La analítica avanzada y su importancia en el sector RETAIL

La industria RETAIL sigue recuperándose después de la pandemia y viene afirmándose como un sector complejo y altamente competitivo. Las dificultades del sector como la estacionalidad, inestabilidad de la demanda, gestión del stock, entre otros, requieren diariamente de una gran cantidad de decisiones influenciadas por una suma de variables.

Las herramientas tradicionales ya no resultan suficiente para sacar a flote el valioso conocimiento escondido en el gran volumen de datos disponible. El éxito de los negocios RETAILERS  depende de ofrecer la mejor experiencia a los clientes para mejorar las ventas y en la actualidad, este objetivo viene presentando una baja aprobación. En este punto, la analítica avanzada tiene una importancia relevante para optimizar los procesos del sector.

El aporte de la analítica avanzada

Diariamente, las organizaciones producen una enorme cantidad de datos y estos esconden conocimientos de valor, que pueden ayudarnos a tomar mejores decisiones generando un impacto directo en el resultado del negocio.

Por ejemplo, con el uso de los datos, la analítica avanzada puede arrojarnos información precisa sobre el volumen de visitas que tendrá la tienda. Entre otros beneficios, también puede predecir el volumen de ventas e incluso puede optimizar la atención del cliente.

Cómo la analítica avanzada puede optimizar la experiencia del cliente

La analítica avanzada puede optimizar la experiencia del cliente, trabajando en los cuatro pilares fundamentales del sector RETAIL.

1. La tienda

La tienda puede ser física u online, siendo el contacto directo con los clientes el punto de diferenciación que ofrece mayor valor a las tiendas físicas. Aunque queda claro que el interés principal del consumidor es encontrar lo que busca de forma rápida, considerando que durante el trayecto puede adquirir otro producto de su interés.

Por ejemplo, gracias a los datos, el historial de visitas o los movimientos de los consumidores dentro de la tienda pueden generar mapas de calor, indicando las zonas de alto tránsito y visibilidad de la tienda. La analítica avanzada se nutre de esta información y es capaz de crear una configuración ponderada de los productos de la tienda, logrando optimizar la ubicación de los productos para mejorar las ventas.

2. Los empleados

Gracias a los empleados se puede ofrecer una mejor experiencia a los clientes. Son los únicos que pueden convencer al cliente de realizar la compra en el momento clave de decisión. Por este motivo, la formación y gestión de empleados en tienda, debe estar enfocada a conseguir una alta satisfacción del cliente.

Planificar a los empleados resulta adecuado al momento dimensionar al personal en las horas de mayor afluencia, por ejemplo, contar con los colaboradores de mayor rendimiento y dejar de lado al resto para las horas menos productivas, nos ayuda a optimizar los recursos y maximizar las ventas.

Muchas veces, la gestión del personal únicamente considera automatizar los horarios de los trabajadores, sin considerar los perfiles de los vendedores o las predicciones de visitas por tipos de cliente, disminuyendo la oportunidad de mejorar las ventas y satisfacción de los clientes.

Utilizando la analítica avanzada y la inteligencia artificial, se puede conseguir el objetivo de tener al empleado indicado en el momento indicado y en el lugar indicado, pues son capaces de predecir el volumen de visitas de cada tienda, en cada momento y así ajustar los horarios y tareas de cada empleado con las necesidades reales. De esta manera, se logra mejorar la tasa de conversión, sin descuidar la satisfacción de los empleados y el costo salarial.

 3. El producto

Confirmar la disponibilidad de productos para no perder ventas y evadir un alto número de stock, resulta vital a la hora de ahorrar costos y optimizar resultados.

Las herramientas utilizadas por los RETAILERS, en algunos casos, no consiguen asegurar que el producto correcto este en la tienda correcta y en el momento correcto. Más bien, el resultado es un exceso de stocks, agotamiento de mercadería y grandes excedentes al final de cada campaña, traduciéndose en altos costos, pérdidas de ventas, baja rentabilidad y clientes insatisfechos.

A través de la aplicación de la analítica avanzada y la inteligencia artificial, se puede gestionar en tiempo real y de manera adecuada los inventarios, la reposición de los productos y los stocks, mejorando la distribución, maximizando las ventas y el ratio de conversión.

