A finales de 2022 Gartner publicó una guía de mercado sobre aplicaciones de gestión de surtido. En ella la firma de consultoría señalaba claramente que “el enfoque tradicional de crear surtidos a partir del “clustering” se estaba viendo desafiada por la demanda de los clientes de surtidos más locales1”.Gartner no estaba equivocado. Desde el lanzamiento de este documento, hay una tendencia en los retailers hacia los surtidos localizados. En EE. UU, por ejemplo, Kohl’s, Kroger y Dollar Tree han anunciado planes de localización2, mientras que en Reino Unido Tesco está desarrollando una “herramienta de optimización de surtido que automatiza la selección de productos específica en base a la localización de la tienda y sus características demográficas3”.
¿Por qué esta tendencia a la localización? Aunque hay varios factores para tener en cuenta, se trata sin duda de una tendencia centrada en el cliente. Crear una gama adaptada a las necesidades de clientes específicos no solo ayuda a hacer la compra más fácil, sencilla y cómoda, sino que también reintroduce el elemento de sorpresa y disfrute tan importante desde las perspectivas de la relación con el cliente y la inspiración.
En este momento se trata de una capacidad muy valorada. En nuestros estudios Consumer Pulse, hemos visto que los comportamientos de los clientes han cambiado considerablemente y muchos de ellos priorizan el valor4. El que muchos discounters hayan experimentado un crecimiento no parece casualidad5. En este escenario cada vez más competitivo, un surtido localizado puede servir de diferenciador para los retailers generalistas.
Al mismo tiempo, la localización no solo es una buena respuesta a las circunstancias económicas actuales. Además, cimenta el camino para obtener otros beneficios en cuanto a eficiencia operacional y optimización de ingresos. Por lo que la pregunta real no es tanto “¿por qué la localización”? como “¿por qué la localización ahora?”. Y para llegar a la respuesta tenemos que profundizar un poco más en la ciencia de surtido.
Si retrocedemos en el tiempo aproximadamente una década, el surtido era una actividad relativamente lineal. Los retailer generalmente aplicaban un par de variaciones, con algunos elementos de agrupación de tiendas por cluster utilizados para determinar qué productos aparecerían en qué ubicaciones.
En aquel momento, ir más allá de este tipo de ligera localización hubiera sido imposible debido a la gran complejidad que supone, presentando un verdadero reto para los retailers.
Como señalamos arriba, uno de los principales diferenciadores de los retailers generalistas tiene que ver con la escala. Un gran retailer de alimentación puede llegar a tener 30.000 productos, en comparación con los aproximadamente 1.500 que puede tener un discounter6.
Claramente, aunque la profundidad es una gran ventaja para ofrecer a los clientes lo que quieren, añade un elemento de complejidad en los procedimientos. Si un retailer quiere crear un surtido verdaderamente localizado necesitaría:
Realizar este proceso en una sola tienda puede requerir mucho tiempo. Se necesita analizar una gran cantidad de datos, crear previsiones y elaborar planogramas. Pero cuando multiplicas esta tarea por decenas, cientos o miles de establecimientos, lo que era difícil se convierte en imposible. Y hace unos 15 años ciertamente lo era.
Sin embargo, hoy las cosas han cambiado. A medida que las capacidades de ciencia de datos del sector han evolucionado, los retailers han ganado la posibilidad de ser mucho más granulares cuando crean sus gamas. Como resultado, nos movemos hacia un mundo en el que el surtido hiperlocalizado es una posibilidad muy real, un área en la que dunnhumby está liderando el camino.
Como sucede en otros muchos campos, el machine learning o la IA juegan un rol fundamental en este aspecto.
Capaz de asumir gran parte del trabajo matemático que implica el surtido localizado, la IA ha facilitado infinitamente el análisis de datos en los volúmenes necesarios para crear un surtido específico para cada tienda. Un algoritmo de IA bien entrenado puede crear rápidamente surtidos que tengan en cuenta el espacio y planogramas asociados que garanticen que el surtido se ajusta al espacio, algo que normalmente requeriría cientos de horas de trabajo manual y muchas idas y venidas entre equipos.
Pero eso no es todo. Como hemos descubierto en nuestro propio trabajo con el surtido basado en IA, las máquinas son extremadamente buenas en optimizar espacio. Si se les proporcionan los parámetros adecuados, la IA puede decirnos qué productos deben ser ofertadas, cuál es la mejor disposición para ellos y cómo introducirlos en el lineal también. Naturalmente la última palabra la sigue teniendo un humano, y la IA refuerza, pero no reemplaza su decisión.
