Previsão, estoque e precificação integrados da Alibaba em todos os canais de loja

Os negócios da Alibaba abrangem dezenas de modelos de varejo, de aplicativos móveis a supermercados físicos, e cada um tem padrões de demanda, prazos de validade e regras de estoque diferentes.

Ferramentas tradicionais de previsão e gestão de estoque não capturam as interações que importam: o preço da carne suína influencia as vendas de carne bovina, e as batatas fritas influenciam a venda de molhos. A Alibaba usou aprendizado profundo para capturar essas interações, otimização por simulação para modelar como os clientes escolhem produtos e otimização para definir preços e rankings de recomendação em tempo real.

O resultado foi maior precisão de previsão, menos perdas e menos itens esgotados, o que se traduziu em mais de US$ 100 milhões por ano em custos menores e melhor serviço em seus negócios de varejo. O trabalho foi finalista do Prêmio Franz Edelman do INFORMS em 2022.

Prever, estocar e precificar cada canal como um único sistema

Um modelo de demanda compartilhado permite que compras, precificação e posicionamento respondam à mesma previsão, em vez de a três estimativas distintas.

A simulação captura as combinações FIFO e LIFO que quebram as regras de estoque em forma fechada.

A otimização de preços e recomendações em tempo real transforma o curto prazo de validade em uma alavanca, em vez de uma perda.

Melhores previsões e menos rupturas de estoque aumentam a receita e reduzem o desperdício ao mesmo tempo.

O varejo é um único problema de decisão, portanto um modelo de demanda compartilhado supera ferramentas desconectadas de previsão, pedidos e remarcação de preços.

O conjunto integrado foi implantado nas subsidiárias de varejo omnichannel da Alibaba, onde a empresa afirmou que tanto as taxas de perdas quanto as de itens esgotados caíram de forma constante. Foi finalista do Franz Edelman de 2022 e os métodos subjacentes foram publicados no INFORMS Journal on Applied Analytics.