4. El cliente

Comprender a los clientes, ofrece la oportunidad de personalizar y ofrecerles la mejor experiencia posible. El objetivo es conocer sus preferencias a través de los datos que ellos mismos generan durante las múltiples iteraciones en los diferentes canales, incluyendo las redes sociales.

Instalar un repositorio en el que se consoliden las interacciones y experiencias del cliente en los diversos canales, nos permite tener una visión completa que nos puede proporcionar la información sobre el servicio o producto adecuado para el cliente, cuando éste llegue a nosotros por cualquier punto de contacto.

La analítica avanzada puede ayudarnos a ser más eficaces, descubriendo tendencias, patrones de consumo y cualquier información relativa a nuestros clientes, motivando a la creación de nuevos productos y servicios.

La Inteligencia Artificial en los retails

¿Puede la Inteligencia Artificial (IA) predecir cuándo vas a comprar un producto? ¿O si solo estás mirando aparadores? “Es absolutamente posible”, dijo el director de Adobe, Steve Hammond, en un podcast reciente de TechFirst. "Se necesitan ciertos puntos de entrada de datos para ayudar con eso, pero es en gran parte cómo tenemos interacciones en la actualidad". Esas interacciones son el "viaje del cliente".

Los especialistas en marketing llaman a las acciones que realizas antes de comprar un producto, el recorrido del cliente. Podrían incluir ver un anuncio o escuchar acerca de un producto de un amigo. Probablemente implique algunas búsquedas en Google. Puede que lo compres de inmediato, o que te distraiga y nunca compres realmente el artículo que alguna vez te interesó. Un especialista en marketing comentó que había mapeado más de 800 recorridos de clientes diferentes, pero en realidad, probablemente haya tantos como hay personas interesadas en un producto determinado. Ahí es donde la IA puede ayudar a las marcas y a los minoristas.

"Hay un número infinito, de posibles viajes que alguien podría realizar", dice Hammond. “Por eso es importante que la IA pueda ayudar, porque el verdadero desafío es que cuando intentas que un equipo de personas cree un camino, el camino ideal para un individuo, nunca es correcto porque no puedes crear ese número infinito de caminos."

Bon Voyage Shop utiliza datos históricos para comprender los recorridos de sus clientes, porque incluso cuando tomamos caminos infinitos, se aplica la regla 80-20. Luego, también analiza los detalles de lo que cada individuo está haciendo ahora e intenta optimizar el flujo futuro. En la jerga de marketing, eso es análisis de ruta y orquestación de viajes.

La personalización de los recorridos de los clientes, dice Adobe, ha dado como resultado un aumento del 157% en la finalización de formularios para un cliente bancario y un aumento del 15-30% en las tasas de clics para un cliente de tecnología en pruebas anteriores. En última instancia, el objetivo es que la tecnología detrás de Bon Voyage Shop se implemente entre los clientes de Adobe para permitir una personalización sencilla a través de IA para cada minorista y marca.

La IA se alimenta de datos. “El nivel de precisión mejora con el nivel de datos que se transfieren al sistema”, dice Hammond. “Por lo general, cualquier tipo de sistema de tipo IA realmente avanzado necesitará millones de filas de datos para poder comenzar a evaluar patrones y comportamiento. Pero una vez que comienza a obtener esa cantidad de datos a través del sistema, el sistema puede comenzar a evaluar esos patrones de comportamiento y buscar combinaciones futuras y cosas que funcionarán mejor ".

Si tiene un gran volumen, esos datos podrían ser solo días. Uno de los objetivos es simplemente identificar la mala experiencia del usuario que actúa como atascos en la autopista del viaje del cliente. Recientemente compré algunas camisetas en un sitio de minoristas de ropa, por ejemplo. Al pagar, noté que había un cupón de descuento del 15% si me suscribía al boletín, así que lo hice, solo para descubrir que necesitaba volver a ingresar la dirección de correo electrónico que acababa de proporcionar a la empresa. No es gran cosa ... pero una pequeña molestia que podría ser un bloqueador, especialmente si se combina con obstáculos adicionales en la experiencia del usuario.

