Zaraは予測に基づいてクリアランスの値下げを最適化し、売上を約6%押し上げた。

Zaraはシーズン中のプロモーションを最小限に抑えつつ、変化の速い品揃えを販売しているため、売れ残った在庫の大半はクリアランスセール時に値下げされる。2008年、これらのクリアランスは10億ユーロ以上を生み出した。2007年まで、値下げの決定は手作業かつ非公式に行われており、学習に使える過去の価格データはほとんどなかった。

UCLAのFelipe Caroとロンドン・ビジネススクールのJérémie Gallienは、Zaraの価格設定チームと協力して2部構成のプロセスを構築した。正式な予測モデルが商品クラスターごとの需要を予測し、価格最適化モデルがその予測を店舗スタッフが実行できる値下げの推奨に変換する。価格は個々の商品ごとではなく、国ごとおよびクラスターごとに設定されるため、計画は店頭で実行可能なまま保たれる。

2008年秋冬のクリアランス期間中、ベルギーとアイルランドの全店舗を対象とした管理された実地実験では、新しいプロセスによりクリアランス売上が約6%増加した。その後、Zaraはクリアランスの値下げ決定のためにこのプロセスを世界中で採用した。

習慣ではなく、予測需要に基づいて値下げを最適化する。

旧プロセスには学習に使える価格履歴がほとんどなかったが、新プロセスはまず需要を予測するため、価格は証拠に従う。

商品をクラスター化することで、オプティマイザーは実用的に保たれる。店舗スタッフは数千の個別価格ではなく、少数の価格グループを実行する。

ベルギーとアイルランドの全店舗での管理された実地テストにより、世界展開の前に約6%の売上増加を測定できた。

1つの決定が数千の製品にわたって繰り返される場合、儀式を予測とオプティマイザーに置き換え、管理されたテストで効果(増収)を証明してから展開する。

Zaraはクリアランスの値下げ決定のためにこのプロセスを世界中で使用しており、この論文は小売業における値下げ最適化の参照事例となった。ワーキングバージョンはeScholarshipで公開されている。