新零售時代下的智慧供應鏈：不僅僅是供應鏈

身處「新零售」的時代，「智慧供應鏈」的概念也應運而生。但究其本質來看，最終目的都在於更完美地滿足消費者的需求。

然而在新零售時代中智慧供應鏈管理不僅僅只是供應鏈，它依託大數據和信息系統把客戶綜合感知、智慧指揮協同、客戶精準服務、職能全維協同、重點聚焦保障等要素集成於一體，使各個系統在信息主導下協調一致的行動，最大限度的凝聚服務能量、有序釋放服務能力，這樣最終會使服務變得精準，使供應鏈變得透明、柔性和敏捷，使各個職能更加協同。

新零售時代下智慧供應鏈融合了「商品、供應鏈、大數據」三個方面。它不僅將「供應鏈」與商品、消費者之間的關係越拉越近，而且讓「大數據」在「供應鏈」及「營銷」的多種場景下得以應用，給企業帶來了「自動化」及「精準」的效果。對於這樣的「融合」，需要的是對業務深度的理解及對「大數據」分析挖掘的雙重能力。對於這樣的「精準」，離不開對用戶需求的全面感知。

其實無論是「舊零售」還是「新零售」，本質來看不變的是著力於「人、貨、場」，新零售的成功與否，核心在於圍繞這三個核心的商業元素重構是否有效。在新零售時代下，消費者都對價格、商品備貨情況和差異化服務提出了更高的要求。對於價格和庫存的管理，則是建立在合理的商品結構與智能選品方法之上的。也就是說，要先對商品進行科學地分類與定位，然後再對不同類別的商品採取相應的定價與庫存策略。

因此，商品分類、動態定價與庫存管理是智慧供應鏈的三大重要板塊。

首先是商品分類。大多數和智能有點關係的問題，都可以歸結一個在多維空間進行模式分布的問題。對於每個品牌而言，均有其自身的戰略計劃，尤其是品類戰略，然後會在符合自身戰略的前提下，，制定完善合理的品類與價格規劃，之後再借用類似於「用戶畫像」的思想邏輯，針對各品類中的每個商品貼上各種維度的標籤，塑造出其自身的「商品畫像」。

拿一款跑鞋為例，你可以從各種維度來進行貼標如出自某個設計師之手、特殊的運動功能、顏色面料款式、應季新款、暢銷款、毛利率低、收藏量高等等不同的標籤。這樣一來，每一個商品都可以在每一類標籤中找到自己所屬類別，然後通過每個類別的交叉組合，找到自身的精準定位。而這些標籤不是僅僅定性的標籤，全是可以進行定量計算的標籤，即這些標籤對銷售最終的影響是多少，消費這對這些標籤或者標籤組合的喜歡程度是怎樣，都可以用模型的方式表現出來。

商品分類其實也就是對零售三核心「人、貨、場」的中的「貨」進行了深度的解讀，並且這個分析是和對「人」的畫像緊密相關的。商品精準的定位為後續的需求預測、促銷定價、補貨翻單、採購計劃、研發計劃均提供了基礎。從另外一個角度來講，商品分類為的「嚴選商品」奠定了技術基礎，即通過分類來從商品的角度定量確定是什麼原因決定一個商品為什麼好賣和不好賣，這樣為未來商品的選擇構建了強大的模型。需要注意的是，依據實時的數據更新，商品所貼標籤也是持續更新的，因此商品的定位及相應決策也是處於動態變化中的。

而對於產品定價來說，人工進行定價決策效率很低，且定價的精準度很難去考量。比如針對一件商品究竟該賣88元還是66元的定價決策，即便是將影響定價的數據信息全都丟給你，包括它的利潤指標、銷售指標、連帶率、售罄率、瀏覽量、所處生命周期階段、目標存銷比等等，依然很難人為進行科學的定價決策。再考慮到商品SKU種類之多、之繁，尤其是那些長尾商品，若對他們一一進行人工定價，顯然是對企業資源成本的嚴重浪費，而且也是不現實的。

