Melhorando as substituições em pedidos online

“Eu solicitei framboesas, mas me enviaram couves-flores.” Foi assim que um consumidor californiano descreveu sua experiência de compra online de mantimentos no Walmart usando o aplicativo Instacart. Nossa pesquisa de campo revelou incidentes semelhantes. Essas substituições inadequadas tornaram-se um símbolo de um problema mais profundo — um problema que corrói silenciosamente a lucratividade, prejudica a confiança do cliente e impede o crescimento dos pedidos online no varejo. À medida que o comércio eletrônico cresce, mais varejistas estão adotando modelos de atendimento em loja, utilizando suas lojas e equipes existentes para selecionar pedidos online. Recentemente, realizamos uma pesquisa em parceria com a ECR Retail Loss Community. Das 25 varejistas internacionais que responderam e cujas receitas anuais representam mais de US$ 1 trilhão, 61% delas agora selecionam pedidos online em lojas físicas, e nessas lojas, as vendas online representam cerca de 15% das vendas totais. A separação de pedidos online nas lojas oferece uma maneira de evitar os altos custos fixos de centros de atendimento dedicados ou lojas escuras, locais de varejo que não são abertos ao público e são usados exclusivamente para atender pedidos online, mas isso acarreta sérias desvantagens, especialmente quando se trata de substituições. Ao contrário dos varejistas que atendem pedidos a partir de armazéns centralizados ou lojas ocultas com estoque rigidamente controlado e precisão de processo para envio imediato, a separação na loja introduz um atraso crítico. Um cliente pode fazer e pagar seu pedido horas antes de um funcionário da loja começar a montá-lo. Nesse momento, o estoque na prateleira pode ter mudado. Um item marcado como “em estoque” no site pode ter acabado — vendido, extraviado ou nunca ter existido. Quando isso ocorre, o selecionador enfrenta uma escolha: substituir por outro item, entrar em contato com o cliente ou simplesmente ignorar o item. Nenhuma dessas opções é ideal. Cada uma delas acarreta custos, atrasos ou risco de insatisfação do cliente. A partir de nosso trabalho de campo e conversas com líderes de operações de varejo, fica claro que a substituição não é mais um incômodo menor, mas sim um grande problema. Como afirmou um vice-presidente de comércio eletrônico: “As substituições estão prejudicando nossas margens. Elas estão no mesmo nível das devoluções e das taxas de entrega”. Nossa pesquisa corrobora essa afirmação. Quando um varejista não consegue selecionar um item que foi solicitado, ele perde a margem de lucro do item. Por outro lado, para recuperar essa margem, os selecionadores da loja gastam tempo adicional procurando o produto desejado no depósito e em outros locais. Para evitar reembolsos dispendiosos após a entrega por substituições indesejadas, eles podem até entrar em contato diretamente com o cliente e solicitar a melhor substituição, perdendo ainda mais tempo. Os varejistas que oferecem substitutos mais caros sem custos adicionais perdem margem de lucro adicional. De acordo com nossa pesquisa, os varejistas incorrem em média em US$ 2,66 em custos de mão de obra e margem perdida para cada US$ 1 em margem de lucro recuperada. No total, esses custos ocultos de substituição representam quase 2% de suas vendas online anuais — uma redução substancial da margem em um canal onde a lucratividade já é muito baixa. Não é de se admirar que os executivos do varejo estejam nos perguntando o que pode ser feito a respeito. Nos últimos anos, trabalhamos com grandes varejistas em três continentes para estudar essa questão — por meio de pesquisas globais, visitas a locais, entrevistas aprofundadas e um experimento de campo em grande escala com uma plataforma online europeia. O que aprendemos é que, embora as substituições possam ser inevitáveis, seu impacto pode ser mitigado — se os varejistas adotarem uma abordagem mais estratégica e baseada em dados. Em todas as redes que estudamos, três alavancas se mostraram consistentemente eficazes: Reduzir a necessidade de substituições, melhorando a disponibilidade nas prateleiras, Aumentar a aceitação das substituições pelos clientes por meio da personalização e Reduzir o custo das substituições, tornando os processos de seleção mais inteligentes e rápidos. Essas três alavancas abordam diferentes estágios do problema da substituição, mas funcionam melhor quando atuam em conjunto. A disponibilidade aprimorada reduz o número de substituições necessárias. A personalização aumenta as chances de que as substituições sejam aceitas quando ocorrerem. E a eficiência operacional reduz o custo de lidar com elas, independentemente da frequência. Os varejistas que gerenciam com sucesso as substituições não se limitam a corrigir uma parte do processo, eles coordenam as três. Reduzindo a necessidade: melhorando a disponibilidade nas prateleiras A melhor substituição é nenhuma substituição. A causa principal das substituições é a falta de estoque. Isso significa que a melhor prevenção é garantir uma alta disponibilidade nas prateleiras quando o selecionador vai buscar um item pedido. No entanto, apesar de décadas de investimento em, por exemplo, previsão, reabastecimento