- Perspectivas
Patrones, anomalías y acciones específicas: el poder de los datos EPOS
- Tiempo de lectura: 7 min
- 14 de noviembre de 2024
La presión sobre las empresas de bienes de consumo masivo para lograr mejores resultados es mayor que nunca. Por un lado, los volúmenes y la facturación deben seguir creciendo, mientras que, por otro, hay un margen limitado para los aumentos de precios debido a los fuertes aumentos de los últimos años. Además, los costos deben controlarse de cerca, ya que los márgenes siguen bajo presión. El mensaje para las ventas de campo es claro: queremos vender más, visitar más ubicaciones, recopilar más datos, todo al mismo costo o a un costo menor. Para lograrlo, se requiere una cosa: eficiencia dentro de la organización de ventas.
El enfoque tradicional de muchas organizaciones de ventas de campo de bienes de consumo masivo ya no es suficiente. Los territorios fijos, los horarios de visitas y las rutas de los empleados de campo crean una estrategia de contacto rígida que deja poco margen para la flexibilidad. Gracias a la disponibilidad de datos, ahora se pueden tomar decisiones mucho más inteligentes. Los datos de ventas, proporcionados directamente por el minorista a nivel de tienda, son una fuente invaluable para esto. Estos datos, si se procesan correctamente, ayudan a responder la pregunta: ¿dónde podemos agregar actualmente el mayor valor con una visita?
El poder de los datos EPOS
Como fabricante, puede acceder a los datos de ventas a través de contratos con minoristas. Según los acuerdos, estos datos están disponibles a nivel de tienda para sus productos o para toda la categoría. Los datos de ventas en tienda también se conocen como datos de EPOS o de venta al público.
Con el enfoque en los datos en general, también ha aumentado la atención a los datos de EPOS. Además de medir los resultados de ventas, debería haber más que eso, ¿no es así? Y la respuesta es, por supuesto, sí: ¡mucho!
Seguimiento de patrones, identificación de anomalías
Hace cuatro años, junto con un importante fabricante de bienes de consumo masivo, comenzamos a aplicar estos modelos a los datos de los puntos de venta electrónicos (TPV) inspirados en los modelos de datos de la industria financiera (banca/detección de fraude). Aunque la complejidad detrás de escena es significativa, el concepto en sí es fácil de explicar.
Las tiendas con patrones de venta iguales o muy similares se fusionan (agrupan) y se rastrean a lo largo del tiempo. Si se produce una desviación en una de estas tiendas con respecto al grupo, esto proporciona un motivo para visitar esa tienda y determinar la causa de la desviación. El modelo de datos desarrollado se enriquece con este conocimiento. Al hacer esto durante un período más largo, validamos el modelo de datos y se vuelve tan inteligente que, con el tiempo, incluso puede ofrecer un valor predictivo.
En este contexto, las desviaciones se traducen en un valor financiero. Un concepto muy conocido en este ámbito es el Lost Sales Value (¿cuánta facturación se está perdiendo?). En otras palabras, esta forma de trabajar con los datos no solo indica dónde realizar una intervención, sino que también especifica cuánto se puede ganar con ella. En función de lo que detecte el modelo de datos, se toma una decisión sobre el tipo de intervención necesaria y quién debe ser el encargado de realizarla. Puede ser alguien del equipo de ventas de campo o, si hay un problema más estructural, una intervención en la sede central (a través de KAM).
Datos EPOS: un ejemplo
Una aplicación valiosa de los modelos de datos basados en datos de EPOS es mejorar la disponibilidad en estanterías (OSA). Supongamos que usted es proveedor de un minorista con 600 tiendas y tiene acceso a los datos de ventas de este minorista a nivel de tienda.
Con un modelado adecuado de los datos de ventas, se puede hacer un seguimiento de las tiendas con patrones de ventas similares a lo largo del tiempo. Ocasionalmente, durante varios días dentro de una de estas tiendas, las ventas de sus productos pueden disminuir. Si esto se aplica a todas las tiendas del clúster, es probable que exista una tendencia normal (se ajuste al patrón). Sin embargo, si la tienda en cuestión se desvía significativamente del resto, esto merece atención. Debido a que el modelo se alimenta con causas potenciales y también conoce los patrones de ventas normales, un resultado muy concreto puede ser: 'En esta ubicación de la tienda, los SKU XYZ no se han vendido durante dos días, a pesar de que están en distribución. La facturación diaria perdida resultante asciende a € XXX.
Su organización de ventas de campo responde inmediatamente a esta señal y descubre en la tienda que las etiquetas de los estantes de los SKU en cuestión ya no están presentes. Como resultado, no se realiza ningún pedido de estos productos y el estante permanece vacío. Inmediatamente después de esta intervención, todavía se puede realizar el pedido y las ventas se reanudan. De este modo, su organización de ventas de campo puede realizar intervenciones muy específicas con un retorno casi garantizado. En los programas que ejecutamos actualmente, ¡esa probabilidad es del 80 %!
Causas similares
En los últimos años hemos aprendido mucho sobre lo que los datos de ventas pueden aportar a su organización. Si analizamos el ejemplo mencionado anteriormente, en el que el objetivo es aumentar la disponibilidad en las estanterías, vemos que las causas de las roturas de stock suelen ser similares. Lo que ocurre con frecuencia es exactamente lo descrito en el ejemplo: un producto se agota y la tienda decide colocar "temporalmente" algo más en ese lugar para aprovechar el espacio. La etiqueta antigua del estante se retira sin que se haya realizado el pedido antes. Otro ejemplo es el denominado "stock fantasma". Las categorías propensas a robos suelen verse afectadas por este problema. En caso de robo, los sistemas del minorista pueden indicar que todavía hay suficiente stock cuando, de hecho, no lo hay, porque se han robado productos. Las mermas que no se procesan correctamente en los sistemas también conducen a esta situación.
Siempre diferentes tiendas
Ojalá fueran siempre las mismas tiendas las que necesitaran atención. Así sería más fácil organizar tu organización de campo. Desafortunadamente, es al revés. Vemos claramente que la necesidad de atención varía mucho. Y eso supone un reto importante para los equipos de campo, que tienen que desviarse de las rutas planificadas para realizar las intervenciones necesarias. Esto requiere un alto grado de flexibilidad en tu organización de campo. El uso de un socio de crowdsourcing es una buena opción, ¡contacta con nosotros para más información!
¿Quiere saber más sobre cómo los datos de EPOS pueden mejorar las ventas de campo?
¡Contáctanos para explorar las posibilidades!