El Big Data o Macro Dato, ha provocado profundos cambios en el mundo del comercio minorista tal como lo conocemos, tanto en línea como en la tienda. Han debido enfrentar una evolución en la demanda de los consumidores, pues gracias a la tecnología los clientes están cada vez más informados, conocen las tendencias, manejan diferentes marcas y buscan optimizar el tiempo y sus recursos.
En la edición de 2019 del Vortex, se afirma que el sector retail sigue siendo uno de los que está más expuesto a los fenómenos de disrupción digital. Los minoristas tienen la necesidad de ofrecer un buen servicio a sus clientes en un mercado competitivo y saturado. Obtener cualquier ventaja tiene un valor incalculable, sobre todo cuando se trata de ganar en conocimiento, y la clave para obtener esta información está en buscar dentro de los datos.
La consultora Axis ha simplificado en cinco los motivos por los cuáles el canal moderno debe rendirse al Big Data y aprovechar sus ventajas. Esto es optimización del producto, que se refiere al control de stock; análisis de la fidelidad del cliente; detección de tendencias, a través del estudio de la canasta de compra del consumidor; estudio de la competencia y creación de estrategia de pricing competitiva.
Precisamente, es en este último punto donde el Big Data adquiere una notoria relevancia, pues hace casi una década el equipo encargado de fijar precios en una empresa proveedora del Canal Moderno se ve enfrentado a un océano de información y su decisión está subordinada a responder un sinfín de preguntas como ¿Quiénes son mis competidores? ¿Cuáles son mis artículos claves? ¿Cuáles deben subir? ¿Cuántos necesitan bajar?, etc.
Lo que hace más complicado el escenario para los equipos comerciales es que las decisiones deben ser tomadas casi en tiempo real. El comercio electrónico ha hecho que el retail sea extremadamente dinámico, pues los clientes pueden elegir productos y comparar precios de inmediato.
Es más, el ‘surge pricing’, o precio dinámico, es ya una realidad en el comercio electrónico y no tardará mucho en llegar a la tienda física. De hecho, muchos negocios de alimentación cuentan con etiquetas electrónicas en sus lineales que les permite cambiar de forma remota los precios atendiendo a factores como la hora, el día, la demanda, la ubicación, la competencia o los patrones de compra de los clientes.
Es precisamente la inversión en transformación digital lo que ha logrado que el retail latinoamericano haya incrementado el valor de marca general en un 38%, según el reporte BrandZ de las 50 Marcas Latinoamericanas más valiosas del 2020, lanzado por WPP y Kantar.
Los objetivos
El objetivo del análisis de precios es la rentabilidad y la maximización de ingresos, afirma Power Data. Esto permite al minorista realizar una optimización de los precios, de los costos, del stock y de las promociones.
Para ello, se emplean técnicas de modelado predictivo que determinan las variaciones de estos valores y de sus umbrales, datos útiles para maximizar las ventas en función de la decisión del precio óptimo y los descuentos asociados a cada una de las marcas y referencias.
¿Cómo se hace? La velocidad de la información, el volumen de ella, la exigencia del cliente y las necesidades de la industria podrían hacer colapsar a cualquier gerente de precios. Pero, estos vertiginosos cambios han estado acompañados del desarrollo de la tecnología y es la inteligencia artificial, que según Forbes es también llamada “cambiadores de juego”, la que permite que los ejecutivos respiren tranquilos.
Esto no sólo significa poder procesar grandes volúmenes de información que aporta el Big Data a gran velocidad sino que además, da la oportunidad a los ejecutivos de idear la estrategia de precios basada en datos adecuada para cada uno de sus decenas de miles de productos, según los Consejos de Tecnología de Forbes.
Es decir, lo que antaño tomaba horas de trabajo, hoy se puede realizar en un par de segundos y permite que los equipos tengan tiempo de desarrollar, incluso, otro tipo de habilidades.
En la práctica
Usando modelos predictivos, que determinan las futuras variaciones de precios y de los umbrales de los consumidores, se puede determinar cuándo es el mejor momento para realizar, por ejemplo, un descuento.
También es posible hacer una estimación de niveles de demanda, como proyección para los próximos meses más allá de las clásicas.
Otro uso es la detección de factores atípicos que influyen en las ventas y añadir esas variables mucho más sutiles al análisis. Por ejemplo, se puede asociar la predicción del tiempo en dos semanas, los torneos de fútbol u otras actividades a la demanda de parrillas, televisores, etc.
Clasificar cada canal de demanda en función de su ganancia neta, además de la segmentación de los clientes y su verdadero valor se hace una realidad con el Macro Dato. Así se puede realizar una comparación entre los canales que permita precisar qué precio es el óptimo para cada uno y estos perfectamente pueden ser distintos.
También logra descubrir qué días de la semana llegan más clientes en cada uno de los sitios donde se tiene una oferta.
El Big Data permite analizar el verdadero valor de cada cliente. Es decir, no sólo lo que se gasta, también hace predicciones sobre su futuro comportamiento de compra y los umbrales de ésta.
Incluso, un buen análisis puede indicar qué productos son frecuentemente comprados juntos, lo que podría permitir definir los precios de los artículos “acompañantes” a tiempo real.
