Retailing on Analytics:

Transcripción

1 Retailing on Analytics: Pricing y promociones para retailers latinoamericanos Luis Aburto Lafourcade laburto@dii.uchile.cl Enero 2011

2 Agenda 1 Business Intelligence & Retailing on Analytics 2 Segmentación por perfiles de vida 3 Tácticas de pricing analíticas

3 Introducción Ley de Moore: La capacidad de procesamiento se duplica cada 18 meses. Sin embargo: La capacidad de almacenamiento se duplica cada 9 meses. La brecha entre capacidad de procesar y lo que almacenamos, aumenta con el tiempo 7,000,000 6,000,000 5,000,000 4,000,000 3,000,000 2,000,000 1,000, Disk Processing

4 Qué es Inteligencia de Negocios? Es el proceso de extracción de datos desde una BD y luego del análisis de esos datos para extraer información susceptible de usar para tomar decisiones y acciones de negocios informadas Preguntas a responder por aplicaciones de Inteligencia de Negocios: A qué clientes recomiendo mi nuevo LEDTV 3D? Quiénes serán los 1000 clientes TOP del próximo año en términos de contribución? Qué precio coloco a las Estufas Toyotomi el próximo año? Cuántas estufas compro para la siguiente temporada?

5 Principales hechos del retail en 2010 Crecimiento de formatos en retail integrado SMU ok market, telemercados europa, mayorista 10 WallMart Chile ACuenta, Ekono, Lider Express, Hipermercado Lider Internacionalización a toda marcha en Perú y Colombia 1º tienda La Polar en Bogotá Éxito de Sodimac y dos primeros años de Easy Mall Plaza y Parque Arauco con sus primeros centros comerciales en Colombia Terremoto como prueba a cadena logística y relación con proveedores El crédito como fuente de diferenciación del retail chileno Apertura de CMR a toda la red de comercios a través de Visa Colocaciones de crédito en Perú y Colombia Aumento sostenido en promociones Catálogos (mayor cantidad y calidad), ofertas, eventos nocturnos Paris Parade

6 Competing on Analytics Davenport, Thomas H; Jeanne G. Harris (March 2007). Competing on Analytics: The New Science of Winning. Harvard Business School Press. Davenport, Thomas H; Jeanne G. Harris (February 2010). Analytics at work: Smarter Decisions, Better Results. Harvard Business School Press.

7 Retailing on Analytics Clientes Promociones Relacionamiento Analytics Layout Exhibición Ubicación Locales Productos Precio Surtido

8 Consumer Category Management Utilizando el conocimiento del comportamiento de compra de los consumidores se puede crear una oferta en la tienda destinada a satisfacer las necesidades de nuestros clientes objetivo Definición de Categoría Rol de Categoría Revisión de Categoría Evaluación de categoría Metas de Categoría Estrategias de la categoría Tácticas de la categoría Plan de implementación

9 Caso Aplicado: Promociones focalizadas usando segmentación por estilos de vida

10 Promociones y CRM Cuantas promociones se realizan en el retail? Cuál es la efectividad de los catálogos / cupones? Cómo mejoramos la puntería de nuestras promociones? Dos caminos: 1.- Análisis Relacional Trayectoria del cliente en el tiempo Acciones de retención Modelos de propensión de compra RFM

11 Ciclo de Vida del Cliente Adquisición Compra Salida Ingresos Ganancia Pérdida Tiempo

12 Menores Costos de adquisición Adquisición Más Eficiente Compra Salida Ingresos Ganancia Pérdida Menor Pérdida Tiempo

13 Mayores Ventas por Cliente Adquisición Más Eficiente Ventas Up/Cross Más Frecuentes Salida Más Ganancia Ingresos Ganancia Pérdida Menor Pérdida Tiempo

14 Relación de largo plazo Adquisición Más Eficiente Ventas Up/Cross Más Frecuentes Relaciones Más Duraderas Aún más Ganancia Ingreso Ganancia Pérdida Menor Pérdida Tiempo

