ROI y atribución de anuncios
shoppermotion
Introducción Tener acceso a una herramienta de analíticas y utilizarla al máximo son dos cosas distintas. En nuestro anterior post, hablamos de la importancia de obtener analíticas en tiendas. En este artículo revisaremos cómo pueden ayudar las herramientas de analíticas a los encargados del marketing a medir la efectividad de
En artículos anteriores hemos hablado detalladamente sobre la importancia de las analíticas a la hora de tomar decisiones. Desde cómo impulsar las ventas hasta cómo mejorar el posicionamiento de nuestras promociones, pasando por aprender a optimizar nuestras categorías. Independientemente del tamaño del negocio, es fundamental contar con analíticas que nos permitan tomar mejores decisiones. Por tanto, en este artículo hablaremos sobre cómo realizar un análisis del tráfico en centros comerciales para entender a nuestros clientes. Analíticas Wi-Fi En lugares amplios, como centros comerciales, resulta complicado obtener analíticas debido a que no es como en los supermercados donde cada herramienta de compra tiene su propio localizador. ¿Cómo podemos analizar el comportamiento de nuestros clientes mientras visitan un centro comercial sin ser intrusivos y respetando su privacidad y anonimato? Todo ello sin necesidad de instalar hardwares sofisticados adicionales. Una solución que solemos emplear es el uso del seguimiento mediante wifi. Como muchos centros comerciales cuentan ya con una infraestructura de wifi, se puede utilizar como base para este sistema. La mayoría de los puntos de acceso wifi tienen la capacidad de geolocalizar las señales que reciben. Cuando nos hablan de esto, podemos pensar que los consumidores no suelen conectarse a la red wifi durante su visita a las tiendas, de manera que es complicado realizar un análisis así. No obstante, existe una manera de hacerlo. Los móviles actuales cuentan con una tecnología wifi que se utiliza como antena, de manera que si el móvil no está en modo avión y tiene la señal wifi conectada, estará continuamente mandando unas señales para intentar conectarse a las redes cercanas. Gracias a estas señales podemos analizar el movimiento de los consumidores en tiempo real y de forma anónima. Aun así, debemos tener en cuenta una serie de aspectos. Mientras que en espacios pequeños como supermercados se analiza la ruta completa del consumidor, en espacios amplios como centros comerciales, debido al tamaño, solo es posible analizar cómo se mueve el consumidor por los pasillos centrales. Gracias a la información recibida, elaboramos unos mapas de calor que nos permiten identificar aquellas áreas con mayor engagement. Análisis del tráfico de clientes en centros comerciales Además, como en los centros comerciales existen numerosas tiendas de distintas categorías, podemos utilizar este método para comprender mejor qué está pasando dentro de cada una de ellas. Nuestra solución permite conocer dónde están pasando los clientes la mayor parte de su tiempo. Asimismo, también nos permite saber dónde van después de visitar una tienda. Con esta información, los managers podrán realizar comparaciones con centros comerciales similares con el objetivo de optimizar las decisiones estratégicas y operacionales en consecuencia. Entre otras cosas, nos ayudará a determinar dónde colocar la publicidad o cómo diseñar la ubicación de las tiendas. Si combinamos esta información con la matriz de correlación, podremos identificar las conexiones entre las distintas categorías. Esta métrica nos permite identificar la probabilidad de que un cliente visite una categoría asumiendo que ha visitado ya otra categoría determinada durante su visita al centro comercial. Por ejemplo, podemos asumir que un porcentaje elevado de consumidores que han visitado la zona de restauración también han pasado tiempo considerable en la zona de tiendas o viceversa. Además, también se puede identificar el motivo principal por el que los clientes han visitado el centro comercial. En función de las tiendas visitadas, podemos distinguir entre cuatro tipos de misiones de visitas: Aprovisionamiento: cuando el cliente visita una amplia variedad de tiendas porque necesita comprar muchos productos. Compra diaria: cuando el cliente visita algunas tiendas para comprar productos necesarios para el día a día. Compra específica: cuando el cliente visita pocas tiendas porque necesita algo que se le ha acabado. Compra urgente: cuando el cliente visita una o dos tiendas e ignora el resto porque necesita comprar algo muy específico. Por ejemplo, esto podría ocurrir cuando una chica tiene una fiesta y necesita ir al centro comercial para comprar unos zapatos de tacón. Si ya has leído nuestro post sobre misiones de compra (si no, puedes leerlo pulsando aquí), te habrás dado cuenta de que la categorización es la misma. La única cosa que cambia, en este caso, son las áreas visitadas en el centro comercial. Gracias a esta información, los managers podrán adaptar sus estrategias a las necesidades de los consumidores. Conclusiones La información siempre es fundamental, ya que sin ella no podríamos tomar buenas decisiones. En este sentido, la obtención de analíticas en el punto de venta resulta esencial. Gracias a nuestra tecnología, la recopilación de estos datos se hace de forma no intrusiva para no interferir en la experiencia de compra de los consumidores. Al realizar un análisis sobre el comportamiento de los clientes en centros comerciales, los managers podrán optimizar las decisiones estratégicas y operacionales.
