La prévision de la demande est l’un des plus grands défis pour les détaillants, les grossistes et les fabricants qui vendent des vêtements et des chaussures de mode. Des prévisions trop optimistes entraînent des surstocks. Et les surstocks imposent des démarques, qui réduisent à leur tour le chiffre d’affaires et les bénéfices.
Mais les prévisions pessimistes entraînent un coût d’opportunité pour les marchandises que vous auriez pu vendre avec de bonnes marges, mais que vous n’avez pas vendues. L’erreur de prévision des préventes pour les nouveaux articles se situe généralement entre 50 et 100 %. C’est ce qu’affirment Marshall Fisher et Ananth Raman, professeurs à la Harvard Business School, qui décrivent les moyens d’atténuer les erreurs de prévision dans leur ouvrage intitulé
The New Science of Retailing : How Analytics are Transforming the Supply Chain and Improving Performance (La nouvelle science du commerce de détail : comment les analyses transforment la chaîne d’approvisionnement et améliorent les performances).
. Bien qu’il soit possible d’améliorer la précision des prévisions, celles-ci ne seront jamais parfaites. Compte tenu de l’inévitabilité des erreurs de prévision, les auteurs affirment que les stratégies de couverture peuvent vous aider à faire de meilleurs achats. Grâce à de meilleures prévisions et à de meilleurs achats, vous accumulerez moins de stocks excédentaires, effectuerez moins de démarques indésirables et réaliserez un chiffre d’affaires plus élevé avec de meilleures marges brutes.
Pourquoi la mode est difficile à prévoir
Les articles de mode sont difficiles à prévoir pour six raisons principales :
– Ils sont nouveaux. Les articles neufs, par définition, n’ont pas d’historique de vente. Vous devez baser vos prévisions sur l’historique des ventes d’articles similaires. Mais il n’y a jamais deux articles de mode identiques, il faut donc interpoler et faire des approximations.
– Les goûts sont inconstants. Une couleur qui s’est bien vendue l’année dernière risque de faire un bide cette année. Il faut savoir juger les tendances. Il s’agit d’une estimation.
– Les articles de mode ont des cycles de vie courts. Il est rare que vous puissiez accumuler suffisamment d’historique de ventes pour générer une prévision statistiquement précise avant que la saison de l’article ne soit terminée.
– Les cycles de vie étant courts, vous n’avez guère la possibilité de corriger les erreurs. Si les délais de livraison sont plus longs que la durée de vie d’un article, vous n’avez pas la possibilité de passer une nouvelle commande auprès de votre fournisseur. Et si la saison d’un article est inférieure à quelques semaines, il se peut que vous ne puissiez pas le réattribuer.
– Les prévisions sont difficiles à automatiser. Les personnes doivent porter des jugements qui sont susceptibles d’être interprétés et erronés. Lorsqu’un nouvel article est mis sur le marché, quelqu’un doit décider s’il se vendra mieux qu’un article précédent, similaire à certains égards mais différent à d’autres. Quelqu’un doit également juger de l’évolution des tendances de la mode.
– En l’absence de données fiables, les prévisions sont établies par celui qui se fait le plus entendre, qui est le plus persuasif ou qui fait autorité.
Comment améliorer la précision des prévisions pour les articles de mode
Heureusement, plusieurs mesures pratiques peuvent contribuer à relever ces défis :
1. Recueillir un historique des ventes plus détaillé. Dans l’idéal, recueillez l’historique des ventes par article et par semaine. Vous pouvez également consulter l’historique des ventes par article et par lieu. Le stockage des données est peu coûteux par rapport à la valeur que représente le fait de disposer d’un historique plus important pour guider vos prévisions. Si vous ne pouvez pas recueillir un historique détaillé des ventes, recueillez-en le plus possible.
2. Étiquetez les attributs ou les caractéristiques de vos articles de mode. Identifiez toutes les caractéristiques d’un article qui peuvent influencer son attrait pour vos clients : couleur, tissu, coupe, style de manche, style de poignet, style de col, encolure, plis, poches, prix de vente au détail, emplacement et taille des logos, etc.
3. Rendre l’historique des ventes plus facilement accessible aux personnes qui en ont besoin. Mettre les données en ligne. Les prévisionnistes n’ont pas le temps de consulter les rapports sur papier. Affichez l’historique des ventes sous forme de graphique afin que les tendances soient visibles d’un seul coup d’œil. Facilitez la consultation de l’historique des ventes pour les articles étiquetés avec des attributs ou des caractéristiques similaires.
4. Chercher à obtenir plusieurs prévisions pour le même article. Pour les questions importantes, ne vous fiez pas uniquement au jugement d’un seul prévisionniste. Prenez la moyenne des prévisions de plusieurs.
5. Suivez l’évolution de la précision de chacun de vos prévisionnistes dans le temps. Vous verrez que certaines personnes sont plus précises que d’autres. Au fur et à mesure que vous vous faites une idée de la qualité des prévisions des uns et des autres, accordez plus d’importance à ces prévisions.
6. Ajustez vos prévisions dès que vous disposez des données réelles des ventes de la première semaine.
Le livre de Fisher et Raman propose des idées spécifiques pour mettre en œuvre les suggestions quatre, cinq et six ci-dessus. Les stratégies de couverture atténuent les erreurs de prévision bMais même si vous réussissez à mettre en œuvre ces six éléments, votre erreur de prévision sera probablement plus élevée pour les articles de mode que pour les articles de base. En gardant cette probabilité à l’esprit, les auteurs suggèrent d’adapter votre stratégie d’achat à l’ampleur de l’erreur de prévision à laquelle vous vous attendez.
Ils présentent des données permettant de comparer la rentabilité de chacune des quatre stratégies d’achat. Leur analyse tient compte de la marge perdue sur les ventes ainsi que des coûts d’opportunité. Elle montre que le coût d’un achat insuffisant peut souvent être plus élevé que le coût d’un achat excessif. Il est donc parfois judicieux d’acheter plus que les prévisions, parfois moins.
Fisher et Raman recommandent une stratégie de couverture trop détaillée pour être présentée ici. Mais cela vaut bien le prix du livre pour le comprendre. Si vingt dollars pour le livre et une heure de lecture peuvent vous aider à réduire les démarques inutiles de seulement 10 %, il est peu probable que vous trouviez un meilleur retour sur votre investissement en temps et en argent.
[jesta_exit_intent text= »Vous êtes à la recherche d’une technologie tournée vers l’avenir qui vous permette d’obtenir des résultats commerciaux ? » strong_text= »Talk to an expert! » image= »https://www.jestais.com/wp-content/uploads/2021/03/exit-intent-analytics.jpg » yes_link= »/contact-us?form_source=demand-forecasting-for-fashion-apparel-and-footwear-5-ways-to-improve-accuracy-2″]