15 Motivación: Caso Tesco Tesco, cadena supermercadista británica Comenzó el programa de lealtad más exitoso que el retail ha visto jamás Tarjeta del club permite rastrear lo que el Cliente compra Ver qué compra Ver cuánto compra Ver cuándo compra Para qué? Fidelizar! 1. Humby Clive (2004), Scoring Points: How Tesco is winning customer loyalty. 2. Maarten Verschuere, dunnhumby, Data Mining Conference (2009), The Rolling Ball: A Behavioral Customer Segmentation in Retail

16 Fidelizar: Pero Cómo? A través de la oferta de productos adecuada

17 Ejemplo: Estilo de Vida Express Buscan comodidad en la preparación de las comidas. Quieren comidas rápidas y fáciles, a menudo para uno. Gustan de la cocina pero no tienen tiempo para cocinarla. Aprecian la comodidad de tener alimentos y non-foods bajo el mismo techo. Propensos a Comprar Comidas Comidas Instantáneas Comidas para uno Ensaladas preparadas Pollo listo Pasta Non-Food DVD CD Accesorios de ropa

18 Estilos de vida - segmentación, pero Qué atributos de los productos me permiten identificar estilos de vida en las personas? Cómo defino cada atributo? Cómo defino a un cliente express? Cómo etiquetar productos relacionados con clientes express? Cómo marco un maestro de productos de sku con respecto a cada atributo? Si tengo 60 mil productos y 10 atributos, habría que poner 600 mil etiquetas!

19 Análisis de Canasta (Market Basket Analysis) Los hábitos de compra de los clientes pueden ser representados a través de asociaciones o correlaciones entre los diferentes productos que compran en sus canastas. Cliente 1: Arroz, puré, bebida Cliente 2: Arroz, helado, pan Cliente 1: Arroz, bebida, cerveza

20 Asociación de Productos

23 Recomendación Motor de Recomendación

24 Ejemplo de Recomendación Cliente que busca Pantalones Ayudeme a decidir Complemento Producto Relacionado Recomendaciones Filtro Tradicional Filtro Sensitivo Alternates Up Sells Complement Add-on Impulse Buy

25 Mapas de Productos Detergentes y abarrotes Abarrotes Lácteos y perecibles

26 Selección de atributos Nº Atributo Escala Descripción Ejemplo 1 Precio -2,-1,1,2 Corresponde al rango de precio, en que se ubica el producto c/r a su categoría. 2: Cerv. Kuntsmann. 1: Cerveza Heineken. Siendo -2 en nivel de precios más bajo. -1: Cerveza Cristal. -2 Cerveza Baltica. 2 Saludabilidad 1,0,-1 Grado en que el producto es reducido en grasas y beneficioso para la salud. 1 es saludable, 0 es indiferente y -1 es no saludable. 3 Perecibilidad 1,0,-1 Indica el periodo de vencimiento que tiene el producto. 1 indica que el producto vence rápidamente y -1 si el producto es no perecible. 4 Preparación 1,0,-1 Nivel de preparación que debe tener los productos antes de ser consumidos. 1 si el producto es instantáneo o requiere poca preparación, 0 si el producto es de consumo directo y -1 si requiere preparación. 1: Quesillo Next. 0: Harina. -1: Mantequilla. 1: Vegetales. 0: Cereales. -1: Legumbres 1: Comida preparada. 0: Galletas. -1: Carnes. 5 Verde 1,0 De procedencia vegetal y no haya sufrido transformaciones físicas importantes. 1: Vegetales (lechuga, tomates, etc). 0: Cereales, bebidas, etc. 6 Carnes 1,0 De procedencia animal. 1: Carnes rojas y blancas, embutidos. 7 Chileno 1,0 Si el producto es típicamente Chileno. 1: Mote. 8 Fiesta 1,0 Si el producto es de consumo en celebraciones, juntas de amigos, etc. 1: Cerveza, alcoholes, snacks. 9 Extranjero 1,0 Si el producto es de marca extranjera y no común. 1: Cerveza Carlsberg. 10 Exótico 1,0 Si el producto no pertenece a la cultura chilena común. 1: Guayaba. 11 Niño 1,0 Si el producto es de consumo típico de niños y bebes. 1: Productos Nestum. 12 Congelado 1,0 Si el producto viene congelado. 1: Vegetales congelados