La IA ayuda a las marcas a actuar como si conocieran a sus clientes a gran escala, dice Adobe, y a evitar este tipo de problemas."Es la base de comprender quién es el individuo y luego llevarlo a cabo a través de la experiencia", dice Hammond. "Y entonces diría que una orquestación de viajes basada en IA puede ayudar absolutamente con eso".

Fuente: John Koetsier. Tecnología de consumo. Periodista, analista, autor y orador.

MACHINE LEARNING Y SU APORTE A LA EXPERIENCIA DEL CLIENTE

El aprendizaje automático o aprendizaje de máquinas (Machine Learning), es una rama de la inteligencia artificial cuyo objetivo es desarrollar técnicas que permitan a las computadoras “aprender”. Ese proceso de inducción de conocimiento, trata de crear programas capaces de generalizar comportamientos a partir de una información suministrada en forma de ejemplos. Pero cuando hablamos de la experiencia del cliente, la mayoría de las máquinas no son muy inteligentes.

Todos los días, como clientes, recibimos sugerencias para comprar o utilizar productos que tienen poca o ninguna aplicación en nuestras vidas. Incluso nos resulta frustrante recibir recomendaciones para artículos que nunca compraríamos.

Por suerte, el aprendizaje automático está evolucionando y cambiando la forma en que usamos la tecnología en la experiencia del cliente. Machine Learning se centra exclusivamente en la escritura de software que aprende de experiencias pasadas y crea una experiencia más personalizada y relevante para los clientes. Esto es increíblemente poderoso para la experiencia del cliente, ya que permite a las marcas aprovechar el tiempo limitado que tienen para ganar su confianza. Recordemos que los clientes, en su experiencia en línea, sólo dan a las marcas unos segundos antes de decidir seguir adelante, según la satisfacción de sus necesidades. Con Machine Learning, las marcas son capaces de conectarse mejor con los clientes y proporcionar servicios, productos y recomendaciones que son relevantes y eficaces.

Consideramos tres puntos principales de Machine Learning que ayudarán a la experiencia del cliente:

1. Machine Learning puede personalizar casi todo lo que vemos en Internet o en las aplicaciones móviles para hacerlo mejor, más claro y más útil. Además ayuda a las empresas a medir mejor las acciones de sus clientes, adaptando la experiencia en línea para conocer que están haciendo y sintiendo.

2. Ofertas de productos. Las marcas podrán utilizar el historial de compras y navegación anterior de un cliente para recomendar productos relevantes. Por ejemplo, si un cliente le gusta un determinado producto para bebés recién nacidos, es probable que disfruten de un producto para los bebés un poco mayores unos meses más tarde. Machine Learning puede tomar acciones predictivas y utilizar información de canales cruzados de cada cliente para averiguar qué productos son eficaces y cuáles son las recomendaciones que conducen a los mejores resultados.

3. Machine Learning es enorme para la automatización del trabajo. Por ejemplo, los automóviles auto dirigidos de Uber y Google, usan Machine Learning para aprender la navegación y conocer ciertas rutas y problemas que podrían enfrentar en el camino. Machine Learning también juega un papel importante en las recomendaciones de Amazon y Netflix, así como sistemas de detección de fraude que pueden ver si la actividad de una persona está fuera de sus acciones normales.

Los días del uso irrelevante de la tecnología en los clientes están contados. En lugar de tratar de crear una experiencia personalizada de forma manual, Machine Learning brinda a las marcas el poder de ofrecer a todos los clientes una experiencia sorprendentemente personalizada en masa. Además, puede abrir una nueva puerta para la experiencia del cliente y permitir que las marcas ofrezcan una experiencia hiper-personalizada, a través de sus recomendaciones que pueden ayudar a crear una experiencia de compra sofisticada y más agradable.

Fuente: Blake Morgan. Autora del libro "More Is More: How The Best Companies Work Harder and Go Farther To Create Knock Your Socks Off Customer Experiences" 

BIG DATA: INFORMACIÓN RENTABLE

Los sectores que están llevando la delantera en el uso de Big Data, comienzan a ver resultados.

