ポップアップ小売業者は専門家の嗜好ではなく小規模な試験販売から需要を予測した

この小売業者のビジネスモデル全体はポップアップ商品、つまり短い期間だけ販売されすぐに姿を消す斬新な商品であった。商品が流行志向で過去の販売曲線がなく、売れ残れば高コストの在庫を抱えることになるため、専門家の判断は苦戦した。

専門家に全販売期間の見通しを推測させる代わりに、同社はテスト市場プロトコルを採用した。まず少量を販売し、初期の需要シグナルを得て、それを508商品に関する他のデータと組み合わせ、ラッソと確率的勾配ブースティングでモデル化した。

その結果は学術的な洗練ではなく実用的なものであった。専門家の意見の代わりに予測分析を用いることで、売れ残る商品の割合が約40%減少し、同社は無駄な商品の製造を減らし、廃棄の少ないサプライチェーン管理を実現した。

小規模な試験販売に予測を学ばせよ

テスト市場は、未知のファッションへの賭けを本格生産前に測定可能なシグナルへと変えた。

正則化モデルとブースティングモデルは、特定の専門家の見解を過度に信頼することなく、多くの商品特徴を扱った。

出力はビジネス上の意思決定、すなわち商品がおしゃれに見えるかどうかではなく、追加生産すべきかどうかに合致していた。

時系列データのない新商品については、在庫を高コストで買う前に情報を安価に買え。

INFORMSの記事は、同社が予測モデルを採用して売れ残る商品の製造を減らし、サプライチェーンをより効果的に管理したと報じている。この事例は、嗜好に基づく予測を安価で段階的な証拠に置き換えた簡潔な例である。