Cuando queremos que una campaña salga bien, es muy importante contar con la información correcta y aquí es donde las analíticas entran en juego. En el post de hoy vamos a aprender a calcular el funnel de conversión de algunas de las promociones de un flyer. En el post anterior ya explicamos cómo medir la efectividad de una promoción. Una de las principales ventajas de nuestras métricas es que nos permiten medir lo bien que funcionan nuestros productos expuestos, así como identificar aquellos que no están teniendo los resultados esperados. Revisaremos y propondremos qué acciones se pueden ejecutar en cada paso del funnel de conversión para mejorar nuestros resultados y obtener mejores ventas en nuestras campañas promocionales. En e-commerce es más fácil analizar la información de los clientes, ya que existen numerosas métricas y tecnología a nuestro alcance. Gracias a herramientas como Shoppermotion, podemos aplicar las mismas métricas a las tiendas físicas y conseguir los resultados esperados. Funnel de conversión en flyers Empecemos analizando la información recopilada durante una promoción. Para los encargados del marketing, el funnel de conversión es otro análisis muy interesante que muestra la efectividad de una promoción. Para entender lo que representa cada sección, vamos a desglosar cada una de las métricas: Penetración. Se refiere al tráfico que ha recibido cada sección. Esto quiere decir que si ha habido 50.000 clientes durante la promoción, 9.950 han visitado la sección de bebidas no alcohólicas. Esta información se ha recopilado gracias a nuestra tecnología. Tasa de rebote. Porcentaje de consumidores que han pasado menos de 10 segundos en una categoría. Browsers.- Porcentaje de consumidores que han pasado entre 10 y 15 segundos en una sección. Engaged.- Porcentaje de personas que han pasado más de 15 segundos en una sección. Tasa de conversión. Porcentaje de visitantes que han comprado un producto determinado. Por ejemplo, la tasa del 3,7% de los cereales significa que del total de visitantes durante la promoción, 1.850 han comprado este producto. Cuando lo analizamos en conjunto, esta información muestra el proceso mediante el que los visitantes se acaban convirtiendo en compradores de un determinado producto durante su ruta. Es decir, esta es la manera para calcular el funnel de conversión en una tienda de alimentación. Análisis del funnel de conversión de las promociones en panfletos Vamos a utilizar los huevos y el salmón como ejemplo para analizar el funnel: Huevos. Tal y como podemos observar, se trata de un producto con una tasa de penetración elevada. Esto indica que la mayor parte de la gente visita esta sección durante su ruta. La tasa de conversión también es alta, lo que significa que la mayor parte de la gente ha comprado huevos, ya que se trata de un producto básico. Si nos fijamos en el funnel, llegaremos a la conclusión de que de los 50.000 visitantes que han visitado la tienda durante la promoción, 7.200 han comprado huevos. Las columnas browsers y tasa de rebote nos muestran información muy interesante. La columna bounce muestra un porcentaje elevado, lo que significa que la mayor parte de la gente pasa menos de 10 segundos en la sección de huevos. Esto no es un mal indicador, ya que significa que la gente sabe de antemano la marca que quieren comprar y simplemente la coge al llegar a la sección. Por el contrario, la columna browsers muestra que no mucha gente pasa entre 10 y 15 segundos decidiendo qué huevos comprar. Salmón. A simple vista podemos que ver que el porcentaje de penetración es más bajo en comparación con el de los huevos. Gracias a esta información podemos asumir que los clientes no suelen comprar salmón habitualmente. Además, la tasa de conversión muestra que el porcentaje de personas que finalmente han comprado salmón es muy bajo. Esto muestra una vez más que no es un producto que la gente suele comprar. Del total de visitantes, 1.100 han comprado salmón durante la promoción, una cifra notablemente inferior a la de los huevos. La columna browser muestra un elevado porcentaje de personas que pasan entre 10 y 15 segundos decidiendo si comprarlo o no. Esto normalmente ocurre con productos frescos, ya que los consumidores suelen basar sus decisiones en