Thomas W. Gruen, Ph.D. A Ruptura na Indústria do Varejo: Buscando uma Solução

Ruptura no Varejo: Buscando uma Solução Thomas W. Gruen, Ph.D. Professor de Marketing Universidade do Colorado em Colorado Springs, EUA 27 de setembro de 2007 © 2007 Thomas W. Gruen

Se você acha que a ruptura na indústria do varejo não representa um grande problema… Toilet tissue 3

Reduz o bom resultado de 1/7 das nossas promoções? Então por que… Um pessoa gasta 21% do seu tempo de compra procurando um produto que está faltando? Normalmente as lojas gastam US$800 por semana para pagar funcionários que são contratados exclusivamente para atender clientes que procuram produtos que estão faltando? Será que os nossos clientes só saem realmente satisfeitos em menos de 10% de suas visitas a nossas lojas? Reduz o bom resultado de 1/7 das nossas promoções? Será que de cada 13 produtos que o cliente procura, 1 estará ausenta das gôndolas? Incentivamos clientes fiéis a experimentarem outras marcas e comprarem em outras lojas? 4

Agenda Rever o que constatamos sobre ruptura na indústria de varejo através da pesquisa desenvolvida Apresentar as 7 principais áreas que precisam ser estudadas: A maioria foca em dados Mostra como estas áreas podem nos levar a encontrar soluções ao revelarem a origem dos problemas Demonstrar nossa abordagem para reduzir o índice de ruptura. © 2007 Thomas W. Gruen 5

Porque dar atenção à Ruptura dos Produtos? Prejuízo de Vendas & Margem para o Fabricante Prejuízo de Vendas & Margem para o Varejista Efeito Dominó nas Categorias Insatisfação do Cliente Apresentamos a seguir alguns dados revelados na pesquisa realizada em 2002. Estes dados despertaram grande interesse (e uma nova dotação para a pesquisa) e possibilitaram que esta nova pesquisa fosse desenvolvida! Vamos descobrir o porquê. © 2007 Thomas W. Gruen 6

Dois Estudos Estudo GMA/FMI/CIES realizado em 2002 Estudo Atual - 2007 O problema da Ruptura no Mundo Reação do Comprador quando não encontra o produto que procura na gôndola Origem do Problema Estudo Atual - 2007 Focado nas Soluções Relatório Preliminar Concluído em Junho Publicado em Setembro © 2007 Thomas W. Gruen 7

Objetivos do Primeiro Estudo Analisar a extensão da Ruptura Analisar a causa da Ruptura Analisar a reação do consumidor quando não encontra o que pretende levar na gôndola …em todo o mundo, com os seguintes objetivos: 1. Apresentar um “mapa” atualizado e preciso dos fatos que causam a ruptura no varejo na indústria de Bens de Consumo de Alto Giro (FMCG), Analisar o problema da ruptura em todo o mundo, tentando detectar as razões para as semelhanças e as diferenças, © 2007 Thomas W. Gruen

Insumos do Projeto de Pesquisa: 52 Estudos 16 estudos acadêmicos e da indústria previamente publicados 36 estudos anteriores a este relatório Envolvendo: Quantidade de lojas de varejo analisadas: 661 Quantidade de tipos de FMCG (Produtos de Rápido Consumo) incluídos: 32 Quantidade de consumidores pesquisados em todo o mundo: 71.000 Número de países representados: 29 Foi um estudo bastante abrangente! Mas o que foi que descobrimos… © 2007 Thomas W. Gruen

Âmbito — Diferença de Definições Definições da loja: Percentual de SKUs (ítens em estoque) fora das gôndolas em um determinado momento Medido por auditorias, normalmente em determinadas categorias, e depois agregadas. Definições do Comprador: Número de vezes que um comprador não encontra o que pretende levar na gôndola. Calculado como um percentual. Medido pela estimativa dos dados POS da loja. Útil para examinar produtos de alto giro. 10

Casos de Ruptura Atributos da Ruptura Explicando a Ruptura Falta física de um produto na gôndola Atributos da Ruptura Aspectos do episódio(s) de ruptura que podem ser medidos e calculados como um “índice” de ruptura. Freqüência, Duração, Eventos Simultâneos, Disponibilidade, Perda de Oportunidade de Venda, Prejuízo em termos monetários, e impacto sobre consumidores 11

Taxas de Ruptura são Calculados pelos Atributos Resumo das Taxas de Ruptura: 1. Quantas vezes um ítem não está disponível na hora da compra 2. Quantas vezes uma categoria de produtos não está disponível na hora da compra 3. Quanto tempo um ítem fica faltando na gôndola 4. Quanto tempo um ítem fica na Gôndola 5. Quantas oportunidades de venda foram causadas pela falta de um produto na gôndola 6. Qual prejuízo causado pela falta de um produto na gôndola 7. Como a falta de um produto na gôndola afeta os compradores? 12

