Wat was de aanleiding voor dit onderzoek?
Ik doe promotie-onderzoek aan de Vrije Universiteit Amsterdam. Via het Dinalog-project Catelog had ik het geluk om met een aantal grote retailspelers te kunnen spreken en onderzoek te doen naar hun data. Hierdoor heb ik een aantal vragen kunnen vinden die praktisch relevant en academisch uitdagend zijn. Zo kwam ik er achter dat het introduceren van nieuwe producten in een omnichannel retailketen vaak gebeurt, maar dat er weinig steun is voor deze taak in de academische literatuur.
Hoe heb je het onderzoek aangepakt?
Eerst moest ik even leren hoe het levenscyclus van een product gemodelleerd kan worden. Dat heb ik gedaan door een aantal academische papers te bestuderen. Vervolgens werd ik geconfronteerd met de uitdaging om de verschillende winkels en kanalen van een omnichannel retailketen te integreren in deze levenscyclusmodellen. Er zijn namelijk verschillende manieren waarop je dit kan aanpakken. Dit resulteerde in een aantal modellen die ik vervolgens met elkaar heb vergeleken op basis van de transactiedata van een grote retailketen. Het was dus een kwestie van een model te vinden die de best mogelijke beschrijving geeft van het levenscyclus van een product in een omnichannel-omgeving.
Wat is de belangrijkste conclusie?
Je zou al snel denken dat de meest logische aanpak zou zijn om de levenscyclus van een product in elk kanaal of winkel apart te bekijken. Dit is de eenvoudige basisaanpak. Maar de verschillende kanalen en winkels zijn met elkaar verbonden en hebben juist invloed op elkaar. Er zijn bijvoorbeeld consumenten die graag online en offline winkelen, en er zijn ook consumenten die hun ervaring met het nieuwe product met de anderen delen. Hierdoor worden de verkopen in een winkel gestimuleerd door vroegere verkopen in een andere winkel van de keten. De modellen die hier rekening mee houden lijken een betere beschrijving van de data weer te geven en kunnen dus beter managementbeslissingen ondersteunen.
Verder kunnen we voor onze case concluderen dat het online kanaal een toonaangevende rol speelt in de verspreiding van de nieuwe producten – het levenscyclus speelt zich gemiddeld iets sneller af dan in de andere kanalen. Ondanks dat we nu al een aantal interessante conclusies kunnen trekken, is het onderzoek nog aan de gang.
Wat kunnen fashionretailers nu al direct toepassen?
De levenscycluspatronen van fashion producten lijken niet veel anders te zijn dan de patronen van andere producten met een korte levenscyclus, zoals films of muziek. Hierover is al veel bekend in de marketingliteratuur zoals onder andere beschreven door Bradlow en Fader.
Een mogelijke aanpak om de levenscyclus van een fashion product te voorspellen is een flexibele functie te kiezen die de levenscyclus goed kan beschrijven, zoals bijvoorbeeld de Bass-curve (zie kader). Deze functie relateert de verkopen van het nieuwe product, N(t), aan de tijd vanaf de introductie van het nieuwe product, t. De parameters p en q bepalen de snelheid van de loop van de levenscyclus en de locatie van het piekmoment. De parameter m bepaalt de grootte van de markt, dus het aantal consumenten.
De moeilijkheid is nu om op basis van de productkarakteristieken van het product, zoals maat en kleur, een goede schatting maken van de parameters van de levenscyclusfunctie. Als we de parameters goed kunnen voorspellen op basis van de productkarakteristieken, kunnen we ook het hele levenscycluspatroon van een fashionproduct voorspellen. Het is natuurlijk een kwestie van geschikte en informatieve productkarakteristieken te vinden en dat is niet altijd makkelijk voor fashion artikelen.
Wat zijn de vervolgstappen voor het onderzoek?
Ik zou graag nog verder naar de beslissingskant van het levenscyclus probleem willen kijken. Nu dat we weten hoe we een levenscyclus van een product in een omnichannel-omgeving kunnen beschrijven, wat is dan de optimale strategie om een nieuwe product te introduceren? Introduceren we het product in alle kanalen tegelijkertijd of alleen in bepaalde winkels?
Login om te reageren op dit artikel