No final de 2022, a Gartner publicou um guia de mercado sobre aplicações de gestão de sortimento. Nele, a empresa de consultoria observou claramente que "a abordagem tradicional para criar sortimentos por meio de clusterização vinha sendo desafiada pelas demandas dos clientes por sortimentos mais 'local', específicos para cada loja"1.
A Gartner não estava errada nessa afirmação. Desde o lançamento desse documento, há uma tendência nos varejistas com relação a sortimentos localizados. Nos EUA, por exemplo, o Kohl's, Kroger e Dollar Tree anunciaram planos de localização2. Enquanto isso, no Reino Unido a Tesco está desenvolvendo uma "ferramenta de otimização de sortimento que automatiza a seleção personalizada de produtos com base na localização da loja e em dados demográficos"3.
Por que esta tendência em direção à localização, então? Embora existam vários fatores em jogo, esta é indiscutivelmente uma tendência centrada no cliente. Criar um sortimento adaptado às necessidades de clientes específicos, não apenas ajuda a tornar as compras mais rápidas, fáceis e convenientes, mas também reintroduz o elemento de surpresa e encantamento que é tão importante do ponto de vista do engajamento e da inspiração.
Atualmente, essa é uma capacidade valiosa. Em nossos estudos Consumer Pulse, vimos que os comportamentos dos clientes mudaram consideravelmente, com muitos começando a priorizar valor4. Não é coincidência que muitos atacadistas tenham experimentado grande crescimento ao mesmo tempo5. Nesse cenário mais competitivo, o sortimento localizado pode servir como um diferenciador valioso para os varejistas tradicionais.
Ao mesmo tempo, a localização não é apenas uma boa resposta às circunstâncias econômicas atuais. Ela também abre caminho para ganhos mais amplos em termos de eficiência operacional e otimização de receitas. Então, a verdadeira pergunta não é "por que localização?", mas sim "por que localização agora?". E para responder a isso, precisamos mergulhar um pouco mais na ciência do sortimento.
Se voltarmos uma década ou mais, o sortimento era uma atividade relativamente linear. Os varejistas geralmente tinham algumas variações em prática, com algum elemento de agrupamento de lojas usado para determinar quais produtos apareceriam em quais locais.
Naquela época, ir além desse tipo de localização 'superficial' era praticamente impossível devido à complexidade envolvida, o que apresentava um grande desafio para os varejistas.
Como mencionado acima, um dos principais diferenciais de um varejista tradicional é a escala. Um grande varejista de alimentos pode contar com um catálogo geral de cerca de 30.000 produtos, comparado a cerca de 1.500 para um atacadista, por exemplo6.
Claramente, enquanto essa profundidade é uma grande vantagem em termos de poder oferecer aos clientes o que eles querem, ela também adiciona um elemento inegável de complexidade. Pense da seguinte maneira: para criar um sortimento verdadeiramente localizado, os varejistas precisariam de:
Fazer isso para apenas uma loja seria um processo demorado. Uma grande quantidade de dados precisaria ser analisada, previsões criadas e planogramas desenhados. Mas, quando se multiplica essa tarefa por dezenas, centenas ou até milhares de lojas, o que era apenas difícil começa a parecer impossível. E há 15 anos, quase certamente era.
Hoje, no entanto, as coisas mudaram. À medida que as capacidades de ciência de dados da indústria evoluíram, os varejistas adquiriram a capacidade de ser muito mais detalhados ao criar seus sortimentos. Como resultado, estamos nos movendo para um mundo onde o sortimento hiper-localizado é uma possibilidade muito real – uma área na qual a dunnhumby está liderando o caminho.
Como ocorre em muitos outros campos, o machine learning, ou IA, desempenha um papel fundamental aqui.
Capaz de assumir grande parte do ‘trabalho matemático’ envolvido no sortimento localizado, a IA tornou infinitamente mais fácil analisar dados no volume necessário para criar um sortimento específico para cada loja Um algoritmo de IA bem treinado pode rapidamente criar sortimentos que se ajustem ao espaço e planogramas associados, garantindo que o sortimento se ajuste ao espaço, algo que normalmente exigiria centenas de horas de esforço manual e muitas idas e vindas entre equipes.
Isso não é tudo. Como descobrimos em nosso próprio trabalho com sortimento impulsionado por IA, as máquinas também são extremamente boas em otimizar o espaço. Dadas as condições corretas, a IA pode nos dizer não apenas quais produtos devem ser incluídos no sortimento, mas também como exibi-los da melhor maneira e como encaixar mais deles na prateleira. Naturalmente, a decisão final permanece com o ser humano – com a IA complementando, não substituindo, sua decisão.
Para os varejistas, isso cria uma oportunidade de repensar fundamentalmente a forma como abordam o sortimento. No entanto, essa oportunidade não precisa começar com uma mudança revolucionária.
