NRF 2026: Su cosa si sono realmente concentrati i rivenditori

NRF 2026 ha chiarito una cosa: la maggior parte dei rivenditori non sta più inseguendo concetti appariscenti. Stanno cercando di risolvere una serie di problemi tenaci e molto pratici:

• Vedere cosa c'è effettivamente sullo scaffale
• Ridurre lo spreco di cibo fresco
• Rendere sostenibile il completamento in negozio
• Aiutare i team in prima linea a avere successo

Ecco un riassunto conciso dei temi principali e alcuni approcci concreti emersi nelle conversazioni allo spettacolo.

Cecità dell'inventario: vedere lo scaffale reale, non solo il sistema

Molti rivenditori hanno segnalato lo stesso problema: i sistemi mostrano merce a magazzino, ma gli acquirenti trovano comunque gli scaffali vuoti.

Punti dolenti comuni:

• Conteggi manuali e sporadici dei cicli.
• Ricezione di errori che si propagano attraverso il rifornimento e l'e-commerce.
• Fiducia limitata in disponibilità sugli scaffali dati.

Approcci pratici discussi:

• Spostamento da conteggi occasionali a controlli più frequenti e leggeri utilizzando dispositivi mobili.
• Usando visione artificiale per catturare scaffali e codici a barre multipli in un'unica vista in modo che i team possano scansionare baie complete, titolo azionario principale, o le aree dietro le quinte rapidamente.
• Trasformare le osservazioni sugli scaffali in compiti classificati (ad esempio, le lacune a maggior impatto per prime) piuttosto che in rapporti statici.

L'idea di base: rendere facile per i team dei negozi evidenziare e risolvere i problemi come parte delle loro normali routine, invece di trattare l'accuratezza come un progetto separato.

Risolvi le difficoltà dello scaffale

Intelligenza di scaffale attuabile

Esplora ShelfView

Spreco alimentare fresco: trattare le date di scadenza come dati, non come un compito

I rivenditori di prodotti freschi e alimentari hanno indicato scadenza come principale causa di spreco:

• I controlli delle date variano a seconda della persona, del tempo e del negozio.
• I prodotti vicini alla scadenza sono difficili da individuare su larga scala.
• Il tempismo nel markdown è spesso basato sull'abitudine piuttosto che sull'intuizione.

Approcci pratici discussi:

• Acquisizione automatica di codici a barre e date di scadenza stampate, in modo che i controlli possano coprire più articoli in meno tempo.
• Aggregare i dati di scadenza per identificare i modelli, ad esempio, quali SKU o negozi generano costantemente un maggiore spreco.
• Attivare i ribassi o le rimozioni dai dati effettivi di scadenza, piuttosto che da regole generiche approssimative.

Il cambiamento è da “camminare lungo il corridoio e guardare le date” a “catturare la scadenza una volta, poi utilizzarla sia per decisioni quotidiane che per pianificazioni a lungo termine.”

Evasione in negozio: Rendere il picking ripetibile e scalabile

Man mano che un numero maggiore di ordini viene evaso dai negozi, i rivenditori stanno rivalutando come scegliendo è fatto.

Preoccupazioni chiave:

• Tempo perso camminando su percorsi inefficienti.
• Dipendenza da un piccolo gruppo di raccoglitori esperti.
• Errori di picking e articoli smistati male nei contenitori.

Approcci pratici discussi:

• Guidare i raccoglitori visivamente lungo un percorso ottimizzato, piuttosto che lasciare le decisioni sul percorso interamente agli individui.
• Utilizzare la fotocamera del dispositivo per confermare l'articolo corretto sullo scaffale, specialmente quando l'imballaggio è simile.
• Visualizzare sullo schermo in quale borsa o scomparto ciascun articolo deve andare per ridurre gli errori di smistamento.

L'obiettivo è rendere le prestazioni meno dipendenti dal "conoscere il negozio a memoria" e più basate su linee guida chiare e semplici che chiunque può seguire.

Lusso e specialità: Mantenere la conversazione sul pavimento

I rivenditori di lusso e specializzati hanno parlato di una tensione familiare: alte aspettative per il servizio vs. la necessità pratica di controllare le scorte e i dettagli del prodotto.

Sfide tipiche:

• Gli associati si allontanano frequentemente dal cliente per andare nel retro.
• Accesso frammentato alle informazioni sui prodotti e sull'inventario.
• Strumenti di clienteling che si sentono disconnessi dall'interazione dal vivo.

