Aumentar la eficacia promocional en la era de la IA: Guía completa para minoristas

Las campañas de promoción en el comercio minorista son herramientas esenciales para aumentar la fidelidad de los clientes, mantener la competitividad y garantizar el crecimiento del negocio. Sin embargo, cualquier promoción es un proceso complejo y minucioso que requiere recursos, el trabajo coordinado de varios departamentos de la empresa y una planificación cuidadosa.

Para que cada campaña promocional sea un paso más hacia la prosperidad empresarial de la red, es necesario optimizar el proceso de su preparación y gestión. Las herramientas de automatización -soluciones especializadas para el comercio minorista basadas en la inteligencia artificial- ayudarán a resolver esta tarea.

En esta guía completa, nos adentramos en los retos a los que se enfrentan los minoristas a la hora de preparar y ejecutar campañas promocionales y exploramos estrategias para hacer frente a estos obstáculos. Discutiremos cómo utilizar el poder de la previsión promocional con los datos adecuados y la tecnología de IA.

Principales conclusiones

La IA maximiza el ROI promocional eligiendo qué, cuándo y cómo ofertar.

• Identifica productos ideales para descuentos. 

• Simula resultados antes de lanzar. 

• Reduce sobrecostos por promociones ineficaces. 

• Sincroniza con inventario para evitar roturas. 

• Aprende de campañas previas.

En primer lugar, el minorista debe elaborar una estrategia clara para trabajar con eventos promocionales: desde la preparación hasta la ejecución y el análisis de los resultados. La planificación es la fase más crítica. Especialmente durante las grandes ventas navideñas, cuando se llevan a cabo varias campañas promocionales simultáneamente.

• La previsión de la demanda para una campaña promocional requiere una gran precisión que se complica por los múltiples factores que afectan a la demanda minorista.
• Durante una promoción, las ventas pueden multiplicarse por 3, 10 o incluso 50.
• La falta de la cantidad necesaria de existencias es crítica, sobre todo al principio de la campaña.
• Un gran número de saldos al final de la promoción puede congelar los fondos o exigir ventas y rebajas adicionales.

El principal objetivo del minorista a la hora de planificar y gestionar las actividades promocionales es garantizar un alto nivel de disponibilidad de SKU que cubran el aumento de la demanda al inicio y durante la promoción y llegar a la meta con un exceso de existencias mínimo. 

1. Cree una previsión que permita a los responsables hacer un pedido inicial preciso y planificar el tamaño de los stands adicionales para satisfacer la demanda durante la campaña.
2. Determine las fechas de los pedidos, teniendo en cuenta los plazos de entrega y los horarios de los proveedores y de la logística (sobre todo si la mercancía no va directamente del proveedor a las tiendas, sino que pasa por un almacén central, etc.).
3. Si la mercancía pasa por el almacén central, pida una cantidad mayor de mercancía y envíe la cantidad mayor calculada a las tiendas según la previsión de cada tienda.
4. Antes de que comience la promoción, debe dar tiempo a los empleados de la tienda para que cambien las etiquetas de los precios, instalen la señalización, etc.
5. Asegúrese de la disponibilidad de los productos promocionales en todas las tiendas antes de que comience la campaña.
6. Durante la campaña, analice la correspondencia entre la demanda prevista y las ventas reales y, en función de los resultados, ajuste oportunamente el volumen de pedidos.
7. Analice los resultados de la promoción y saque conclusiones para mejorar los impactos de las campañas futuras.

LEAFIO Inventory Optimization, un software especializado basado en IA, ayuda a los minoristas a realizar estas tareas. La solución permite automatizar el proceso de reposición de existencias en todos los niveles de la cadena de suministro. Ofrece la posibilidad de crear pedidos basados en previsiones muy precisas calculadas mediante algoritmos de ML, teniendo en cuenta un gran número de factores que afectan a la demanda.

El software de planificación de promociones de LEAFIO calculará el inventario necesario para la promoción y advertirá sobre las actividades relacionadas y los errores que podrían afectar negativamente al resultado.

Gracias a esta solución, el minorista no tendrá exceso de existencias en los almacenes después de la promoción, y la demanda de los clientes quedará plenamente satisfecha.

Al final de la campaña, el módulo de análisis le permitirá analizar los resultados para aprender ciertas lecciones que le permitan mejorar futuras actividades promocionales.

La inteligencia artificial hace que el proceso de previsión sea mucho más fácil y eficaz. El software utiliza datos históricos sobre las ventas de un producto (o productos/análogos similares en ausencia de datos históricos) para realizar los cálculos, por lo que la previsión no se basa en una hipótesis, sino en datos claros y coherentes.

En primer lugar, debe deshacerse de la basura informativa, es decir, de los datos innecesarios que pueden afectar negativamente a la precisión de los resultados de las previsiones futuras. Por ejemplo, elimine los picos aleatorios de demanda en los días en que el producto está agotado. También es importante separar las ventas promocionales de las regulares para disponer de dos bases de datos para cada caso. Tras la limpieza, la base de datos terminada se carga en el modelo para iniciar el entrenamiento.

