🔔 Der RELEX-Adventskalender mit tollen Gewinnspielen startet bald! 🎄 Was sich wohl hinter den TĂŒrchen versteckt? 🎁🎁🎁 Jetzt anmelden

menu-close

Vier Schritte zur besseren Prognose und Disposition von Kampagnen im Handel

Aug 5, 2021 ‱ 9 min

Kampagnen sind entscheidend, um im Einzelhandel erfolgreich zu sein. HĂ€ufig werden sie jedoch schlecht ausgefĂŒhrt und liefern enttĂ€uschende Ergebnisse. Sind Kampagnenprognosen ungenau, hat das unerwĂŒnschte Folgen: Bei einer zu geringen VerfĂŒgbarkeit der beworbenen Artikel entgehen HĂ€ndlern UmsĂ€tze. Wird die durch die Kampagne generierte zusĂ€tzliche Nachfrage jedoch ĂŒberschĂ€tzt, drohen kostspielige Verluste durch Verderb und Abschriften. Um solch schmerzhafte Einbußen zu umgehen, konzentrieren sich EinzelhĂ€ndler am besten auf die Optimierung ihrer Kampagnenplanung: Dadurch erwirken sie, so die Unternehmensberatung Bain & Company, eine bis zu 20-prozentige Verbesserung der operativen Gewinnmarge

Beim Planen von Promotions setzen die meisten HĂ€ndler leider noch immer auf unnötig komplizierte oder zusammenhanglose Prognose- und Dispositionsprozesse. Category-Manager verlassen sich auf ihre Erfahrungswerte und die Projektionen von Lieferanten, um Promotions zu planen. Die Berechnung einer aufgrund der Kampagne erwarteten Umsatzsteigerung fĂ€llt dann den Absatzplanern zu. Ohne ein zentralisiertes System gibt jedoch jede Filiale manuell ihre Bestellungen fĂŒr Kampagnenprodukte auf, um die Nachfrage zu erfĂŒllen. Disponenten schĂ€tzen wĂ€hrenddessen, welche Menge die Filialen bestellen werden und wie sich das auf Bestands- und Einkaufsbedarf der Verteilzentren auswirkt. Diese Prozesse verlaufen hĂ€ufig isoliert voneinander, ohne dass Daten oder PlĂ€ne geteilt werden.  

Doch die Prognostizierung und Disposition von Kampagnen muss nicht kompliziert sein. Moderne Technologie hat das Managen von Promotions im Einzelhandel revolutioniert: Statt RĂ€tselraten und groben SchĂ€tzungen lassen sich Kampagnen nun prĂ€zise und hochgradig automatisiert ausfĂŒhren. In diesem Whitepaper betrachten wir vier Ansatzpunkte, mit denen zukunftsorientierte EinzelhĂ€ndler die Planung ihrer Promotions automatisieren und deren Ergebnisse verbessern.  

1. Reichhaltige Daten: Die Grundlage akkurater, automatisierter KampagnenausfĂŒhrung

ErhĂ€lt eine moderne Supply-Chain-Lösung Zugang zu aktuellen, exakten Stammdaten, automatisiert sie viele Aufgaben, die bis dato umstĂ€ndlich durch Tabellenkalkulation und per Hand ausgefĂŒhrt werden mussten. Eine solche Lösung berechnet genaue Absatzprognosen und Bestandsbedarfe fĂŒr Sortiments- und Kampagnenartikel. Je reichhaltiger die verfĂŒgbaren Stammdaten, desto prĂ€ziser die Kalkulationen.  

Das System sollte Zugang zu einem möglichst breiten Spektrum von Kampagnendaten haben, einschließlich Kampagnentyp (wie etwa Mengenrabatt â€“ ja oder nein), PreisĂ€nderung, Werbestrategie, mögliche Änderungen am Filialdisplay etc. Mit diesen Daten automatisiert das System den Berechnungsprozess der durch die Kampagne zu erwartenden Prognoseerhöhung akkurat â€“ pro Filiale oder Fulfillment-Kanal.   

Abbildung 1. Kampagnenstammdaten geben transparenten Einblick in KampagnenzeitrĂ€ume, die betroffenen Filialen und Produkte sowie Attribute (wie etwa Kampagnentyp, Preisnachlass und Werbemaßnahmen).  

Die Vorteile einer verbesserten Prognosegenauigkeit fĂŒr Kampagnen wirken sich kaskadenartig auf alle Bereiche aus: Sie fĂŒhren zu verbesserter Disposition, die wiederum eine höhere VerfĂŒgbarkeit und ein geringeres Risiko fĂŒr ÜberbestĂ€nde mit sich bringt. Am Anfang stehen jedoch immer die Daten – das Fundament jeder prĂ€zisen Prognose.  

