APresentação de 2007 que faz a gente refletir, como será que estamos hoje?

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

2. 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

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

4. 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

5. 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. 5 © 2007 Thomas W. Gruen

6. 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. 6 © 2007 Thomas W. Gruen

7. Dois Estudos Estudo GMA/FMI/CIES realizado em 2002 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 7 © 2007 Thomas W. Gruen

9. Analisar a causa da Ruptura

10. 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, 8 © 2007 Thomas W. Gruen

12. Quantidade de tipos de FMCG (Produtos de Rápido Consumo) incluídos: 32

13. Quantidade de consumidores pesquisados em todo o mundo: 71.000

14. Número de países representados: 29

15. Foi um estudo bastante abrangente! Mas o que foi que descobrimos…9 © 2007 Thomas W. Gruen

17. Percentual de SKUs (ítens em estoque) fora das gôndolas em um determinado momento

18. Medido por auditorias, normalmente em determinadas categorias, e depois agregadas.

19. Definições do Comprador:

20. Número de vezes que um comprador não encontra o que pretende levar na gôndola.

21. Calculado como um percentual.

22. Medido pela estimativa dos dados POS da loja.

23. Útil para examinar produtos de alto giro.10

24. Explicando a Ruptura Casos de 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

25. 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

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

27. 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% 14 © 2007 Thomas W. Gruen

28. Médias de Ruptura por Categoria 8.3 Média Mundial (18 categorias) 5.3 Salgadinhos 6.6 Papel Higiênico 6.8 Higiene Feminina 7.0 Fraldas 7.7 Lavanderia. 9.8 Beleza Cabelos 0.0 2.0 4.0 6.0 8.0 10.0 12.0 Percentual A SITUAÇÃO VARIA EM CADA CATEGORIA… Dados confirmados com base em três ou mais estudos 15 © 2007 Thomas W. Gruen

29. Ruptura Por Dia da Semana (Méida dos 13 estudos) 10.9 2ª 10.0 3ª 9.8 4ª 9.1 5ª 8.7 6ª Sab 7.3 10.9 Dom 0.0 2.0 4.0 6.0 8.0 10.0 12.0 Percentual A SITUAÇÃO VARIA CONFORME O DIA DA SEMANA Reflete padrões esperados graças aos shoppings e deliveries 16 © 2007 Thomas W. Gruen

30. Duração da Ruptura 19% 20% 8 hrs ou menos 8 hrs a < 1 dia 1 dia a < 3 dias 3 dias ou mais 25% 36% SITUAÇÃO: DURAÇÃO Mais da metade das rupturas tendem a durar mais de 24 horas! 17 © 2007 Thomas W. Gruen

31. 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. 18 © 2007 Thomas W. Gruen

32. 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… 19 © 2007 Thomas W. Gruen

33. 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 20 © 2007 Thomas W. Gruen

34. 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 21 © 2007 Thomas W. Gruen

35. 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 22 © 2007 Thomas W. Gruen

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

37. Média de Respostas do Consumidor Mundialmente por Categoria 40 13 17 25 5 Higiene Femina 39 17 14 20 10 Fraldas Comprou em outra loja Comprou depois 37 16 16 24 7 Pasta dentes Substituiu-mesma 32 16 15 30 7 Shampoo/Cuidado Cab. marca Substitutuiu-marca 26 20 16 31 7 Lavand. diferente Não comprou o ítem 18 19 24 28 11 Pap. Hig. 15 10 21 38 16 Salgadinhos 13 19 19 37 12 Toalhas de Papel 0% 20% 40% 60% 80% 100% RESPOSTA DO COMPRADORGrande Variação por Categoria 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 24 24 © 2007 Thomas W. Gruen

38. RESPOSTA DOS COMPRADORESARTIGOS DE MERCEARIA Fonte: ECR-UK 2005 25 © 2007 Thomas W. Gruen

39. RESPOSTA DOS COMPRADORESArtigos de Farmácia Fonte: ECR-UK 2005 26 © 2007 Thomas W. Gruen

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

41. 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. 28 © 2007 Thomas W. Gruen

