© 2007 thomas w. gruen thomas w. gruen, ph.d. a ruptura na indústria do varejo: buscando uma...
TRANSCRIPT
© 2007 Thomas W. Gruen
Thomas W. Gruen, Ph.D.
A Ruptura na Indústria do Varejo: Buscando uma Solução
Ruptura no Varejo: Buscando uma Solução
Thomas W. Gruen, Ph.D.
Professor de Marketing
Universidade do Colorado em Colorado Springs, EUA
27 de setembro de 2007© 2007 Thomas W. Gruen
© 2007 Thomas W. Gruen
Se você acha que a ruptura na indústria do varejo não representa um grande problema…
Toilet tissue
3
© 2007 Thomas W. Gruen
Então por que…• Um pessoa gasta 21% do seu tempo de compra procurando
um produto que está faltando?• Normalmente as lojas gastam US$800 por semana para
pagar funcionários que são contratados exclusivamente para atender clientes que procuram produtos que estão faltando?
• Será que os nossos clientes só saem realmente satisfeitos em menos de 10% de suas visitas a nossas lojas?
• Reduz o bom resultado de 1/7 das nossas promoções?• Será que de cada 13 produtos que o cliente procura, 1
estará ausenta das gôndolas?• Incentivamos clientes fiéis a experimentarem outras marcas
e comprarem em outras lojas?
4
Agenda
• Rever o que constatamos sobre ruptura na indústria de varejo através da pesquisa desenvolvida
• Apresentar as 7 principais áreas que precisam ser estudadas:– A maioria foca em dados– Mostra como estas áreas podem nos levar a encontrar
soluções ao revelarem a origem dos problemas
• Demonstrar nossa abordagem para reduzir o índice de ruptura.
5© 2007 Thomas W. Gruen
Porque dar atenção à Ruptura dos Produtos?
• Prejuízo de Vendas & Margem para o Fabricante
• Prejuízo de Vendas & Margem para o Varejista
• Efeito Dominó nas Categorias• Insatisfação do Cliente
• Apresentamos a seguir alguns dados revelados na pesquisa realizada em 2002. Estes dados despertaram grande interesse (e uma nova dotação para a pesquisa) e possibilitaram que esta nova pesquisa fosse desenvolvida!
• Vamos descobrir o porquê.
6© 2007 Thomas W. Gruen
Dois Estudos
1. Estudo GMA/FMI/CIES realizado em 2002
– O problema da Ruptura no Mundo
– Reação do Comprador quando não encontra o produto que procura na gôndola
– Origem do Problema
2. Estudo Atual - 2007
– Focado nas Soluções
– Relatório Preliminar Concluído em Junho
– Publicado em Setembro
7© 2007 Thomas W. Gruen
8
Objetivos do Primeiro Estudo
…em todo o mundo, com os seguintes objetivos:
1. Apresentar um “mapa” atualizado e preciso dos fatos que causam a ruptura no varejo na indústria de Bens de Consumo de Alto Giro (FMCG),
2. Analisar o problema da ruptura em todo o mundo, tentando detectar as razões para as semelhanças e as diferenças,
Analisar a extensão da Ruptura Analisar a causa da Ruptura Analisar a reação do consumidor quando não
encontra o que pretende levar na gôndola
© 2007 Thomas W. Gruen
9
Insumos do Projeto de Pesquisa: 52 Estudos
• 16 estudos acadêmicos e da indústria previamente publicados
• 36 estudos anteriores a este relatório• Envolvendo:
Quantidade de lojas de varejo analisadas: 661 Quantidade de tipos de FMCG (Produtos de Rápido
Consumo) incluídos: 32 Quantidade de consumidores pesquisados em todo o
mundo: 71.000 Número de países representados: 29
Foi um estudo bastante abrangente! Mas o que foi que descobrimos…
© 2007 Thomas W. Gruen
© 2007 Thomas W. Gruen
Âmbito — Diferença de Definições
Definições da loja: Percentual de SKUs (ítens em estoque) fora das gôndolas
em um determinado momento Medido por auditorias, normalmente em determinadas
categorias, e depois agregadas. Definições do Comprador:
Número de vezes que um comprador não encontra o que pretende levar na gôndola.
Calculado como um percentual. Medido pela estimativa dos dados POS da loja. Útil para examinar produtos de alto giro.
10
© 2007 Thomas W. Gruen
Explicando a Ruptura
• Casos de Ruptura– Falta física de um produto na gôndola
• Atributos da Ruptura– Aspectos do episódio(s) de ruptura que podem
ser medidos e calculados como um “índice” de ruptura.
