Estamos viviendo una revolución que también llega al comercio minorista o bienes de consumo gracias al Big Data y Analytics.
Los análisis predictivos del Data & Analytics están basados en datos que permiten detectar tendencias, cambios y diferencias extremadamente sutiles entre un contexto y el siguiente, hasta un punto que supera la capacidad humana.
Con una mayor capacidad de previsión y un conocimiento más profundo, fabricantes y distribuidores tienen una mayor capacidad para ajustar su stock, precios y formatos de sus tiendas para lograr una ventaja competitiva.
Casos reales del uso de Data & Analytics
Las posibles aplicaciones de este tipo de análisis son variadas. Uno de los mayores gigantes de fabricación de muebles está experimentando con ellos para reducir las colas de sus cajas en horas punta haciendo un seguimiento del movimiento de los clientes dentro de las tiendas mediante el uso de la señal de sus teléfonos móviles.
En Estados Unidos, una conocida cadena de moda para jóvenes cuenta con un equipo de especialistas en modelización de datos para seguir de cerca el comportamiento de los consumidores, tanto en las tiendas físicas como en la tienda online. Este equipo transforma esa información en decisiones basadas en datos de las expectativas reales del cliente.
También muchas empresas dedicadas al comercio minorista se han dado cuenta de que la analítica de datos es la clave para incrementar sus ingresos y beneficios sin aumentar los costes ni sacrificar la calidad.
Para las marcas, los análisis predictivos son una forma de estructurar y dar sentido a los datos de ventas y datos “sociales” del consumidor, proporcionando multitud de pistas que desencadenan su decisión de compra
Es, en definitiva, la base para una nueva fórmula de diferenciación, ya que permite a marcas y distribuidores adelantarse a las necesidades y deseos de los consumidores, lanzando líneas de productos y servicios que mejoran su experiencia.
Los análisis predictivos se han convertido en algo omnipresente. El auge de capacidades y servicios de análisis basados en la nube ha facilitado mucho a las organizaciones el desarrollo de una capacidad analítica muy sofisticada sin que sus profesionales se hayan tenido que convertir en expertos.
Big Data & Analytics para todos
Existen plataformas con capacidades muy avanzadas al alcance de cualquier presupuesto, así que no solo las grandes compañías tienen acceso a esta ventaja que ayuda a las organizaciones a detectar cuándo es probable que los consumidores las abandonen por la competencia, o cuándo son más propensos a comprar.
De este modo, las compañías pueden planificar el envío de ofertas y mensajes personalizados en el momento más oportuno y con un contenido más adaptado a cada tipología de cliente.
Para las marcas, los análisis predictivos son una forma de estructurar y dar sentido a los datos de ventas y datos “sociales” del consumidor, que proporcionan multitud de pistas sobre los cambios de sus estados de ánimo y los factores que desencadenan su decisión de una compra anticipada.
Aparecen nuevas oportunidades digitales, como las que están adoptando algunas marcas, dotando de propiedades digitales a los envases de bebidas con el fin de crear una nueva línea de comunicación con los consumidores fuera del punto de venta.
La disrupción se aproxima, y no solo para las nuevas empresas, sino también para los gigantes del sector
Anticiparse a las tendencias
Los análisis predictivos ayudan a las marcas y a los comercios a anticiparse a las tendencias emergentes en una época en la que los factores que influyen en el comportamiento del consumidor son tan numerosos y complejos, que las empresas ya no pueden confiar en el instinto humano y la experiencia para detectar cambios y oportunidades.
Este tipo de análisis extraen valiosas conclusiones de la multitud de datos que las compañías recaban sobre transacciones y comportamiento de los clientes, lo que permite que los responsables de los puntos de venta puedan empezar a hacer las cosas de otra forma.
Si nos fijamos en cualquier cadena de establecimientos, todos suelen disponer de las mismas existencias, aunque cada ubicación comercial sea diferente.
Los distribuidores presumen de adaptar su oferta a cada tipo de cliente, pero hay una desconexión entre estos objetivos y su ejecución.
Hasta el momento, a los distribuidores les ha costado aportar argumentos a favor de contar con modelos diferentes en función de cada establecimiento.
Apartarse de un modelo de tienda predeterminado parecía menos arriesgado cuando únicamente se contaba con la decisión del responsable del establecimiento o con un conjunto unidimensional de cifras de ventas a la hora de actuar.
