Performance dello scaffale e prevenzione delle rotture di stock

Come un software di planogrammi basato sull’AI migliora la performance dello scaffale al variare di assortimento e domanda?

Il vantaggio non viene da un singolo planogramma, ma dalla frequenza con cui un layout può essere corretto: un software di planogrammi basato sull’AI ricalcola l’allocazione dello spazio al variare di vendite, assortimento e attrezzature, ed è questo a evitare che la performance dello scaffale si degradi tra un reset di categoria e l’altro. Retano Shelfplan costruisce ogni layout a partire dalla geometria dell’attrezzatura, dall’anagrafica prodotto (dimensioni, packaging, vincoli di posizionamento) e dai risultati di vendita ordinati per fatturato, pezzi o margine. I facing vengono poi dimensionati in modo che la quota di superficie espositiva occupata da un prodotto corrisponda al suo peso nel criterio scelto, entro i limiti definiti per ciascuna classe ABC.

Ciò che distingue la generazione automatica dal disegno assistito da regole, nella GDO e nel largo consumo, è la scala del ricalcolo. I layout possono essere rigenerati in blocco — un singolo punto vendita, un format o l’intera catena — e il risultato torna sotto forma di riepilogo delle modifiche, insieme all’elenco degli articoli che l’algoritmo non è riuscito a collocare: così il category manager lavora sulle eccezioni invece di ridisegnare gli scaffali.

La performance dello scaffale viene poi misurata sugli stessi dati con cui è stato costruito il layout: ricavo per unità di superficie espositiva occupata e utile, risultati di vendita visualizzati direttamente sul layout dell’attrezzatura e analisi delle zone calde dell’area di vendita. Dove sono collegati i servizi analitici, le raccomandazioni sul layout arrivano come modifiche concrete dei facing, confrontabili con la versione corrente prima di essere applicate.

Quali funzionalità di un software di planogrammi e space planning vanno verificate sui dati reali della catena?

Le funzionalità che vale la pena verificare sui dati reali dei punti vendita sono quelle che determinano quanto lavoro manuale resta dopo il go-live. Due vengono sistematicamente sottovalutate in fase di valutazione: l’anagrafica di cui il sistema ha bisogno prima di poter generare qualsiasi cosa, e quanta parte delle attrezzature realmente presenti in catena è in grado di rappresentare.

• Qualità dell’anagrafica — come si comporta il sistema quando mancano dimensioni o attributi di packaging per una parte dell’assortimento, e come quelle lacune vengono colmate prima di generare il primo layout. Retano Shelfplan conserva le dimensioni fisiche in un database dedicato con import ed export massivi, e l’implementazione comprende la normalizzazione di ciò che già esiste nei sistemi del retailer.
• Attrezzature non standard senza interventi una tantum — ganci e pannelli forati, ceste, zone verticali e attrezzature prive di una struttura a ripiani standard, gestite tramite template di attrezzatura riutilizzabili invece di una configurazione separata per ogni punto vendita.
• Gestione delle eccezioni — un elenco leggibile degli articoli che l’algoritmo non è riuscito a collocare e un modo per risolverli senza ricostruire il layout da zero.
• Ricalcolo su scala di catena, così un reset di categoria non diventa un progetto manuale di più settimane.
• Collegamento con l’esecuzione in negozio — task di layout nell’app mobile, conferma fotografica, rilevazione del realogramma e verifica automatica della conformità tramite Retano VeriShelf AI.
• Scambio dati con la pianificazione adiacente — Retano Shelfplan lavora con Retano Catman e trasmette la capacità dello scaffale a Retano SCM.

Cronologia delle versioni, confronto tra planogrammi e approvazione elettronica sono lo standard di base in questa categoria di software, non elementi differenzianti.

Che cosa vedono davvero gli strumenti AI che rilevano le rotture di stock con la scansione dello scaffale e la computer vision?

Questi strumenti confrontano l’immagine dello scaffale con il planogramma approvato e classificano gli scostamenti per tipo: articolo assente, facing inferiori a quelli previsti, prodotto in posizione errata, prodotto estraneo a scaffale, layout che si è allontanato dallo standard. Il prodotto mancante è solo uno di questi tipi. Retano VeriShelf AI applica un modello di riconoscimento pre-addestrato su immagini retail e adattato all’assortimento della singola catena: gli scostamenti vengono registrati senza bisogno di un supervisore in loco, un task correttivo raggiunge l’addetto di negozio quasi immediatamente e l’esito della verifica torna in Retano Shelfplan, dove è custodito il planogramma rispetto al quale è stato effettuato il controllo.

Di tutti i tipi di scostamento, è lo spazio vuoto quello che va letto con attenzione, in particolare nella GDO e nel largo consumo. La computer vision restituisce lo stato dello scaffale al momento dello scatto, non lo stato delle giacenze: un vuoto può significare che l’articolo è esaurito sull’intera catena, che è fermo nel retro o che è stato spostato su un’altra attrezzatura. Distinguere questi casi richiede i dati di giacenza e di riassortimento accanto all’immagine. Il posizionamento errato non ha questo limite: lo scostamento rispetto al planogramma è visibile nell’immagine stessa.

Due condizioni operative fissano il limite pratico. La costanza nella cattura delle immagini conta più di quanto sembri: illuminazione, angolazione e inquadratura sono il punto in cui i primi progetti di riconoscimento a scaffale perdevano precisione, e quella disciplina dipende dai team di negozio, non dal modello. La frequenza di cattura determina il resto: un’attrezzatura fotografata una volta a settimana offre un quadro settimanale della disponibilità a scaffale, per quanto accurata sia ogni singola lettura.

Quali sono le cause delle rotture di stock a scaffale nei supermercati e come le affrontano i retailer con il software?

Nella GDO le rotture di stock si riconducono a quattro cause distinte, e capire quale prevale in una categoria conta più della scelta dello strumento. Tutte e quattro si misurano nello stesso punto — lo scaffale — ma differiscono per il fatto che il prodotto manchi anche dal punto vendita oppure solo dal facing, ed è questo a decidere quale sistema serve. Le stime di settore collocano di solito la quota di SKU assenti dallo scaffale intorno al 5-10% in un dato momento, con un aumento durante le promozioni; i valori variano per categoria, format e metodo di misurazione, quindi indicano un ordine di grandezza e non un obiettivo su cui pianificare.

Gli errori di previsione della domanda producono carenze reali, senza giacenza da nessuna parte nel punto vendita. Una capacità di scaffale non allineata alla frequenza di consegna svuota il facing tra una consegna e l’altra sugli articoli ad alta rotazione, mentre la merce resta disponibile altrove in catena. I difetti di esecuzione lasciano il prodotto nel punto vendita ma fuori dallo scaffale: nel retro, sull’attrezzatura sbagliata o non ripristinato dopo un reset promozionale. L’inaccuratezza dei dati di giacenza maschera le altre tre cause, perché il sistema mostra scorte che lo scaffale non ha.

Nessuno strumento da solo chiude tutte e quattro le cause: stanno in processi diversi, quindi i sistemi sono diversi. Retano SCM agisce sul lato ordini. Retano Shelfplan agisce sulla capacità: la capacità di scaffale ricavata dal planogramma alimenta la pianificazione della supply chain, così il numero di facing e la frequenza di consegna vengono definiti l’uno in funzione dell’altra e non separatamente. Retano VeriShelf AI agisce sull’esecuzione. L’accuratezza dei dati è l’unica causa che il software fa emergere ma non risolve: richiede disciplina negli inventari in punto vendita.