– Freqüência, Duração, Eventos Simultâneos, Disponibilidade, Perda de Oportunidade de Venda, Prejuízo em termos monetários, e impacto sobre consumidores
11
© 2007 Thomas W. Gruen
Taxas de Ruptura são Calculados pelos Atributos
Resumo das Taxas de Ruptura:
1. Quantas vezes um ítem não está disponível na hora da compra
2. Quantas vezes uma categoria de produtos não está disponível na hora da compra
3. Quanto tempo um ítem fica faltando na gôndola
4. Quanto tempo um ítem fica na Gôndola
5. Quantas oportunidades de venda foram causadas pela falta de um produto na gôndola
6. Qual prejuízo causado pela falta de um produto na gôndola
7. Como a falta de um produto na gôndola afeta os compradores?
12
Situação Mundial > 8%
*Nota: Europa inclui toda a Europa, inclusive o leste europeuCréditos: Gruen, Corsten, e Bharadwaj 2002
BACKGROUND: O que sabemos sobre Ruptura
13
Situação Geral da Ruptura (Médias)
7.9
8.6
8.2
8.3
0.0 2.0 4.0 6.0 8.0 10.0
EUA
Europa
Outras Regiões
Mundo
Percentual de Ruptura
© 2007 Thomas W. Gruen
14
A RUPTURA DE PRODUTOS EM PROMOÇÃO
Índice de Ruptura na Indústria do Varejo nos EUA: 7,9%Índice de Ruptura de Produtos em Promoção: 17,1%
© 2007 Thomas W. Gruen
15
A SITUAÇÃO VARIA EM CADA CATEGORIA…
Dados confirmados com base em três ou mais estudos
Médias de Ruptura por Categoria
9.8
7.7
7.0
6.8
6.6
5.3
8.3
0.0 2.0 4.0 6.0 8.0 10.0 12.0
Beleza Cabelos
Lavanderia.
Fraldas
Higiene Feminina
Papel Higiênico
Salgadinhos
Média Mundial (18 categorias)
Percentual
© 2007 Thomas W. Gruen
16
A SITUAÇÃO VARIA CONFORME O DIA DA SEMANA
Reflete padrões
esperados graças
aos shoppings
e deliveries
Ruptura Por Dia da Semana(Méida dos 13 estudos)
10.9
7.3
8.7
9.1
9.8
10.0
10.9
0.0 2.0 4.0 6.0 8.0 10.0 12.0
Dom
Sab
6ª
5ª
4ª
3ª
2ª
Percentual
© 2007 Thomas W. Gruen
17
SITUAÇÃO: DURAÇÃO
Mais da metade
das ruptura
s tendem a durar mais de
24 horas!
Duração da Ruptura
20%
25%
36%
19%
8 hrs ou menos
8 hrs a < 1 dia
1 dia a < 3 dias
3 dias ou mais
© 2007 Thomas W. Gruen
Background: Âmbito
Interpretação e Implicações• Apesar dos altos investimentos feitos para melhorar as
redes de abastecimento, em todo o mundo, os índices de ruptura ainda são da ordem de 8%, ou sob a ótica do consumidor, de cada 13 produtos procurados, um estará faltando.
• Para produtos em promoção, as taxas de ruptura são em média da ordem de 16%, o que significa dizer que de cada 7 produtos em promoção, um estará faltando.
• Logo, em uma indústria dependente das promoções, o impacto da receita proveniente de promoções é reduzido em um sete avos.
• A rapidez das vendas sempre afeta o índice de ruptura.
18© 2007 Thomas W. Gruen
P: O QUE MUDOU NAS TAXAS DE RUPTURA?• Estudo feito em 1996 pelo Conselho de
Pesquisa da Coca-Cola = 8,2% (apenas nos EUA)
• Nosso Estudo GMA/FMI/CIES 2002 = 8,3% (A nível mundial; 7,9% nos EUA)
R: Quase nada.Mas… em compensação a quantidade de novas tecnologias para sistemas de escaneamento, banco de dados, sistemas CAO (Pedidos Automáticos de Mercadorias por Computador), etc. é enorme…
Background: Âmbito
19© 2007 Thomas W. Gruen
PORQUE AS TAXAS DE RUPTURA NÃO FORAM ALTERADAS?
• As inovações tecnológicas foram suplantadas pela complexidade dos procesos– Proliferação de SKU – Proliferação de Promoções– Nível de sortimento da loja– Nível de planograma da empresa
• Os varejistas são cada vez mais pressionados a reduzirem seus custos de trabalhistas
Background: Âmbito
20© 2007 Thomas W. Gruen
RESPOSTA DO COMPRADOR
1. Não compram
2. Compram em outra loja
3. Compram outro produto –
da mesma marca
4. Compram outro produto –
de uma marca diferente
5. Adiam a compra
CINCO REAÇÕES DOS CONSUMIDORES QUANDO NÃO ENCONTRAM O QUE ESTÃO PROCURANDO NA GÔNDOLA:
21© 2007 Thomas W. Gruen
Como o Comprador Reage à Ruptura?
Quando um comprador se depara com a falta de um produto na gôndola:
RESPOSTA DO COMPRADOR
Os lojistas perdem aproximadamente 40% das compras planejadas
Os lojistas perdem aproximadamente 40% das compras planejadas
Os fabricantes perdem 35% das compras planejadas
Os fabricantes perdem 35% das compras planejadas
22© 2007 Thomas W. Gruen
Média de Respostas do Consumidor Por Região (comparação entre 8 categorias comuns)
31
34
27
31
15
13
17
16
19
20
16
21
26
25
32
22
9
8
9
11
0% 20% 40% 60% 80% 100%
MédiaMundial
OutrasRegiões
Europa
EUA
Comrpou em outra loja
Deixou pª comprar depois
Substituiu – mm. marca
Substituiu–marca diferente
Não comprou o ítem
RESPOSTA DO COMPRADORREGIÕES
Observe as diferenças
no ítem substituição
de marca entre as regiões!