2. Mit Machine-Learning zu prĂ€zisen Kampagnenprognosen  

In einer 2020 durchgefĂŒhrten Studie des Lebensmitteleinzelhandels in Nordamerika gaben 70 Prozent der befragten HĂ€ndler an, dass sie nicht alle relevanten Aspekte von Promotions in ihren Prognosen berĂŒcksichtigen können (Abbildung 2). Moderne Verfahren wie Machine-Learning haben die Möglichkeiten der Prognostizierung von Promotions sowie die Genauigkeit der Ergebnisse maßgeblich vorangebracht.  

Abbildung 2. Eine deutliche Mehrheit von 70 Prozent der in einer Studie befragten nordamerikanischen LebensmitteleinzelhĂ€ndler gab an, dass ihr derzeitiges System in den Absatzprognosen nicht alle Auswirkungen von Promotions erfassen kann.

Machine-Learning-Algorithmen analysieren schnell die enormen DatensĂ€tze, die im Handel anfallen. Sie automatisieren exakte und detaillierte Prognosen fĂŒr Filialen und OnlinekanĂ€le. Zeitaufwendige manuelle Tabellenkalkulation durch das Planungsteam entfĂ€llt. DarĂŒber hinaus beziehen Machine-Learning-gestĂŒtzte Prognosen mehr Daten nachfragebeeinflussender Faktoren ein, als es fĂŒr Menschen möglich wĂ€re. Diese Daten beinhalten wiederkehrende Absatzmuster (wie SaisonalitĂ€t und wochentagabhĂ€ngige Schwankungen), externe EinflĂŒsse (wie das Wetter oder die AktivitĂ€ten von Wettbewerbern) sowie die eigenen GeschĂ€ftsentscheidungen des HĂ€ndlers – einschließlich Promotions. 

Abbildung 3. Machine-Learning bietet EinzelhĂ€ndlern wertvolle Erkenntnisse. Dadurch verbessert sich die Entscheidungsfindung rund um Promotions. Der obige Graph zeigt, wie eine Preissenkung des Produkts dessen Nachfrage erhöht. Ebenfalls deutlich erkennbar: Der Nachfrageeffekt fĂ€llt viel stĂ€rker aus, wenn der Preis so weit gesenkt wird, dass er zum niedrigsten Preis der Kategorie wird.  

Das System analysiert alle Faktoren innerhalb desselben Modells. Dadurch identifiziert es nicht nur, wie individuelle Faktoren sich auf die Kampagnenprognosen auswirken, sondern auch, wie diese miteinander interagieren. Ein Beispiel: Ein LebensmitteleinzelhĂ€ndler plant eine Kampagne fĂŒr mageres Bio-Rinderhackfleisch. Im vergangenen Sommer wurde das Produkt mit einer Preisreduktion von 25 Prozent und einem Display am Gondelkopf beworben. Im Winter ĂŒberlegt das Planungsteam, einen Preisnachlass von 30 Prozent zu gewĂ€hren und das Display nicht zu verĂ€ndern. Durch Machine-Learning berĂŒcksichtigt das System auf einfache Weise die Jahreszeit, den stĂ€rkeren Preisnachlass und die Displayposition. Zudem prognostiziert es, wie diese Faktoren, wenn sie zusammenkommen, den Umsatz beeinflussen werden.

Machine-Learning ermittelt auch SekundĂ€reffekte wie Kannibalisierung – dies ist insbesondere bei Produkten mit kurzer Haltbarkeit entscheidend. Ein weiteres Beispiel: Ein LebensmitteleinzelhĂ€ndler fĂŒhrt mageres Bio-Rinderhackfleisch von zwei Marken, „Weiderind“ und „GrĂŒneKuh“. Er fĂŒhrt eine Kampagne durch, jedoch nur fĂŒr das Weiderind-Produkt. Aus den Stammdaten ermittelt das System automatisch, wie die Promotion sich auf die Nachfrage sowohl des Weiderind-Produkts als auch des GrĂŒneKuh-Produkts auswirken wird (Abbildung 4). Daraufhin senkt die Software automatisch die Bestellmengen fĂŒr das GrĂŒneKuh-Produkt und verhindert dadurch Verderb. Gleichzeitig erhöht sie die Bestellmengen des beworbenen Weiderind-Produkts und sichert damit die VerfĂŒgbarkeit. Beides geschieht ĂŒber den gesamten Zeitraum der Kampagne hinweg. Dadurch vermeidet der HĂ€ndler zu niedrige und zu hohe Bestellmengen fĂŒr beide Marken. So minimiert er den Verderb und sorgt fĂŒr zufriedene Kunden, die nicht vor leeren Regalen stehen.

Abbildung 4. Machine-Learning-Algorithmen verwenden historische Verkaufsdaten, um die Auswirkungen einer Kampagne akkurat zu modellieren: Sie bilden sowohl die Absatzerhöhung des beworbenen Artikels als auch den AbsatzrĂŒckgang kannibalisierter Produkte ab.