diferentes aspectos tales como la fecha de caducidad o la apariencia. Los porcentajes varían en función del producto analizado. Por ejemplo, los productos básicos tienen tasas de penetración elevadas, mientras que los productos frescos u otros más “especiales” (helado) tendrán menor penetración. En ambos casos, la tasa de conversión variará consecuentemente. Acciones a poner en marcha A grandes rasgos, el funnel de conversión muestra el proceso mediante el que los visitantes se convierten en compradores. A continuación vamos a analizar las distintas acciones que se pueden poner en marcha en cada paso del funnel para mejorar nuestros resultados: Una vez analizado cada paso del funnel, también es importante identificar en qué punto nuestros clientes están perdiendo interés en el producto. Se recomienda hacer comparaciones con tiendas similares para ver si nuestro funnel y nuestras cifras coinciden en las distintas categorías. Si notamos que nuestras cifras están por debajo de la media, deberíamos poner en marcha las acciones necesarias según lo que hemos explicado anteriormente. Conclusiones Contar con la información adecuada es fundamental para tomar decisiones, por lo que las herramientas de analíticas son esenciales para conseguir esto. Gracias a ellas estaríamos obteniendo información sobre el desempeño de nuestras promociones. Esto resulta imprescindible para los encargados del marketing, ya que así estarían tomando decisiones basadas en información real. Así estarían identificando qué productos están teniendo buenos resultados y cuáles no están cumpliendo con los objetivos deseados. En este último caso, existen distintas acciones que s epueden poner en marcha para mejorar nuestras cifras. Por ejemplo, si vemos que los consumidores no entienden un producto, deberíamos poner en marcha demostraciones en tiempo real sobre cómo cocinarlo. Gracias a ello, estaríamos acercando a nuestros clientes al producto, por lo que podrían aumentar las ventas del mismo. En este artículo hemos aprendido a calcular el funnel de conversión.
En este artículo hablaremos sobre las tecnologías para obtener analíticas más populares del mercado. Esto se debe a que, en muchas ocaciones, los retailers intentan resolver preguntas para averiguar cómo satisfacer las necesidades de sus clientes. ¿Cuál fue la experiencia de mis clientes al entrar en mi tienda? ¿Cómo se tomaron las decisiones de compra o qué factores influyeron en este proceso? Gracias a la obtención de analíticas los retailers pueden resolver estas cuestiones. A lo largo de los años, los retailers han basado sus análisis en el volumen de ventas obtenido al final de cada periodo. Aunque no es un mal enfoque, resulta algo limitado en algunas ocasiones. En este sentido, una visita a una tienda no solo está relacionada con los productos que el cliente compra, sino con la experiencia de compra en general. Esta información nos ayuda a entender en profundidad el proceso que realiza el comprador desde que entra en la tienda hasta que sale, analizando las decisiones que toma mientras recorre los pasillos. Hasta el momento, las decisiones en la tienda se han tomado basándose en las ventas, a pesar de que siempre se ha intentado poner al consumidor por delante. No obstante, la situación está empezando a cambiar poco a poco hacia un enfoque centrado en el consumidor. Medir y comprender el comportamiento en las tiendas es una herramienta fundamental que va a permitir al retailer y a los fabricantes a tomar mejores decisiones centradas en el cliente y en mejorar su experiencia. Esto no quiere decir que los retailers no hayan intentado medir la experiencia de los consumidores en sus tiendas en el pasado. Tomemos como ejemplo las tarjetas de fidelización, que son una buena herramienta para conocer de cerca a los consumidores, aunque solo tienen en cuenta las consecuencias de la experiencia (ventas). Lo que queremos es ir un paso más allá y entender su comportamiento durante la visita. En este artículo vamos a analizar las tecnologías más populares para obtener analíticas en tiendas que utilizan los retailers por todo el mundo. El primer paso es comprender que necesitamos analíticas que nos muestren el comportamiento de los consumidores y después viene la adquisición de las