23© 2007 Thomas W. Gruen
Média de Respostas do Consumidor Mundialmente por Categoria
13
15
18
26
32
37
39
40
19
10
19
20
16
16
17
13
19
21
24
16
15
16
14
17
37
38
28
31
30
24
20
25
12
16
11
7
7
7
10
5
0% 20% 40% 60% 80% 100%
Toalhas de Papel
Salgadinhos
Pap. Hig.
Lavand.
Shampoo/Cuidado Cab.
Pasta dentes
Fraldas
Higiene Femina
Comprou em outralojaComprou depois
Substituiu-mesmamarcaSubstitutuiu-marcadiferenteNão comprou oítem
24
RESPOSTA DO COMPRADOR
Grande Variação por Categoria
O índice de “compraram em outra loja” variou de 13% a 40%
Procurar outra loja para comprar produtos de higiene feminina é três vezes mais freqüente do que para comprar Toalhas
24© 2007 Thomas W. Gruen
25
RESPOSTA DOS COMPRADORES
ARTIGOS DE MERCEARIA
Fonte: ECR-UK 2005
© 2007 Thomas W. Gruen
26
RESPOSTA DOS COMPRADORESArtigos de Farmácia
Fonte: ECR-UK 2005
© 2007 Thomas W. Gruen
O comprador pode abandonar seu carrinho de compras caso não encontre alguns dos produtos que está procurando
Fonte: GS1 Columbia, “Diagnosis Report,” 2007
27© 2007 Thomas W. Gruen
28
PERGUNTA: O QUE ACONTECE QUANDO O CONSUMIDOR NÃO CONSEGUE ENCONTRA DIVERSOS PRODUTOS QUE PRETENDE LEVAR
• Considerando-se um índice de ruptura médio (8%) e um consumidor comprando 40 ítens – estaticamente qual o % de visitas que ele/ela precisará fazer para ficar totalmente satisfeito (ou seja encontrará tudo o que está procurando)?
A. 4%B. 24%C. 44%D. 64%E. Difícil precisar com base nas informações
dadas.
© 2007 Thomas W. Gruen
29
From Appendix E, p. 65
© 2007 Thomas W. Gruen
30
PROBABILIDADE DO CLIENTE SAIR 100% SATISFEITOSe o varejista conseguir reduzir o índice de ruptura pela metade, a probabilidade dele conseguir que o cliente fique 100% satisfeito é infinitamente maior!
Thanks to Synchra Systems, Inc. for this chart!
© 2007 Thomas W. Gruen
31
IMPLICAÇÕES: A PERDA DE OPORTUNIDADE DE VENDA CAUSADA PELA RUPTURA É DE APROXIMADAMENTE 4%
A perda de oportunidade des vendas são muito semelhantes em todo o mundo,
mas variam muito entre as
categorias
31
PrejuÍzo nas Vendas causado pela Ruptura
4.5
3.8
3.5
3.2
2.4
2.1
4.0
3.8
3.7
3.9
0.0 1.0 2.0 3.0 4.0 5.0
Por Categoria
Prod. cabelos
Fraldas
Hig. Feminina
Lavanderia
Papel Higienico
Salgadinhos
Por Região
Outras Regiões
EUA
Europa
Média Mundial
Estimativa do Percentual da Perda Oportunidade de Vendas
© 2007 Thomas W. Gruen
Cálculo da perda de oportunidade vendas de uma empresa provocado pela ruptura:
Taxa de Ruptura _______%x
Perda Média por Categoria_______%x
Total Categoria/Vendas da Empresa $_____
=Perda de Oportunidade de
Vendas provocada pela Ruptura $_____
Examplo:
Taxa Média de Ruptura 8%
X
Perda Média 30%
X
Vendas da Categoria$1B
=
Vendas não Realizadas $24,000,000
Perda de oportunidade de vendas típica de um Lojista//$1B em vendas totais que corresponde a $32 milhões
32© 2007 Thomas W. Gruen
33
DESCOBERTAS: IMPLICAÇÕES
• Nossas descobertas sugerem que o custo da ruptura no varejo é muito maior do que o relatado em estudos anteriores.
• De acordo com as conclusões de nosso estudo, um lojista típico perde aproximadamente 4% de oportunidade de vendas devido à ruptura. Uma quebra nas vendas de 4% se traduz em uma queda no lucro por ação de aproximadamente US$0,012 (1,2 centavos) para as empresas do setor de varejo onde o lucro por ação é de aproximadamente US$ 0,25 (25 centavos) por ano.