Para los retailers esto crea una oportunidad para replantearse su enfoque de surtido. Sin embargo, esa oportunidad no tiene por qué empezar con un cambio revolucionario y generalizado.
Un surtido localizado no consiste en ofrecer una gama de productos única en cada establecimiento. De lo contrario, se eliminaría una de las principales razones por las que los compradores acuden a las cadenas de retailers: la posibilidad de obtener una variedad fiable de productos. Tampoco es necesario que un surtido localizado se introduzca desde el primer día en todas las tiendas. A menudo, se trata de empezar poco a poco, antes de aumentar gradualmente el número de artículos específicos de cada tienda. Las diferencias sutiles pueden tener un gran impacto.
Aunque el cambio hacia la localización puede ser gradual, no cabe duda de que es la tendencia a seguir. Y en un momento en que los compradores están acostumbrados a conseguir casi cualquier cosa que deseen, donde y cuando quieran, el surtido localizado dará a los retailers con visión de futuro la capacidad de responder a esas expectativas (y superarlas).
Para más información sobre dunnhumby Assortment, visita: dunnhumby.com/dunnhumby-assortment
Descubre más insights de cómo la IA está revolucionando el surtido:
1 Market Guide for Retail Assortment Management Applications: Long Life Cycle Products – Gartner, 8 December 2022
2 The Localization Playbook: How to Develop Targeted Merchandising Strategies & Win Repeat Customers – A&M Consumer Retail Group
3 Preliminary Results 2023/24 - Tesco
4 dunnhumby Customer Pulse, October 2023
5 Discounters forecast to be fastest-growing grocery channel over next five years – The Grocer, 14 June 2022
6 The battle of traditional retailers versus discounters – Journal of Retailing and Consumer Services, 2017
Create customer-centric ranges using AI-powered science
AI-powered Assortment OptimisationCookie | Description |
---|---|
cli_user_preference | The cookie is set by the GDPR Cookie Consent plugin and is used to store the yes/no selection the consent given for cookie usage. It does not store any personal data. |
cookielawinfo-checkbox-advertisement | Set by the GDPR Cookie Consent plugin, this cookie is used to record the user consent for the cookies in the "Advertisement" category . |
cookielawinfo-checkbox-analytics | Set by the GDPR Cookie Consent plugin, this cookie is used to record the user consent for the cookies in the "Analytics" category . |
cookielawinfo-checkbox-necessary | This cookie is set by GDPR Cookie Consent plugin. The cookies is used to store the user consent for the cookies in the category "Necessary". |
CookieLawInfoConsent | The cookie is set by the GDPR Cookie Consent plugin and is used to store the summary of the consent given for cookie usage. It does not store any personal data. |
viewed_cookie_policy | The cookie is set by the GDPR Cookie Consent plugin and is used to store whether or not user has consented to the use of cookies. It does not store any personal data. |
wsaffinity | Set by the dunnhumby website, that allows all subsequent traffic and requests from an initial client session to be passed to the same server in the pool. Session affinity is also referred to as session persistence, server affinity, server persistence, or server sticky. |
Cookie | Description |
---|---|
wordpress_test_cookie | WordPress cookie to read if cookies can be placed, and lasts for the session. |
wp_lang | This cookie is used to remember the language chosen by the user while browsing. |
Cookie | Description |
---|---|
fs_cid | Set by FullStory to correlate sessions for diagnostics and session consistency; not always set. |
fs_lua | Set by FullStory to record the time of the user’s last activity, helping manage session timeouts. |
fs_session | Set by FullStory to manage session flow and recording. Not always visible or applicable across all implementations. |
fs_uid | Set by FullStory to uniquely identify a user’s browser. Used for session replay and user analytics. Does not contain personal data directly. |
VISITOR_INFO1_LIVE | Set by YouTube to estimate user bandwidth and improve video quality by adjusting playback speed. |
VISITOR_PRIVACY_METADATA | Set by YouTube to store privacy preferences and metadata related to user consent and settings. |
vuid | Vimeo installs this cookie to collect tracking information by setting a unique ID to embed videos to the website. |
YSC | Set by YouTube to track user sessions and maintain video playback state during a browser session. |
_ga | The _ga cookie, installed by Google Analytics, calculates visitor, session and campaign data and also keeps track of site usage for the site's analytics report. The cookie stores information anonymously and assigns a randomly generated number to recognise unique visitors. |
_ga_* | Set by Google Analytics to persist session state. |
_gid | Installed by Google Analytics, _gid cookie stores information on how visitors use a website, while also creating an analytics report of the website's performance. Some of the data that are collected include the number of visitors, their source, and the pages they visit anonymously. |