Situação Mundial > 8% BACKGROUND: O que sabemos sobre Ruptura Situação Mundial > 8% Situação Geral da Ruptura (Médias) 7.9 8.6 8.2 8.3 0.0 2.0 4.0 6.0 8.0 10.0 EUA Europa Outras Regiões Mundo Percentual de Ruptura *Nota: Europa inclui toda a Europa, inclusive o leste europeu Créditos: Gruen, Corsten, e Bharadwaj 2002 © 2007 Thomas W. Gruen 13

A RUPTURA DE PRODUTOS EM PROMOÇÃO Índice de Ruptura na Indústria do Varejo nos EUA: 7,9% Índice de Ruptura de Produtos em Promoção: 17,1% © 2007 Thomas W. Gruen

A SITUAÇÃO VARIA EM CADA CATEGORIA… Médias de Ruptura por Categoria 9.8 7.7 7.0 6.8 6.6 5.3 8.3 0.0 2.0 4.0 6.0 8.0 10.0 12.0 Beleza Cabelos Lavanderia. Fraldas Higiene Feminina Papel Higiênico Salgadinhos Média Mundial (18 categorias) Percentual Dados confirmados com base em três ou mais estudos © 2007 Thomas W. Gruen

A SITUAÇÃO VARIA CONFORME O DIA DA SEMANA Ruptura Por Dia da Semana (Méida dos 13 estudos) 10.9 7.3 8.7 9.1 9.8 10.0 0.0 2.0 4.0 6.0 8.0 12.0 Dom Sab 6ª 5ª 4ª 3ª 2ª Percentual Reflete padrões esperados graças aos shoppings e deliveries © 2007 Thomas W. Gruen

Mais da metade das rupturas tendem a durar mais de 24 horas! 3/23/2017 SITUAÇÃO: DURAÇÃO Duração da Ruptura 20% 25% 36% 19% 8 hrs ou menos 8 hrs a < 1 dia 1 dia a < 3 dias 3 dias ou mais Mais da metade das rupturas tendem a durar mais de 24 horas! 55% OF OOS LAST LONGER THAN 24 HOURS – USUAL REPLENISHMENT TIME © 2007 Thomas W. Gruen

Background: Âmbito Interpretação e Implicações Apesar dos altos investimentos feitos para melhorar as redes de abastecimento, em todo o mundo, os índices de ruptura ainda são da ordem de 8%, ou sob a ótica do consumidor, de cada 13 produtos procurados, um estará faltando. Para produtos em promoção, as taxas de ruptura são em média da ordem de 16%, o que significa dizer que de cada 7 produtos em promoção, um estará faltando. Logo, em uma indústria dependente das promoções, o impacto da receita proveniente de promoções é reduzido em um sete avos. A rapidez das vendas sempre afeta o índice de ruptura. © 2007 Thomas W. Gruen 18

P: O QUE MUDOU NAS TAXAS DE RUPTURA? Background: Âmbito P: O QUE MUDOU NAS TAXAS DE RUPTURA? Estudo feito em 1996 pelo Conselho de Pesquisa da Coca-Cola = 8,2% (apenas nos EUA) Nosso Estudo GMA/FMI/CIES 2002 = 8,3% (A nível mundial; 7,9% nos EUA) R: Quase nada. Mas… em compensação a quantidade de novas tecnologias para sistemas de escaneamento, banco de dados, sistemas CAO (Pedidos Automáticos de Mercadorias por Computador), etc. é enorme… © 2007 Thomas W. Gruen 19

PORQUE AS TAXAS DE RUPTURA NÃO FORAM ALTERADAS? Background: Âmbito PORQUE AS TAXAS DE RUPTURA NÃO FORAM ALTERADAS? As inovações tecnológicas foram suplantadas pela complexidade dos procesos Proliferação de SKU Proliferação de Promoções Nível de sortimento da loja Nível de planograma da empresa Os varejistas são cada vez mais pressionados a reduzirem seus custos de trabalhistas Interesting side note: Isn’t this the way life with technology works in general? We get something new, and then we think of new ways to make life more complicated. © 2007 Thomas W. Gruen 20

RESPOSTA DO COMPRADOR CINCO REAÇÕES DOS CONSUMIDORES QUANDO NÃO ENCONTRAM O QUE ESTÃO PROCURANDO NA GÔNDOLA: Não compram Compram em outra loja Compram outro produto – da mesma marca Compram outro produto – de uma marca diferente Adiam a compra It’s also important to mention here that in addition to knowing how consumers respond to OOS, we also know how consumers respond to assortment reductions. © 2007 Thomas W. Gruen 21