e sistemas ERP, a disponibilidade nas prateleiras (OSA) continua frustrantemente baixa entre os principais varejistas. Nossa pesquisa mostra que a disponibilidade nas prateleiras oscila em torno de 93%, com pouco progresso nas últimas duas décadas. As razões são estruturais. Os registros de estoque nas lojas frequentemente apresentam erros devido a roubos, deterioração, itens extraviados ou digitalizações incorretas. As verificações nas prateleiras são demoradas e muitas vezes são ignoradas durante os horários de pico. O estoque fantasma — quando os sistemas indicam que um item está em estoque, mas não está — continua sendo uma realidade diária para as equipes das lojas. Para preencher essa lacuna, muitos varejistas estão experimentando sinais adicionais nas prateleiras. Alguns, como Walmart ou Morrison's, estão testando câmeras montadas nas prateleiras que monitoram lacunas em tempo real e acionam alertas. Outros, como Kroger ou Schnuck's, testaram robôs que patrulham autonomamente os corredores para detectar falta de estoque. Um terceiro grupo, que inclui a Asda e a Target, aplica aprendizado de máquina aos dados de ponto de venda e estoque para inferir algoritmicamente prováveis rupturas de estoque e estoque fantasma. Essas ferramentas são promissoras, mas somente se os varejistas puderem agir com base nos sinais. Frequentemente, os alertas exigem intervenção manual antes que os sistemas ajustem os registros ou acionem novos pedidos. Os funcionários devem verificar as prateleiras, confirmar os níveis de estoque e reabastecer, atualizar os registros do sistema ou escalar problemas, aumentando o custo de mão de obra. Esse gargalo humano torna até mesmo a melhor tecnologia lenta para escalar. A verdadeira inovação ocorrerá quando os varejistas confiarem suficientemente nos dados de estoque das prateleiras para automatizar ações — atualizando registros, acionando reabastecimentos e até mesmo ajustando indicadores de disponibilidade online sem esperar por confirmação manual. Aumento da aceitação: personalização da substituição Em nossa pesquisa, dois terços (64%) dos varejistas perguntam aos seus clientes se eles aceitariam substitutos e pouco mais de dois terços (70%) dos clientes desses varejistas permitiriam substituições se sua primeira escolha não estivesse disponível. Mas quem deve escolher o substituto? Claramente, não há melhor substituição do que o próprio cliente escolher. No entanto, apenas um quinto (23%) dos varejistas em nossa pesquisa incentiva os clientes a pré-registrar seus substitutos favoritos antes de finalizar a compra, para que os selecionadores saibam sua substituição preferida, caso um produto esteja em falta mais tarde no processo. Na ausência de preferências reais dos clientes, metade dos varejistas confia em dados baseados na popularidade ou nas vendas de itens semelhantes (50%) — o que dificilmente pode ser considerado um recurso de personalização — e quase um terço (31%) confia em árvores de decisão ou lógica baseada em categorias, substituindo uma marca de iogurte por outra ou um tamanho de macarrão por outro. No entanto, o que é “semelhante” para um gerente de categoria ou para o cliente médio pode não ser aceitável para você ou para mim. Menos de um terço (31%) dos varejistas em nossa pesquisa utiliza o histórico de compras do cliente, bem como aprendizado de máquina ou modelos de inteligência artificial para personalização. Para personalizar melhor os substitutos, estabelecemos uma parceria com uma plataforma europeia de compras online (que opera em um modelo semelhante ao Instacart). Quando nos reunimos pela primeira vez, eles enfrentavam uma taxa de ruptura de estoque de até 10% em algumas redes varejistas selecionadas, e mais da metade dos pedidos apresentava pelo menos uma substituição. De acordo com o CEO deles, esse era o principal motivo para a rotatividade de clientes, ainda mais do que a entrega atrasada. O ponto de virada foi perceber que as consequências de substitutos inadequados não eram medidas em margens perdidas, mas no valor da vida útil do cliente. “Não se trata da margem afetada pelo custo da substituição”, disse o CEO. “Trata-se de saber se o cliente voltará.” Nossa abordagem consistiu em gerar sugestões personalizadas de substituição antes mesmo do início do processo de separação. Primeiramente, utilizamos dados históricos da cesta de compras de cada cliente para construir um sistema que classifica as preferências dos clientes e sugere substitutos quando os produtos preferidos estão em falta. Aplicamos uma nova estrutura de modelagem de escolha, que captura padrões de preferência estáveis entre os compradores, mesmo a partir de dados escassos. Por exemplo, ela pode inferir que um cliente que compra frequentemente leite sem lactose provavelmente não aceitará um substituto à base de laticínios, mesmo que ambos pertençam à mesma categoria. Adicionamos um filtro contextual para garantir que os substitutos sugeridos não fossem apenas preferidos, mas também relevantes — dentro da mesma faixa de preço ou subcategoria. Em seguida, testamos esse modelo em um experimento de campo em grande escala, abrangendo mais de 47.000 clientes e 2.000 oportunidades de substituição. Os resultados foram