导语
华南零售行业全渠道联盟，简称“南零商盟”，华南时尚行业CIO联盟和广州鞋服行业信息化联盟、华南企业CIO联盟（筹）唯一联合指导交流社群，汇聚服饰、时尚行业新零售全渠道搭建双方的精英联盟；
| 专心 | 专业 | 专研|
时尚行业信息化第一微信公号
第77期“南零商盟”微谈会于2018年11月8日晚上8点正式开播，本次分享嘉宾是来自天尚服饰CIO蔡建勇总为大家分享“智能商品管理”-苏小果译。
先给大家看两个小视频，我这里介绍的智能商品管理，主要就是实现这两个小视频上的功能。
第一个叫自动配货。我们的目标是将公司所有商品配补调工作的80%-90%由系统自动完成。一个好的商品配补调，需要对每个店铺每个商品按销售预期、库存、货品结构、价格段、温度变化、货品陈列等等因素扫描确定，而人的精力是有限的，人要想做好所有环节，基本上是很难做到的。但是如果将占有工作量80%-90%的基本工作由系统自动完成，人只需要做剩下10%-20%的综合判断，人的价值才可以得到最大发挥。
第二个叫智能决策。现在的商品决策主要是依据个人的经验和能力，我们的目标就是将个人经验的背后逻辑转换为算法。通过合理的数学模型和科学的数据计算给出决策逻辑，让每个决策有科学依据，这样才能建立公司整个商品管理的科学体系。然后通过大数据、人工智能和机器学习等等方法，通过PDCA循环，不断优化我们的商品决策。
下面我来讲讲我们的自动配货是如何实现的。要实现自动配货，首先需要商品管理设置各种标准，系统就是为了实现这些标准而做的各种算法。
商品管理的核心是商品生命周期，如果将公司所有商品的销售数量和时间进行数据回归，可以得到不同商品类型的生命周期曲线。商品生命周期曲线可以划分为：导入期、成长期、成熟期、衰退期。
有了商品的生命周期曲线，我们的商品采购、生产、首次铺货就可以根据生命周期曲线获得，在实际销售过程中，如果销售情况和生命周期曲线出现偏差，我们也可以触发追单或折扣来调整。如：上柜4周后累计销货率低于目标50%，触发折扣；上柜2周后、衰退期之前，累计销货率高于目标35%，剩余库存周转周减去追单周期高于2周，触发追单。
商品生命周期是对商品的静态分类，根据商品销售情况，又可以将商品划分为畅、平、滞、断和灭款等动态分类。对不同的分类设置不同的判断标准和相应的管理策略。如：畅销款的判读标准为：最近两周销售为前10%-20%、同时累计折扣高于新品平均折扣；对应的商品管理策略为：优先考虑在AB类店铺集中销售，争取高价格、高利润和快周转。
店铺等级主要根据店铺的商圈、月均销售额、正价占比、面积、消费力等分为A、B、C、D、E等不同等级的店铺。
针对不同等级的店铺，按商品分类设置不同时期的SKU宽度、深度和库存量，完成店货匹配表，如：A1店铺基本款按2：5：5：3尺码比例配货。
根据需要还可以设置每个店铺的货品结构、价格段、新旧品、颜色等等占比，系统在计算配补调算法时，主要就是为了满足这些标准。
上面介绍的都是一些基本设置，更复杂的设置，如直营店、联营店和加盟店之间如何实现自动调货？多品牌集合店如何管理？因为这里主要是做it的，这些深入讨论在这里就不详细展开了，如果需要，我们后面可以详细讨论。
有了这些商品管理标准，我们就可以实现自动配货了。我们的自动配货主要分四大块业务算法。
第一是：新货上市，主要解决仓库新货给店铺首铺量的问题；
第二是：销售补货，主要是解决在销售过程中，仓库如何给店铺补货的问题；
第三是：货品整合，主要是解决在销售过程中，店铺和店铺之间怎么把不好销售的货品调给销售好的店铺；
第四是：货品退仓，主要是解决销售季末怎么把过季货品或零星断色断码的货品退回仓库。
新货上市，主要有新货分仓、新款铺货和订单铺货等业务类型。
新货分仓就是商品生产、采购入仓以后，如何自动分配到经销仓、直营仓和电商仓等仓库去；
新款铺货是店铺没有订单，系统如何按店货匹配表，按店铺等级从等级高到低给店铺铺货的方法；
订单铺货是如果店铺已经有订单，系统如何根据订单，按店铺等级从等级高到低给店铺铺货的方法。
销售补货，主要有申请补货、销一补一、爆款补齐、缺码补齐、整合补齐等业务类型。
货品整合，主要有区域内整合、区域主推整合、全国整合、店铺整合、灭款整合、断码调店，新货流转，店铺补货等业务类型。
货品退仓，主要有SKU超标退仓、过季款退仓和断码退仓等业务类型。
我们除了以上各种业务算法以外，还有很多策略算法。例如店铺调出优先算法、店铺调入优先算法、调货距离优先算法等。
例如：店铺调出优先算法。就是指定区域要调出一件货品，到底从哪个店铺调出？首先是从销售最差的店铺；
如果店铺销售一样，就先调断码、再掉连码、再调连码店铺；