tecnologías necesarias. En este punto hay varios métodos que podemos utilizar, empezando por las soluciones que necesitan poca o ninguna tecnología hacia otras opciones más sofisticadas. A continuación detallamos las distintas tecnologías para obtener analíticas disponibles en el mercado. Conteo Manual Empezamos con una de las tecnologías para obtener analíticas que no requiere ninguna instalación. El retailer asigna a algunos de sus empleados la tarea de seguir de forma sutil a los consumidores por la tienda con una hoja de papel y un bolígrafo para dibujar su ruta. Por asombroso que parezca, así es como se hacía en el pasado. Algunas empresas han sustituido el papel por una tablet para digitalizar la información. Ventajas del conteo manual Se pueden anotar las interacciones del cliente (si toca el producto o lo devuelve a la estantería) Se puede añadir información cualitativa sobre el cliente (familia con hijos, en buena forma, etc.) Desventajas del conteo manual No es escalable y es caro (es un método que requiere de mucho tiempo siguiendo a los consumidores), El tiempo relacionado con los eventos (tiempo medio, tiempo de espera, etc.) no se puede medir de manera muy precisa, Puede ser algo intrusivo, ya que el cliente podría darse cuenta de que alguien le está siguiendo durante el recorrido, Los resultados normalmente están sesgados (el personal inconscientemente elegirá a aquellos clientes rápidos y activos antes que a personas mayores), La información debe tratarse y filtrarse tras cada recopilación, Generalmente el procesamiento y análisis de la información se hace manualmente, Al personal se le está “quitando” tiempo que podría destinar a otra tarea en vez de esta función tan exigente, larga y propensa a estar afectada por errores humanos. Tecnología de conteo de personas Esta es una solución menos laboriosa. Algunos retailers instalan sensores infrarrojos en la entrada de la tienda para contar las visitas, de manera que cada vez que alguien cruza el umbral, se anota una visita más. Existen otras soluciones más avanzadas que son capaces de predecir qué visitas entran y cuáles salen. En los supermercados se comparan los resultados con el número de tickets, ya que la mayoría de los clientes suele comprar algo. Ventajas de los contadores de personas Es una solución barata que aprovecha los equipamiento de seguridad en las tiendas (arcos detectores) Es una solución que se suele utilizar en tiendas de moda para estimar la tasa de conversión (número de clientes que compra algo respecto al número total de visitantes) Desventajas de los contadores de personas La información recopilada es muy limitada ya que solo cuenta el número de veces que alguien cruza por los infrarrojos No se puede recopilar información sobre el flujo del cliente o el tiempo medio dentro de la tienda Los resultados suelen ser poco precisos, ya que también se tiene en cuenta al personal No distingue entre entradas y salidas realizadas por las mismas personas Analíticas basadas en el uso de tokens (tecnología ganadora) Esta solución es una de las más avanzadas para obtener analíticas en tiendas. Requiere la instalación de unos dispositivos electrónicos (llamados tokens) con baterías que duran años en las herramientas de compra (carros, cestas con ruedas, cestas de mano, etc.). Estos dispositivos emiten su posición en tiempo real, por lo que permiten recolectar la ruta completa de cada consumidor en la tienda. Sin duda alguna, se trata de la mejor tecnología para obtener analíticas. Ventajas de la solución basada en el uso de tokens Es la solución más rentable para analizar la ruta completa del consumidor en la tienda Analiza al consumidor de forma pasiva, ya que no requiere de ninguna interacción por su parte La información se recopila de forma anónima, por lo que se protege la privacidad del consumidor (no hay manera de identificar quién es cliente detrás de la cesta). Simplemente se rastrean cestas y no personas
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? 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. 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. 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