O sortimento localizado não se trata de fazer com que cada loja tenha um sortimento único. Fazer isso eliminaria uma das razões principais pelas quais os clientes vão às lojas de rede em primeiro lugar: a capacidade de obter uma variedade confiável de produtos. Nem um sortimento localizado precisa ser implementado em todas as lojas desde o primeiro dia. Muitas vezes, é uma questão de começar pequeno, antes de aumentar gradualmente o número de itens específicos para cada loja. Diferenças sutis ainda podem ter um grande impacto.
Embora a mudança em direção à localização possa ser gradual, é certamente a direção que o setor está tomando. E em um momento em que os clientes estão acostumados a obter quase tudo o que desejam – onde e quando quiserem – o sortimento localizado dará aos varejistas visionários a capacidade de responder (e superar) essas expectativas.
Para mais informações sobre o sortimento da dunnhumby, visite dunnhumby.com/dunnhumby-assortment
Descubra mais insights sobre como a IA está revolucionando o sortimento:
1 Market Guide for Retail Assortment Management Applications: Long Life Cycle Products – Gartner, 8 December 2022
2 The Localization Playbook: How to Develop Targeted Merchandising Strategies & Win Repeat Customers – A&M Consumer Retail Group
3 Preliminary Results 2023/24 - Tesco
4 dunnhumby Customer Pulse, October 2023
5 Discounters forecast to be fastest-growing grocery channel over next five years – The Grocer, 14 June 2022
6 The battle of traditional retailers versus discounters – Journal of Retailing and Consumer Services, 2017
Create customer-centric ranges using AI-powered science
AI-powered Assortment OptimisationCookie | Description |
---|---|
cli_user_preference | The cookie is set by the GDPR Cookie Consent plugin and is used to store the yes/no selection the consent given for cookie usage. It does not store any personal data. |
cookielawinfo-checkbox-advertisement | Set by the GDPR Cookie Consent plugin, this cookie is used to record the user consent for the cookies in the "Advertisement" category . |
cookielawinfo-checkbox-analytics | Set by the GDPR Cookie Consent plugin, this cookie is used to record the user consent for the cookies in the "Analytics" category . |
cookielawinfo-checkbox-necessary | This cookie is set by GDPR Cookie Consent plugin. The cookies is used to store the user consent for the cookies in the category "Necessary". |
CookieLawInfoConsent | The cookie is set by the GDPR Cookie Consent plugin and is used to store the summary of the consent given for cookie usage. It does not store any personal data. |
viewed_cookie_policy | The cookie is set by the GDPR Cookie Consent plugin and is used to store whether or not user has consented to the use of cookies. It does not store any personal data. |
wsaffinity | Set by the dunnhumby website, that allows all subsequent traffic and requests from an initial client session to be passed to the same server in the pool. Session affinity is also referred to as session persistence, server affinity, server persistence, or server sticky. |
Cookie | Description |
---|---|
wordpress_test_cookie | WordPress cookie to read if cookies can be placed, and lasts for the session. |
wp_lang | This cookie is used to remember the language chosen by the user while browsing. |
Cookie | Description |
---|---|
CONSENT | YouTube sets this cookie via embedded youtube-videos and registers anonymous statistical data. |
vuid | Vimeo installs this cookie to collect tracking information by setting a unique ID to embed videos to the website. |
_ga | The _ga cookie, installed by Google Analytics, calculates visitor, session and campaign data and also keeps track of site usage for the site's analytics report. The cookie stores information anonymously and assigns a randomly generated number to recognise unique visitors. |
_gat_gtag_UA_* | This cookie is installed by Google Analytics to store the website's unique user ID. |
_ga_* | Set by Google Analytics to persist session state. |
_gid | Installed by Google Analytics, _gid cookie stores information on how visitors use a website, while also creating an analytics report of the website's performance. Some of the data that are collected include the number of visitors, their source, and the pages they visit anonymously. |
_hjSessionUser_{site_id} | This cookie is set by the provider Hotjar to store a unique user ID for session tracking and analytics purposes. |
_hjSession_{site_id} | This cookie is set by the provider Hotjar to store a unique session ID, enabling session recording and behavior analysis. |
_hp2_id_* | This cookie is set by the provider Hotjar to store a unique visitor identifier for tracking user behavior and session information. |
_hp2_props.* | This cookie is set by the provider Hotjar to store user properties and session information for behavior analysis and insights. |
_hp2_ses_props.* | This cookie is set by the provider Hotjar to store session-specific properties and data for tracking user behavior during a session. |
_lfa | This cookie is set by the provider Leadfeeder to identify the IP address of devices visiting the website, in order to retarget multiple users routing from the same IP address. |