42. From Appendix E, p. 65 29 © 2007 Thomas W. Gruen

43. 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! 30 © 2007 Thomas W. Gruen

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

45. Cálculo da perda de oportunidade vendas de uma empresa provocado pela ruptura: Taxa de Ruptura _______% x Perda Média por Categoria _______% x Total Categoria/ Vendas da Empresa $_____ = Perda de Oportunidade de Vendas provocada pela Ruptura $_____ Examplo: Taxa Média de Ruptura 8% X Perda Média 30% X 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 32 © 2007 Thomas W. Gruen

46. 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. 33 © 2007 Thomas W. Gruen

48. A Ruptura destorce a Verdadeira Demanda das Lojas, logo as Projeções, Gestão de Categoria e Esforços Afins são menos Precisos e Eficientes

49. A Ruptura Aumenta o Custo Geral de Relacionamento com o Lojista(Necessidade de um maior volume de atividade pós auditoria, Pedidos Errados)

50. A ruptura distorce as Verdadeiras Demandas do Comprador e, por conseguinte, reduz a Precisão das Projeções e das Compras

52. Menor Satisfação do Consumidor

53. A ruptura favorece a visita às lojas dos concorrentes

54. Não existe um registro da Taxa de Prejuízo Permanente do Comprador, mas o custo anual é de US$1 milhão para cada 200 compradores

55. Perda de Fidelidade da Marca e de Participação da Marca

56. A ruptura estimula a compra de produtos de marcas concorrentes

57. Redução na Eficiência dos Recursos da Equipe de VendasEstratégico © 2007 Thomas W. Gruen

58. 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. 35

59. 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? 36 © 2007 Thomas W. Gruen

60. Para Reduzir o Índice de Ruptura Precisamos Primeiro Compreender as Causas da Ruptura Principais Causas da Ruptura Média Mundial Distribuição Pedido e total Previsão 28% da Loja 47% Na loja, mas fora da gôndola 25% 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) Credit: Gruen, Corsten, and Bharadwaj 2002 70-75% das rupturas são resultado direto das práticas adotadas pela loja 37

61. 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 13% Sede do Varejista ou Fabricante 14% Centro de Distribuição 10% Previsão da Loja 34% Distribuição nas Gôndolas 25% 38 © 2007 Thomas W. Gruen

62. 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 39 © 2007 Thomas W. Gruen

63. 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? 40 © 2007 Thomas W. Gruen

64. 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 41 © 2007 Thomas W. Gruen

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

66. Características da Velocidade de ìtem - Loja de Grande Porte 100% 90% 80% 70% Dia Méd. 60% Dia de Pico Med Vendas Percentuais Cumulativas 50% Semana Med Média 4 sem. 40% Média Ano 30% 20% 10% 0% 0 5000 10000 15000 20000 25000 30000 35000 40000 45000 50000 Número de Ítens 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 © 2007 Thomas W. Gruen

67. Características de Velocidade de Ítem – Loja Pequena 100% 90% 80% 70% Dia médio 60% Vendas Percentuais Cumulativas Dia de Pico méd 50% Semana Média Média 4 sem 40% Média Ano 30% 20% 10% 0% 0 5000 10000 15000 20000 25000 30000 35000 40000 45000 50000 Número de ìtens Movimentação do Produto – Lojas de Menor Volume Chart provided by Standard Analytics 44 © 2007 Thomas W. Gruen

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

69. 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 46 © 2007 Thomas W. Gruen

70. 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 47 © 2007 Thomas W. Gruen

71. Exemplo de uma Auditoria Manual : Percentual de Causa de Origem

72. 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 49 © 2007 Thomas W. Gruen

73. 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 50

75. A velocidade esperada do ítem varia proporcionalmente à velocidade da loje e do preço do ítem

76. 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

77. 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 52 © 2007 Thomas W. Gruen