Como o Comprador Reage à Ruptura? RESPOSTA DO COMPRADOR Como o Comprador Reage à Ruptura? Quando um comprador se depara com a falta de um produto na gôndola: Os lojistas perdem aproximadamente 40% das compras planejadas Os fabricantes perdem 35% das compras planejadas © 2007 Thomas W. Gruen 22

RESPOSTA DO COMPRADOR REGIÕES Média de Respostas do Consumidor Por Região (comparação entre 8 categorias comuns) 31 34 27 15 13 17 16 19 20 21 26 25 32 22 9 8 11 0% 20% 40% 60% 80% 100% Média Mundial Outras Regiões Europa EUA Comrpou em outra loja Deixou pª comprar depois Substituiu – mm. marca Substituiu–marca diferente Não comprou o ítem Observe as diferenças no ítem substituição de marca entre as regiões! © 2007 Thomas W. Gruen 23

RESPOSTA DO COMPRADOR Grande Variação por Categoria Média de Respostas do Consumidor Mundialmente por Categoria 13 15 18 26 32 37 39 40 19 10 20 16 17 21 24 14 38 28 31 30 25 12 11 7 5 0% 20% 40% 60% 80% 100% Toalhas de Papel Salgadinhos Pap. Hig. Lavand. Shampoo/Cuidado Cab. Pasta dentes Fraldas Higiene Femina Comprou em outra loja Comprou depois Substituiu-mesma marca Substitutuiu-marca diferente Não comprou o ítem O índice de “compraram em outra loja” variou de 13% a 40% Procurar outra loja para comprar produtos de higiene feminina é três vezes mais freqüente do que para comprar Toalhas © 2007 Thomas W. Gruen 24

RESPOSTA DOS COMPRADORES ARTIGOS DE MERCEARIA Fonte: ECR-UK 2005 © 2007 Thomas W. Gruen

RESPOSTA DOS COMPRADORES Artigos de Farmácia Fonte: ECR-UK 2005 © 2007 Thomas W. Gruen

O comprador pode abandonar seu carrinho de compras caso não encontre alguns dos produtos que está procurando Fonte: GS1 Columbia, “Diagnosis Report,” 2007 © 2007 Thomas W. Gruen 27

E. Difícil precisar com base nas informações dadas. PERGUNTA: O QUE ACONTECE QUANDO O CONSUMIDOR NÃO CONSEGUE ENCONTRA DIVERSOS PRODUTOS QUE PRETENDE LEVAR Considerando-se um índice de ruptura médio (8%) e um consumidor comprando 40 ítens – estaticamente qual o % de visitas que ele/ela precisará fazer para ficar totalmente satisfeito (ou seja encontrará tudo o que está procurando)? A. 4% B. 24% C. 44% D. 64% E. Difícil precisar com base nas informações dadas. © 2007 Thomas W. Gruen

From Appendix E, p. 65 © 2007 Thomas W. Gruen

PROBABILIDADE DO CLIENTE SAIR 100% SATISFEITO Se o varejista conseguir reduzir o índice de ruptura pela metade, a probabilidade dele conseguir que o cliente fique 100% satisfeito é infinitamente maior! Thanks to Synchra Systems, Inc. for this chart! © 2007 Thomas W. Gruen

IMPLICAÇÕES: A PERDA DE OPORTUNIDADE DE VENDA CAUSADA PELA RUPTURA É DE APROXIMADAMENTE 4% PrejuÍzo nas Vendas causado pela Ruptura 4.5 3.8 3.5 3.2 2.4 2.1 4.0 3.7 3.9 0.0 1.0 2.0 3.0 5.0 Por Categoria Prod. cabelos Fraldas Hig. Feminina Lavanderia Papel Higienico Salgadinhos Por Região Outras Regiões EUA Europa Média Mundial Estimativa do Percentual da Perda Oportunidade de Vendas A perda de oportunidade des vendas são muito semelhantes em todo o mundo, mas variam muito entre as categorias 31 © 2007 Thomas W. Gruen

Cálculo da perda de oportunidade vendas de uma empresa provocado pela ruptura: Taxa de Ruptura _______% x Perda Média por Categoria _______% Total Categoria/ Vendas da Empresa $_____ = Perda de Oportunidade de Vendas provocada pela Ruptura $_____ Examplo: Taxa Média de Ruptura 8% X Perda Média 30% Vendas da Categoria$1B = Vendas não Realizadas $24,000,000 Perda de oportunidade de vendas típica de um Lojista//$1B em vendas totais que corresponde a $32 milhões © 2007 Thomas W. Gruen 32

