Fruits endcap in a supermarket
noviembre 2020

Análisis de cabeceras y góndolas utilizando Business Intelligence (II)

En un artículo previo hicimos un análisis de las cabeceras y góndolas utilizando Business Intelligence para saber cómo incrementar las ventas y su exposición, pero hay más cosas que analizar, por lo que en el artículo de hoy trataremos las siguientes cuestiones:

  • De cada cien consumidores que pasan por nuestra cabecera, ¿cuántos se convierten en una venta?
  • ¿Cuál es el número de consumidores sobre el que tiene impacto un producto durante el calendario promocional teniendo en cuenta la exposición de la cabecera y su ubicación original?

Existen numerosos motivos para analizar esta información, pero los tres más importantes son los siguientes:

  • Medir la exposición de los productos nuevos colocados en las distintas cabeceras para ver cuál ha sido su desempeño.
  • Medir cómo reaccionan los consumidores a la publicidad ubicada en esos puntos.
  • Analizar la diferencia entre las ventas antes y después de la promoción en la cabecera.

Sin embargo, estas no son las únicas cosas en las que nos queremos fijar. También nos gustaría saber de dónde vienen los consumidores antes de visitar la cabecera y dónde van después. Entender también la impulsividad de los clientes a la hora de comprar es clave.

Vamos a utilizar como ejemplo los cambios que realizó en las cabeceras uno de nuestros socios en algunas de sus tiendas en la región EMEA.

Cómo optimizar las cabeceras y góndolas usando Business Intelligence

Como de costumbre, nuestro enfoque se centra en los datos y en el Business Intelligence para obtener información sobre cómo se comporta el cliente. Después integramos las ventas y averiguamos cómo todos estos datos pueden ser importantes para los encargados de gestionar la tienda y Category Managers. En la actualidad nos centramos en las cabeceras y cómo su análisis puede enriquecer nuestros informes de Business Intelligence para hacerlos más prácticos.

Los datos nos darán una visión que nos ayudará a determinar qué productos se adaptan mejor a cada público y KPIs. Los encargados de tienda y los Category Managers normalmente están ocupados resolviendo problemas dentro de la tienda (roturas de stock, problemas de logística, atención al cliente, etc.), por lo que en muchas ocasiones no pueden estar pendientes de un dashboard, ni de filtrar información para obtener información relevante sobre su rutina. Lo que necesitan son informes de Business Intelligence con la información adecuada, previamente procesada e integrada con otras variables (ventas agregadas, calendario de promociones, horario del personal, etc.).

Es en este punto en el que soluciones como la nuestra entran en juego, ya que simplifican y convierten un gran volumen de información en datos concisos y prácticos

Nuestros análisis

Tras analizar los resultados, llegamos a unas conclusiones muy interesantes. La empresa lanzó una serie de promociones, pero no sabían cuál había sido realmente su impacto. Lo único que sabían era que vendían más unidades de los productos que estaban promocionando en las cabeceras.

Tráfico y tiempo de exposición

La pregunta clave es: ¿cuáles son los productos más exitosos? Por ejemplo, si colocamos pelotas de tenis en el pasillo central de un supermercado, seguramente las venderemos rápido. La pregunta práctica es: ¿son las pelotas de tenis el producto que me generan mayores beneficios? ¿o existe otro producto con una tasa de conversión mayor (más gente lo coge cuando lo ve) y mejores beneficios?

Comparison between traffic, exposition time and sales of 
two products displayed in the same end cap
Comparación entre el tráfico, el tiempo de exposición y las ventas de dos productos mostrados en la misma cabecera

Este es un ejemplo de dos promociones distintas en la misma cabecera, llamémoslos producto A y producto B. El primero de ellos no ha conseguido aumentar las ventas durante el periodo promocional, por lo que el desempeño no es bueno al haber estado perdiendo posibles beneficios durante dos semanas en una mala ubicación. Por el contrario, el segundo producto ha conseguido aumentar tanto el tráfico como las ventas durante el periodo promocional, lo cual es muy bueno. Con esta información, cualquiera estará de acuerdo en que el producto B es el ganador y se debería promocionar con mayor frecuencia que el producto A.

Examinemos otros dos productos y sus resultados.

Another example with a comparison between traffic, exposition time and sales of 
two products displayed in the same end cap
Otro ejemplo de la comparación entre el tráfico, el tiempo de exposición y las ventas de dos productos mostrados en la misma cabecera

En este segundo escenario, los resultados han cambiado notablemente. El producto C ha tenido mejores resultados que el producto D. En la siguiente sección analizaremos por qué este ejemplo tiene unas conclusiones distintas al otro.

La conversión de las cabeceras

Como hemos visto anteriormente, el producto A obtuvo peores resultados que el producto B, por lo que cualquiera preferiría promocionar productos como el B cuando sea posible. No obstante, el producto A podría ser rentable si se colocara en otro sitio. Gracias a la matriz de correlación, explicada en el artículo “Análisis de las ventas cruzadas: la matriz de correlación”, sugerimos las cabeceras más correlacionadas con la categoría original del producto para ubicarla en otro punto mejor.

Para la campaña del producto B, también sugerimos una serie de mejoras en línea con los datos que habíamos obtenido. Por ejemplo, descubrimos que la correlación con el producto C era muy débil, por lo que se debía introducir otro producto como el D con mayor correlación para aumentar el desempeño global.

ROI comparison (overall traffic vs. sales) of two products exposed in the same end cap. 
Traffic that originated the transactions is crucial to understand the performance
Comparación del ROI (tráfico vs. ventas) de dos productos expuestos en la misma cabecera. El tráfico originado por las transacciones es esencial para entender el resultado.

Si comparamos el producto C y el D, veremos que el primero ha obtenido unas ventas mayores y ha recibido mayor tráfico. No obstante, el producto D ha obtenido una mayor variación de las ventas para un tráfico menor. Esto quiere decir que la tasa de conversión del producto D es mayor. Se trata de un dato fundamental, ya que la tasa de conversión tiene en cuenta tanto las ventas como el tráfico generado.

Conclusiones

Al fin y al cabo, solo hay una pregunta importante: ¿cómo de importantes son estas analíticas para los jefes de ventas, Category Managers y gestores de operaciones? La respuesta es muy clara. La prioridad de estas personas es contar con información precisa que les permita tomar decisiones estratégicas en términos de nuevos productos, ofertas y ventas. Gracias a las herramientas de Business Intelligence, incorporamos a nuestro análisis de cabeceras y góndolas la capacidad de medir la tasa de conversión, consiguiendo maximizar los beneficios de cada una de ellas. Por tanto, en el proceso de toma de decisiones, estas personas cuentan con la información necesaria para tomar decisiones rápidas y efectivas.

Recibe nuestros artículos

Hacer una demo personalizada

Anonymous Analysis

Learn more about Retail Media

Want fresh Shopper Insights, Offline Attribution, and In-store Analytics articles straight into your inbox, twice per month?