Saber lo que desea un consumidor antes de que incluso este lo sepa es una ambición que, hasta hace apenas unos años, parecía propia del campo de la ciencia ficción. Hoy, en cambio, es posible aproximarse a esta premisa de la mano del uso de herramientas de big data e inteligencia artificial, que permiten entrecruzar datos de manera eficiente para que el sector de retail pueda predecir con mejor grado de precisión los cambios en los hábitos de consumo.

La analítica predictiva de datos posibilita que cada local tenga los productos adecuados a disposición de los clientes en el lugar correcto y en el momento justo.

Para ello, vale aprovechar el empuje de la transformación digital en el ámbito minorista, que dispone de cada vez más herramientas tecnológicas para incorporar a sus procesos y, en esa vía, hacerlos más efectivos.

El uso y la norma

El uso de modelos predictivos se ha transformado en la norma: si bien requieren de una fuerte inversión en investigación y desarrollo, traen aparejados importantísimas mejoras en los niveles de ventas y abaratan costos de marketing, entre otras tantas ventajas.

Esto suma un ingrediente extra en el mercado argentino, signado por un escenario recesivo que obliga a las compañías a utilizar todas las herramientas al alcance para paliar las caídas en la comercialización.

A modo de repaso, el consumo masivo se desplomó un impactante 9% en junio respecto al mismo mes del año pasado. Más aun, el primer semestre de 2019 cerró con un desplome del 8% promedio, según se desprende del análisis Consumer Insigths que realiza trimestralmente la División Worldpanel de Kantar.

En este marco, cada vez más empresas toman conciencia de que la solución pasa por la tecnología. Según un estudio elaborado por Juniper Research, en 2019 el gasto global en inteligencia artificial del comercio minorista ascenderá a u$s3.600 millones, y crecerá hasta alcanzar u$s 12.000 millones en 2023, cuando se espera que más de 325.000 empresas hayan implementado innovaciones tecnológicas.

No se trata de un fenómeno exclusivo del retail: toda compañía que posea datos de sus usuarios y la capacidad de procesarlos, está avanzado en la implementación de estas plataformas.

Aplicaciones

Son varios los frentes en los que los modelos predictivos pueden ayudar a hacer más eficiente un negocio.

Por ejemplo, a la hora de abrir un local físico, este tipo de decisiones se pueden optimizar utilizando la potencia de la inteligencia artificial.

Así, en base a datos históricos, tales como las ventas, la demografía o la distancia a los competidores se puede conocer, no sólo la localización exacta donde se logrará un mejor rendimiento, sino el momento más oportuno para levantar la persiana.

Por otro lado, las tecnologías predictivas pueden utilizarse en el análisis de empleados. Saber cuántos se necesitan para cubrir las necesidades de los clientes lleva a optimizar recursos y, por supuesto, a mejorar la ventas.

Para prevenir la insatisfacción de los clientes que sienten que están perdiendo el tiempo en una cola, es necesario saber cuáles serán las exigencias de cada jornada en materia de recursos humanos.

Analítica

Usar predictive analytics puede dar una idea del aumento (o disminución)del tráfico en un local, pero con la inteligencia artificial se va más allá y se consigue conocer con exactitud cuántos trabajadores extra harán falta cada día y en qué áreas serán más necesarios.

En lo que refiere a la gestión de inventario, el uso de estas soluciones puede ayudar a encontrar un equilibrio justo que otorgue un impacto positivo a los flujos de ingresos.

Para ello, se debe apostar a modelos de predicción que muestren qué artículos se precisarán y dónde serán requeridos. Para lograr el ajuste es necesario un trabajo previo de conexión de datos. Son tantas las variables a cotejar que no cabe otra posibilidad que el uso de la inteligencia artificial para resolverlo.

Incluso, las plataformas de análisis predictivos pueden ayudar a los minoristas a optimizar campañas de marketing, mejorando su efectividad y rentabilidad, al afinar sus pronósticos, conocer mejor a su público y ajustar los pronósticos de ventas. Esto lleva a una asignación de recursos más eficaz que, en el mediano plazo, posee un efecto virtuoso en el negocio.