近日,以“共生 共享 共贏 數字化供應鏈”為主題的2023年第十九屆ECR大會在武漢盛大開幕,會上“ECR委員會2022-2023年度案例”重磅揭曉,觀遠數據攜手聯合利華打造的“AI賦能品牌DTC場景下的快速補貨決策價值鏈”項目榮獲最佳實踐獎。

　　中國ECR大會由中國物品編碼中心和中國ECR委員會聯合主辦,是國內供應鏈領域最具影響力的大會之一,“最佳實踐獎”作為ECR大會的重要獎項,旨在通過一系列效益突出、落地性強的成功案例,為更多中國企業的供應鏈數字化轉型提供助力。

　　大會期間,觀遠數據售前總監張磊受邀向與會嘉賓分享了獲獎項目“AI賦能品牌DTC場景下的快速補貨決策價值鏈”的具體實踐,從業務背景到解決方案,從項目愿景到落地成果,全方位展示了觀遠數據與聯合利華在數字化供應鏈領域的創新探索與共創價值。

　　觀遠數據攜手聯合利華通過協力創新與實踐,以AI賦能共同為聯合利華打造起了全鏈路促銷管理、預測及C倉智能補貨平臺,實現更準確的預測為企業生產及發運提供了更合理的信號,以數據賦能流程效率大幅提升,通過智能補貨推薦、指標模擬仿真等推動庫存天數&跨倉率降低。同時,通過雙方不斷深化戰略合作,沉淀方法論,該實踐項目在實際場景中落地的能力被快速復制到聯合利華更多的業務場景中,實現了全盤供應鏈業務指標的優化,為企業長遠發展帶來更多商業價值。

　　目前,聯合利華×觀遠數據“AI賦能品牌DTC場景下的快速補貨決策價值鏈”項目已作為“最佳實踐項目”收錄于《2022-2023年度ECR案例集》并正式發布。以下為所收錄案例具體內容,期望能為更多企業實現供應鏈數字化轉型、提升供應鏈效率提供富有價值的參考:

　　AI賦能品牌DTC場景下的快速補貨決策價值鏈

　　一、案例參與企業

　　聯合利華

　　聯合利華是全球領先的美妝與健康用品、個人護理用品、家庭護理用品、食品營養品以及冰淇淋的提供商之一,產品暢銷190多個國家和地區。每天有34億消費者在世界各地使用我們的產品。聯合利華在全球擁有127,000名員工,2022年銷售額達601億歐元。

　　聯合利華的愿景是成為可持續商業全球領導者,并通過“使命驅動、契合未來”的商業模式打造卓越業績。聯合利華一直以來都是一家不斷進步且負責任的企業。

　　聯合利華的指南針即可持續商業戰略,旨在幫助公司實現卓越的業績,推動可持續和負責任的增長,同時:

　　-改善地球健康;

　　-提升人們的健康、自信和幸福感;

　　-打造更公平、更包容的世界。

　　觀遠數據

　　觀遠數據創立于2016年,以“讓業務用起來 讓決策更智能”為使命,致力于為零售、消費、金融、高科技、制造、互聯網等行業的領先企業提供一站式數據分析與智能決策產品及解決方案,助力企業在廣泛業務場景下用數據做決策,持續產生業務價值,構建數據分析競爭力。

　　二、案例背景

　　1.行業背景

　　當今,數字化產業飛速發展,同時持續的疫情影響之下,消費者線上購物占比持續增長,也促進了傳統品牌企業更多的考慮面向消費者的需求直接進行滿足的趨勢。

　　隨著電商行業從增量市場逐步成長到了存量市場,不少店家的規模已經達到一定水平,營收的增長也開始放緩,這時電商渠道的供應鏈管理和精益就開始受到關注。供應鏈就像古代戰爭供應糧草的軍需官,一兩場閃電戰或許看不到糧草供應的重要性,但只要涉及持久、大型戰役,那必是三軍未動,糧草先行。現在的商場也是一樣,在企業規模較小,處于高速增長、占領市場的階段,供應鏈不一定被關注到;但只要規模達到一定程度,供應鏈將會像企業的心臟一樣,用更少的資金流,以更高的效率和敏捷性,為企業的業務運轉提供更穩定的商流,成為企業“先為不可勝”的條件之一 。

　　2.痛點與挑戰

　　隨著電商開始成為聯合利華增長最為迅猛的渠道,為了能更直接地迎接消費者的訂單,做到更快、更敏捷與端到端的消費者履約,聯合利華建立了從促銷經營、貨權管理到供應鏈履約的直面消費者的 DTC ( direct to consumer ) 供應鏈模式 。新模式運行后,挑戰也隨之而來。

　　●線上平臺活動營銷計劃管理效率低下

　　線上平臺活動營銷策略隨著平臺計劃的調整,消費者需求的變化,在實際的運營中需要不斷的進行調整和版本更新。而企業的運作在基于數據表格和郵件的形式做記錄,調整與分發的方式出現了修改難追蹤,版本難管理,對于供應鏈側的敏捷化管理提出了更高的要求和挑戰。