Una de las herramientas más poderosas que se vienen desarrollando en el mundo, es el uso del Big Data, y en el Perú hay organizaciones que ya le prestan atención por su promesa de mejorar la competitividad del negocio.

“Es impresionante la cantidad de información que se genera en nuestra vida diaria en la medida que interactuamos con el mundo de los datos, desde los consumos que realizamos con tarjetas de crédito o débito, las páginas web o aplicaciones a las que recurrimos a internet. Toda esa información puede ser relevante, en la medida que podamos y, sobre todo, sepamos aprovecharla”, señala Iván Chumo, Gerente General de Optical Networks.

Por su parte, Renzo Lara, Country Manager de Teradata en el Perú, indica que el potencial de desarrollo del mercado peruano es muy amplio. “El Perú es un mercado atractivo, con potencial de crecimiento, donde las compañías están conscientes de invertir en tecnología inteligente”, afirma.

Demanda actual

Según Lara, los sectores que están demandando más soluciones de Big Data en el Perú son las telecomunicaciones y la banca, seguidas por el “retail”, la minería y algunas empresas estatales que utilizan mucho nivel de información.

El ejecutivo dice que en el Perú se están desarrollando dos grandes tendencias en este campo: La primera incluye servicios de consultoría de Big Data, servicios de analítica avanzada y “managed services”, los que son fundamentales para el futuro de nuestro país, ya que impactan directamente en el crecimiento de los ingresos.

La segunda son los ecosistemas analíticos en conjunto con plataformas de “data warehouse” (UDA), así como nuevas tendencias de “software only”, “Internet of things (IoT)” y nube pública (Hybrid cloud).

“La creciente demanda de soluciones de analítica compleja está creando una atractiva dinámica del mercado peruano, la cual se basa en la obtención de algoritmos avanzados que ayudan a las industrias a la creación de mercados dinámicos, principalmente en los sectores bancario, telecomunicaciones, retail y gobierno”, señala Lara.

Álvaro Merino Reyna, Gerente General de IBM, apuesta por del desarrollo de Big Data. “Cada vez más empresas están animándose a probar cosas nuevas que le generen valor. Estamos en los dos años de transición hacia la transformación digital”, destaca.

Merino refiere, como ejemplo, que una “Head hunter” utiliza el sistema Big Data para procesar la información de las hojas de vida de los postulantes a un puesto con la información que han difundido a través de sus redes sociales e Internet, de modo que obtiene un perfil más profundo de los candidatos en mucho menos tiempo. Las empresas de Seguros también utilizan Big Data para procesar la información de sus asegurados en caso de algun incidente; antes todo un equipo de colaboradores revisaba el 20% de solicitudes, mientras que ahora el sistema revisa el 100%.

De dónde provienen los datos

Los datos de utilidad para la toma de decisiones empresariales, provienen de diferentes fuentes (personas, empresas, ciudades y hasta la naturaleza). Cada vez que se paga con una tarjeta de crédito, cuando se usan aplicaciones de geolocalización como Waze, o se pide un taxi, se está brindando información importante sobre hábitos de vida y consumo que, si se cuenta con los sistemas de procesamiento de datos adecuados, pueden ser usados para ofrecer productos y servicios más cercanos a lo que necesitan las personas.

Lo que falta

Merino considera que lo que hace falta para acelerar el proceso es decisión por parte de las empresas, pues firmas que brindan el servicio e infraestructura ya existen.

Para Chumo, de Optical Networks, si hay algo por mejorar es la necesidad de ampliar el número de especialistas y los centros de capacitación a fin de contar con más profesionales que puedan sacar provecho a la nueva información con la que se puede contar.

“Creo que en nuestro país deberíamos empezar por tener centros de capacitación adecuados que estimulen la investigación y desarrollo. Espero que se concreten los proyectos que existen para establecer polos de formación y entrenamiento en sistemas y aplicaciones TIC (Tecnologías de la Información y la Comunicación)”, destaca.

Fuente: Suplemento Día 1 del diario El Comercio.

EL FUTURO DE LA IOT (INTERNET OF THINGS) Y EL RETAIL

IoT es un concepto que se refiere a la interconexión digital de objetos cotidianos con internet y en una reciente encuesta, los retailers valoraron el análisis de datos de IoT como una forma de mejorar el merchandising y no sus operaciones. ¿Qué está sucediendo y qué ofrece el análisis de datos de IoT a los minoristas?