Una tienda es un ecosistema dinámico que funciona en conjunto para producir beneficios. Para que esto ocurra, existen una serie de factores clave que se deben equilibrar. Los clientes tienen que estar expuestos a los productos ya que se debe tener en cuenta la naturaleza impulsiva del ser humano. En este artículo analizaremos las cabeceras de las tiendas utilizando herramientas de Business Intelligence. La interacción de un cliente desde el momento en que entra en la tienda hasta que se va es un claro indicador de su intención y del proceso de toma de decisiones. Por tanto, un retailer debe fijarse en cada aspecto de la interacción de los clientes. Esto incluye qué ven, dónde lo ven, cómo recorren la tienda y cómo ejecutan su misión de compra. Toda esta información se utiliza para determinar el comportamiento del cliente y así poder seleccionar mejor los productos para las cabeceras. Hace unos años nos asociamos con una cadena de distribución estadounidense para ver exactamente cómo utilizar el análisis del comportamiento de los consumidores con el objetivo de mejorar la eficiencia y las ventas. Gracias a esto descubrimos que adaptando la estrategia a los resultados conseguíamos mejorar tanto la experiencia de compra como el volumen de ventas. No obstante, se debe tener en cuenta que la ubicación de cada tienda es diferente y puede estar sujeta a distintas reglas. Por tanto, puede que los compradores se comporten distinto de una tienda a otra. Lo que no cambia es la necesidad de analizar las tendencias conductuales de cada ubicación. Por ejemplo, el simple hecho de relacionar lo que cada cliente ve en una cabecera con su misión de compra ayudó a nuestro socio a crecer cuantitativamente. Este artículo explica la importancia de analizar las cabeceras mediante inteligencia empresarial. Business Intelligence para analizar las cabeceras El primer paso en cualquier análisis es la recopilación de información. Esto requiere analizar cuál es el comportamiento de los clientes desde que entran en la tienda, algo que nuestro sistema hace de manera no intrusiva. Una vez que tenemos los datos sin procesar es hora de convertirlos en información mediante el uso de herramientas de Business Intelligence. La información obtenida mediante estas herramientas de Business Intelligence nos puede indicar qué cabeceras son las más visitadas, cuál es el tiempo de visualización de los productos que se muestran en ellas y en cuáles hay que introducir cambios. Tanto los encargados de tienda como el equipo de operaciones pueden utilizar esta información para mejorar cada cabecera y optimizarla con el objetivo de conseguir mejores resultados. CABECERAS Y KPIS EN RETAIL Lo siguiente es averiguar las KPIs de cada una de estas cabeceras. La información recopilada en cada cabecera se puede desglosar en grupos de KPIs como los que podemos encontrar en herramientas de análisis de e-commerce tales como Google Analytics. La primera serie de KPIs en la que nos fijamos está relacionada con el tiempo e incluye: Tiempo hasta visitar la cabecera: cuánto tarda cada consumidor en visitar la cabecera durante su visita. Tiempo medio enfrente de la cabecera: tiempo que tarda un consumidor en inspeccionar el contenido mostrado en la cabecera. Estas KPIs nos ayudan a entender cómo de impulsivo es el producto en la cabecera (el tiempo que está el consumidor en la cabecera define cómo de fácil es para él coger el producto). Con esta información podemos recopilar más datos: Tasa de rebote: porcentaje de compradores que pasan menos de 5 segundos cerca de la cabecera. Engagement: porcentaje de compradores que pasan más de 10 segundos cerca de la cabecera. Ambas KPIs nos ayudan a entender la atractividad de los productos y a mejorar su ubicación dentro de la tienda, la apariencia y las ofertas relacionadas. En resumidas cuentas, cuanto más tiempo se pasa en una cabecera, más significativa es. Nuestro análisis también tiene en cuenta otros factores que influyen en las cabeceras en una determinada ubicación y en un momento determinado. Esto incluye: Origen o destino: saber de dónde vienen nuestros clientes antes de llegar a la cabecera revela información sobre los productos que deberían promocionarse en cada una de ellas. Misión de compra: la misión de compra predominante que visita mi cabecera define el tipo de producto que debería colocar en