Planeamento de promoções comerciais na Unilever FIMA
Como rever as atividades de planeamento promocional para aumentar a eficiência geral
Em resumo
Desafio
O setor do retalho em Portugal é altamente competitivo, com as vendas promocionais a representarem cerca de 50% das vendas totais. As empresas de bens de consumo e os retalhistas enfrentam desafios na monitorização, previsão e planeamento das promoções. A Unilever FIMA, responsável pela presença da Unilever no mercado português, procurou melhorar o seu planeamento promocional, com vista a aumentar a eficiência e garantir o sucesso a longo prazo. As principais questões incluíam o acompanhamento da eficiência promocional, a avaliação do impacto de diferentes ofertas nas vendas e o apoio ao planeamento de futuras promoções.
Solução
Os desafios foram ultrapassados através da transição para um processo de planeamento promocional sistemático e orientado por dados, com foco em quatro áreas-chave. O primeiro passo consistiu no desenvolvimento de um processo ágil de recolha de dados, com o objetivo de centralizar a informação promocional. Foi criado um dashboard para reforçar a eficácia do planeamento e monitorizar os principais indicadores de negócio, permitindo uma tomada de decisão mais rápida e informada. Foi também desenvolvido um modelo preditivo, com recurso a ferramentas de Machine Learning, para avaliar o impacto das atividades promocionais nos indicadores de desempenho, incorporando vendas históricas, características dos produtos e dados externos. Adicionalmente, foi concebido um módulo de otimização, com o objetivo de propor planos promocionais ótimos, maximizando objetivos de negócio como o volume de vendas e o lucro bruto.
Resultados
Ao transitar de um processo manual para um processo de tomada de decisão padronizado e orientado por dados, a Unilever FIMA melhorou o planeamento promocional, aumentou a precisão das previsões e otimizou as estratégias promocionais, com impacto direto nas vendas e no lucro bruto. O próximo passo é apoiar a evolução das diretrizes promocionais, com o objetivo de alcançar a excelência no planeamento de promoções comerciais.
O setor do retalho em Portugal é altamente competitivo e caracteriza-se por uma forte atividade promocional, sendo que as vendas em promoção representam cerca de 50% do total de vendas. Como tal, as empresas de bens de consumo e os retalhistas enfrentam desafios significativos no que respeita à monitorização, previsão e planeamento promocional.
O nosso cliente, a Unilever FIMA, que gere a presença da Unilever no mercado português, decidiu rever as suas atividades de planeamento promocional com o objetivo de aumentar a eficiência global, não só para se manter competitiva, mas também para garantir a sua sustentabilidade e sucesso a longo prazo. Para atingir este objetivo, foi necessário responder a três questões principais:
Quais são os principais indicadores e como monitorizar a eficiência e o sucesso promocional?
Qual é o impacto de diferentes ofertas promocionais nas vendas (tanto sell-in como sell-out)?
Como apoiar o planeamento de ofertas promocionais ao longo do horizonte temporal de planeamento?
Estes desafios foram abordados com uma nova abordagem ao planeamento promocional, substituindo um processo manual, com pouco aproveitamento de insights baseados em dados, por um processo sistemático, orientado por dados e suportado por decisões, assente em quatro eixos interdependentes que sustentam uma solução holística.
O primeiro passo foi o desenvolvimento de um processo ágil e robusto de recolha de dados, para garantir a centralização da informação promocional, eliminando a dependência de ficheiros Excel dispersos e do conhecimento individual de stakeholders específicos.
O acesso à informação através de uma base de dados centralizada permitiu o desenvolvimento de um dashboard que reforça a eficácia do planeamento promocional e a monitorização da eficiência, com acesso a métricas de negócio relevantes. Decisores com melhor acesso à informação e indicadores-chave de desempenho (KPIs) eficazes estão mais preparados para tomar decisões mais rápidas e fundamentadas.
Para avaliar o impacto de diferentes atividades promocionais em diversos indicadores de desempenho (como vendas brutas e margem), foi desenvolvido um modelo preditivo com recurso a ferramentas de machine learning, que integrou dados históricos de vendas, atributos dos produtos, horizonte temporal e tipificação promocional (como o tipo de desconto e o método de comunicação). Adicionalmente, foram usados dados externos (por exemplo, dados de vendas ao consumidor, conhecidos como sell-out), de forma a acrescentar valor incremental aos algoritmos desenvolvidos e, em última instância, melhorar a precisão das previsões.
O modelo preditivo permite não só uma previsão mais fiável das vendas promocionais, como também o acesso a cenários hipotéticos (what-if), possibilitando a compreensão do impacto de diferentes ofertas promocionais junto dos retalhistas.
Por fim, foi desenvolvido um módulo de otimização com o objetivo de propor planos promocionais ótimos ao longo do horizonte de planeamento, selecionando a oferta certa, para o cliente certo, no momento certo, a partir de um portefólio de ofertas promocionais previamente aprovadas. Este módulo é capaz de maximizar diferentes objetivos de negócio, como o volume de vendas, o volume de negócios ou o lucro bruto.
Ao evoluir a tomada de decisão de um processo empírico e manual para um processo padronizado e orientado por dados, a Unilever FIMA passou a conseguir monitorizar e melhorar a eficácia das diferentes abordagens promocionais, bem como questionar diretrizes promocionais previamente estabelecidas. Os resultados incluem a excelência nos processos de planeamento, o aumento da precisão das previsões e a otimização dos planos promocionais, com impacto direto nas vendas e no lucro bruto. Como trabalho futuro, a capacidade de apoiar a revisão das diretrizes promocionais representa o passo final rumo à excelência no planeamento de promoções comerciais.
Transformámos o planeamento promocional da Unilever FIMA ao sistematizar as atividades e garantir o acesso a dados a todas as contas-chave, tirando partido de análises avançadas de dados para alcançar planos superiores.