Cookie | Description |
---|---|
aam_uuid | Set by LinkedIn, for ID sync for Adobe Audience Manager. |
AEC | Set by Google, ‘AEC’ cookies ensure that requests within a browsing session are made by the user, and not by other sites. These cookies prevent malicious sites from acting on behalf of a user without that user’s knowledge. |
AMCVS_14215E3D5995C57C0A495C55%40AdobeOrg | Set by LinkedIn, indicates the start of a session for Adobe Experience Cloud. |
AMCV_14215E3D5995C57C0A495C55%40AdobeOrg | Set by LinkedIn, Unique Identifier for Adobe Experience Cloud. |
AnalyticsSyncHistory | Set by LinkedIn, used to store information about the time a sync with the lms_analytics cookie took place for users in the Designated Countries (which LinkedIn determines as European Union (EU), European Economic Area (EEA), and Switzerland). |
bcookie | LinkedIn sets this cookie from LinkedIn share buttons and ad tags to recognise browser ID. |
bscookie | LinkedIn sets this cookie to store performed actions on the website. |
DV | Set by Google, used for the purpose of targeted advertising, to collect information about how visitors use our site. |
ELOQUA | This cookie is set by Eloqua Marketing Automation Tool. It contains a unique identifier to recognise returning visitors and track their visit data across multiple visits and multiple OpenText Websites. This data is logged in pseudonymised form, unless a visitor provides us with their personal data through creating a profile, such as when signing up for events or for downloading information that is not available to the public. |
gpv_pn | Set by LinkedIn, used to retain and fetch previous page visited in Adobe Analytics. |
lang | Session-based cookie, set by LinkedIn, used to set default locale/language. |
lidc | LinkedIn sets the lidc cookie to facilitate data center selection. |
lidc | Set by LinkedIn, used for routing from Share buttons and ad tags. |
li_gc | Set by LinkedIn to store consent of guests regarding the use of cookies for non-essential purposes. |
li_sugr | Set by LinkedIn, used to make a probabilistic match of a user's identity outside the Designated Countries (which LinkedIn determines as European Union (EU), European Economic Area (EEA), and Switzerland). |
lms_analytics | Set by LinkedIn to identify LinkedIn Members in the Designated Countries (which LinkedIn determines as European Union (EU), European Economic Area (EEA), and Switzerland) for analytics. |
NID | Set by Google, registers a unique ID that identifies a returning user’s device. The ID is used for targeted ads. |
OGP / OGPC | Set by Google, cookie enables the functionality of Google Maps. |
OTZ | Set by Google, used to support Google’s advertising services. This cookie is used by Google Analytics to provide an analysis of website visitors in aggregate. |
s_cc | Set by LinkedIn, used to determine if cookies are enabled for Adobe Analytics. |
s_ips | Set by LinkedIn, tracks percent of page viewed. |
s_plt | Set by LinkedIn, this cookie tracks the time that the previous page took to load. |
s_pltp | Set by LinkedIn, this cookie provides page name value (URL) for use by Adobe Analytics. |
s_ppv | Set by LinkedIn, used by Adobe Analytics to retain and fetch what percentage of a page was viewed. |
s_sq | Set by LinkedIn, used to store information about the previous link that was clicked on by the user by Adobe Analytics. |
s_tp | Set by LinkedIn, this cookie measures a visitor’s scroll activity to see how much of a page they view before moving on to another page. |
s_tslv | Set by LinkedIn, used to retain and fetch time since last visit in Adobe Analytics. |
test_cookie | Set by doubleclick.net (part of Google), the purpose of the cookie is to determine if the users' browser supports cookies. |
U | Set by LinkedIn, Browser Identifier for users outside the Designated Countries (which LinkedIn determines as European Union (EU), European Economic Area (EEA), and Switzerland). |
UserMatchHistory | LinkedIn sets this cookie for LinkedIn Ads ID syncing. |
UserMatchHistory | This cookie is used by LinkedIn Ads to help dunnhumby measure advertising performance. More information can be found in their cookie policy. |
VISITOR_INFO1_LIVE | A cookie set by YouTube to measure bandwidth that determines whether the user gets the new or old player interface. |
YSC | YSC cookie is set by YouTube and is used to track the views of embedded videos on YouTube pages. |
yt-remote-connected-devices | YouTube sets this cookie to store the video preferences of the user using embedded YouTube video. |
yt-remote-device-id | YouTube sets this cookie to store the video preferences of the user using embedded YouTube video. |
yt.innertube::nextId | This cookie, set by YouTube, registers a unique ID to store data on what videos from YouTube the user has seen. |
yt.innertube::requests | This cookie, set by YouTube, registers a unique ID to store data on what videos from YouTube the user has seen. |
_gcl_au | Set by Google Analytics, to take information in advert clicks and store it in a 1st party cookie so that conversions can be attributed outside of the landing page. |