Wie levert wat? Verhoog de omzet met het slimmer inzetten van voorraad

Alexander Robijn
Alexander Robijn
Manager Sales & Marketing
17 augustus 2022

Voor retailers met een omnichannelstrategie is het beheren van de voorraden van alle verkoopkanalen een extra uitdaging. Een goed Order Management Systeem biedt uitkomst. Hoe je daarmee kunt voorkomen dat je nee moet verkopen als één van de kanalen geen voorraad meer heeft? Het antwoord: allocatieregels.

Het is de nachtmerrie voor iedere retailer: nee moeten verkopen. Toch is het aan de orde van de dag bij winkelketens die hun gedachten niet hebben laten gaan over verschillende scenario’s in het leveringsproces van al hun afzetkanalen. Je kunt namelijk door slim gebruik te maken van een Order Management Systeem (OMS) en met slimme allocatieregels vaker wel aan de vraag voldoen.

Order Management Systeem

Het is goed om het plaatje weer even compleet te schetsen. Wie meerdere afzetkanalen heeft – zoals een webshop, online marketplaces en meerdere fysieke winkels – heeft real-time inzicht nodig in de voorraadstromen. Al helemaal omdat retailers de verschillende afzetkanalen vaak door elkaar heen laten stromen, door bijvoorbeeld bestelzuilen te plaatsen in fysieke winkels of door klanten de mogelijkheid te geven om winkelvoorraden te zien op de webshop en eventueel zelfs te laten reserveren of bestellen via click & collect. Het benodigde real-time inzicht wordt vaak gecreëerd met behulp van een Order Management Systeem.

Het OMS geeft inzicht in de voorraadstromen en kan bijvoorbeeld helpen met het inzichtelijk krijgen van actuele voorraden in fysieke winkels en de hiervoor genoemde toepassingen. Het systeem staat in het middelpunt van de organisatie. Er omheen bevinden zich de e-commercekanalen zoals Shopware of Magento en de verschillende marketplaces. Daarnaast staat het OMS direct in verbinding met het magazijn, de (drop shipment)-leveranciers en de fysieke winkels.

Door slim gebruik te maken van data, kun je scenario’s waarin je nee dreigt te moeten verkopen al vooraf zien aankomen. Door de combinatie van data, allocatieregels en het OMS kun je dit voorkomen.

Allocatieregels

De sleutel tot het verhogen van de omzet én om het OMS nog beter voor de organisatie te laten werken, ligt bij slimme allocatieregels. Deze regels kunnen van grote waarde zijn in verschillende scenario’s waarin normaliter klanten teleurgesteld moesten worden.

Laten we uitgaan van het scenario waarbij een klant een online aankoop doet. Het gebruik van allocatieregels kan ervoor zorgen dat de retailer altijd kan leveren. Men kan bijvoorbeeld zeggen dat er in eerste instantie altijd vanuit een centraal magazijn wordt geleverd. Is het product daar niet meer beschikbaar? Dan kan een fysieke winkel het uitleveren overnemen. Zijn allebei die opties zonder voorraad? Dan kan wellicht de leverancier direct aan de klant leveren. De allocatieregels dirigeren dus vanuit wie er wordt geleverd en in welke volgorde.

Maar je kunt de regels nog verder laten kijken dan dat. Door slim gebruik te maken van data, kun je scenario’s waarin je nee dreigt te moeten verkopen al vooraf zien aankomen. Door de combinatie van data, allocatieregels en het OMS kun je dit voorkomen.

Wie gaat voor?

Neem bijvoorbeeld het scenario waarin het centrale magazijn bij een online verkoop is uitverkocht en er twee of meerdere fysieke winkels zijn die het product wél kunnen leveren. In dat geval staat de retailer voor een keuze: welke winkel gaat leveren om zo eventuele fysieke klanten in die winkels naast het product te laten grijpen? Welke allocatieregels gebruik je en op basis waarvan maak je deze keuze?

Je zou je kunnen voorstellen dat de doorlooptijden van de voorraad van een fysieke winkellocatie zwaar kunnen wegen in de beslissing voor de volgorde van toewijzen. Door handig gebruik te maken van data kunnen organisaties bijvoorbeeld eenvoudig kijken naar de doorlooptijden van de fysieke winkelvoorraad. Die kan in winkel A tenslotte hoger of lager liggen dan in winkel B.

