In sintesi: il sell-through rate (STR) misura la percentuale di unità ricevute che è stata effettivamente venduta in un periodo. Formula: (units sold / units received) × 100. Benchmark variano per categoria: apparel 50-80%, FMCG 75-95%, electronics 25-50%. STR basso indica overstock o pricing/marketing inadeguati; STR alto indica rischio stock-out e lost sales. Diverso da inventory turnover (frequenza rotazione totale stock). KPI critico per trade marketing e replenishment retail.
Formula base
Sell-Through Rate = (Units Sold / Units Received) × 100Esempio: un retailer riceve 1000 unità di un prodotto. Dopo 4 settimane ne ha venduto 650. STR = 65%. Le 350 rimanenti sono "leftover" che richiedono extra promotional effort, markdown o destocking.
Variante più precisa: STR cumulativo dall'inizio della stagione, con periodo predefinito (es. STR a 4 settimane, STR a 8 settimane, STR end-of-season).
STR settimanale, mensile, stagionale
STR settimanale: utile per fast-moving consumer goods con turnover rapido (FMCG essentials, perishables). Output: weekly performance, individuazione veloce di rotazione anomala.
STR mensile: standard per la maggior parte delle categorie. Bilancio tra granularità (vedere trend) e robustness (rumore settimanale ridotto). Standard report retail.
STR stagionale: critico per fashion, holiday goods, electronics con cicli vita brevi. Misurato a fine stagione (es. STR end-of-season collezione P/E). Sotto soglia minima settoriale → markdown necessario.
Benchmark per settore
| Settore | STR weekly | STR end-of-season | Soglia critica |
|---|---|---|---|
| FMCG essentials (food, hygiene) | 15-25% | 75-95% | < 60% |
| Apparel fashion | 5-15% | 50-80% | < 40% |
| Apparel basic | 8-20% | 70-90% | < 50% |
| Electronics consumer | 3-10% | 25-50% | < 20% |
| Beauty & cosmetics | 5-12% | 60-80% | < 45% |
| Toys & seasonal | variable | 70-90% | < 50% |
| Home & furniture | 3-8% | 40-65% | < 30% |
Fonti: NielsenIQ Retail Almanac, Circana POS database, McKinsey Apparel Insights, Bain Retail Reports.
STR basso: 5 cause + diagnosi
(1) Pricing fuori benchmark. Verifica: pricing vs competitor. Se +15% sopra mercato senza brand premium giustificato, è la causa probabile. Diagnosi: price elasticity test (markdown 10%, misurare lift STR).
(2) Inadequate visibility / shelf placement. Verifica: posizione a scaffale, end-cap, categoria adjacency. Diagnosi: store visit + photo audit.
(3) Demand forecasting errato (overstock). Verifica: si è ricevuto troppo prodotto rispetto a forecast realistico? Diagnosi: confronto units received vs sales 4 weeks moving average.
(4) Mancato marketing support. Verifica: campagna brand sostiene il prodotto? Trade promo presente? Diagnosi: timeline marketing vs trend STR settimanale.
(5) Quality / customer feedback negativo. Verifica: review online, return rate, customer service tickets. Se review < 4 stelle medio, può essere segnalato. Diagnosi: NPS prodotto + competitive review analysis.
STR alto: rischio stock-out e lost sales
STR alto sembra "buono" ma sopra una soglia indica problemi opposti:
- STR > 95% weekly: probabilmente stock-out frequenti, vendita persa.
- STR end-of-season > 95%: domanda sotto-stimata, opportunità non capturata.
Diagnosi: confrontare STR con OOS (Out-of-Stock) rate. Se OOS > 5% del periodo, c'è lost sales sostanziale. NielsenIQ stima il costo lost sales medio 4-8% del fatturato categoria per OOS persistenti.
Soluzione: aumento safety stock + revisione forecast + replenishment più frequente.
STR optimal range per categoria
Il "ottimo" non è massimo STR ma sweet spot tra:
- STR alto = capture domanda (poco residual stock).
- STR controllato = no stock-out (no lost sales).
Per FMCG essentials: STR weekly 18-22%, end-of-season 85-92%.
Per apparel fashion: STR end-of-season 65-75% (con il 25-35% destinato a promo controllata).