© 2007 Thomas W. Gruen
© 2007 Thomas W. Gruen
Motivação – Custos Adicionais
A ruptura reduz o impacto das Promoções e dos Fundos de Promoção do Setor
A Ruptura destorce a Verdadeira Demanda das Lojas, logo as Projeções, Gestão de Categoria e Esforços Afins são menos Precisos e Eficientes
A Ruptura Aumenta o Custo Geral de Relacionamento com o Lojista(Necessidade de um maior volume de atividade pós auditoria, Pedidos Errados)
A ruptura distorce as Verdadeiras Demandas do Comprador e, por conseguinte, reduz a Precisão das Projeções e das Compras
Os custos operacionais são majorados devido à contratação de funcionários para procurar Ítens Esgotados, Distribuir “Vale-Compra” para Clientes, Renovar o Estoque, etc. (pode representar US$1.0 milhão para 100 lojas)
Perda de Fidelidade da Marca e de Participação da Marca
A ruptura estimula a compra de produtos de marcas concorrentes
Redução na Eficiência dos Recursos da Equipe de Vendas
Perda Direta da Fidelidade à LojaMenor Satisfação do ConsumidorA ruptura favorece a visita às lojas dos
concorrentesNão existe um registro da Taxa de
Prejuízo Permanente do Comprador, mas o custo anual é de US$1 milhão para cada 200 compradores
Fabricantes Varejistas
Op
eracion
alE
stratégico
© 2007 Thomas W. Gruen
© 2007 Thomas W. Gruen
Costs of Addressing OOS in Store
Para os Varejistas:• O dinheiro gasto por uma loja de produtos
alimentícios de porte médio para contratar funcionários para atender os consumidores que procuram um produto que está em falta no momento da compra é de US $800/semana/loja.
• Cerca de U$4.1milhões por ano – 100 lojas
Para os Compradores:• Os compradores gastam >20% a mais do que o
Tempo Médio de Compra esperando uma resposta.
35
Let’s Examine the Causes of Out-of-Stocks
• Vamos tentar descobrir onde está o erro?– Rede de
Abastecimento?– Pedido do Varejista?– Merchandising do
Varejista?– Demanda irregular do
consumidor?36© 2007 Thomas W. Gruen
© 2007 Thomas W. Gruen 37
Para Reduzir o Índice de Ruptura Precisamos Primeiro Compreender as Causas da Ruptura
• Projeções e pedidos das Lojas de Varejo (aproximadamente ½ das Rupturas)
• Práticas de colocação nas gôndolas e de reabastecimento das lojas de varejo onde o produto está na loja mas não na gôndola (aproximadamente ¼ da Ruptura)
• Diversas causas distribuição (aproximadamente ¼ da ruptura)
70-75% das rupturas são resultado direto das práticas adotadas pela loja
Credit: Gruen, Corsten, and Bharadwaj 2002
Principais Causas da RupturaMédia Mundial
Distribuição total
28%
Na loja, mas fora da gôndola
25%
Pedido ePrevisão
da Loja47%
38
CAUSAS DA RUPTURA NA DISTRIBUIÇÃO
Resumo das Causas da Ruptura(Mundialmente)
Pedido da loja13%
Previsão da Loja34%
Distribuição nas Gôndolas25%
Centro de Distribuição10%
Sede do Varejista ou Fabricante
14%
Outras Causas4%
O mesmo que o slide
anterior mas
detalha as causas do upstream.
© 2007 Thomas W. Gruen
VAMOS RESUMIR AS CAUSAS:
Projeção da Loja – 35%• Algoritmos ineficientes• Longos ciclos de projeção
Pedidos da Loja – 13%• Pedido atrasado / nenhum
pedido• Intervalos de
reabastecimento inadequados
Estoque da Loja – 25%• Espaço de prateleira
insuficiente ou inadequado• Frequência de
abastecimento das gôndolas
• Depósito congestionado
Depósito – 10%• Más políticas de organização• Problemas de precisão de
dados
Erros de Administração – 14%• Decisões sobre preço /
promoções de última hora• Informações sobre produtos
imprecisas ou obsoletas
Disponibilidade do Fabricante – 4%
• Embalagem, materia prima ou alocação de ingrediente
• Problemas de capacidade
39© 2007 Thomas W. Gruen
Portanto…
• Sabemos qual é a extensão do problema, as respostas do consumidor e as principais causas.
• Simplesmente cruzar os braços acarreta grandes problemas.
• Alguns varejistas estão tentando resolver os problemas de ruptura e com grande sucesso.
• Dado o grande número de soluções possíveis, não deve ser difícil corrigir um ou mais problemas que se encontram na origem do problema de ruptura.
• Entretanto, a grande dificuldade ainda é definir por onde começar e quais medidas produzirão os melhores resultados em relação aos recursos investidos.
• E agora?