impressionantes. Em comparação com o sistema de aprendizado de máquina existente do varejista, nossas sugestões personalizadas e filtradas por contexto levaram a um aumento de 26% a 32% na taxa de aceitação. Os maiores ganhos vieram de clientes com poucas transações anteriores — tradicionalmente o grupo mais difícil de personalizar. É importante ressaltar que um filtro de relevância simples — como sugerir apenas itens dentro de ±50% do preço do item original — melhorou as taxas de sucesso em mais de 12 pontos percentuais. Reduzindo o custo: tornando o processo mais eficiente Cada substituição impõe custos, não apenas nas margens dos produtos, mas também na mão de obra. Quanto mais tempo um selecionador leva para perceber que um item está em falta, procurar alternativas e, talvez, até mesmo ligar para o cliente, mais cara fica a encomenda. Multiplique isso por milhares de encomendas diárias e a carga operacional torna-se significativa. Os varejistas que conseguem conter os custos de substituição não dependem do esforço heróico dos selecionadores. Eles redesenham o processo para reduzir o atrito na tomada de decisões e eliminar etapas desnecessárias. A partir de nossas visitas ao local e entrevistas, identificamos quatro práticas recorrentes que auxiliam nesse sentido. Primeiro, eles reconhecem que os registros de estoque não são muito precisos. Ao utilizar aprendizado de máquina para comparar dados de pontos de venda com registros de estoque, eles sinalizam quando os registros de estoque mostram estoque positivo, enquanto os dados de transações não mostram nenhum sinal de atividade de vendas. Isso sugere que os registros de estoque estão inflacionados por “estoque fantasma” e aciona uma “zeragem” automática dos registros de estoque. Com o tempo, isso melhora a precisão e a credibilidade dos registros de estoque. Quando os selecionadores podem confiar no que o sistema lhes diz, eles não perdem tempo e cometem menos erros. Em segundo lugar, a mesma classificação utilizada para orientar os clientes com sugestões personalizadas e verificar a disponibilidade pode auxiliar os selecionadores nas prateleiras. Se o primeiro substituto estiver em estoque/esgotado, os selecionadores não precisam improvisar ou ligar para os clientes; eles têm uma lista selecionada e simplesmente escolhem o próximo substituto classificado e disponível. Em terceiro lugar, melhoram sistematicamente a qualidade do processo de separação. Eles acompanham a “taxa de separação na primeira tentativa”, uma métrica importante que mede a diferença entre entregar os itens originais ou seus substitutos. Nossa pesquisa mostra que mesmo os melhores varejistas alcançam apenas uma taxa de separação pré-substituição de cerca de 94%. Com as substituições, eles atingem 97% de atendimento, recuperando metade das vendas que, de outra forma, seriam perdidas. No entanto, esse ganho de 3 pontos tem um custo, pois os selecionadores gastam tempo extra para encontrar o substituto certo. Melhorar a disponibilidade nas prateleiras é equivalente a fechar essa lacuna. Em quarto lugar, eles compartilham ativos críticos, como acesso a depósitos, localização de produtos, estoque e lógicas de substituição com selecionadores terceirizados. Apesar do fato de que, em nossa amostra, 6% do total das vendas das lojas são selecionadas por plataformas de compras online, 70% dos varejistas não lhes dão acesso à área de armazenamento, 45% não compartilham a lógica de substituição e 40% não compartilham os planos da loja e os níveis de estoque. Isso é uma visão limitada, uma vez que os clientes responsabilizam tanto os varejistas quanto os serviços de entrega terceirizados por itens faltantes e substituições inadequadas. Os varejistas devem perceber que o custo de substituição não é apenas uma função do que é selecionado, mas também de como isso é feito. Dados precisos, funções mais claras e orientações inteligentes de substituição podem tornar o processo mais rápido, mais barato e mais consistente. . . . As substituições de pedidos online atendidos em lojas físicas não são mais um pequeno problema — elas são um teste de maturidade operacional. À medida que as vendas no varejo migram para o ambiente online e a retirada na loja continua sendo a norma, os varejistas devem incorporar o gerenciamento de substituições em seus sistemas, em vez de adicioná-lo posteriormente. Nossa pesquisa mostra que três fatores fazem a maior diferença: melhorar a disponibilidade nas prateleiras para reduzir as substituições, personalizar as alternativas para aumentar as taxas de aceitação e otimizar o processo de separação para aumentar a velocidade e a eficiência. Nenhuma delas requer uma reinvenção radical, mas todas exigem coordenação entre a cadeia de suprimentos, as operações da loja e o merchandising. Embora a IA amplie a capacidade dos varejistas de antecipar preferências e automatizar decisões, a tecnologia por si só não resolverá o que ninguém possui. Os supermercados com melhor desempenho tratam as substituições como uma tarefa de todos, pois dominá-las pode significar a diferença entre um crescimento lucrativo e ficar para trás na mudança para o varejo online.

Melhorando as substituições em pedidos online

Resumo.

Partner Center