27 Marcación de Productos Atributo Carnes Hamburguesas Paté Vacuno Fiambrería Cerdo Pollo Pescado Leche descremada Yogurt Frutas Quesillo Verduras Congeladas Atributo Verde Verdulería Frutas Conserva Marcando algunos SKU manualmente Es posible extrapolar la clasificación a los productos vecinos.

28 Ticket Promedio ($) El tamaño de las circunferencias indica la participación de las categorías en el supermercado. Caracterización del Supermercado Mapa Roles Supermercado en Estudio QUESOS ENVASADOS CECINAS VACIO QUESOS GRANEL LACTEOS FRESCOS CECINAS GRANEL GALLETAS FRUTAS Y VERDURAS BEBIDAS GASEOSAS Y AGUAS MINERALES ELABORACION PROPIA 0 0,05 0,1 0,15 0,2 0,25 0,3 0,35 0,4 Presencia El local queda ubicado en un sector del barrio alto, posee entre 1500 y 3000 m 2. Fueron parte del estudio clientes - 15,000 productos.

29 Descripción de los Segmentos SEGMENTO Tradicional 28% Express 10% Familiar 18% Parrillero 5% Gourmet 8% Saludables 31% DESCRIPCIÓN Dueñas de casa que compran una canasta de compra equilibrada, una vez por semana. Estos clientes incluyen todo tipo de productos en sus compras. Típicamente marcas tradicionales o populares. Clientes de paso que buscan destinar el menor tiempo posible la preparación de sus alimentos. Segmento constituido por los matrimonios jóvenes con hijos. Buscan conveniencia en sus compras. Clientes que compran principalmente carne en el supermercado y acuden a este en promedio 2 veces al mes. Clientes que gustan de experimentar nuevos sabores y gustan de comprar calidad. Tienen alta disponibilidad a pagar. Personas que buscan mantenerse en buen estado de salud y en control de su peso.

30 Segmento Gourmet Gasto en Atributos con respecto a un cliente promedio (veces): 1. Precio Alto-Alto: 2 2. Extranjero: 3 3. Exótico: 4 4. Chileno: 0,5 Claudio Pizarro Cli-ID:

31 Segmento Parrillero Gasto en Atributos con respecto a un cliente promedio (veces): 1. Lenta Preparación: 2,8 2. Congelado: 3,5 3. Carnes: 2,5 Sergio Aburto Cli-ID:

32 Segmento Familiar Gasto en Atributos con respecto a un cliente promedio (veces): 1. Niño: 1,8 2. Precio Alto- Muy Alto: 0,55 3. No Perecible: 1,55 Marge Simpson Cli-ID:

33 RFM / Monto La tabla indica como se distribuye el monto gastado por cada segmento en el local. SEGMENTO LEAL EN FUGA FUGADO Total general Tradicional 89,7% 6,5% 3,9% 42,7% Express 82,9% 8,2% 8,9% 2,4% Familiar 84,3% 8,9% 6,8% 9,0% Parrillero 84,8% 8,0% 7,2% 2,7% Gourmet 84,6% 9,7% 5,7% 7,2% Saludables 88,5% 7,1% 4,4% 36,0% Total general 88,1% 7,2% 4,7% 100,0% Los clientes leales, que son el 75%, representan el 88% de los ingresos para el local.