40© 2007 Thomas W. Gruen
7 Áreas Chave que Impactam a Ruptura
1. Precisamos entender o fluxo dos produtos.
2. Precisamos dimensionar a ruptura
3. Por causa da ruptura (e por diversas outras razões), as vendas e a demanda são diferentes
4. Na maioria das vezes, as informações sobre estoque não são exatas
5. Inadequação do espaço de gôndolas para produtos campeões de venda
6. Ajuda quando as lojas obedecem aos planos traçados
7. Manter as gôndolas e o estoque organizados é realmente muito importante
41© 2007 Thomas W. Gruen
1. Precisamos compreender o fluxo dos produtos (i.e., para o comprador)
42© 2007 Thomas W. Gruen
Características da Velocidade de ìtem - Loja de Grande Porte
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
0 5000 10000 15000 20000 25000 30000 35000 40000 45000 50000
Número de Ítens
Ven
da
s P
erc
en
tuai
s C
um
ula
tiv
as
Dia Méd.
Dia de Pico Med
Semana Med
Média 4 sem.
Média Ano
Não existe um número muito grande de produtos de grande procura
As análises recentes dos dados colhidos nos pontos-de-venda apresentam um quadro mais nítido do comportamento dos produtos ao longo do tempo. Conclusão: apenas um número relativamente pequeno de produtos responde pela grande maioria das vendas totais da loja
© 2007 Thomas W. Gruen
Características de Velocidade de Ítem – Loja Pequena
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
0 5000 10000 15000 20000 25000 30000 35000 40000 45000 50000
Número de ìtens
Ven
das
Per
cen
tuai
s C
um
ula
tiva
s
Dia médio
Dia de Pico méd
Semana Média
Média 4 sem
Média Ano
Movimentação do Produto – Lojas de Menor Volume
Chart provided by Standard Analytics
44© 2007 Thomas W. Gruen
Medidas & Foco
Precisamos entender a velocidade e inconstância das vendas SKU
…e focar naquelas que realmente interessam
45© 2007 Thomas W. Gruen
2. Precisamos compreender como medir a Ruptura, como estas medidas apontam para a origem do problema, e como compreender a origem do problema nos ajuda a encontrar soluções
46© 2007 Thomas W. Gruen
Método 1 para se Mediar a Ruptura
• Abordagem de Auditoria Manual– Intensiva de mão de obra, cara de ser
usada continuamente
– Os empregados acreditam
– Intensiva de Dados
– Passível de Erros
47© 2007 Thomas W. Gruen
© 2007 Thomas W. Gruen
Exemplo de uma Auditoria Manual : Percentual de Causa de Origem
Método 2 para se Medir a Ruptura
Sistema de Estoque Contínuo• Quando disponibilidade = 0 (ou menos),
significa que o ítem está faltando
• Muitos varejistas já têm um sistema PI
• Os dados sobre disponbilidade de produto não são bons
• Responsável por diversas Rupturas
49© 2007 Thomas W. Gruen
© 2007 Thomas W. Gruen
Método 3 para se Medir a Ruptura
Abordagem dos Dados do Ponto-de-Venda• >85% Preciso (mesmo os falsos positivos acarretam
um benefício)• Dá importância à perda de oportunidade de venda• Calcula a duração• Um relatório abrangente• De cara instalação, mas de manutenção barata• Dois Fornecedores parceiros
– Data Ventures– Standard Analytics
50
Exemplo de Cálculo de Dados em POS
O algoritmo determina a velocidade de cada ítem (usando uma história de 52 semanas)
A velocidade esperada do ítem varia proporcionalmente à velocidade da loje e do preço do ítem
Quando o ciclo de compra de um ítem (velocidade esperada) é interrompido, este ítem passa a ser classificado como Esgotado
Examplo 1:(3 vendas perdidas)
Examplo 2:
(4 vendas perdidas)
51
Sab Dom 2ª feira 3ª feira 4ª feira 5ª feira 6ª feira Sab Dom
Sab Dom 2ª feira 3ª feira 4ª feira 5ª feira 6ª feira Sab Dom
CompraReal
CompraEsperada
CompraReal
CompraEsperada
Esgo-tado
Esgotado
Mis
se
dP
ur c
ha
se
isse
dP
ur c
ha
se
© 2007 Thomas W. Gruen
Exemplo: As 100 Maiores Rupturas por Loja
Este relatório ajuda a:• Identificar os produtos que estão sempre esgotados.• Identifidar o dia e hora dos episódios de ruptura.• Compreender a influencia das promoções na ruptura.• Identificar os ítens que precisam ter o cronograma de entrega modificado.E também: Usar os dados POS para examinar atributos de freqüência para
apresentar padrões
Retail Operations PackageTop 100 Out of Stock Items by Store1 Week Ending 9/24/2002
Store Item Code Category Description
Item was OOS on Last
Week's Report
OOS Rate
# of OOS
Events
Avg Duration of OOS (days)