La encuesta enfatiza la diferenciación, el precio al consumidor

En una encuesta del 2015 llevada a cabo por Retail Systems Research, se preguntó a los minoristas qué desafíos les convencerían para considerar soluciones IoT para sus tiendas.

Dado los desafíos de costo, margen y crecimiento, los minoristas eligieron un valor máximo al análisis de datos de IoT para ayudarles a manejar los desafíos relacionados con el crecimiento. La diferenciación de sus marcas y el monitoreo de la sensibilidad de los precios al consumidor fueron sus usos mejor calificados para IoT.

Tecnologías de análisis de datos para los minoristas

Entonces, ¿Qué significa IoT para los minoristas? La tecnología moderna nos ofrece varias formas de cortar y analizar datos al por menor. Las diferencias están en el volumen de datos, la velocidad de análisis y de dónde provienen los datos.

Tecnología	Que hace	Que ofrece	Capacidades
Big data analytics	Utiliza métodos y herramientas de manejo de datos de gran volumen y alto volumen. Analiza los datos almacenados.	Convierte grandes volúmenes de datos en información procesable.	Puede manejar una amplia variedad de datos como registros de bases de datos, imágenes, correos electrónicos y documentos digitales.
Análisis rápido de datos	Utiliza tecnología y herramientas de Big Data en volúmenes de datos más pequeños. Datos almacenados en tiempo real.	Información que los minoristas pueden utilizar de inmediato para cambiar los precios o mejorar la experiencia del cliente.	Evita el retraso en el análisis y visualización de análisis de Big Data.
Análisis de datos de IoT	Recopila y analiza automáticamente datos de transmisión desde fuentes conectadas como teléfonos móviles, POS, cámaras de video y medios sociales.	Información útil sobre las preferencias de los clientes, los productos, los precios y la competencia.	Proporciona al cliente las respuestas al momento a los precios, tendencias, eventos en la tienda y ventas.

Conectados a una red e Internet, estos recursos de IT (Information Technologies) desempeñan un papel esencial en el análisis de datos de IoT:

• IoT, tales como dispositivos móviles y sensores conectados. Estos reúnen datos de transmisión y los encaminan a la red de minoristas.

• Almacenamiento de datos, que ofrece a los usuarios empresariales y analistas el acceso al historial de grandes volúmenes de datos.

• El software de análisis de datos, que en el contexto de la analítica minorista se puede utilizar para analizar y visualizar datos de transmisión, establecer alertas digitales y automatizar la distribución y la programación de informes.

• Plataformas de análisis de datos, que pueden ubicarse en locales o en la nube. Este espacio de trabajo digital centralizado procesa la información IoT recopilada desde muchos puntos en Internet y proporciona información útil a los usuarios.

A continuación, algunos ejemplos de cómo los minoristas pueden utilizar estos activos para supervisar los precios y diferenciar su marca.

Mantenerse atentos en los cambios de precios al consumidor

Muchos encuestados estaban interesados ​​en usar el análisis de datos de IoT para medir la sensibilidad de los precios al consumidor. Los usuarios empresariales pueden hacer esto con instantáneas de datos IoT o establecer y probar estrategias de precios.

Supervisar la respuesta del cliente a los cambios de precios

La medición de las reacciones de los clientes ante los recientes cambios en los precios minoristas es un indicador importante. Los usuarios de negocios pueden comparar los volúmenes de ventas relacionados con los datos almacenados o la información caliente del cable de IoT. De cualquier manera, la tecnología IoT hace que sea fácil de recopilar, analizar, visualizar y compartir información de forma automática.

Pruebe una estrategia de precios existente

Crear o actualizar su estrategia de precios es otra forma de utilizar la información de sensibilidad a los precios recogida en el IoT.

Cuando configure una prueba válida desde el punto de vista estadístico, se asegurará de que los precios estén en línea con su modelo de negocio y público objetivo. La velocidad de análisis de datos en tiempo real hace que una serie de pruebas sean fáciles de configurar, evaluar y utilizar.

