Homepage Newsletter Opinião

Opinião: Forecast para novos produtos

Por a 29 de Agosto de 2022 as 10:53

R. GalanteRicardo Galante, Senior Advanced Analytics Customer Advisory do SAS

Nos últimos anos, tenho-me dedicado a estudar o “demand forecast” ou projeção da procura aplicada ao retalho e CPG (Consumer, Packaged and Goods), colocando depois em prática estes estudos em diferentes situações.

Tenho, por exemplo, estudado as melhores formas de projetar pedidos de vendas de cerveja baseando-me não só em vendas históricas, mas considerando também preços, promoções e temperatura, ou melhores formas de projetar o consumo esperado de produtos específicos em supermercados, tendo por base o consumo esperado destes produtos.

E estas ações acabam por ser estratégicas para que as empresas possam ter uma estimativa de quanto irão vender ou que espaços físicos deverão separar para o armazenamento e stock, ou até mesmo que quantidades de matérias-primas vão necessitar para produzir aquilo que será vendido.

Fundamentalmente, podemos dizer que demand forecast é o processo de desenvolver uma estimativa da futura procura das empresas. E, para que isto seja feito com sucesso, é necessário a análise de inúmeras variáveis sejam internas e externas, que possa impactar esta procura como, por exemplo, o investimento de infraestrutura, aplicações de promoções, níveis de stocks, feriados e tendências de mercado.

A importância de uma projeção assertiva é imediata, pois através de forecasts precisos é possível as empresas serem capazes de otimizar as decisões de stock, margem e preços, esforço de investimento e vendas e, no final do dia, maximizar o lucro.

Mas, e quando não existe a famosa “informação histórica” disponível? E quando não se tem um passado para se projetar o futuro? Sendo que estas situações ocorrem, principalmente, quando uma empresa quer lançar um novo produto.

Novos produtos são inerentemente difíceis de prever porque eles não têm dados históricos diretos para extrapolar o futuro e, além disso, sem dados históricos, é difícil projetar quanto inventário será necessário e quando será necessário. Caso a estimativa de vendas deste novo produto seja mais alta que a procura, corre-se o alto risco de se ter o capital investido desperdiçado e o stock inutilizado, o que gera inevitavelmente prejuízo. Em oposição, caso a estimativa seja menos, corre-se o risco de ficar sem stocks e frustrar os seus clientes novos e existentes, gerando prejuízo.

Entre as aplicações que tenho estudado e utilizado, uma das abordagens mais assertivas de projeção de procura para novos produtos, é a utilização de métodos que comportem a informação de produtos existentes e similares aos novos produtos. Este método é particularmente útil se o novo produto for uma variação de um existente envolvendo, por exemplo, uma cor, tamanho, sabor alternativo ou até mesmo um público diferente. Mesmo que não hajam dados disponíveis para novos produtos, podemos extrair insights dos dados já existentes e, ao encontrar semelhanças nos produtos e categorias atuais, podemos estimar o desempenho de novos produtos.

Em linhas gerais, o processo de projetar novos produtos baseando-se em produtos similares, pode ser alcançado através de um sistema analítico que utiliza técnicas de Machine Learning.

O sistema de Machine Learning pode ser, por exemplo, representado pelos seguintes passos:

  • Informações históricas dos produtos existentes. Aqui, residem as informações de vendas históricas, volumes alcançados, entre outros, e, além disso, características dos produtos como tipo de embalagem, preços, canais de vendas.
  • Projeções de procura para os produtos existentes e, através destas, identificar os diferentes perfis de procura projetados.
  • Calcular não só a procura projetada total, mas, também, a variabilidade envolvida, ou seja, os valores mínimos e máximos da procura.
  • Novos produtos. Não temos informações de vendas históricas ou de volumes alcançados, mas temos informações de características destes novos produtos que são similares, as informações dos produtos existentes como, por exemplo, tipo de embalagem que será utilizado ou canal preferencial de venda ou até mesmo preço estimado a ser utilizado.
  • Com base nas projeções feitas no passo dois e, utilizando as características similares entre os novos produtos e os produtos existentes, conseguimos estimar o perfil ou comportamento dos novos produtos.
  • Com base nas projeções das procuras totais e das variabilidades envolvidas calculadas no passo três e, utilizando as características similares entre os novos produtos e os produtos existentes, conseguimos estimar a procura total e variabilidades dos novos produtos.
  • Como temos estimados o perfil da procura e o total da procura, podemos estimar as informações para os novos produtos.

Entretanto, através desta abordagem descrita de forma sucinta neste artigo, conseguimos detetar propensos comportamentos de uma forma mais “mensurável” e testar, inclusive, diferentes cenários de aplicação antes mesmo de os novos produtos serem lançados.

As aplicações são as mais diversas. E esta abordagem pode ser utilizada, por exemplo, por retalhistas que queiram lançar produtos novos nos seus supermercados, empresas que trabalhem com moda e queiram aumentar o market share ou ainda cervejeiras que queiram lançar cervejas com novos sabores focadas em públicos diferentes e canais alternativos.

Com a abordagem apresentada, podemos não só evitar o gasto desnecessário de investir em produtos sem relevância económica e otimizar os processos a serem implementados, mas também sermos prescritivos e indicarmos o melhor cenário a ser utilizado, de uma forma estratégica e segura.

Deixe aqui o seu comentário

O seu endereço de email não será publicado. Campos obrigatórios marcados com *