0134 00000000000 Milk P Label Gallon Milk Repeat OOS 38.1% 2 1.740134 00000000000 Bath Tissue Reliable 4 Roll Tissue 33.0% 2 1.750134 00000000000 Condiments Picnic Catsup 16.3% 1 1.950134 00000000000 Snacks Party Hearty Potato Chips Repeat OOS 7.7% 1 0.860134 00000000000 Carbonated Beverage Mr Fizzy Diet Cola 2 liter Repeat OOS 81.3% 4 0.450134 00000000000 Ice Cream Sinfullicious Ice Cream Vanilla Gal 83.0% 1 6.280134 00000000000 Carbonated Beverage Mr Fizzy Cola 2 liter Repeat OOS 61.2% 5 0.320134 00000000000 Fresh Bread & Rolls P Label Hot Dog Buns Repeat OOS 20.0% 1 1.35
2002 Data Ventures
Expected Sales Velocity
Used in Determining OOS Events
Lost Item Units
Lost Dollar Sales
% of Total OOS
Dollars Lost
% OOS $ on Price Red
Date When Item First Went OOS
Time of Day When Item First Went OOS
Date When Item Lost the Most
Dollar Sales
Time of Day When Item
Lost the Most Dollar
Sales:26 183 $494 30.3% 0.0% 9/19/02 8:37 PM 9/20/02 4:09 PM
1:09 70 $485 29.7% 100.0% 9/19/02 6:09 PM 9/20/02 8:59 PM:59 43 $37 2.3% 100.0% 9/20/02 7:29 PM 9/20/02 7:29 PM
1:27 14 $29 1.7% 100.0% 9/18/02 2:21 PM 9/18/02 2:21 PM7:24 23 $23 1.4% 0.0% 9/17/02 4:58 PM 9/17/02 4:58 PM
15:03 10 $19 1.2% 100.0% 9/19/02 10:32 AM 9/20/02 10:32 AM6:19 19 $19 1.1% 0.0% 9/17/02 5:22 PM 9/17/02 5:22 PM1:54 18 $17 1.1% 0.0% 9/20/02 10:39 AM 9/20/02 10:39 AM
Report 5
52© 2007 Thomas W. Gruen
© 2007 Thomas W. Gruen 53
P: Para que mais servem os dados de Ruptura gerados nos POS? R: Identificar um Padrão de
Ruptura• Subestimação da Velocidade da Promoção
Correlação da Ruptura com o Cronograma de Promoção
• Subestimação das Vendas de Final de SemanaO Item está sempre esgotado nos Finais de Semana
• Espaço de Gôndola InsuficienteRuptura de Curta Duração (< 1 dia),Fácil reposição
• Centros de Distribuição da RupturaRupturas de duração relativamente longa com alta correlação em lojas geograficamente próximas
54
• Padrão 1: Subestimação da Velocidade da Promoção
• Loja A, Salada Americana Fresca Expressa 12 oz
• Problema corrigido em Janeiro
Amostra de Padrões de Avaliação
Copyright Standard Analytics, LLC. 2006. All rights reserved.
© 2007 Thomas W. Gruen
O que este padrão indica?
Esta loja precisa aumentar o espaço de gôndola, checar os produtos que estão na gôndola, e reestocar a gôndola de Ovos Tipo Grande mais freqüentemente
Copyright Standard Analytics, LLC. 2006. All rights reserved.
55© 2007 Thomas W. Gruen
Este padrão é indicativo de quê?
• Provavelmente esta loja tem um cronograma de reabastecimento inadequado para o produto PÃO PITA que é muito procurado.
• Normalmente o ítem já está esgotado na quinta-feira, e só aparece novamente nas gôndolas na sexta-feira à tarde.• Está novamente esgotado no sábado ou nodomingo, e só volta a aparecer na gôndola na terça-feira. •Aparentemente são feitas duas entregas por semana, quando o ideal seria quatro ou mais.
Copyright Standard Analytics, LLC. 2006. All rights reserved.
56© 2007 Thomas W. Gruen
Este padrão é indicativo do quê?
•Problema: o produto vende praticamente todos os dias – são poucos os dias em que não se registram vendas
•Geralmente o produto se esgota todos os dias – a demanda normalmente não é atendida.•As vendas todas corresponderiam a 45-55 unidades /dia, e a média de vendas é 21 unidades / dia.•Ocasionalmente o estoque fica zerado durante diversos dias.
•Solução: aumentar em aproximandamente 60% a abastecimento diário; checar a gôndola 3x por dia.
Copyright Standard Analytics, LLC. 2006. All rights reserved.
57© 2007 Thomas W. Gruen
3. A Ruptura Esconde a Demanda Real
• 47% da ruptura é provocada por erro de previsão• O prejuízo nas vendas passa despercebido porque a maioria dos
clientes, quando não encontram o produto que estão procurando, optam por não comprar, comprar em outro estabelecimento, ou comprar um produto substituto, sem registrar na loja que não encontrou o produto que estava procurando.
• Os modelos de previsão não incluem estimativas referentes a perda de oportunidade de vendas, e simplesmente fazem projeções da demanda futura baseadas no histórico de vendas realizadas.
• Os pesquisadores tentaram calcular a demanda das vendas que deixam de ser feitas, e passam despercebidas. Todos os modelos desenvolvidos chegaram à conclusão de que o volume destas vendas pode ser bastante significativo e que é altamente influenciado pela demanda média e pela incerteza da demanda.