DESCOBERTAS: IMPLICAÇÕES Nossas descobertas sugerem que o custo da ruptura no varejo é muito maior do que o relatado em estudos anteriores. De acordo com as conclusões de nosso estudo, um lojista típico perde aproximadamente 4% de oportunidade de vendas devido à ruptura. Uma quebra nas vendas de 4% se traduz em uma queda no lucro por ação de aproximadamente US$0,012 (1,2 centavos) para as empresas do setor de varejo onde o lucro por ação é de aproximadamente US$ 0,25 (25 centavos) por ano. © 2007 Thomas W. Gruen

Motivação – Custos Adicionais Fabricantes Varejistas A ruptura reduz o impacto das Promoções e dos Fundos de Promoção do Setor A Ruptura destorce a Verdadeira Demanda das Lojas, logo as Projeções, Gestão de Categoria e Esforços Afins são menos Precisos e Eficientes A Ruptura Aumenta o Custo Geral de Relacionamento com o Lojista (Necessidade de um maior volume de atividade pós auditoria, Pedidos Errados) A ruptura distorce as Verdadeiras Demandas do Comprador e, por conseguinte, reduz a Precisão das Projeções e das Compras Os custos operacionais são majorados devido à contratação de funcionários para procurar Ítens Esgotados, Distribuir “Vale-Compra” para Clientes, Renovar o Estoque, etc. (pode representar US$1.0 milhão para 100 lojas) Operacional Perda de Fidelidade da Marca e de Participação da Marca A ruptura estimula a compra de produtos de marcas concorrentes Redução na Eficiência dos Recursos da Equipe de Vendas Perda Direta da Fidelidade à Loja Menor Satisfação do Consumidor A ruptura favorece a visita às lojas dos concorrentes Não existe um registro da Taxa de Prejuízo Permanente do Comprador, mas o custo anual é de US$1 milhão para cada 200 compradores Two notes for this slide: First, the impact is much larger than lost sales alone. Second, in the retailer operation quadrant, note that in the report we present a method to estimate the personnel costs. Estratégico © 2007 Thomas W. Gruen

Costs of Addressing OOS in Store Para os Varejistas: O dinheiro gasto por uma loja de produtos alimentícios de porte médio para contratar funcionários para atender os consumidores que procuram um produto que está em falta no momento da compra é de US $800/semana/loja. Cerca de U$4.1milhões por ano – 100 lojas Para os Compradores: Os compradores gastam >20% a mais do que o Tempo Médio de Compra esperando uma resposta.

Let’s Examine the Causes of Out-of-Stocks Vamos tentar descobrir onde está o erro? Rede de Abastecimento? Pedido do Varejista? Merchandising do Varejista? Demanda irregular do consumidor? © 2007 Thomas W. Gruen 36

Para Reduzir o Índice de Ruptura Precisamos Primeiro Compreender as Causas da Ruptura Principais Causas da Ruptura Média Mundial Distribuição total 28% Na loja, mas fora da gôndola 25% Pedido e Previsão da Loja 47% Projeções e pedidos das Lojas de Varejo (aproximadamente ½ das Rupturas) Práticas de colocação nas gôndolas e de reabastecimento das lojas de varejo onde o produto está na loja mas não na gôndola (aproximadamente ¼ da Ruptura) Diversas causas distribuição (aproximadamente ¼ da ruptura) This leads us to focus on the two major retail components: store and shelf Credit: Gruen, Corsten, and Bharadwaj 2002 70-75% das rupturas são resultado direto das práticas adotadas pela loja

CAUSAS DA RUPTURA NA DISTRIBUIÇÃO 3/23/2017 CAUSAS DA RUPTURA NA DISTRIBUIÇÃO Resumo das Causas da Ruptura (Mundialmente) O mesmo que o slide anterior mas detalha as causas do upstream. Outras Causas 4% Pedido da loja Sede do Varejista ou 13% Fabricante 14% Centro de Distribuição FIRST STUDY TO IDENTIFY SHELVING AS ONE OF THE KEY CAUSES 10% Previsão da Loja 34% Distribuição nas Gôndolas 25% © 2007 Thomas W. Gruen

VAMOS RESUMIR AS CAUSAS: Projeção da Loja – 35% Algoritmos ineficientes Longos ciclos de projeção Pedidos da Loja – 13% Pedido atrasado / nenhum pedido Intervalos de reabastecimento inadequados Estoque da Loja – 25% Espaço de prateleira insuficiente ou inadequado Frequência de abastecimento das gôndolas Depósito congestionado Depósito – 10% Más políticas de organização Problemas de precisão de dados Erros de Administração – 14% Decisões sobre preço / promoções de última hora Informações sobre produtos imprecisas ou obsoletas Disponibilidade do Fabricante – 4% Embalagem, materia prima ou alocação de ingrediente Problemas de capacidade Can skip this slide if time is short. © 2007 Thomas W. Gruen 39