Norah
Grip op ordermanagement met TableTop
Bekijk deze case

Toekomst voorspellen

Wanneer je in de data ziet dat bij winkel A het product zeer waarschijnlijk op korte termijn al verkocht gaat worden aan een fysieke klant, dan is het handiger om het product te laten leveren door een locatie waar de doorlooptijden lager liggen. Zo ontstaat minder snel een situatie waarbij er op een iets later moment nee moet worden verkocht aan die verwachte fysieke klant. Dus, wie op de juiste manier allocatieregels en data inzet, verkoopt het artikel in dit scenario twee keer: één keer online en één keer in een fysieke winkel.

De toekomst is echter niet exact te voorspellen en als retailer weet je niet of die voorspelde klant daadwerkelijk komt. Maar door het aanbrengen van een bepaalde gelaagdheid in de voorraad aan de hand van eigenschappen van een product, kun je er wel iets over zeggen.

De hoeveelheid data is daarbij doorslaggevend: hoe meer data over een bepaald product en bepaald type je als organisatie hebt, hoe meer je met deze allocatieregel kunt. Wie bijvoorbeeld slippers verkoopt in verschillende kleuren en maten, kan tot op het diepste niveau een voorspelling proberen te doen welke maat en kleur waar en wanneer zal verkopen. Maar dit is zo specifiek dat daarvoor wellicht te weinig data beschikbaar zijn om een goede voorspelling te doen. In dat geval kun je het slechts bepalen voor een bepaalde kleur, in plaats van de kleur én de maat. Heb je nóg minder data, dan moet je wellicht kiezen voor minder specifieke allocatieregels. Het is bijvoorbeeld vaak wel bekend hoeveel fysieke klanten een winkel überhaupt binnenkrijgt. Dit kan dus óók de basis vormen voor de volgorde van uitlevering.

Efficiëntie

Voorbeelden van andere allocatieregels zijn regels die – los van het voorkomen dat je nee moet verkopen – kunnen worden ingesteld om winkels vooral efficiënter te laten leveren. Retailers kunnen bijvoorbeeld kijken welke winkel al pakketten heeft uitgeleverd vandaag en welke niet. Je kunt hierbij voorstellen dat de winkel die nog niets heeft uitgeleverd wellicht meer tijd over heeft. Of juist dat de winkel waarbij er door de vervoerder toch al pakketten moeten worden opgehaald, ook dit pakket gaat klaarzetten.

Een voorbeeld van een andere allocatieregel kan bijvoorbeeld zijn dat wanneer een retailer fysieke winkels in stadscentra heeft én winkels aan de kust, het weer invloed heeft op de drukte in de betreffende locaties. Als het mooi weer is, hebben de winkels aan de kust het druk, terwijl die in stadscentra minder mensen over de vloer krijgen. Zo weet je ook op welke dagen het in een centrum druk is of wie wanneer een drukke koopavond heeft. Zo kun je op ieder moment een op maat gemaakte beslissing nemen welke fysieke locatie er tot uitlevering van een online order overgaat.

Zelf definiëren en prioriteren

Omdat iedere branche anders werkt is de ideale oplossing wanneer je allocatieregels als organisatie zelf gemakkelijk kunt definiëren en prioriteren. Ook is het praktisch als je zelf regels toe kunt voegen of aan kunt passen, op basis van wensen vanuit de retailorganisatie.

Ondanks de handige toepassingen van allocatieregels kan het nog steeds zo zijn dat er ooit ergens (vooral bij producten die op het randje van uitverkopen staan) toch nee verkocht gaat worden. Dit is, vooral bij een eindige voorraad, niet te voorkomen. Het is daarom ook handig als je in je OMS ook als criterium aan kunt geven dat een product een minimale voorraad moet hebben om überhaupt mee te kunnen doen aan ‘het spelletje’.

Maar tot de tijd dat een product daadwerkelijk volledig uitverkoopt, kun je als organisatie door het gebruik van allocatieregels het verschil maken tussen een ja en een nee. En dat levert aan het eind van de rit niet alleen meer omzet, maar ook meer tevreden klanten op.

Dit artikel van onze collega Alexander Robijn is onlangs gepubliceerd op de website van Emerce.