가 시즌 전 할당 전략을 최적화하도록 돕습니다. 기업은 구매 트렌드와 패턴을 파악하고, 재고를 분석하고, 실제 판매와 반품을 반영해 더 정확한 시즌 중 예측을 할 수 있습니다.

AI로 이 정보를 실시간으로 얻으면 소매업체는 오래된 정보를 바탕으로 기다리거나 움직이지 않고 신속히 행동할 수 있습니다. 주별 판매 인사이트로 소매업체는 보충에 더 선제적으로 접근할 수 있습니다. 무엇을 재주문할지, 무엇이 품절될지, 특정 제품의 반품률이 어떤지 결정할 수 있습니다. 이렇게 리테일 보충이 변혁되고, 마진이 확장돼 더 나은 이익으로 이어집니다.

매장별 접근법

팬데믹 이후 쇼핑 환경에서 번창하고 성장하려면, 신발 소매업체는 예측, 할당, 보충 전략을 결정할 때 매장별 접근법을 취해야 합니다. 소매업체는 작년 데이터, 지역 데이터, 거시적 예측에만 의존할 수 없습니다. 데이터 기반의 실행 가능한 권장사항을 생성하는 세분화된 수준의 인사이트를 통합해야 합니다. 미세한 인구통계 차이가 특정 시점, 특정 지역의 어떤 사이즈와 스타일이 더 인기 있을지에 상당한 영향을 미칠 수 있습니다.

이건 전국 또는 전 세계에 여러 매장을 둔 신발 소매업체에겐 벅차게 들릴 수 있지만, AI는 데이터 수집과 모델링을 자동화해 이 과정을 달성 가능하게 만듭니다. 소매업체는 교육받은 추측으로 예측하는 대신, 신뢰할 수 있는 데이터를 기반으로 정확한 예측을 하고 조치를 취하는 데 더 많은 시간을 쓸 수 있습니다.

리테일, 패션, 식품 등 많은 산업이 너무 오랫동안 재고 리테일 전략에 수동적 접근을 취해왔습니다. 극심한 시장 변동성 속에서도 정확한 예측과 이익 극대화를 위한 기술과 도구를 우리는 갖고 있습니다. 이제 소매업체가 과학적 방법론과 AI 기반 옴니채널 중심 전략에 투자해 예측, 할당, 보충을 더 정확하고 효과적으로 만들 때입니다. AI가 이를 가능하게 하며, 매일 더 똑똑해지고 있습니다.

요게시 쿨카르니(Yogesh Kulkarni)는 안투아이(antuit.ai)의 공동 CEO이며, 이는 제브라 테크놀로지스(Zebra Technologies)의 일부입니다.