Si necesita más de una estrategia, la puesta en marcha es fácil. Probablemente empiece a recopilar datos de POS y muchos otros dispositivos a los que no ha tenido acceso antes.

Mediante el uso de la plataforma IoT y las capacidades de software, puede encontrar el mejor rango de precios de productos para audiencias específicas. Estudiar los patrones de compra de los clientes. La recopilación, el análisis y el intercambio de datos de IOT son automáticos.

Uso de IoT para hacer que su marca sea distintiva

Los encuestados también vieron el análisis de datos de IoT como una excelente manera de diferenciar sus marcas. ¿Qué mejor manera para que su negocio se distinga como un lugar para obtener grandes precios, una experiencia deliciosa para el cliente o ambos?

Cuando la regla de números está diferenciado por el precio

Velocidad y agilidad son las principales ventajas de la analítica de datos IoT. Puede recopilar datos de muchas ubicaciones y dispositivos, supervisar las condiciones actuales, cambiar los precios y probar el comportamiento del cliente de forma rápida y frecuente.

Utilice los datos de IoT para medir el comportamiento de ventas de públicos específicos antes y después de cambios de precios específicos. Descubrirá rápidamente si un público específico acepta ese aumento del precio del 10%. ¿Si no funciona? Usted puede responder rápidamente sin que afecte los ingresos.

Haciendo su marca con los servicios de soporte

Cuando es difícil o imposible diferenciar el precio, usted todavía tiene alternativas. Muchos revendedores diferencian sus negocios añadiendo servicios de valor agregado, como envío más rápido, devoluciones gratuitas o una aplicación móvil divertida que sabe lo que te gusta.

IoT contribuye al envío rápido recogiendo datos RFID (Radio Frequency Identification) de sus paquetes y enviándolos al software de seguimiento en su centro logístico. Si los clientes devuelven sus productos, seguramente habrán almacenado información personal y de productos que le ayudará a averiguar qué ha salido mal.

Cultivando experiencias de compras personalizadas

IoT también ayuda a los minoristas a utilizar los datos de preferencia y comportamiento de los clientes para crear relaciones sólidas y duraderas. Aquí hay algunos ejemplos de tecnología IoT y cómo crea experiencias de compra atractivas.

• Utilice los teléfonos móviles para hacer felices a los clientes. Ayude a sus clientes a encontrar sus productos y marcas favoritos en su tienda, no en la calle. Proporcione a sus teléfonos móviles aplicaciones llenas con información de su tienda. Pueden buscar lo que quieren, aprender acerca de las ventas y revisar los eventos en la tienda con sus amigos. Utilice balizas para alertar a los clientes registrados sobre sus productos y servicios favoritos.

• Haga recomendaciones de productos únicos. Al realizar el seguimiento de las preferencias de los clientes y familiarizarse con sus hábitos de compra, utilice esos datos de fondo para identificar posibles compras futuras. Seguimiento de gustos individuales, compras anteriores y puntos de fidelidad para proporcionar sugerencias y precios que atraen a cada cliente.

• Mejorar productos y servicios. Reúna comentarios en la tienda o flujos de redes sociales para modificar los productos basados ​​en las respuestas directas de los clientes y los datos de ubicación.

Ventajas de IoT: Velocidad, agilidad y menor riesgo

Con el análisis de datos de IoT, los minoristas pueden recopilar, analizar, visualizar y utilizar rápidamente grandes volúmenes de datos de muchos dispositivos. Hay un montón de atractivo desde un punto de vista comercial:

• Reducir el riesgo de mercado. La transmisión de datos de IoT le ayuda a saber, no adivine lo que está sucediendo ahora mismo. Y puede hacer cambios e identificar oportunidades rápidamente antes de que su mercado cambie.

• Evite los costos. Usted puede probar presentimientos sin hacer errores costosos de negocios.

• Controle los costos. Aunque es nuevo, la tecnología IoT no necesita rebajar su presupuesto. Disponible como servicio basado en la nube, el análisis de datos IOT se ofrece a menudo como un servicio de suscripción mensual.

Fuente: Ilan Hertz. Jefe de Marketing Digital en Sisense.