58© 2007 Thomas W. Gruen
Como a Ruptura Mascara a Demanda Real
59
Limpa-Prata e as Compras para o Jantar do dia de Ação de Graças: Um caso real- : Toda quarta quinta-feira do mês de novembro, nos Estados Unidos, praticamente todos os lares comemoram o Dia de Ação de Graças. Tradicionalmente, as famílias e amigos se reúnem nas casas para um jantar anual formal. Nesta época, os mercados e supermercados fazem um grande estoque de peru, batata doce, ingredientes para preparar o recheio do peru e para a torta de abóbora, bem como outros produtos que não podem faltar na mesa deste jantar tradicional. Uma vez que
milhares de casas preparam o mesmo cardápio, neste dia, mesmo na véspera, é raro não se encontrar algum destes produtos..
Na 3ª feira véspera do dia de Ação de Graças, Carol foi ao supermercado para comprar o que estava faltando para seu jantar para 20 convidados. Como estava planejando usar sua baixela de prata no jantar,ela precisava de um limpa-prata.A loja tinha um SKU, como ítem de conveniência, e neste dia o produto estava esgotado, porque todo mundo sempre compra limpa-prata -nesta época para limpar e polir as baixelas e as pratas da casa Mas ela precisava polir sua baixela, e quando voltava para casa Carol deu uma paradinha em um mercadinho e conseguiu encontrar um limpa-prata. No próximo ano, Carol provavelmente precisara comprar novamente limpa-prata, e quando sair para fazer suas compras, rcaso não encontre limpa-prata em seu supermercado, vai parar no mercadinho atrás do produto que está procurando. E em todos os cantos do país, milhões de outras pessoas, estão fazendo exatamente a mesma coisa. O que os mercados não,se dão conta, é a demanda real, porque o lojista não tem a menor idéia de quantas unidades de limpa prata ele poderia vender.Como não dispõe de dados sobre a demanda, a loja continuará a ter um estoque incompatível com a demanda, enquanto o mercadinho aumentará seu pedido de limpa-prata para atender a sua demanda, -e a demanda gerada pela falta deste produto no supermercado. Se o mercado soubesse dimensionar a sua própria demanda, ee organizasse seu estoque de acordo; no ano seguinte, o mercadinho ficaria super estocado com aquele ítem.r Mas quando o mercado se der conta desta situação, Carol já terá parado de procurar este produto no supermercado,e terá se tornado cliente fiel do mercadinho.
© 2007 Thomas W. Gruen
© 2007 Thomas W. Gruen
Silver Cleaning Polish
© 2007 Thomas W. GruenSilver Cleaning Polish
© 2007 Thomas W. Gruen
© 2007 Thomas W. Gruen
© 2007 Thomas W. Gruen 64
4. A Ruptura Vinculada à Exatidão dos Estoques
Ponto 1: Exatidão dos dados sobre o Produto
São diversos os fatores que provocam a imprecisão de dados nos bancos de dado dos varejista a saber:•Fusão de bancos de dados anteriormente independentes; isto ocorre devido a fusão de empresas, e também pela fusão de sistemas anteriormente separados.•Exatidão no que se refere a reabastecimento de produto, novos produtos lançados incorretamente no banco de dados , e remoção de ítens que não são mais fabricados. •Os fabricantes introduzem algumas mudanças temporárias nos produtos, como novas embalagens promocionais, com vales-brinde, e inserem um novo código, mas logo depois voltam a usar o antigo código UPC/GTIN.
© 2007 Thomas W. Gruen
•Pequenas diferenças podem causar um grande efeito. •Fabricantes terceirizados, como a 1SYNCH, evoluíram para facilitar as melhorias nos dados. • Os efeitos no nível de ruptura de uma loja causados por um alinhamento de dados podem ser substanciais conforme comprovado por dois estudos pilotos apresentados durante o Capgemini/GCI 2005:
– Na América Latina (México, Guatemala, e Colombia), a Procter & Gamble e diversos outros clientes de varejo reduziram de 3,6% para 0,8% o volume de erros em ordens de compra, e isto representou uma redução de 8% para 3% no índice de ruptura no varejo.
Exatidão dos Dados do Produto
65
© 2007 Thomas W. Gruen 66
4. Ruptura Relacionada a Exatidão do Estoque (PI)
Ponto 2: Exatidão do Controle Permanente do Estoque
Estudo (Rede de drogarias nos EUA):
Comparação dos Níveis de Ruptura através de auditorias feitas nas
gôngolas das lojas:
– 4,1 % de Ruptura Quando a Ruptura estava igual ao P. I. (i.e., P.I. = 0)
– 8,9% de Ruptura Quando a Ruptura estava diferente ao P.I.(i.e., P.I. >0)
© 2007 Thomas W. Gruen
Observações sobre Exatidão dos PI
45.4% of the time there was no variance 18.8% of the time there was +/- 1 unit10% of the time there +/- 2 unit
45.4% of the time there was no variance 18.8% of the time there was +/- 1 unit10% of the time there +/- 2 unit
67
© 2007 Thomas W. Gruen 68
Exatidão do Estoque Permanente deÍtens em uma loja vs Múltiplas lojas
Medidas a serem tomadas para melhorar a exatidão dos estoques• Focar na contagem do Estoque das Lojas em:
– Ruptura Física– On-Hands Negativo– Zero On-Hands– Outros ìtens dirigidos (i.e. rápida saída, campeões de venda)
• Eliminar todas as outras Contagens– Menos contagens total de ciclo e maior exatidão
• Resultados:– Maior Exatidão do Estoque Permanente 19%– Redução de 50% nos Custos de Mão de Obra para
Exatidão do Estoque
69© 2007 Thomas W. Gruen
5. Planogramas da Demanda de Pico
• 91% dos SKUs são dipostos na gôndola conforme as caixas são descarregadas
• Muitos varejistas usam um programa “Red Dot” (um work-around)
• 86% dos estoque nas gôndolas é mais do que suficiente para atender 7 dias.
