Este artigo é o primeiro de uma série sobre como os varejistas podem usar a IA generativa e análises avançadas para melhorar a lucratividade. Novas ferramentas, alimentadas por inteligência artificial, ative exatamente isso.
In the face of increasing consumer price sensitivity, retailers need a full understanding of their costs, including the underlying manufacturing costs of the products they sell, in order to manage margins and compete effectively. New tools, powered by artificial intelligence, enable just that.
Esses novos recursos, como o próprio BCG
AI de varejo
, coloque os varejistas em segmentos da indústria - incluindo supermercado, mercado de massa, vestuário e melhoria da casa - em uma posição para criar conjuntos de dados e composições de produtos, aproveitando a IA (para analisar dados existentes) e IA generativa (Genai). Os varejistas podem obter uma imagem clara do custo de um produto e como seus fornecedores se comparam a esse alvo. Eles também podem rastrear mudanças nos custos ao longo do tempo para revelar as maiores oportunidades de economia do fornecedor, categoria e outros parâmetros com base no movimento de preços de commodities. O uso dessas novas ferramentas pode oferecer melhores preços para os clientes e aumentar as vendas para os varejistas e seus fornecedores. A falta de transparência no custo de muitos produtos coloca grande parte dos preços nas mãos dos fornecedores e limita a capacidade dos varejistas de fornecer os melhores preços para seus clientes. Bons dados têm sido difíceis de encontrar, e os preços dos insumos de commodities, como aço, plástico e produtos agrícolas, são em movimento rápido e volátil. Uma análise completa da composição de custo de um único produto pode levar dias, e a análise de custos para milhares de SKUs pode levar uma equipe de semanas de analistas para ser concluída. E o resultado será apenas parcialmente preciso, porque certos dados não existem ou porque não estão disponíveis. As análises também podem estar desatualizadas no momento em que forem concluídas. Os varejistas que não gerenciam agressivamente os custos baseados em commodities correm o risco de ser muito caro na prateleira, apertando as margens brutas e perdendo para concorrentes que têm melhores recursos de preços e gerenciamento de custos. Pela primeira vez, os varejistas podem:
The Challenge for Retailers
The challenge is not new. Lack of transparency in the cost of many products puts a big part of pricing into the hands of suppliers and limits retailers’ ability to provide the best prices for their customers. Good data has been hard to come by, and the prices of commodity inputs, such as steel, plastic, and agricultural products, are fast moving and volatile. A full analysis of a single product's cost composition can take days, and analyzing costs for thousands of SKUs can take a team of analysts weeks to complete. And the result will be only partially accurate, either because certain data does not exist or because it’s not available. Analyses also can be out of date by the time they are completed.
The challenge is heightened now because inflation is making consumers increasingly price conscious. Retailers that don’t aggressively manage commodity-based costs risk being overpriced on the shelf, squeezing gross margins and losing out to competitors that have better pricing and cost management capabilities.
Harnessing GenAI
AI, and particularly GenAI, dramatically change the retail landscape by enhancing cost management capabilities. For the first time, retailers can:
- Criar uma lista de materiais detalhada, descrevendo os custos de commodities e insumos para um produto ou grupo de produtos que fornecem visibilidade sem precedentes nos movimentos de commodities, mesmo nos mercados voláteis. Custos. Eles também podem acessar atualizações e insights em tempo real, permitindo que eles reagam rapidamente às mudanças de mercado e capturem oportunidades das flutuações do mercado de commodities, colocando-se na melhor posição para realizar a economia máxima possível. Produtos de melhoria da casa, hardware e ferramentas e muito mais. O varejista conseguiu destacar seus SKUs mais importantes pela quantidade de vendas e custo dos bens e identificar quais foram mais afetados pelas mudanças nos preços das commodities. O algoritmo Genai forneceu um detalhamento das commodities em cada produto e rastreou sua mudança de custo, com base em índices relevantes. (Veja a exposição.) Para um de seus produtos mais vendidos, o varejista conseguiu identificar os movimentos de commodities que surgiram uma clara oportunidade de envolver seus fornecedores em ajustes de preços e investimentos em crescimento, a fim de melhorar o crescimento e a lucratividade da categoria.
- Assess their products’ cost composition against market indices to determine the accurate “should cost” price.
- Compare the target cost with current supplier costs.
Users can interact with an AI-powered chatbot to modify analyses and view customized text and visual outputs based on specific prompts. They can also access real-time updates and insights, allowing them to react quickly to market shifts and capture opportunities from commodity market fluctuations, ultimately putting themselves in the best position to realize the maximum possible savings.
Consider the example of a North American retailer with a large and varied product assortment, including clothing, home improvement products, hardware and tools, and more. The retailer was able to highlight its most important SKUs by sales quantity and cost of goods and identify which were most affected by commodity price changes. The GenAI algorithm provided a breakdown of the commodities in each product and tracked its changing should-cost based on relevant indices. (See the exhibit.) For one of its biggest-selling products, the retailer was able to pinpoint commodity movements that surfaced a clear opportunity to engage its suppliers in price adjustments and growth investments in order to improve category growth and profitability.
Ferramentas como a IA de varejo da BCG estão disponíveis como software como serviço para se integrar perfeitamente aos sistemas existentes, ou podem ser incorporados nas soluções em nuvem de um varejista em sua infraestrutura. As análises automatizadas da composição do custo do produto são facilmente exportadas e compartilhadas interna ou externamente, para que o marketing, as vendas, as finanças e outras equipes possam usar as informações. Embora seja necessário algum treinamento, especialmente em torno da segurança e confidencialidade dos dados, as interfaces são normalmente fáceis de usar, mesmo para equipes não técnicas. Aqueles que pioneiros nessas ferramentas não apenas alcançarão clareza de custo sem precedentes, mas também conquistam uma vantagem competitiva significativa. Os melhores varejistas da classe promoverão um ambiente no qual suas equipes podem experimentar as novas ferramentas, reunindo capacidades humanas e tecnológicas para desbloquear novos caminhos de inovação e eficiência. A capacidade de experimentar e mover rapidamente é crítica. As empresas que permitem que suas equipes explorem o potencial da IA permanecerão à frente, moldando o cenário de varejo e estabelecendo vantagem competitiva defensável, enquanto uma abordagem burocrática, cautelosa ou incremental pode levar a oportunidades perdidas. Inscreva -se
AI-enabled tools mark the beginning of a new era in retail cost transparency, providing rapid access to previously elusive information. Those that pioneer these tools will not only achieve unprecedented cost clarity but also carve out a significant competitive edge. Best-in-class retailers will foster an environment in which their teams can experiment with the new tools, bringing together human and technological capabilities to unlock new avenues of innovation and efficiency. The ability to experiment and move quickly is critical. Companies that enable their teams to explore the potential of AI will stay ahead, shaping the retail landscape and establishing defensible competitive advantage, while a bureaucratic, cautious, or incremental approach may lead to missed opportunities.