Per electronics consumer: STR end-of-season 35-45% (con cycle life programmato).
STR vs Inventory Turnover: differenze
Sono due metriche correlate ma distinte.
Sell-Through Rate = % di una specifica receipt batch venduta in un periodo. Misura rotazione di una "coorte" di prodotti.
Inventory Turnover = COGS annuale / Average Inventory. Misura quante volte lo stock totale viene rinnovato in un anno. Standard report financial.
Esempio: un retailer ha inventory turnover di 8x (stock rinnovato 8 volte/anno) ma STR end-of-season basso (50%). Significa: lo stock è high-velocity in aggregate ma molti specifici prodotti soffrono leftover. STR identifica problemi a livello SKU; inventory turnover li nasconde.
Caso studio: brand IT che rivede pricing
Brand italiano apparel mid-market, fatturato €25M, distribution retail proprio + e-commerce. Pattern stagione P/E 2024:
- STR end-of-season medio: 58% (sotto benchmark settoriale 65-75%).
- Markdown medio richiesto: 35% per smaltire residual.
- Margin erosion stagionale: -4 punti percentuali.
Diagnosi: pricing vs competitor +12% senza distinctiveness brand sufficiente a giustificare premium. Decisione: ridefinizione pricing strategy con segmentazione SKU (entry-level -8% pricing, premium invariato, luxury +5%).
Risultato stagione P/E 2025:
- STR end-of-season medio: 71%.
- Markdown medio: 18%.
- Margin gross: +6 punti percentuali rispetto 2024 (effetto combinato STR + markdown).
- Fatturato P/E +12% YoY.
Calcolare STR in pratica: workflow PMI
- Setup tracking: SKU-level POS data + receipt data settimanale (Excel o ERP).
- Calcolo settimanale: STR per SKU + categoria.
- Benchmark: confronto con soglia settoriale + brand storico (T-1).
- Alert automatici: SKU con STR sotto soglia per 3 settimane consecutive.
- Action plan: pricing review, promo, marketing support, replenishment cut.
- End-of-season review: STR finale, markdown impact, lessons learned.
FAQ
STR di cosa va calcolato: SKU, categoria o brand?
Tutti e tre, a granularità diversa. SKU level per decisioni operative (pricing, replenishment). Categoria per trend trimestrale. Brand totale per management dashboard. Aggregare troppo nasconde problemi specifici.
STR di e-commerce è uguale a retail fisico?
Concetto identico, formula identica. Differenza pratica: e-commerce ha shipping window che impatta "received" definition (received in fulfillment center vs received in negozio). Standardizzare definizione internamente.
Quanto velocemente intervenire se STR è basso?
3-4 settimane di trend negativo è soglia tipica per intervention. Sotto questa soglia = noise. Intervento veloce: pricing ottimizzazione (markdown contenuto 10-15%), marketing support boost, replenishment hold per evitare overstock peggiorato.
STR può essere > 100%?
Tecnicamente no se "received" e "sold" sono dello stesso batch. Può apparire > 100% se: si vende stock pre-esistente (carry-over previous season) attribuito al batch corrente; errore data entry; backorder soddisfatto da altro fornitore. Verificare definizioni.
STR alto è sempre indicatore positivo?
No, sopra 92-95% weekly o end-of-season indica capacity not sufficient = lost sales. Misurare insieme a OOS rate per visione completa.
STR si applica anche a SaaS?
Marginalmente. SaaS non ha "stock" fisico. Concept analogo è "trial-to-paid conversion rate" o "free-to-premium upgrade rate" che misurano efficienza di "consumo" della pipeline. Ma non è propriamente STR.
Fonti e riferimenti
- NielsenIQ Retail Almanac — annual benchmark per categoria
- Circana (ex-IRI/NPD) — POS database e Liquid Data analytics
- McKinsey Apparel Insights — annual reports su retail performance
- Bain & Company — Retail Holiday e seasonality reports
- Reibstein, D., Day, G. — "Marketing Metrics" (2010, FT Press)
- National Retail Federation (NRF) — benchmarks e best practices
- Confcommercio — report retail Italia
- Statista — categoria retail benchmarks