• Reduzir os ítens de menor circulação para abrir espaço na gôndola para os produtos de maior circulação pode reduzir custos.
70© 2007 Thomas W. Gruen
© 2007 Thomas W. Gruen
Planogramas da Demanda de Pico
72
0
5
10
15
20
25
30
1 13 25 37 49 61 73 85 97 109121133145157169181
Muitiple of Peak vs Mean
Skus por Categoria
Pico de Demanda versus Demanda Mínima
Detergente
Fraldas
Hig. Fem
© 2007 Thomas W. Gruen
© 2007 Thomas W. GruenFast movers are in casesOn the bottom shelf
6. Aderências às normas estabelecidas no Planograma
•Até que ponto a aderência a POG está relacionada aos níveis de Ruptura?
•Aderência à POG envolve:
•Distribuição
•Espaço
•Disposição
•Item na Gôndola
•Posicionamento da Marca
•Posicionamento do nível de SKU
75© 2007 Thomas W. Gruen
© 2007 Thomas W. Gruen
© 2007 Thomas W. Gruen 77
Weekly OOS rate measurement and analysis provided by Standard Analytics, LLC.
© 2007 Thomas W. Gruen 78Weekly OOS rate measurement and analysis provided by Standard Analytics, LLC.
79
Análise das Fraldas
79
Resumo do Estudo de Aderência ao POG
• Todas as categorias apresentaram uma relação estatísticamente significativa entre a Aderência ao Planograma e a Disponibilidade na Gôndola (efeito é 1% : 0,1%)
• Com alta aderência o benefício é muito pequeno
80© 2007 Thomas W. Gruen
7. Gerenciamento do Ítem
• É preciso manter os ítens direito nas gôndolas– Não cubra buracos– Não esconda os produtos– Organize a disposição das etiquetas de preço nas
gôndolas • É muito importante conseguir transportar de forma
eficiente a mercadoria que está no estoque da loja para a gôndola
• Testes sobre o nível de precisão da gôndola com relação aos níveis de ruptura apresentaram bons resultados
81© 2007 Thomas W. Gruen
Gerenciamento do Ítem
Houve uma redução no prejuízo das vendas em lojas piloto que passaram a adotar preceitos e normas bem definidos para a prática de estocagem versus Controle
Houve uma redução no prejuízo das vendas em lojas piloto que passaram a adotar preceitos e normas bem definidos para a prática de estocagem versus Controle
82
11%
6%
10%
6%
10%
6%
10%
5%
10%
6%
12%
8%
9%
4%
0%
2%
4%
6%
8%
10%
12%
14%
2ª feira 3ª feira 4ª feira 5ª feira 6ª feira Sábado Domingo
Teste vs. Controle – Perda de Oport. De Vendas p/ Dia da Semana
ControlTest
© 2007 Thomas W. Gruen
© 2007 Thomas W. Gruen
84
Resumo e Conclusões
• Tenha o produto na loja, e depois coloque-o na gôndola.• Arrume as gôndolas• Identifique e controle os campeões de venda• Para formato de lojas com ítens campeões de venda,
use uma estimativa POS e procure determinar padrões• Para formato de lojas com ítens de circulação mais
lenta, trabalhe com a exatidão do estoque permanente• Em todos os casos, tenha as informações precisas
sobre todos os produtos fazendo um cruzamento de dados.
© 2007 Thomas W. Gruen
Abordagem Recomendada
1. Meça & Avalie
A. Produtos com alto risco de ruptura (campeões de venda)
B.Lojas com alto índice de ruptura
C. Ruptura na gôndola versus Ruptura na loja
2. Solucione os produtos de alto risco com soluções de ruptura na Loja
3. Solucione as lojas de alto risco com soluções de ruptura nas Gôndolas
85© 2007 Thomas W. Gruen
Encontrando o Gênio da Lâmpada:Como solucionar o problema de Ruptura
• Quantificação e Avaliação
• Identificação da Origem dos Problemas
• Adotação de Soluções
• Melhorias Permanentes
• Observe todo o quadro e resolva o que for possível
86© 2007 Thomas W. Gruen
Para mais informações:
Thomas W. Gruen, Ph.D. Professor de MarketingUniversidade do Colorado, Colorado Springs, USA719-262-3335E-mail: [email protected]
Você pode baixar uma cópia em PDF do estudo realizado em 2002, diretamente do website: http://www.uccs.edu/tgruen Veja também no website avisos sobre o Relatório de 2007
87© 2007 Thomas W. Gruen