如果店铺码数情况一样，就先叫库存最少的；
如果店铺库存情况一样，就调店铺等级最低的。
调货距离优先算法就是当几百个店铺互相整合货品时，有些店铺要调出货品、有些店铺要调入货品，到底哪些店铺的货品调给哪些店铺最合适？我们首先考虑单据集中，快递单最少，这样工作量和运费最少；第二是考虑相同区域，运费少、速度快；第三是考虑外区运费低的；再就是外区运费高的。其他的，还有可能考虑合作快递公司等等。
以上各种算法还要遵循一个总目标原则。就是算法的目标到底是追求公司销售最大、还是单店销售最大、还是公司利润最大等等。
不同目标对应的策略也略有不同。例如，如果追求单店销售最大，就应该保证单店销售最好的货品不调出，但是如果是追求公司销售最大，就应该将销售差的店铺货品调给销售好的店铺，有可能这个调出的货品是这个店铺相对比较好卖的货品，但你好卖，其他店铺比你更好卖。
如果一个公司的所有商品配补调业务完成算法建模，公司商品管理以后的主要工作就是设置商品管理标准和配置自动配补调工作计划了。工作计划的主要内容就是指定哪些店铺的哪些货品，在什么时间需要执行什么操作，计划配置好以后，系统每天晚上自动执行。
配补调工作计划每天晚上自动执行以后，第二天上午就可以得到商品配补调指令集，可以预览执行指令后店铺货品状况。
如果认同这些配补调指令，就可以直接同步到ERP系统，交给仓库、店铺执行；如果不认同，也可以对配补调指令进行微调。
这是一个店铺货品整合的案例，怎么将销售差的店铺的货品调给销售好的店铺，保证销售好的店铺货品齐码满员，达到店货匹配标准，同时销售差的店铺也不能有零星断码货品。
2006年我就做过爆款的前20自动分货，2014年我在天尚实现了80%以上的货品调配由系统自动完成。但传统的编程语言对大数据处理效率不行，很多想法无法计算实现，现在通过hadoop、Spark等人工智能技术，可以基于内存做分布式计算，原来一次只能处理一个货品，现在能同时处理几十甚至上百个货品，原来五个小时的运算量，现在十分钟就可以出来，结果。
不同企业的商品管理模式千差万别，有的甚至完全相反，例如有自有品牌专业零售商的SPA模式、有买手制；有的强调商品的快速流通，有的强调快反、仓库补货等等。
要满足各种企业复杂的业务模式，关键就是能实现算法的灵活配置。我们以最小颗粒度开发单一算法来处理单简单业务场景，然后通过单一算法聚合来处理复杂的业务场景。这种聚合有的是串联、有的是并联，有的以“前一个算法的结果”作为“后一个算法的输入”，有的不同的算法都用相同的前提条件。
要想解决复杂的业务场景，关键还需要做到过程可跟踪和结果可视化。一个复杂的商品调配往往基于多个策略来完成，这些策略可能相互冲突，具体到最后的结果，可能和当初的期望完全不同，这时候只有通过过程可跟踪、结果可视化才能解决这个问题；通过“过程可跟踪”可以知道“到底是哪一个策略导致结果不合理”需要去调整，通过结果可视化。可以预先知道问题出在哪里，怎么去修正。
自动配补调系统，关键是根据每个公司商品管理需要做算法建模。自动配补调系统作为一个外挂独立系统，对企业现在已经存在的系统、应用和业务流程不会产生影响，大家原来干嘛现在还干嘛，我们只是外挂了一个系统，用系统计算的结果和现在的人工操作结果进行PK，到底是哪一个指令更合理、效果更好。 如果你认同系统结果，你点确认就可以将系统结果替换人工结果，如果你不认同系统结果你可以不理他，并不影响原来业务。
智能商品管理给公司带来价值，像提高工作效率、减少人工误差、减少缺货销售，这些是显而易见的。我个人感受最直观的是店铺商品标准化、部门协调更简单，以及商品管理的规范化、科学化。原来老板去巡铺总是对店铺SKU库存量、货品结构、货品搭配、主打款缺货等等不满意，现在使用智能商品管理，这些问题可以轻松解决。
我们强调智能商品管理绝对不是一个一触而就的工作，他是一个通过pdca模式不断循环优化的过程，将我们现有的商品企划、月度经营计划、商品标准、商品调度策略等输入到系统，通过“商品的机器人流程自动化”运行出商品配补调结果；验证现有的方法、策略是否达到降低库存、提高毛利的目的；通过正向激励和负向激励等机器学习算法，来优化原来的方法策略。
最后我还想说：智能商品管理，我们仅仅只是开始尝试，他是一个漫长而艰巨的过程，需要大家齐心协力，一起来把它做好。我们更想做的是一个开放的平台，能让更多的人加入进来，共同做好这件有意义的事情。
注：以上内容摘选自南零商盟分享会，转载仅限学习分享；
如产生版权问题，请联系我们处理；
文章不代表”华南时尚行业CIO联盟“立场！
本篇文章来源于微信公众号: 时尚行业CIO
关注微信公众号