34 Recomendaciones: Ofertas y Promociones SEGMENTO RECOMENDACIONES Gourmet Experimentar nuevos sabores y probar nuevas marcas: degustaciones Cursos de cocina Descuento en productos novedosos Saludables Catálogo especial en productos livianos Información dietética Como consumir más sano Descuentos en categoría light Familiar Catálogo con productos para niños Descuento por cantidad

35 Decisiones de Pricing para categorías de Supermercado

36 Pricing El PRICING es una herramienta estratégica fundamental del marketing y lo que busca es el punto de equilibrio en la fijación de precios, considerando los intereses de la empresa y el conocimiento del mercado. COMPORTAMIENTO DE COMPRA RENTABILIDAD DE LOS PRODUCTOS Y DE LAS CATEGORIAS SEGMENTACIÓN DE CLIENTES PRECIO SENSIBILIDAD A LAS VARIACIONES DE PRECIO Por otro lado, permite establecer una relación entre el comportamiento de compra del cliente y los diferentes niveles de precios, permitiendo, de esta manera, aumentar las utilidades de la empresa.

37 Riesgos incurridos al fijar Precios Precios bajos Ingreso perdido, ya que existía mayor disponibilidad de pago. Se puede gatillar una guerra de precios. El producto proyecta la imagen de ser de baja calidad. Se vuelve muy difícil subir los precios. V/S Precios altos Ventas perdidas el consumidor no está dispuesto a hacer negocios con nosotros. Destruir la lealtad de los clientes en el largo plazo. Tendencia a creer que la tienda entera está cara. Producto queda marcado como caro en la mente del consumidor.

38 Elasticidad: Sensibilidad demanda-precio Análisis a Nivel de SKU: L Oréal Casting El precio influye directamente en las ventas de los productos. Disminución del precio Aumento de la cantidad demandada

39 Elasticidad Cruzada Para la categoría: Cuidado del Cabello Acondicionador Shampoo Max s. t. q p i i q p i q p j i k categ i p i q ( p ; p ; p 0 i 0 i y j complementarios 0 i y k sustitutos i i j k ) Qué sucede con la demanda por Shampoo ante cambios en el precio del Acondicionador? Dado que son productos complementarios, si sube la demanda del acondicionador, subirá la demanda del shampoo

40 Distintas políticas de pricing 41

41 Metodología I 42 Cantidad v/s Precio s Elasticidades v/s Demográfica s

42 Metodología Regresiones doble Log precio-cantidad Regresión Elasticidad precio-variables demográficas Distribuciones de los parámetros Priors

43 Matriz elasticidades sucursal Independencia R^2 alpha cereal soprole top Batido Alerce Batido Nestle Batido Soprole Batifrut Cereal Nestlé Diet Soprole Gold Huesitos Light Colun Pack Nestle Pack Soprole Pequegurt Next Trozos Yoghito Promedio R^ Complementarios: Yoghito con Packs Batido Soprole con todos los productos Sustitutos: 1+1 variedades Gold con Lights

44 Modelos de Optimización Modelos de Optimización: I) Maximizar Ingresos II)Maximizar Unidades III) Maximizar Margen Restricciones: I)Precio inferior al precio_prom II)Precio mayor al Costo (%) III)Cantidades mayores a cero

45 Modelos Maximización de Ingreso Sucursal Independencia Producto Precio Actual Precio Propuesto Costo o Precio_min % Variación 1+1 cereal $ 205 $ 226 $ ,0% 1+1 soprole $ 183 $ 175 $ 175-4,3% 1+1 top $ 226 $ 249 $ ,0% Batido Alerce $ 72 $ 65 $ 65-9,7% Batido Nestle $ 73 $ 81 $ 69 10,0% Batido Soprole $ 150 $ 141 $ 141-6,2% Batifrut $ 242 $ 266 $ ,0% Cereal $ 167 $ 184 $ ,0% Soprole Diet $ 209 $ 197 $ 197-5,6% Gold $ 311 $ 342 $ ,0% Huesitos $ 90 $ 81 $ 81-10,0% Colun Light $ 99 $ 89 $ 89-10,0% Pack Nestle $ $ 904 $ ,0% Pack Soprole $ 945 $ 897 $ 897-5,1% Pequegurt $ 73 $ 69 $ 69-5,4% Next Trozos $ 239 $ 216 $ 216-9,6% Yoghito $ 79 $ 87 $ 72 10,0% Precio Promedio de los productos debe disminuir un 2% Precio Ponderado de los productos aumenta en un 6% Suben los Precios en 7 productos.