ella. Por ejemplo, si las misiones de aprovisionamiento, que son largas y suelen utilizar carros grandes, son populares en una cabecera, se recomienda colocar productos relacionados con este comportamiento (detergente, productos enlatados o productos de limpieza). Duración del recorrido: cuánto duran de media las rutas que pasan cerca de mi cabecera. Esta información resulta interesante para entender si queremos mostrar productos a gente “ocupada” o a gente más creativa que busca nuevas recetas e ideas. Carro vs. cesta: porcentaje de compradores que utiliza una herramienta de compra determinada. Muy útil para saber si colocar productos pesados o grandes (cereales, botellas de refresco, etc.) o más pequeños (latas de atún, sandwiches o barritas de chocolate) si la herramienta de compra más popular en la cabecera son las cestas de mano. Día popular de la semana: muy útil para sincronizar las promociones con catas o activaciones en punto de venta. El ROI o la tasa de conversión de las cabeceras son otro tipo de KPIs transaccionales que analizaremos en detalle en futuros posts. ConclusionEs A nuestro socio le resultó muy útil contar con este tipo de información para crear estrategias viables que incrementaran la importancia de las cabeceras gracias al Business Intelligence. También fue clave a la hora de tomar decisiones sobre dónde colocar nuevos productos. Gracias a esto, los encargados de tienda pueden ir más allá lanzando ofertas en puntos clave, elaborando estrategias adaptadas a las ventas y tomando decisiones que mejoren las ventas de un producto o una marca. La intuición deja de entrar en juego gracias al uso de datos empíricos cuando se recopila la información en tiempo real. Por tanto, el retailer puede ir modificando las estrategias a medida que vaya cambiando la situación en la tienda.
Normalmente, un consumidor entra en una tienda con un objetivo en mente y está atento para no perderse ningún producto, descuento o promoción durante todo su recorrido. Lo que no sabe es que todo lo que ve y pasa desde que entra en la tienda es fruto de un plan previamente elaborado. En este escenario, los Category Managers son los que diseñan cómo nos movemos por la tienda, por lo que son el futuro de las analíticas en tienda. Son los que se aseguran de que todo lo relacionado con los productos y categorías (carteles, marcadores, indicaciones, etc.) está bien colocado y de lo que el comprador ve en las estanterías o de camino a ellas. ¿Qué es el Category Management? En cualquier tienda, los productos están ordenados en función de una serie de criterios. Se podría definir el Category Management como el trabajo mediante el que se agrupan los productos siguiendo una organización. Dicha distribución tiene como objetivo maximizar la visibilidad de los productos y el potencial de ventas, a la vez que se fomentan las ventas de otros productos relacionados. Todo desde un punto de vista disciplinado y sistemático tal como una unidad de negocio estratégica. Para simplificarlo, podríamos decir que está relacionado con el arte y la ciencia de organizar productos de tal manera que no solo se maximice su visibilidad, sino que también complemente a los productos de su alrededor. Es cuestión de combinar la inteligencia aplicada al retail con un estudio de mercado para mejorar nuestros resultados. A simple vista puede parecer que lo único que se debe hacer es combinar productos y bienes parecidos y colocarlos en una estantería. No obstante, las cosas no son tan fáciles. Existen ciertos aspectos que un Category Manager (la persona encargada de gestionar cada categoría) debería tener en cuenta y todo empieza por fomentar su habilidad para maximizar los beneficios al vender productos de una categoría determinada. Esto significa que tiene que existir cierta armonía mientras nos movemos de una categoría a otra, utilizando las cabeceras como nexo entre ellas. Es preciso mencionar que cualquier cabecera en la tienda tiene un propósito, ya sea para vender más productos o para atraer la atención hacia un expositor. Por tanto, se debería seguir una estrategia a la hora de distribuir las cabeceras como asegurar que están relacionadas con las categorías contiguas. Al no distribuir correctamente las cabeceras estaríamos perdiendo