Para mejorar la precisión de la previsión, es necesario añadir al modelo factores que afecten a las fluctuaciones de la demanda. La lista de estos factores puede variar en función de la temporada, la industria, la región y otras condiciones del mercado. Además, el minorista necesita separar los factores de influencia en los días normales y en los promocionales.

El modelo empieza a aprender de los datos históricos, que son la hipótesis básica, teniendo en cuenta todos los factores de influencia.

Entonces comienza el proceso de validación. En esta fase, puede realizar ajustes adicionales e incluir otros factores de influencia y nuevos datos con los que el modelo aún no esté familiarizado.

La prueba final (prueba de validación del tren) ayuda a comprender la previsión global y a asegurarse de que es correcta, precisa y eficaz.

Según la experiencia de los clientes de LEAFIO AI, la presencia de disposiciones o expositores adicionales puede afectar en gran medida a las ventas previstas, ya que aumenta la presencia de SKU en la tienda. 

Existen muchos modelos matemáticos de procesamiento de datos basados en la IA que se utilizan para predecir ascensos, como las medias móviles simples, el modelado del ciclo de vida, el suavizado adaptativo, el bosque aleatorio, Lightgbm, etc.

Entre ellos, existen modelos de previsión de series temporales con dependencias lineales, dependencias recursivas o basados en algoritmos de árboles de decisión, que se utilizan con mayor frecuencia para predecir con precisión y eficacia las acciones durante las promociones. En algunos casos, se pueden utilizar varios modelos simultáneamente para determinar el más eficaz para cada caso concreto.

"En 2012, la tarea principal en la M5-Competition era pronosticar las ventas de Walmart, que generosamente proporcionó sus datos. El primer premio fue para un equipo de especialistas que utilizó varios modelos de previsión diferentes, pero el modelo más utilizado fue LightGBM. En la mayoría de los casos, éste es el modelo que utilizamos para generar previsiones para nuestros clientes", Helen Kom, Directora de Producto de Optimización de Inventarios de LEAFIO.

Predecir la ocupación de las tiendas o de un centro de distribución durante una promoción, realizar una planificación financiera, etc. Es importante definir un objetivo específico, ya que algunos modelos pueden ser más precisos a la hora de realizar determinadas tareas.

Debe determinar el número de categorías de productos que participarán en la promoción. Si hay muchas categorías diferentes, el modelo seleccionado debe ser capaz de tener en cuenta que el impacto de los mismos factores de crecimiento de la demanda será diferente para las distintas categorías de productos.

Por ejemplo, para prever la demanda y calcular los pedidos de reposición de mercancías en una tienda determinada, el sistema crea primero una previsión para las SKU seleccionadas en una tienda concreta y, a continuación, para todas las ubicaciones y la categoría en su conjunto. Si la previsión se necesita para la planificación financiera o para compartir los planes de aprovisionamiento con los proveedores, la previsión se realiza en sentido inverso: de la categoría a una SKU específica.

Si la promoción implica descuentos regulares, en los que el factor precio es el más significativo, puede utilizar un tipo de modelo. Pero "1+1" o mecánicas más complejas pueden funcionar mejor con otros modelos.

Algunos modelos complejos requieren una gama más amplia de datos históricos, mientras que otros más sencillos pueden funcionar con una cantidad limitada de datos.

Es necesario determinar si la promoción se llevará a cabo en toda la red minorista o en un número limitado de tiendas.

Hay tres pasos para evaluar los resultados de una campaña promocional.

Podemos generar previsiones a nivel de SKU, categoría, ubicación o cadena. Por supuesto, la cantidad de datos a nivel de ubicación de SKU será mucho menor que a nivel de cadena. Sin embargo, la elección del nivel depende principalmente del objetivo que se haya fijado antes de generar la previsión.

Si el objetivo era determinar el llenado de las tiendas al inicio y durante la campaña promocional, LEAFIO AI suele evaluar los resultados a nivel de ubicación, ya que de esta forma puede comprender si la previsión fue lo suficientemente eficaz como para cubrir el aumento de la demanda durante este periodo.

Entre las métricas más utilizadas se encuentran MAE (error medio absoluto), MAPE (error medio porcentual absoluto), WAPE (error medio porcentual ponderado), WMAPE (error medio porcentual absoluto ponderado), BIAS o RMSE (error cuadrático medio)/.

En el nivel de evaluación SKU, los especialistas en IA de LEAFIO utilizan la métrica WMAPE. El cálculo del WMAPE permite indicar qué papel desempeñan los distintos indicadores en la previsión y en qué medida afectan al resultado en un caso concreto. Por ejemplo, un error en la previsión de la demanda de SKU caras causará pérdidas comerciales mucho mayores que un error en el cálculo de la previsión de un producto de poco valor.