46 Comparación de Modelos Sucursal Independencia Producto Precio Actual % Variación 1 % Variación 2 % Variación cereal $ ,0% 10,0% 10,0% 1+1 soprole $ 183-4,3% -4,3% 10,0% 1+1 top $ ,0% 10,0% 10,0% Batido Alerce $ 72-9,7% -9,7% -9,7% Batido Nestle $ 73 10,0% 10,0% 10,0% Batido Soprole $ 150-6,2% -6,2% -6,2% Batifrut $ ,0% 10,0% 10,0% Cereal $ ,0% 10,0% 10,0% Soprole Diet $ 209-5,6% 10,0% 10,0% Gold $ ,0% 10,0% 10,0% Huesitos $ 90-10,0% -10,0% -10,0% Colun Light $ 99-10,0% -10,0% -10,0% Pack Nestle $ ,0% -10,0% -10,0% Pack Soprole $ 945-5,1% -5,1% -5,1% Pequegurt $ 73-5,4% -5,4% 10,0% Next Trozos $ 239-9,6% -9,6% -9,6% Yoghito $ 79 10,0% -9,1% 10,0% Productos muy sensibles Productos poco sensibles Productos muy sensibles Los precios se pegan a las cotas superiores o inferiores Entre los distintos modelos son 1 o 2 productos que varían sus precios

47 % Variación Comparación de Modelos Sucursal Independencia Sucursal Independencia Max Ingresos Max Unidades Max Margen Actual Real Ingreso $ 6,789,560 $ 6,483,340 $ 6,108,768 $ 3,032,085 $ 2,116,530 Unidades 60,063 61,731 51,608 28,354 19,221 Margen $ 712,325 $ 342,326 $ 877,478 $ 209,505 $ 141,515 Precio Ponderado Precio Promedio ,0% 250,0% Comparación Modelos Optimización 200,0% 150,0% 100,0% Ingreso Unidades Margen 50,0% 0,0% Max Ingresos Max Unidades Max Margen Fuente: Elaboración Propia

48 Conclusiones Existe un aumento explosivo de bases de datos : Alta dimensionalidad Gran número de registros Nuevas Fuentes Use sus datos. Aplique Analytics para tomar mejores decisiones!!! Es importante utilizar la información y el conocimiento que tenemos de los clientes para poder construir relaciones rentables y duraderas con ellos. No dispare a la bandada. Enfoque, apunte y dispare. Decisiones de precio pueden impactar fuertemente resultados.

49 Referencias Troncoso C. (2010). Determinación de precios óptimos de una categoría para una cadena de supermercado utilizando modelos jerárquicos bayesianos. Tesis de Ingeniería Civil Industrial. Universidad de Chile. Nuñez S. (2010). Segmentación de clientes para una cadena de supermercados en base a estilos de vida. Tesis de Ingeniería Civil Industrial. Universidad de Chile. Kamakura & Russell (1989). A Probabilistic Choice Model for Market Segmentation and Elasticity Structure. Journal of Marketing Research, Vol. 26, No. 4, pp ACNielsen, Análisis del Retail y de la industria de Consumo Masivo. Revista Tecnomercado. Reibstein & Gatignon (1983). Optimal Product Line Pricing- The Influence of Elasticities and Cross Elasticities. Journal of Marketing Research, Vol. 21, No. 3. (Aug., 1984), pp The Economist (2007). Business by Numbers. Humby Clive (2004), Scoring Points: How Tesco is winning customer loyalty. Maarten Verschuere, dunnhumby, Data Mining Conference (2009), The Rolling Ball: A Behavioral Customer Segmentation in Retail

50 Retailing on Analytics: Pricing y promociones para retailers latinoamericanos Luis Aburto Lafourcade laburto@dii.uchile.cl Enero 2011