_lfa | This cookie is set by the provider Leadfeeder to identify the IP address of devices visiting the website, in order to retarget multiple users routing from the same IP address. |
__Secure-ROLLOUT_TOKEN | YouTube sets this cookie via embedded videos to manage feature rollouts. |
Cookie | Description |
---|---|
aam_uuid | Set by LinkedIn, for ID sync for Adobe Audience Manager. |
AEC | Set by Google, ‘AEC’ cookies ensure that requests within a browsing session are made by the user, and not by other sites. These cookies prevent malicious sites from acting on behalf of a user without that user’s knowledge. |
AMCVS_14215E3D5995C57C0A495C55%40AdobeOrg | Set by LinkedIn, indicates the start of a session for Adobe Experience Cloud. |
AMCV_14215E3D5995C57C0A495C55%40AdobeOrg | Set by LinkedIn, Unique Identifier for Adobe Experience Cloud. |
AnalyticsSyncHistory | Set by LinkedIn, used to store information about the time a sync with the lms_analytics cookie took place for users in the Designated Countries (which LinkedIn determines as European Union (EU), European Economic Area (EEA), and Switzerland). |
bcookie | LinkedIn sets this cookie from LinkedIn share buttons and ad tags to recognise browser ID. |
bscookie | LinkedIn sets this cookie to store performed actions on the website. |
DV | Set by Google, used for the purpose of targeted advertising, to collect information about how visitors use our site. |
ELOQUA | This cookie is set by Eloqua Marketing Automation Tool. It contains a unique identifier to recognise returning visitors and track their visit data across multiple visits and multiple OpenText Websites. This data is logged in pseudonymised form, unless a visitor provides us with their personal data through creating a profile, such as when signing up for events or for downloading information that is not available to the public. |
gpv_pn | Set by LinkedIn, used to retain and fetch previous page visited in Adobe Analytics. |
lang | Session-based cookie, set by LinkedIn, used to set default locale/language. |
lidc | Set by LinkedIn, used for routing from Share buttons and ad tags. |
lidc | LinkedIn sets the lidc cookie to facilitate data center selection. |
li_gc | Set by LinkedIn to store consent of guests regarding the use of cookies for non-essential purposes. |
li_sugr | Set by LinkedIn, used to make a probabilistic match of a user's identity outside the Designated Countries (which LinkedIn determines as European Union (EU), European Economic Area (EEA), and Switzerland). |
lms_analytics | Set by LinkedIn to identify LinkedIn Members in the Designated Countries (which LinkedIn determines as European Union (EU), European Economic Area (EEA), and Switzerland) for analytics. |
NID | Set by Google, registers a unique ID that identifies a returning user’s device. The ID is used for targeted ads. |
OGP / OGPC | Set by Google, cookie enables the functionality of Google Maps. |
OTZ | Set by Google, used to support Google’s advertising services. This cookie is used by Google Analytics to provide an analysis of website visitors in aggregate. |
s_cc | Set by LinkedIn, used to determine if cookies are enabled for Adobe Analytics. |
s_ips | Set by LinkedIn, tracks percent of page viewed. |
s_plt | Set by LinkedIn, this cookie tracks the time that the previous page took to load. |
s_pltp | Set by LinkedIn, this cookie provides page name value (URL) for use by Adobe Analytics. |
s_ppv | Set by LinkedIn, used by Adobe Analytics to retain and fetch what percentage of a page was viewed. |
s_sq | Set by LinkedIn, used to store information about the previous link that was clicked on by the user by Adobe Analytics. |
s_tp | Set by LinkedIn, this cookie measures a visitor’s scroll activity to see how much of a page they view before moving on to another page. |
s_tslv | Set by LinkedIn, used to retain and fetch time since last visit in Adobe Analytics. |
test_cookie | Set by doubleclick.net (part of Google), the purpose of the cookie is to determine if the users' browser supports cookies. |
U | Set by LinkedIn, Browser Identifier for users outside the Designated Countries (which LinkedIn determines as European Union (EU), European Economic Area (EEA), and Switzerland). |
UserMatchHistory | LinkedIn sets this cookie for LinkedIn Ads ID syncing. |
UserMatchHistory | This cookie is used by LinkedIn Ads to help dunnhumby measure advertising performance. More information can be found in their cookie policy. |
yt-remote-connected-devices | YouTube sets this cookie to store the video preferences of the user using embedded YouTube video. |
_gcl_au | Set by Google Tag Manager to store and track conversion events. It is typically associated with Google Ads, but may be set even if no active ad campaigns are running, especially when GTM is configured with default settings. The cookie helps measure the effectiveness of ad clicks in relation to site actions. |