Portanto… Sabemos qual é a extensão do problema, as respostas do consumidor e as principais causas. Simplesmente cruzar os braços acarreta grandes problemas. Alguns varejistas estão tentando resolver os problemas de ruptura e com grande sucesso. Dado o grande número de soluções possíveis, não deve ser difícil corrigir um ou mais problemas que se encontram na origem do problema de ruptura. Entretanto, a grande dificuldade ainda é definir por onde começar e quais medidas produzirão os melhores resultados em relação aos recursos investidos. E agora? © 2007 Thomas W. Gruen 40

7 Áreas Chave que Impactam a Ruptura Precisamos entender o fluxo dos produtos. Precisamos dimensionar a ruptura Por causa da ruptura (e por diversas outras razões), as vendas e a demanda são diferentes Na maioria das vezes, as informações sobre estoque não são exatas Inadequação do espaço de gôndolas para produtos campeões de venda Ajuda quando as lojas obedecem aos planos traçados Manter as gôndolas e o estoque organizados é realmente muito importante © 2007 Thomas W. Gruen 41

1. Precisamos compreender o fluxo dos produtos (i. e 1. Precisamos compreender o fluxo dos produtos (i.e., para o comprador) © 2007 Thomas W. Gruen 42

Não existe um número muito grande de produtos de grande procura As análises recentes dos dados colhidos nos pontos-de-venda apresentam um quadro mais nítido do comportamento dos produtos ao longo do tempo. Conclusão: apenas um número relativamente pequeno de produtos responde pela grande maioria das vendas totais da loja Características da Velocidade de ìtem - Loja de Grande Porte 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% 5000 10000 15000 20000 25000 30000 35000 40000 45000 50000 Número de Ítens Vendas Percentuais Cumulativas Dia Méd. Dia de Pico Med Semana Med Média 4 sem. Média Ano © 2007 Thomas W. Gruen

Movimentação do Produto – Lojas de Menor Volume Características de Velocidade de Ítem – Loja Pequena 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% 5000 10000 15000 20000 25000 30000 35000 40000 45000 50000 Número de ìtens Vendas Percentuais Cumulativas Dia médio Dia de Pico méd Semana Média Média 4 sem Média Ano A lower volume grocery store with 50,000 items will sell: 5,000 items in a typical day In a typical week, the yellow line crosses 80% at 15%, or 7,500 items Chart provided by Standard Analytics © 2007 Thomas W. Gruen 44

Precisamos entender a velocidade e inconstância das vendas SKU Medidas & Foco Precisamos entender a velocidade e inconstância das vendas SKU …e focar naquelas que realmente interessam © 2007 Thomas W. Gruen 45

2. Precisamos compreender como medir a Ruptura, como estas medidas apontam para a origem do problema, e como compreender a origem do problema nos ajuda a encontrar soluções © 2007 Thomas W. Gruen 46

Método 1 para se Mediar a Ruptura Abordagem de Auditoria Manual Intensiva de mão de obra, cara de ser usada continuamente Os empregados acreditam Intensiva de Dados Passível de Erros Note that both methods can point to root causes of OOS, and these root causes can point to solutions. Note that several companies have developed algorithms to estimate OOS. We mention two of them in the presentation. © 2007 Thomas W. Gruen 47

Exemplo de uma Auditoria Manual : Percentual de Causa de Origem Note that this was a manual audit of 600 random items across 125 stores. 1. Start with replenishment (15%)—determined by how many OOS items have inventory in the back room? 2. After the 15% replenishment has been identified, then how many of the remaining have PI > 0? In this case, PI inaccuracy is the leading cause (42%) of OOS. 3. And so on, identifying 12% due to ad, etc.

Método 2 para se Medir a Ruptura Sistema de Estoque Contínuo Quando disponibilidade = 0 (ou menos), significa que o ítem está faltando Muitos varejistas já têm um sistema PI Os dados sobre disponbilidade de produto não são bons Responsável por diversas Rupturas © 2007 Thomas W. Gruen 49

Método 3 para se Medir a Ruptura Abordagem dos Dados do Ponto-de-Venda >85% Preciso (mesmo os falsos positivos acarretam um benefício) Dá importância à perda de oportunidade de venda Calcula a duração Um relatório abrangente De cara instalação, mas de manutenção barata Dois Fornecedores parceiros Data Ventures Standard Analytics

Exemplo de Cálculo de Dados em POS 3/23/2017 Exemplo de Cálculo de Dados em POS Sab Dom 2ª feira 3ª feira 4ª feira 5ª feira 6ª feira Compra Real Esperada Esgo- tado Esgotado M i s e d P u r c h a Examplo 1: (3 vendas perdidas) Examplo 2: (4 vendas perdidas) Works best with fast moving items. O algoritmo determina a velocidade de cada ítem (usando uma história de 52 semanas) A velocidade esperada do ítem varia proporcionalmente à velocidade da loje e do preço do ítem Quando o ciclo de compra de um ítem (velocidade esperada) é interrompido, este ítem passa a ser classificado como Esgotado 51 © 2007 Thomas W. Gruen

