7 Schritte zur Umsatzsteigerung im E-Commerce

Jeder kennen die Situation, wenn man beim Online-Shopping liest: "Produkt verfügbar in 8-12 Wochen".

Aufgrund der Nichtverfügbarkeit von Produkten verlassen bis zu 58 % der Besucher Ladengeschäfte. Bei Online-Shops verlieren Händler sogar bis zu 65% ihrer Kunden durch mangelnde Produktverfügbarket.

Diese Umsatzeinbußen waren Grund genug, die Ursachen von Out-of-Stock-Situationen genauer unter die Lupe zu nehmen. Das haben wir gemeinsam mit dem führenden Online-Shop für E-Mobilitäts-Ladestationen in Deutschland getan.

Die folgenden 7 Schritte der algorithmischen Verbesserungen und der Zusammenarbeit mit numi haben dazu beigetragen, den Kundenservice zu verbessern und damit die Zahl der stornierten Bestellungen deutlich zu reduzieren.

1. Sichtbarkeit gewinnen

Der Ausgangspunkt unserer Implementierung war unser Quick Supply Chain Check-up. Wir analysierten Kundenaufträge, Bestandsdaten und Bestellungen der letzten 5 Jahre. Die aktuellen Planungsparameter und die KPIs des Kunden wurden mit unseren Algorithmen abgeglichen.

Process-Mining-Algorithmen halfen uns, Prozess-Engpässe und tatsächliche Durchlaufzeiten im Einkaufs- und Auftragsmanagementprozess zu identifizieren. Insbesondere abnehmende Lieferantenleistungen aufgrund von Nachfragespitzen (insbesondere durch die E-Mobilitätsförderung durch die Regierung) führten zu vielen Service Level Hits.

Der Kunde verwendete grundlegende Prognose- und Bestandsplanungsalgorithmen. Daher verglichen wir die aktuelle Prognosegenauigkeit und den Lagerumschlag mit unseren Machine Learning Algorithmen und Operations Research Methoden und berechneten den Mehrwert für die Anwendung der Algorithmen. Die Simulation über 12 Planungszeiträume zeigte eine deutliche Steigerung der Prognosegenauigkeit und des Lagerumschlags.

Nach diesem schnellen, anfänglichen Proof of Value und der Pain-Point-Analyse haben wir uns mit dem ERP-System verbunden und begonnen, täglich Verbesserungsvorschläge mit numi Predict, Supply, Inventory & OnTime zu erstellen, um einen nachhaltigen Kundennutzen für ihre dringenden Probleme zu schaffen.

2. Machine Learning wo notwendig

Die Integration externer Daten, wie z. B. die Förderung der E-Mobilität durch die Regierung oder offene Kundenbestellungen und Bestandsinformationen, werden in unsere Machine Learning Prognosemodelle eingespeist und in einen wöchentlichen Prognoseprozess integriert. Dies hat dazu beigetragen, eine Prognosegenauigkeit von über 60 % auf der Ebene einzelner Artikel über alle Lagerstandorte hinweg zu erreichen.

Darüber hinaus wird die wöchentliche Prognose durch unsere Demand Sensing Engine angereichert, um dem Benutzer proaktive Warnungen zu geben. Das Ergebnis war eine Verringerung der Lagerausfälle, insbesondere bei der Einführung neuer Produkte in einem sehr schnellen und volatilen Marktumfeld.

3. Robuste Optimierung der Bestände

Anstatt sich auf die Annahme von Normalverteilungen zu verlassen, verwenden wir eine Best-Fit-Auswahl geeigneter Bestandsoptimierungsalgorithmen. Das bedeutet, dass wir probabilistische Prognosen verwenden, wo Prognosen angewandt werden können, die sich an tatsächliche Verteilungen anpassen und eine Machine Learning-Klassifizierungslogik für sehr teure und langsam drehende Teile verwenden, um zu entscheiden, ob sie gelagert werden sollen oder nicht.

Alle Ergebnisse der Bestandsoptimierung werden dem Benutzer in Form von Empfehlungen für die Wiederbeschaffung, das Rebalancing, die Beschleunigung von Aufträgen oder den Abverkauf zur Verfügung gestellt, so dass fundierte Entscheidungen getroffen und in das ERP-System zurückgespielt werden können.

4. Reduzierung der Lieferantenvariabilität

Ein Hauptproblem, das wir gemeinsam mit dem Kunden bei unserem Supply-Chain-Check-up identifiziert haben, waren verspätete Wareneingänge. Daher haben wir unseren Process-Mining-Algorithmen einen proaktiven Ansatz hinzugefügt, um die tatsächlichen Durchlaufzeiten und Engpässe bei den Durchlaufzeiten zu ermitteln. Wir prognostizieren die erwartete Durchlaufzeit auf Ebene der einzelnen SKUs und Lieferanten.

numi verwendet diese regelmäßig aktualisierten Prognosen der Vorlaufzeit für Empfehlungen zur Wiederbeschaffung, um Lieferengpässe zu vermeiden. Auf diese Weise reduzieren wir die Lieferschwankungen und halten die Sicherheitsbestände und damit die Lagerbestände klein.

5. Bestellbestätigungen

Eine weitere positive Auswirkung der Information über die voraussichtliche Lieferzeit ist, dass eingehende Kundenaufträge mit dem verfügbaren Bestand und den aktuellen Eingangsbestätigungen abgeglichen werden können. Auftragsbestätigungen können automatisiert und, was noch wichtiger ist, mit aktuellen Informationen aktualisiert werden, um negative Überraschungen für den Endkunden zu vermeiden.

Ein weiterer positiver Nebeneffekt sind aktuelle "Lieferbar ab"-Termine, die direkt und automatisiert in den Webshop synchronisert werden.

6. Proaktive Überwachung und Berichterstattung

numi bietet auch aggregierte Berichte über verschiedene Hierarchien und Dimensionen. Daher haben wir gemeinsam mit dem Kunden alle relevanten KPIs definiert und diese Anpassungen auf der Grundlage seiner Bedürfnisse implementiert. Da numi alles vorhersagt, werden alle KPIs für die nächsten 24 Wochen berechnet, um proaktive Entscheidungen über gefährdete Einnahmen, Investitionen in das Betriebskapital, Lager- und Logistikkapazitäten oder Entscheidungen über den Versand von eingehenden Waren zu treffen.

7. Integrierte Kollaboration & Operations

Neben all diesen algorithmischen Verbesserungen ist der wichtigste Erfolgsfaktor für die Optimierung dieses E-Commerce-Kunden der integrierte Prozess und die Zusammenarbeit. Das gesamte Lieferkettenteam, vom Vertrieb über den Bestand und die Stammdaten bis hin zu den Einkaufsexperten, arbeitet auf der Ebene der einzelnen SKUs an den täglichen Lieferkettenproblemen und deren Auswirkungen auf den Kundenservice.

Diese horizontale Integration von Teams wird durch die Verbindung von Supply-Chain-Daten für jede einzelne SKU ermöglicht, angereichert mit allen relevanten Informationen wie verspätete eingehende Lieferungen, Prognosegenauigkeit, Bestandswerte und gefährdete Nachfrage. Sie werden dem Benutzer auf einem einzigen Bildschirm dargestellt. numi kümmert sich auch um priorisierte Empfehlungen, die an die richtige Benutzer-Persona gerichtet sind.