78. 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 InsuficienteRuptura de Curta Duração (< 1 dia),Fácil reposição Centros de Distribuição da RupturaRupturas de duração relativamente longa com alta correlação em lojas geograficamente próximas 53

80. Loja A, Salada Americana Fresca Expressa 12 oz

81. Problema corrigido em JaneiroCopyright Standard Analytics, LLC. 2006. All rights reserved. 54 © 2007 Thomas W. Gruen

82. O que este padrão indica? 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 55 © 2007 Thomas W. Gruen Copyright Standard Analytics, LLC. 2006. All rights reserved.

84. Normalmente o ítem já está esgotado na quinta-feira, e só aparece novamente nas gôndolas na sexta-feira à tarde.

85. Está novamente esgotado no sábado ou nodomingo, e só volta a aparecer na gôndola na terça-feira.

86. Aparentemente são feitas duas entregas por semana, quando o ideal seria quatro ou mais.56 © 2007 Thomas W. Gruen Copyright Standard Analytics, LLC. 2006. All rights reserved.

88. Geralmente o produto se esgota todos os dias – a demanda normalmente não é atendida.

89. As vendas todas corresponderiam a 45-55 unidades /dia, e a média de vendas é 21 unidades / dia.

90. Ocasionalmente o estoque fica zerado durante diversos dias.

91. Solução: aumentar em aproximandamente 60% a abastecimento diário; checar a gôndola 3x por dia.57 © 2007 Thomas W. Gruen Copyright Standard Analytics, LLC. 2006. All rights reserved.

92. 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. 58 © 2007 Thomas W. Gruen

93. 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. r 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. Como a Ruptura Mascara a Demanda Real 59 © 2007 Thomas W. Gruen

94. Silver Cleaning Polish

95. Silver Cleaning Polish

98. 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. 64

99. 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. 65

100. 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 RupturaQuando a Ruptura estava diferente ao P.I.(i.e., P.I. >0) 66

101. 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 67

102. Exatidão do Estoque Permanente deÍtens em uma loja vs Múltiplas lojas 68

103. 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 69 © 2007 Thomas W. Gruen

104. 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. 70 © 2007 Thomas W. Gruen

106. Pico de Demanda versus Demanda Mínima n 30 a e M 25 s v k 20 a Detergente e P 15 Fraldas f o Hig. Fem e 10 l p i t i 5 u M 0 1 13 25 37 49 61 73 85 97 109 121 133 145 157 169 181 Skus por Categoria Planogramas da Demanda de Pico 72 © 2007 Thomas W. Gruen

108. Fast movers are in cases On the bottom shelf

110. Aderência à POG envolve:

111. Distribuição

112. Espaço

113. Disposição

114. Item na Gôndola

115. Posicionamento da Marca

116. Posicionamento do nível de SKU75 © 2007 Thomas W. Gruen

117. © 2007 Thomas W. Gruen

118. Weekly OOS rate measurement and analysis provided by Standard Analytics, LLC. 77

119. 78 Weekly OOS rate measurement and analysis provided by Standard Analytics, LLC.

120. Análise das Fraldas 79 79

121. 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 80 © 2007 Thomas W. Gruen

122. 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 81 © 2007 Thomas W. Gruen

123. Teste vs. Controle – Perda de Oport. De Vendas p/ Dia da Semana Control 14% 12% Test 12% 11% 10% 10% 10% 10% 10% 9% 8% 8% 6% 6% 6% 6% 6% 5% 4% 4% 2% 0% 2ª feira 3ª feira 4ª feira 5ª feira 6ª feira Sábado Domingo Gerenciamento do Ítem 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 82 © 2007 Thomas W. Gruen

125. 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. 84 © 2007 Thomas W. Gruen

126. 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 85 © 2007 Thomas W. Gruen

127. 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 86 © 2007 Thomas W. Gruen

128. 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 baixaruma 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 87 © 2007 Thomas W. Gruen