Exemplo: As 100 Maiores Rupturas por Loja Este relatório ajuda a: Identificar os produtos que estão sempre esgotados. Identifidar o dia e hora dos episódios de ruptura. Compreender a influencia das promoções na ruptura. Identificar os ítens que precisam ter o cronograma de entrega modificado. E também: Usar os dados POS para examinar atributos de freqüência para apresentar padrões © 2007 Thomas W. Gruen 52

P: Para que mais servem os dados de Ruptura gerados nos POS? R: Identificar um Padrão de Ruptura Subestimação da Velocidade da Promoção Correlação da Ruptura com o Cronograma de Promoção Subestimação das Vendas de Final de Semana O Item está sempre esgotado nos Finais de Semana Espaço de Gôndola Insuficiente Ruptura de Curta Duração (< 1 dia), Fácil reposição Centros de Distribuição da Ruptura Rupturas de duração relativamente longa com alta correlação em lojas geograficamente próximas

Amostra de Padrões de Avaliação Padrão 1: Subestimação da Velocidade da Promoção Loja A, Salada Americana Fresca Expressa 12 oz Problema corrigido em Janeiro Simple map here—note when the OOS pattern has been identified and fixed. Copyright Standard Analytics, LLC. 2006. All rights reserved. © 2007 Thomas W. Gruen

O que este padrão indica? Tell the audience that this is the egg category before showing the information at the bottom. Esta loja precisa aumentar o espaço de gôndola, checar os produtos que estão na gôndola, e reestocar a gôndola de Ovos Tipo Grande mais freqüentemente © 2007 Thomas W. Gruen 55 Copyright Standard Analytics, LLC. 2006. All rights reserved.

Este padrão é indicativo de quê? Provavelmente esta loja tem um cronograma de reabastecimento inadequado para o produto PÃO PITA que é muito procurado. Normalmente o ítem já está esgotado na quinta-feira, e só aparece novamente nas gôndolas na sexta-feira à tarde. Está novamente esgotado no sábado ou nodomingo, e só volta a aparecer na gôndola na terça-feira. Aparentemente são feitas duas entregas por semana, quando o ideal seria quatro ou mais. © 2007 Thomas W. Gruen 56 Copyright Standard Analytics, LLC. 2006. All rights reserved.

Este padrão é indicativo do quê? Problema: o produto vende praticamente todos os dias – são poucos os dias em que não se registram vendas Geralmente o produto se esgota todos os dias – a demanda normalmente não é atendida. As vendas todas corresponderiam a 45-55 unidades /dia, e a média de vendas é 21 unidades / dia. Ocasionalmente o estoque fica zerado durante diversos dias. Solução: aumentar em aproximandamente 60% a abastecimento diário; checar a gôndola 3x por dia. © 2007 Thomas W. Gruen 57 Copyright Standard Analytics, LLC. 2006. All rights reserved.

3. A Ruptura Esconde a Demanda Real 47% da ruptura é provocada por erro de previsão O prejuízo nas vendas passa despercebido porque a maioria dos clientes, quando não encontram o produto que estão procurando, optam por não comprar, comprar em outro estabelecimento, ou comprar um produto substituto, sem registrar na loja que não encontrou o produto que estava procurando. Os modelos de previsão não incluem estimativas referentes a perda de oportunidade de vendas, e simplesmente fazem projeções da demanda futura baseadas no histórico de vendas realizadas. Os pesquisadores tentaram calcular a demanda das vendas que deixam de ser feitas, e passam despercebidas. Todos os modelos desenvolvidos chegaram à conclusão de que o volume destas vendas pode ser bastante significativo e que é altamente influenciado pela demanda média e pela incerteza da demanda. © 2007 Thomas W. Gruen 58