　　●消費者需求預測準確性和穩定性低下

　　在線上平臺消費者需求波動,變化飛速,是人工預測消費者需求的一大難題,在各式各樣促銷營銷計劃的變動下,如何能夠快速并準確地提供消費者需求預測成為非常嚴峻的挑戰。

　　●傳統供應鏈方式難以更低的成本實現消費者的履約

　　供應鏈想要實現對消費者需求的高效履約,同時又能更加敏捷、低成本地完成供應鏈路,對人工通過傳統數據表格,人為盯守的方式提出了很高的要求和挑戰。

　　三、解決方案簡述

　　為了在 DTC 新模式上更高效、更低成本地運作,同時對消費者完美履約,聯合利華與觀遠數據合作,通過經營方式梳理,流程梳理與數據情況整理后提出了通過線上產品與AI賦能的形式,實現從促銷經營計劃與預測到智能補貨的形式,搭建一套端到端的解決方案,即“DTC 促銷管理系統 -> AI 需求預測 (預測模型) -> 智能補貨推薦 ( 決策模型 )  -> 供應鏈指標仿真模擬與上線準入機制 ( 仿真模型 )”,從端到端實現部門之間高效的串聯與執行,并在保證對消費者穩定履約的同時,有效降低倉庫庫存壓力。

　　解決方案亮點:

　　1. DTC促銷管理系統

　　基于聯合利華運營層面的端到端流程設計,從初始的銷售側的促銷計劃 -> 人工預測的需求 -> 供應鏈與銷售間的目標一致 -> 供應鏈側生產與發運計劃 -> 工廠與倉庫的執行,從原本的電子表格和郵件結合的形式,通過觀遠數據的業務計劃助手進行改進,實現可以完全放棄電子表格形式的線上促銷管理系統。設計了包括但不限于促銷日歷建立、促銷計劃的錄入與調整、庫存實時聯動、填報審批等模塊與功能,實現多部門全流程的線上化協作,極大地降低了溝通、查缺補漏、調整追溯等效率。

　　2. AI DTC需求預測

　　基于線上平臺方的后臺玩法,與品牌方在平臺規則范圍內的調整機動性,同時結合觀遠數據在電商平臺的分析能力,搭建符合該平臺下的“促銷與非促銷”AI 需求預測模型。通過對商品分類、活動與月份的分級、促銷與流量計劃的引入和平臺券等信息的引入,成功實現 AI 模型預測在不同活動與環境下的穩定且準確的預測輸出。以確保銷售側對市場的把控,指標的合理設定與供應鏈側穩定且準確的需求信號,保證生產與發運的合理與正確性。

　　AI DTC 需求預測趨勢圖

　　3.快速智能補貨推薦

　　電商業發展到現在,消費者幾乎都能感受到,每一天似乎都在做活動,每一天好像都可以領優惠券,從數據上來看不難發現以下特點:

　　a.促銷活動頻繁。除去平臺合作類的聚劃算、百億補貼等,自身促銷頻繁,平均每月 4 次,每次持續3~4天。

　　b.促銷刺激顯著。不論促銷多頻繁,促銷力度如何,相比于非促銷日,銷量都有一定增長;特殊日期的促銷相比平常促銷又有顯著增長,如38、88、99大促、七夕、年貨節等等;而待促銷結束后,銷量基本就立刻回到了日銷水平。

　　c.促銷存在相似性。不論是周期性的頻繁促銷,還是特殊節日的促銷,從總量、促銷期間每日銷量占比、不同商品的銷量占比等方面都存在相似性,同一個模型的準確率、誤差分布表現,也存在一定相似性。、

　　因為上述特性,不存在一個大一統的預測模型能使得每天的預測誤差服從同一個分布,供安全庫存理論來補貨。因此觀遠數據建立了基于聯合誤差分布的安全庫存計算,以此搭建了相應的補貨體系,做到快速、高頻以及精確的補貨建議。

　　AI DTC 補貨策略方法論

　　4.供應鏈指標仿真模擬與上線準入機制(仿真模型)

　　理論上有了更準確且穩定的預測,與更合理和智能的補貨推薦,可以賦能業務運行。然而在實際運作中,需要運營人員能基于市場上快速的變化進行更合理的調整,完整實現人機結合,才能給供應鏈帶來更精確、更穩定的價值。因此觀遠搭建了一套供應鏈指標仿真模擬體系與上線準入機制,通過串聯預測和補貨與指標之間的關聯,進行基于預測的指標模擬,并提供建議運營人員的操作方案,以確保智能補貨的決策能真正為供應鏈帶來業務指標的提升,提高效率降低成本。

　　四、應用效果評估

　　1.準確性與穩定性的提升

　　通過AI 模型所得的需求預測,相較于以往人工的預測在鏈接 × 活動 × 倉庫層級提升絕對值 43%,并能穩定在一定小范圍內的波動水準,為生產與發運提供了更加合理的信號。

　　2.倉庫庫存天數降低

　　隨著AI 預測與智能補貨的上線,并輔以指標模擬仿真,實際應用中,在維持消費者訂單滿足率的高標準下,成功降低月均倉庫庫存。

　　3.跨倉率降低

　　有了更加精準的預測與智能補貨,輔助在分倉方面有了更加合理的計劃,在應用范圍內跨倉率得到了的下降。

　　4.時間與溝通成本節約

　　除了AI 與智能補貨帶來的效益外,全流程的線上化將每日的溝通實現周度會議 30 分鐘內結束,真正實現效率的提升。

　　5.可擴展性提升

　　對于 AI 賦能品牌 DTC 場景下的快速補貨決策價值鏈,通過“DTC 促銷管理系統 -> AI 需求預測 (預測模型) -> 智能補貨推薦 ( 決策模型)  -> 供應鏈指標仿真模擬與上線準入機制 (仿真模型)”的方法論以及實際落地場景的復制,可快速復制到聯合利華 DTC 以及 B2C 電商的其它場景,實現從計劃效率到消費者履約的高效的可落的驗證性的提升,進而優化全盤供應鏈的業務指標,帶來商業價值。此外從方法論層面可被復制到線下的場景,進而真正做到科技賦能決策的價值實現。