FĂŒr manche Aspekte der Kampagnenplanung wird menschliches Eingreifen unerlĂ€sslich bleiben. Machine-Learning erleichtert und reduziert jedoch die manuelle Planungsarbeit. Haben Planer Zugang zu automatisierten, datenbasierten und verlĂ€sslichen Prognosen, können sie sich auf die vom System als Ausnahmen gekennzeichneten Situationen fokussieren. Bei diesen ist menschliche Expertise besonders wertvoll, etwa wenn es um neuartige Kampagnentypen geht.  

3. Mit prÀzisen Kampagnenprognosen zur automatisierten Filialdisposition

Genaue Kampagnenprognosen sind viel mehr als das Wissen um die Bestandsmengen, die ein HÀndler wahrscheinlich verkaufen wird. Eine exakte Absatzprognose auf Tages-Produkt-Filialebene ermöglicht auch eine akkurate und automatisierte Filialdisposition, die wÀhrend Kampagnen besonders wichtig ist.

Absatzplaner legen fest, wie frĂŒh Kampagnenware an die Filialen geliefert wird. Dazu konfigurieren sie die Supply-Chain-Lösung. Zudem stellen sie ein, welchen Anteil der durch die Kampagne generierten Nachfrage die frĂŒhe Lieferung bereits deckt. Die Filialmitarbeiter erhalten so ausreichend Zeit zum Vorbereiten der Filialdisplays und BestĂŒcken der Regale. Das stellt die VerfĂŒgbarkeit wĂ€hrend der gesteigerten Nachfrage im Zeitraum der Promotion sicher. Um die verbleibende Nachfrage gemĂ€ĂŸ den gewöhnlichen AuffĂŒllzyklen zu decken, nutzt das System vielfĂ€ltige Daten: beispielsweise Informationen ĂŒber lokale UmsĂ€tze, Absatzprognosen, verfĂŒgbare BestĂ€nde und KapazitĂ€ten in den Verteilzentren.

HĂ€ndler können Vorlagen fĂŒr verschiedene Arten von Filialen und Promotions kreieren. Mit diesen Templates bilden sie ihre GeschĂ€ftsanforderungen und ‑ziele ab und treiben die Automation voran. Mit Hilfe der Vorlagen lassen sich Konfigurationen schnell umsetzen: die Erstbestellung fĂŒr Filialen sowie die darauffolgenden AuffĂŒllbestellungen werden automatisch berechnet – auf Wunsch selbst die AbverkĂ€ufe in der Endphase der Kampagne.

4. Nahtloses Bestandsmanagement ist der SchlĂŒssel zu erfolgreichen Kampagnen

Wenn EinzelhĂ€ndler die Prognostizierung und Dispositionsplanung ihrer Filialen, OnlinekanĂ€le und Verteilzentren in einem zentralen System vereinen, profitieren sie von voller Supply-Chain-Transparenz. So werden Elemente wie die prognostizierte Kundennachfrage pro Filiale, Fulfillment-Kanal, Tag und Produkt – in Kombination mit DispositionsplĂ€nen und LosgrĂ¶ĂŸen – dazu verwendet, die End-to-End-Bestandsbedarfe akkurat zu kalkulieren. Ob Promotions in Filialen oder ĂŒber mehrere VerkaufskanĂ€le durchgefĂŒhrt werden: Die gewonnene Supply-Chain-Transparenz verbessert das Kampagnenmanagement.

In einer integrierten Supply-Chain basieren die Prognosen der Verteilzentren auf den projizierten Bestellungen der Filialen. Damit ist sichergestellt, dass der Effekt geplanter Promotions auf die Nachfrage sofort in der gesamten Supply-Chain sichtbar wird (Abbildung 5). So wissen Planer, dass die richtige Bestandsmenge zur richtigen Zeit an den richtigen Standorten vorhanden ist.

Abbildung 5. In einer integrierten Supply-Chain basieren die VersandplĂ€ne/Prognosen der Verteilzentren auf den projizierten Filialbestellungen. Diese beinhalten die pull-basierte Nachfrage und geplante, push-basierte Bestandsbewegungen sowie Absatzprognosen fĂŒr den Direktversand von Verteilzentren (VZ) an Endkunden.

Omnichannel-HĂ€ndler fĂŒhren Promotions sowohl in Filialen als auch online durch. NaturgemĂ€ĂŸ ist die Prognostizierung ihrer Kampagnen besonders komplex. Ein transparentes, integriertes System, das separate Prognosen pro Kanal bietet, wirkt vereinfachend. Es nimmt die Bestandsbedarfe jedes Kanals wĂ€hrend der KampagnenzeitrĂ€ume in den normalen Prognoseprozessen der Verteilzentren auf. Die zusĂ€tzliche Transparenz und Automation sorgen dafĂŒr, dass eine gewaltige Datenmenge entwirrt wird.