Approcci pratici discussi:

• Fornire agli associati un unico dispositivo discreto sia per le informazioni sui prodotti che per i controlli delle scorte.
• Garantire che le domande di base (taglie, varianti, disponibilità nei negozi vicini) possano essere risposte senza abbandonare il cliente.
• Automatizzare i compiti di back office come il conteggio dell'inventario, la localizzazione dei prodotti e l'assemblaggio degli ordini, in modo da poter trascorrere più tempo con i clienti.

L'obiettivo non è la nuova tecnologia fine a se stessa, ma rimuovere le piccole frizioni che interrompono un'interazione ad alto contatto.

Tre grandi domande che i rivenditori si stavano ponendo

Attraverso diversi segmenti, emergevano continuamente tre domande più ampie:

Come riduciamo la cecità dell'inventario senza sovraccaricare i negozi?

Le idee includevano conteggi più leggeri e frequenti, un miglior supporto alla ricezione e l'uso di intelligenza degli scaffali sistemi per coprire più scaffali in meno tempo.

Quanto sono distanti i nostri scaffali reali dai nostri planogrammi?

I rivenditori sono sempre più interessati ai “realogrammi”: una visione di come appare effettivamente lo scaffale, catturata abbastanza regolarmente da individuare lacune e non conformità.

Come si collega tutto questo al nostro più ampio ecosistema?

Molti team stanno pensando a come i dati sugli scaffali e sui prodotti possano alimentare l'analisi, le iniziative di IA e persino la pianificazione dei media al dettaglio, idealmente utilizzando i dispositivi e le telecamere già in uso.

Temi più ampi NRF: IA, media e "quiet tech"

Le narrazioni più ampie dello spettacolo si allineavano a queste preoccupazioni operative.

Intelligenza Artificiale Agente

"AI agentica" - sistemi che prendono azioni, non solo rispondono alle domande - è stato un tema principale.

Per i negozi, ciò pone un semplice prerequisito: qualsiasi agente che prenda decisioni di riassortimento, prezzo o instradamento necessita di informazioni accurate e tempestive su ciò che si trova effettivamente davanti ai clienti.

È lì che la raccolta coerente dei dati a livello di articolo (da scaffali, magazzini e etichette) diventa un input fondamentale, non solo un piacevole extra operativo.

Il negozio come un asset mediatico

Le Retail Media Networks stanno entrando nel corridoio tramite schermi digitali, scaffali intelligenti e percorsi guidati da app.

Una conseguenza: l'esecuzione in negozio (disponibilità e prezzi) e le prestazioni dei media sono ora strettamente collegate. Se il prodotto promosso non è disponibile o non è correttamente prezzato sullo scaffale, i risultati dei media e la fiducia del cliente ne risentono.

Questo è un altro motivo per cui i dati degli scaffali accurati e quasi in tempo reale stanno diventando più importanti: supportano sia le operazioni che la credibilità dei media.

“Tecnologia silenziosa” e lavoro in prima linea

Diversi relatori hanno parlato di "tecnologia silenziosa": soluzioni che:

• Migliorare accuratezza dell'inventario e restringimento.
• Adatta ai flussi di lavoro e all'hardware esistenti.
• Richiedere un cambiamento comportamentale minimo per il personale.

Accanto a ciò, c'era una chiara attenzione su esperienza in prima linea in un mercato del lavoro ristretto:

• Rendere i compiti complessi più guidati e visivi.
• Ridurre il tempo di formazione per il nuovo personale.
• Progettare strumenti che si avvicinano di più alle app dei consumatori rispetto ai sistemi aziendali tradizionali.

La visione artificiale e i flussi di lavoro mobili sono spesso stati considerati come modi per migliorare in modo incrementale la giornata lavorativa. Meno ricerca, meno scansioni ripetute, passi successivi più chiari, piuttosto che trasformazioni drammatiche e una tantum.

Questioni chiave che i rivenditori dovrebbero porsi dopo NRF

Che tu abbia partecipato o meno all'NRF, le discussioni suggeriscono alcuni spunti utili per conversazioni interne:

• Quanto siamo fiduciosi nei nostri numeri di disponibilità a scaffale, negozio per negozio?
• Dove vengono ancora gestite manualmente le date di scadenza e altri attributi chiave?
• Quanto è grande il divario tra i planogrammi e ciò che i clienti vedono effettivamente?
• Quanto è facile per un nuovo associato cogliere con precisione, contare le scorte e verificare i prezzi?
• I nostri sforzi in AI, analisi e media retail sono basati su dati affidabili e reali del negozio?

Rispondere a queste domande non richiede di partire da zero, ma spesso significa esaminare come i dispositivi, le fotocamere e i flussi di lavoro esistenti potrebbero essere utilizzati in modo diverso.