那智慧供應鏈如何做到呢？對於智慧供應鏈來說，不同類別的商品與之對應的定價策略是不同的。

比如有的商品本身是暢銷品但是存在其他競品與它抗衡，那麼競品的實時價格動態對這類商品的定價來說就顯得格外重要，它們的定價策略是以價格優勢為導向的；有的商品不僅暢銷而且在市面上暫時還沒有類似產品可以替代，那麼消費者對於這類產品的價格感知程度就會較低，定價策略則可以以利潤最大為導向，可能還可以進行試驗性地漲價；有的商品本身就是滯銷品，要對其進行降價處理，這類商品的定價策略可能只是為了控制成本；當然還有新品，可能在某一個新品剛推出的時候，更大的目的在於最大化銷量。所以這時候的定價是需要分析在不同價格下的流量及銷量分布情況，來對其進行試驗性定價的。

可以看出，商品定價是需要基於商品的不同劃分對應到合適的定價目標的，從而確定對應的模型約束條件，將該商品相關的定價信息均輸入至相應的模型中，從而得到相應的輸出結果。然後在進行決策完之後，對於其效果關鍵指標持續進行追蹤監測，從而作為下一次定價模型的輸入，使得定價能夠持續優化。

第三個方面，庫存管理。智能補貨可以稱得上是庫存管理的龍頭了，將自動補貨模型應用到特定的場景去優化庫存結構，使庫存持續保持健康水平，那麼就需要從出庫、入庫兩方面著手。在入庫情況下，定位到滿足此次補貨條件的所有SKU，依據補貨任務跑模型得出補貨量的建議，最終生成補貨決策給到生產。

在出庫情況下，定位到滯銷高庫存的SKU，基於商品的滯銷分級跑模型得到相應的促銷降庫存處理方案。不同類商品應採取差異化的庫存控制策略，應用不同的庫存模型，配置不同的模型參數。

談完這三個部分後，整個智慧供應鏈還有一個不可不談的東西，那就是商品數量的驅動——銷售預測了。且不說每提升1%的預測準確率可以帶來數倍運營成本的降低，以銷售預測為核心的需求計劃本身就要起到支持各個環節計劃制定的作用。同時零售商可以通過需求預測合理安排門店工作人員，高效地為消費者服務。

成功門店的排班計劃總是能在合適的時間將合適數量的資源配置到合適的崗位。零售商不僅要能預測出每天顧客消費的高峰時間，還應預測出消費者光顧哪家門店，這些都是建立在精準銷售預測的基礎之上。而對於銷售預測，為了達到「新零售」時代的「精準」，要靠全渠道多觸點的實時數據積累。模型自身要能夠對這些源源不斷輸入的數據進行價值權重的判斷並有效運用到模型中，還要能通過對預測效果的自學習實現參數的優化調整。

顯然，簡單的時間序列模型、季節性模型等都很難獨立地成為銷售預測的主力了。

銷售渠道的分類其實在需求預測中也是很有必要的，畢竟不同的線下門店或線上店鋪，店鋪所貼屬性標籤也是不同的，在不同類型店鋪中銷售的同一個商品的銷售預測模型也可能存在差異。據此也可以看出，供應鏈集成計劃的「智慧」不僅僅是銷售運營間的計劃整合，還包括需求計劃與品類管理、渠道管理間的協同。

新零售時代下的「供應鏈」加上「智慧」，並不會因為新的技術注入而使其變的高不可攀，反之，因為「智慧」，我們更好地服務到了客戶，品牌更加貼近了客戶。「供應鏈」，因為有了「智慧」，因為和消費者和商品有了更加緊密的鏈接，而有了溫度，有了激情，而不只是一條冷冰冰的鏈條，這樣才能讓消費者有了更好的體驗。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！