Ist die Supply-Chain-Planung durchgehend integriert, profitiert auch die OnlineverfĂŒgbarkeit: So lassen sich beispielsweise BestĂ€nde virtuell reservieren. Dabei verwendet das System Absatzprognosen fĂŒr die OnlinekanĂ€le und reserviert in den Lieferzentren automatisch TeilbestĂ€nde fĂŒr den Onlinebedarf. So wird verhindert, dass Vorbestellungen aus den Filialen zu viel Bestand in Anspruch nehmen. Durch den Zugang zu Kampagnenverkaufsdaten auf Kanalebene kann die Software die Regeln fĂŒr die Bestandsreservierung bei Bedarf automatisch anpassen oder entfernen.

Ein nahtloses Bestandsmanagement kommt auch den EinkĂ€ufern zugute, die durch effizientes Ausnutzen von Rabatten die Gewinnspanne verbessern können. Die Theorie ist einfach: Bieten Lieferanten zeitlich begrenzte PreisnachlĂ€sse fĂŒr beworbene Artikel, sollten HĂ€ndler kurz vor der Preisreduktion weniger bestellen und dann, wĂ€hrend der Preisnachlass gilt, ihre BestĂ€nde aufstocken.

Um jedoch optimal von PreisĂ€nderungen zu profitieren, mĂŒssen HĂ€ndler mehrere Faktoren berĂŒcksichtigen. Zum einen gilt es, Lagerhaltungskosten zu beachten und Bestellungen entsprechend der PreisĂ€nderung exakt zu timen. Gegebenenfalls sollte der Investitionskauf (also die Menge, die den zur Abdeckung der Nachfrage erforderlichen Bestand ĂŒbersteigt) zudem in verschiedene Bestellungen aufgesplittet werden. Auch die VerfĂŒgbarkeit von LagerflĂ€che und die Haltbarkeit der Produkte mĂŒssen miteinbezogen werden.

Damit InvestitionskĂ€ufe optimiert werden, muss das Planungssystem diese BeschrĂ€nkungen zusammen mit zeitabhĂ€ngigen Kampagnendaten berĂŒcksichtigen. In einer integrierten Supply-Chain hat die Software auf alle Informationen Zugriff, die sie benötigt, um Berechnungen zu automatisieren: Diese geben dann an, wann und in welchen Mengen Bestellungen aufgegeben werden sollten.

Letztendlich versetzt ein nahtloses Bestandsmanagement EinzelhĂ€ndler in die Lage, Promotions nur einmalig planen zu mĂŒssen: Daraufhin lĂ€sst sich die AusfĂŒhrung ĂŒber die gesamte Lieferkette hinweg automatisieren – basierend auf den Absatzprognosen und den erwarteten Bestandsanforderungen.

Kampagnen mit maximaler Wirkung umsetzen

Trotz dieser Vielzahl dynamischer Faktoren, die es zu beachten gilt, ist ein effektives Management von Promotions heute leichter erreichbar denn je – dank moderner Technologie. Mit stĂ€ndigem Zugang zu qualitativ hochwertigen Daten können moderne Supply-Chain-Lösungen die Prognosegenauigkeit fĂŒr Promotions um 15 Prozent erhöhen. Das wirkt sich auch positiv auf die Filialdisposition und Bestandsoptimierung innerhalb der gesamten Lieferkette aus.

Die Ergebnisse sind signifikant: Beispielsweise erreichte die Drogeriemarktkette Rossmann eine 25-prozentige Bestandsreduktion ihrer Kampagnenware. Gleichzeitig wurde die VerfĂŒgbarkeit erhöht und es kam zu zehn Prozent weniger Out-of-Stocks bei Kampagnenartikeln. Verbessern HĂ€ndler die Prognostizierung und Disposition ihrer Promotions, profitieren sie von weiteren Vorteilen: LieferflĂŒsse und KapazitĂ€tsauslastung werden ebenfalls optimiert.  

Der starke Wettbewerbsdruck lĂ€sst EinzelhĂ€ndler um die Gunst der Kunden eifern – diese wenden sich vermehrt den bequemen Möglichkeiten des Onlineshoppings zu. Promotions im Einzelhandel gewinnen dadurch weiter an Bedeutung, aber auch an KomplexitĂ€t. Hier stĂ€rken neue Technologien fĂŒr die Supply-Chain-Optimierung die Position von HĂ€ndlern: Sie automatisieren und verbessern die Planung und AusfĂŒhrung von Promotions, die dadurch ihre volle Wirkung entfalten.

Beitrag von

Joanie McLaren

Senior Business Consultant