Como a Ruptura Mascara a Demanda Real Limpa-Prata e as Compras para o Jantar do dia de Ação de Graças: Um caso real - : Toda quarta quinta-feira do mês de novembro, nos Estados Unidos, praticamente todos os lares comemoram o Dia de Ação de Graças. Tradicionalmente, as famílias e amigos se reúnem nas casas para um jantar anual formal. Nesta época, os mercados e supermercados fazem um grande estoque de peru, batata doce, ingredientes para preparar o recheio do peru e para a torta de abóbora, bem como outros produtos que não podem faltar na mesa deste jantar tradicional. Uma vez que milhares de casas preparam o mesmo cardápio, neste dia, mesmo na véspera, é raro não se encontrar algum destes produtos. . Na 3ª feira véspera do dia de Ação de Graças, Carol foi ao supermercado para comprar o que estava faltando para seu jantar para 20 convidados. Como estava planejando usar sua baixela de prata no jantar,ela precisava de um limpa-prata. A loja tinha um SKU, como ítem de conveniência, e neste dia o produto estava esgotado, porque todo mundo sempre compra limpa-prata nesta época para limpar e polir as baixelas e as pratas da casa Mas ela precisava polir sua baixela, e quando voltava para casa Carol deu uma paradinha em um mercadinho e conseguiu encontrar um limpa-prata. No próximo ano, Carol provavelmente precisara comprar novamente limpa-prata, e quando sair para fazer suas compras, r caso não encontre limpa-prata em seu supermercado, vai parar no mercadinho atrás do produto que está procurando. E em todos os cantos do país, milhões de outras pessoas, estão fazendo exatamente a mesma coisa. O que os mercados não , se dão conta, é a demanda real, porque o lojista não tem a menor idéia de quantas unidades de limpa prata ele poderia vender.Como não dispõe de dados sobre a demanda, a loja continuará a ter um estoque incompatível com a demanda, enquanto o mercadinho aumentará seu pedido de limpa-prata para atender a sua demanda, e a demanda gerada pela falta deste produto no supermercado. Se o mercado soubesse dimensionar a sua própria demanda, e e organizasse seu estoque de acordo; no ano seguinte, o mercadinho ficaria super estocado com aquele ítem. Mas quando o mercado se der conta desta situação, Carol já terá parado de procurar este produto no supermercado,e terá se tornado cliente fiel do mercadinho. © 2007 Thomas W. Gruen 59

Silver Cleaning Polish

Silver Cleaning Polish

4. A Ruptura Vinculada à Exatidão dos Estoques Ponto 1: Exatidão dos dados sobre o Produto São diversos os fatores que provocam a imprecisão de dados nos bancos de dado dos varejista a saber: Fusão de bancos de dados anteriormente independentes; isto ocorre devido a fusão de empresas, e também pela fusão de sistemas anteriormente separados. Exatidão no que se refere a reabastecimento de produto, novos produtos lançados incorretamente no banco de dados , e remoção de ítens que não são mais fabricados. Os fabricantes introduzem algumas mudanças temporárias nos produtos, como novas embalagens promocionais, com vales-brinde, e inserem um novo código, mas logo depois voltam a usar o antigo código UPC/GTIN.

Exatidão dos Dados do Produto Pequenas diferenças podem causar um grande efeito. Fabricantes terceirizados, como a 1SYNCH, evoluíram para facilitar as melhorias nos dados.  Os efeitos no nível de ruptura de uma loja causados por um alinhamento de dados podem ser substanciais conforme comprovado por dois estudos pilotos apresentados durante o Capgemini/GCI 2005: Na América Latina (México, Guatemala, e Colombia), a Procter & Gamble e diversos outros clientes de varejo reduziram de 3,6% para 0,8% o volume de erros em ordens de compra, e isto representou uma redução de 8% para 3% no índice de ruptura no varejo.

4. Ruptura Relacionada a Exatidão do Estoque (PI) Ponto 2: Exatidão do Controle Permanente do Estoque Estudo (Rede de drogarias nos EUA): Comparação dos Níveis de Ruptura através de auditorias feitas nas gôngolas das lojas: 4,1 % de Ruptura Quando a Ruptura estava igual ao P. I. (i.e., P.I. = 0) 8,9% de Ruptura Quando a Ruptura estava diferente ao P.I. (i.e., P.I. >0)

Observações sobre Exatidão dos PI 45.4% of the time there was no variance 18.8% of the time there was +/- 1 unit 10% of the time there +/- 2 unit Ask, why is this so low? Improper scanning Shrink Product lost in back room Store stocker ability to make on-hand adjustments

Exatidão do Estoque Permanente de Ítens em uma loja vs Múltiplas lojas Our first step was to revisit our database. Again, we have now have over 20,000 store level items in which we can query on understand casual relationships. Based upon our hypothesis, we wanted to understand what the drivers to PI accuracy was. We started with items in only one location, meaning they were not on any end cap, profit planner, or POG in multiple locations. What we found was both compelling and concerning; If you look at items in only one location, the accuracy of the perpetual inventory jumps from an average of only 45% accurate +/- one to 52%. Similar improvements occur if you across the accuracy for +/- 1 where the accuracy increases 9% to 73% and +/2 where the accuracy increases another 9% to 83%.