información clave. Otra manera de perder datos importantes sería si un Category Manager no tuviera en cuenta los tiempos medios, el tráfico o la dirección de los pasillos al intentar comprender el comportamiento de los consumidores en sus categorías. Las categorías contiguas son aquellas situadas al lado o enfrente de otras a lo largo de un pasillo ¿En qué variables debe centrarse el Category Manager? Existen ciertas cosas en las que se debe fijar un Category Manager. La primera de todas es la dirección del pasillo, ya que es fundamental para posicionar correctamente los productos. Dependiendo del tipo de layout de la tienda, la dirección de los pasillos deberá ser de una u otra manera y es labor de los Category Managers posicionar los productos para maximizar su desempeño. Pero esto no acaba aquí, ya que también es muy importante saber si nuestra categoría se visita antes de abandonar la tienda o al principio de la ruta. Contar con este tipo de información nos puede ayudar a elegir qué productos promocionar (los productos pesados se suelen dejar para la última parte de la ruta para que los clientes no tengan que cargar con ellos todo el tiempo). A primera vista, estos datos parecen simples pero influyen notablemente a la hora de elegir la ubicación de una categoría. Tras esto nos encontramos con la decisión de elegir el mejor punto para ubicar las promociones en función del tipo de producto, de las misiones de compra que suelen visitar las categorías y de la información sobre el mercado. Por ejemplo, se debería colocar una oferta de champú en una cabecera que reciba muchas misiones de compra de aprovisionamiento (compras grandes para las siguientes semanas) o una promoción de aceitunas en una cabecera popular para las misiones de compra diaria. Finalmente, un Category Manager debería ser capaz de estimar un ROI por activación simplemente comparando las ventas y el tráfico. Como tenemos las ventas agregadas por promoción, las dividimos entre el número de compradores detectados en el área y así calculamos la tasa de conversión (ventas/personas). Por tanto, ¿cómo consigue un Category Manager hacer todas estas cosas? Lo principal es definir quién es el retailer y cómo opera teniendo en cuenta las misiones de compra principales de la tienda. Después es fundamental entender la importancia de cada categoría en términos de generación de tráfico. Una vez que se ha analizado detenidamente cada categoría, se establecen una serie de estrategias para maximizar el desempeño individual de cada una, teniendo en cuenta la correlación entre todas ellas. Estas estrategias deben incluir actividades de marketing, varios tipos de promociones, cambios en el posicionamiento, planes de comunicación y cambios en el planograma. Cuando se definan estas estrategias, se tendrá que poner en marcha el plan de acción y las operaciones, tras lo cual se deberá analizar, comparar y medir los resultados. Estas analíticas deben ser regulares para que el Category Manager pueda realizar cambios si fuera necesario. Debemos contar con las herramientas adecuadas Con tanta información que analizar, la situación puede parecer abrumadora, pero con las herramientas adecuadas, un Category Manager debe ser capaz de tener una idea de las categorías que controla para poder tomar decisiones sobre la estrategia que se debe seguir con el objetivo de mejorar los beneficios. Una herramienta adecuada podría ser Shoppermotion, ya que ofrece información relevante a los Category Managers. No solo simplifica el proceso de recopilación de información, sino que además ofrece un análisis detallado sobre el uso de Machine Learning y Business Intelligence. Gracias a esto se reduce el tiempo de toma de decisiones, lo que permite adentrarse en
En cualquier cadena de distribución, sin importar el formato, acabarás recorriendo el famoso pasillo central. Por regla general, se posiciona como una galería amplia en la zona más céntrica de la tienda. Desde esta región, nuestros clientes esperan visualizar todas las categorías de forma ordenada. De esta manera, se facilita la búsqueda de productos y llenar la cesta de forma sencilla y ordernada. Analizar en profundidad el customer flow de esta zona nos ayudará a mejorar las ventas.
Proximus Inc. © Todos los derechos 2022