Toma de decisiones audaces
Incluir en la ecuación la “ciencia” de la toma de decisiones, permite a los distribuidores ser más audaces respecto al enfoque que le dan a los distintos establecimientos de una misma cadena.
Con datos detallados y multidimensionales a los que poder recurrir, los responsables pueden comparar y contrastar ventas locales y nacionales, así como tener en cuenta factores demográficos locales, la ubicación del establecimiento en la ciudad y el impacto de los acontecimientos locales en un día específico de la semana.
Los análisis predictivos no solo consisten en equiparar stocks, formatos de tienda, número de trabajadores y demanda de los consumidores. También pueden ayudar a los directivos a conocer la visión global de un negocio.
La predisposición a experimentar es un factor cultural, y en este momento, quedarse parado supone un riesgo mucho mayor que experimentar
Los propietarios de centros comerciales necesitan garantizar una configuración y ubicación ideales para cada establecimiento con el fin de maximizar la afluencia de visitantes.
En este sentido, los análisis predictivos pueden determinar la planificación inicial y las actividades de promoción idóneas para cada proyecto.
En uno de los estudios piloto de análisis de ubicación del famoso gigante de fabricación de muebles al que nos referíamos anteriormente, se hizo un análisis de las colas en las cajas registradoras de una tienda, demostrando la las esperas durante las horas punta se podían reducir en un 30%.
Los casinos utilizan los análisis predictivos para intentar que los clientes gasten dinero durante el mayor tiempo posible, optimizando la ubicación de las máquinas recreativas, las áreas de entretenimiento, las zonas de restauración y los bares.
Otra de las aplicaciones prácticas de Data & Analytics es la que hacen los estadios y recintos deportivos, que utilizan los datos para elaborar modelos y predecir el comportamiento de las masas, en favor de una mejora de la seguridad y de la reducción del riesgo de incidentes.
Seleccionar los públicos objetivos de forma más rigurosa es una prioridad para la mayoría de los distribuidores y marcas. Cuando navegan por Internet, los clientes dejan un rastro de datos muy visible, y más aún cuando se registran y llevan a cabo transacciones en el sitio web.
Para el conocimiento del consumidor
Las herramientas para analizar estos datos ayudan a observar los patrones de visitas, y aparte de identificar si se trata de un hombre, una mujer, o un niño, están aplicando el aprendizaje automático para descubrir más cosas sobre las pautas de comportamiento y las diferentes categorías de usuario.
Es ahí donde empiezan a desdibujarse los límites entre análisis predictivos y prescriptivos. Desde una perspectiva tecnológica, los análisis prescriptivos suponen un uso más maduro del aprendizaje automático y la informática cognitiva.
En el futuro, podemos esperar que se utilice este tipo de tecnología para generar una imagen más completa de la situación y el histórico del cliente antes de que se ponga en contacto con una compañía.
De este modo, el sistema detecta qué tipo de cliente es y selecciona el tipo de respuesta que mejor va a funcionar en su caso.
Los distribuidores deben experimentar continuamente si quieren estar a la vanguardia de las empresas focalizadas en Data & Analytics.
Como ejemplo, una de las grandes agencias de viajes online experimenta de forma muy intensa con un pequeño porcentaje de clientes, realizando docenas de experimentos diarios.
No importa si el 90% falla, porque se compensa con un gran aprendizaje sobre lo que funciona y lo que no.
Los distribuidores tradicionales tienen que adoptar una mentalidad similar. La experimentación no es un privilegio reservado a los negocios online.
Puede que los ciclos de compra sean más largos cuando no se está conectado, pero existen las mismas necesidades y oportunidades. La predisposición a experimentar es un factor cultural, y en este momento, quedarse parado supone un riesgo mucho mayor que experimentar.
Basta con fijarse en los sectores de la música, el transporte y los viajes. Si no se incorpora el análisis de datos y las nuevas oportunidades que ofrece, muchas de las nuevas empresas que entran en el mercado lo harán.
En última instancia, las compañías necesitan plantearse qué sucederá si no actúan. Tanto si hablamos de drones que entregan pedidos realizados online en el plazo de una hora como de cualquier otra tendencia, las empresas deben preguntarse cuánto tiempo más podrán mantener la afinidad del cliente con la marca si no reflexionan sobre el nuevo panorama al que se enfrentan.
La disrupción se aproxima, y no solo para las nuevas empresas, sino también para los gigantes del sector.
Por Eva García San Luis – Partner KPMG D&A and AI (Lighthouse).