Medidas a serem tomadas para melhorar a exatidão dos estoques Focar na contagem do Estoque das Lojas em: Ruptura Física On-Hands Negativo Zero On-Hands Outros ìtens dirigidos (i.e. rápida saída, campeões de venda) Eliminar todas as outras Contagens Menos contagens total de ciclo e maior exatidão Resultados: Maior Exatidão do Estoque Permanente 19% Redução de 50% nos Custos de Mão de Obra para Exatidão do Estoque Note that PI can be increased with lower effort due to focus. Note how critical this is for slow movers, because PI off by 1 or 2 delays orders of slow movers. Less critical for fast movers. © 2007 Thomas W. Gruen 69

5. Planogramas da Demanda de Pico 91% dos SKUs são dipostos na gôndola conforme as caixas são descarregadas Muitos varejistas usam um programa “Red Dot” (um work-around) 86% dos estoque nas gôndolas é mais do que suficiente para atender 7 dias. Reduzir os ítens de menor circulação para abrir espaço na gôndola para os produtos de maior circulação pode reduzir custos. © 2007 Thomas W. Gruen 70

Planogramas da Demanda de Pico 5 10 15 20 25 30 1 13 37 49 61 73 85 97 109 121 133 145 157 169 181 M u i t p l e o f P a k v s n Skus por Categoria Pico de Demanda versus Demanda Mínima Detergente Fraldas Hig. Fem Note that the study is underway and the results will be in the second edition of the report. © 2007 Thomas W. Gruen 72

Fast movers are in cases On the bottom shelf

6. Aderências às normas estabelecidas no Planograma Até que ponto a aderência a POG está relacionada aos níveis de Ruptura? Aderência à POG envolve: Distribuição Espaço Disposição Item na Gôndola Posicionamento da Marca Posicionamento do nível de SKU Whole thing starts with understanding POG compliance. We developed the best practice for measuring POG compliance, which is summarized on the following slide. © 2007 Thomas W. Gruen 75

© 2007 Thomas W. Gruen

Weekly OOS rate measurement and analysis provided by Standard Analytics, LLC.

Weekly OOS rate measurement and analysis provided by Standard Analytics, LLC.

Análise das Fraldas 79

Resumo do Estudo de Aderência ao POG Todas as categorias apresentaram uma relação estatísticamente significativa entre a Aderência ao Planograma e a Disponibilidade na Gôndola (efeito é 1% : 0,1%) Com alta aderência o benefício é muito pequeno © 2007 Thomas W. Gruen 80

7. Gerenciamento do Ítem É preciso manter os ítens direito nas gôndolas Não cubra buracos Não esconda os produtos Organize a disposição das etiquetas de preço nas gôndolas É muito importante conseguir transportar de forma eficiente a mercadoria que está no estoque da loja para a gôndola Testes sobre o nível de precisão da gôndola com relação aos níveis de ruptura apresentaram bons resultados © 2007 Thomas W. Gruen 81

Gerenciamento do Ítem 11% 6% 10% 5% 12% 8% 9% 4% 0% 2% 14% 2ª feira 3ª feira 4ª feira 5ª feira 6ª feira Sábado Domingo Teste vs. Controle – Perda de Oport. De Vendas p/ Dia da Semana Control Test Houve uma redução no prejuízo das vendas em lojas piloto que passaram a adotar preceitos e normas bem definidos para a prática de estocagem versus Controle © 2007 Thomas W. Gruen 82

Resumo e Conclusões Tenha o produto na loja, e depois coloque-o na gôndola. Arrume as gôndolas Identifique e controle os campeões de venda Para formato de lojas com ítens campeões de venda, use uma estimativa POS e procure determinar padrões Para formato de lojas com ítens de circulação mais lenta, trabalhe com a exatidão do estoque permanente Em todos os casos, tenha as informações precisas sobre todos os produtos fazendo um cruzamento de dados. © 2007 Thomas W. Gruen

Abordagem Recomendada Meça & Avalie A. Produtos com alto risco de ruptura (campeões de venda) B.Lojas com alto índice de ruptura C. Ruptura na gôndola versus Ruptura na loja Solucione os produtos de alto risco com soluções de ruptura na Loja Solucione as lojas de alto risco com soluções de ruptura nas Gôndolas © 2007 Thomas W. Gruen 85

Encontrando o Gênio da Lâmpada: Como solucionar o problema de Ruptura Quantificação e Avaliação Identificação da Origem dos Problemas Adotação de Soluções Melhorias Permanentes Observe todo o quadro e resolva o que for possível © 2007 Thomas W. Gruen 86

Professor de Marketing Universidade do Colorado, Colorado Springs, USA Para mais informações: Thomas W. Gruen, Ph.D. Professor de Marketing Universidade do Colorado, Colorado Springs, USA 719-262-3335 E-mail: tgruen@uccs.edu Você pode baixar uma cópia em PDF do estudo realizado em 2002, diretamente do website: http://www.uccs.edu/tgruen Veja também no website avisos sobre o Relatório de 2007 © 2007 Thomas W. Gruen 87