Al resumir los resultados de una promoción, también es importante hacer lo siguiente:

• comparar las ventas previstas y las reales;
• acceder a la rotación del inventario;
• estimar el exceso de inventario;
• calcular el porcentaje de disponibilidad de mercancías.

Conviene recordar que, incluso con la previsión más precisa, un minorista siempre puede enfrentarse a problemas imprevistos, por ejemplo, relacionados con la logística o el funcionamiento de la tienda.

Estos factores pueden reducir la eficacia global de la promoción y provocar una pérdida de ventas. Un análisis experto de los datos y el uso de las métricas de evaluación del rendimiento enumeradas le ayudarán a obtener la visión más completa de los resultados de la promoción y a tomar valiosas notas para el futuro.

Un ejemplo sorprendente del efecto de implantación de la solución LEAFIO AI es el caso de Novus, una cadena de ultramarinos con unos 90 supermercados, que gestiona con éxito 30.000 referencias y tiene el 40% de su surtido en promociones.

Utilizando la solución LEAFIO Promotion Intelligence, el minorista consiguió un aumento del 2% en la disponibilidad de los productos en promoción (con una tasa inicial del 97,1%, lo que ya es un resultado muy elevado) y una reducción del doble del exceso de inventario tras el final de la promoción.

Basándose en los resultados de más de 100 proyectos, se observan de media los siguientes cambios en el rendimiento empresarial gracias al uso de la solución de Inteligencia de promoción LEAFIO: mejora del 20% en la disponibilidad, reducción del 50% de los excedentes y aumento del 15% en la precisión de las previsiones. 

En general, el uso de soluciones automatizadas para gestionar las actividades promocionales de una empresa aporta las siguientes ventajas:

• La posibilidad de liberar dinero para futuros desarrollos (eventos adicionales, apertura de nuevas tiendas, etc.).
• Ahorro de tiempo y recursos necesarios para planificar la promoción y preparar la reposición de existencias en el proceso.
• Se guarda el historial de las actividades promocionales de la empresa y su gestión se centraliza. Guardar el historial de ventas es fundamental para entrenar un modelo de previsión, y cuantos más datos valiosos se obtengan, más precisas serán las previsiones futuras.

Relacionado:  5 mejores programas de gestión de promociones comerciales

Las lecciones más importantes que en LEAFIO AI hemos aprendido durante la ejecución de proyectos de previsión de promociones en el comercio minorista son las siguientes:

• Es imposible tener una previsión precisa sin una comprensión clara del objetivo principal de la previsión.
• No es posible calcular una previsión precisa sin datos completos y bien preparados, independientemente del modelo que utilice.
• Los modelos convencionales pueden tener la misma precisión de previsión en la fase inicial, pero a largo plazo, los modelos basados en el aprendizaje automático obtienen mejores resultados porque aprenden de la experiencia.
• La elasticidad del precio, como uno de los factores clave que influyen en la demanda, debe analizarse sólo en conjunción con otros factores.
• La estacionalidad es un factor crucial para todas las categorías, aunque no lo parezca a primera vista.

Al estudiar la elasticidad del precio de la demanda, el equipo de IA de LEAFIO analizó el caso de una cadena europea de tiendas de comestibles. Lo inusual del caso era que cuando aumentaba el precio de los plátanos, también aumentaban sus ventas. Resultó que en Europa, durante ciertos periodos del año, especialmente en verano y a finales de primavera, las ventas de plátanos disminuyen debido a la presencia de otras frutas y verduras de temporada. Por lo tanto, el precio y la demanda de plátanos aumentan y disminuyen simultáneamente durante los picos estacionales. 

• La precisión de las previsiones es muy importante, pero los resultados financieros lo son aún más.
• Hay que basarse en las ventas promocionales reales, no en las previstas. Cuando planificamos una promoción y hacemos pedidos, por supuesto, tenemos que basarnos en las previsiones. Pero cuando la red recibe datos reales sobre los resultados de la campaña promocional, merece la pena centrarse en ellos.
• Es importante comprobar la eficacia de cada actividad promocional y comparar los objetivos con los resultados, teniendo en cuenta todos los factores relevantes.
• La previsión forma parte del proceso, por lo que debe incluirse en la planificación general de la campaña.
• El final correcto de una campaña promocional es tan importante como el comienzo correcto, ya que el objetivo del minorista es evitar la formación de un exceso de inventario al final de la campaña.

Las soluciones tecnológicas para automatizar las campañas de promoción, incluida la previsión de alta precisión mediante algoritmos de aprendizaje automático, garantizan la competitividad de las empresas y el crecimiento de los indicadores empresariales clave a largo plazo. Sin embargo, el resultado global de cualquier implementación tecnológica depende del correcto procesamiento y uso de los datos, así como de una evaluación equilibrada de los resultados obtenidos.

Únase al club de los clientes satisfechos de LEAFIO AI y descubra cómo aumentar la eficacia de las promociones para su empresa ahora mismo.