No confíe en su instinto para planificar el surtido

Esta entrada de blog forma parte del foro en línea de HBR El futuro de la venta minorista.

Los minoristas actualizan periódicamente su gama de productos, eliminan a los vendedores lentos y añaden nuevos productos en respuesta a los cambios en la demanda de los consumidores o para adaptarse a las nuevas ofertas de los proveedores. Los procesos de planificación del surtido varían mucho según los minoristas y los segmentos de productos, pero tienen una cosa en común: se basan demasiado en el juicio humano y no lo suficiente en datos concretos como para permitir al minorista predecir cómo reaccionarán los clientes ante un cambio en la gama.

Esta es la conclusión indiscutible de investigación (pdf) que Ramnath Vaidyanathan de la Universidad McGill y yo hemos dirigido. Además, las técnicas que hemos desarrollado con varios minoristas en los últimos años muestran que análisis están ofreciendo a los minoristas una enorme oportunidad de mejorar los ingresos y los beneficios.

Los minoristas que dependen en gran medida del juicio humano para tomar decisiones de surtido están volando a ciegas, lo que lleva a historias de aflicción como estas:

• Walmart presentó Impacto del proyecto en 2008, un esfuerzo por «ordenar» las tiendas quitando el 15% de los SKU que vendían. Sufrió una caída inmediata de las ventas y, finalmente, tuvo que anular la mayoría de los cambios.
• Un minorista de abarrotes borró el 20% de sus SKU de comida seca para poder ampliar la oferta de productos frescos. Las ventas cayeron un 40% y el minorista está en quiebra. Si bien todos los SKU eliminados tenían ventas bajas, cuando los clientes no podían encontrarlos, optaban por comprar en otro lugar.
• Un minorista de artículos para el hogar buscó localizar su surtido por tienda. De las 35 categorías que ofrecía, eligió ropa de cama moderna, diseñó surtidos localizados para cinco grupos de tiendas y se mostró encantado de ver un aumento del 18% en sus ingresos. Luego aplicó el mismo proceso a Fashion Bath, no obtuvo ningún aumento de ingresos y abandonó su esfuerzo de localización.

Estos ejemplos ilustran la necesidad de responder a varias preguntas al revisar los surtidos:

1. ¿Cómo cambiarán las ventas si aumentamos o disminuimos el número de productos de una gama?
2. Si los clientes no encuentran su producto ideal, ¿qué probabilidades hay de que compren un producto sustituto?
3. ¿Cuál es la ventaja probable de localizar una categoría? ¿Cuántos grupos de tiendas deberíamos tener? ¿Cuáles son las métricas correctas que se utilizan en la agrupación de tiendas?
4. ¿Cuáles son las ventas probables de los artículos que estamos pensando añadir a nuestra gama?

La técnica que Ramnath Vaidyanathan y yo desarrollamos responde a estas preguntas. Identificamos algunos atributos para cada SKU que son significativos para los clientes, utilizamos las ventas de los SKU existentes para estimar la demanda de niveles de atributos y, a continuación, utilizamos las estimaciones para pronosticar la demanda de cualquier combinación de atributos, incluidos los que corresponden a los nuevos productos que podrían añadirse a la gama. Hemos convertido este enfoque en una fórmula para que pueda almacenar en un ordenador sus datos de ventas.

Esta técnica le permite descubrir nuevos productos que tienen muchas probabilidades de venderse bien. Por ejemplo, si un minorista de autopartes ve que una de sus tiendas vende muchas piezas para los Accord de Honda y muchas pastillas de freno, pero no vende pastillas para los Accord, le parecería una buena idea que la tienda añada pastillas de freno Accord a su gama.

En el caso de los productos alimenticios, los atributos pueden ser el sabor, la marca y el tamaño del paquete. Para los televisores de pantalla plana, pueden ser el tamaño de la pantalla, los tipos de pantalla, las resoluciones y el proveedor. Y en muchos segmentos de productos, el precio/valor es un atributo relevante.

Nuestro enfoque también desafía prácticas comunes como esta: un minorista piensa que los clientes no quieren comprar un producto del tipo X, por lo que ofrece una cantidad limitada y, por lo tanto, no vende gran parte, lo que confirma su suposición de que los clientes no quieren X. Pero puede que no sea así. En un estudio sobre neumáticos que realizamos, en el que los atributos eran el tamaño, la marca y la garantía de kilometraje, la marca más barata solo tenía una participación del 10% en las ventas del minorista, pero el minorista solo la ofrecía en un número limitado de tamaños (nueve). Descubrimos que en esas nueve tallas, la marca superaba en ventas a la siguiente marca más cara por 40 a 1 y tenía una participación del 61%.

Este minorista ofrecía una selección limitada de los neumáticos más baratos porque pensaba que podían hacer que los clientes cambiaran por una marca más cara, y los datos mostraban que el 45% de las veces podía hacerlo. Pero el 55% de las veces que no podía, multiplicado por el 61% de cuota de esa categoría, demostraba que perdía un tercio de las posibles ventas. Utilizamos nuestras estimaciones para revisar las gamas del minorista de neumáticos. El resultado: un aumento de ingresos del 5,8%.

Un estudio realizado para otro minorista de autopartes se centró en los productos químicos para la apariencia, una categoría que incluye productos para lavar y encerar coches, lustrar neumáticos y pulir y proteger cristales. Este minorista estaba ansioso por entender en qué diferían los patrones de demanda entre las tiendas, pero consideró que no sería factible tener más de cinco surtidos diferentes correspondientes a cinco grupos de tiendas. Hemos demostrado que la mayor parte del beneficio se puede lograr con solo dos grupos de tiendas. El patrón interesante que observamos fue que los productos químicos de apariencia que se aplican a los neumáticos se vendían muchas veces mejor en las tiendas que tenían una demografía urbana o bilingüe.

Como ilustran estos ejemplos, la era de la analítica ha llegado a la venta minorista. Si bien siempre habrá espacio para la intuición, hay que ponerla a prueba analizando los datos.