Etiqueta: category managment

El aprendizaje minucioso es una innovación moderna que ha ayudado al hombre a mejorar no solo muchos procesos industriales y profesionales, sino que también ha avanzado en la vida cotidiana. Pero, ¿qué es el aprendizaje automático? Es un subconjunto de la inteligencia artificial, que se centra en el uso de técnicas estadísticas para construir sistemas informáticos inteligentes con el fin de aprender de las bases de datos disponibles. Actualmente, el aprendizaje automático se ha utilizado en múltiples campos e industrias. Por ejemplo, diagnóstico médico, procesamiento de imágenes, predicción, clasificación, asociación de aprendizaje, regresión, etc.

Los sistemas inteligentes basados ​​en algoritmos de aprendizaje automático tienen la capacidad de aprender de experiencias pasadas o datos históricos. Las aplicaciones de aprendizaje automático proporcionan resultados basados ​​en experiencias pasadas. En este artículo, analizaremos 10 ejemplos de la vida real de cómo el aprendizaje automático está ayudando a crear una mejor tecnología para impulsar las ideas actuales.

Reconocimiento de imagen

El reconocimiento de imágenes es uno de los usos más comunes del aprendizaje automático. Hay muchas situaciones en las que puede clasificar el objeto como una imagen digital . Por ejemplo, en el caso de una imagen en blanco y negro, la intensidad de cada píxel se sirve como una de las medidas. En las imágenes en color, cada píxel proporciona 3 medidas de intensidades en tres colores diferentes: rojo, verde y azul (RGB).

El aprendizaje automático también se puede utilizar para la detección de rostros en una imagen . Hay una categoría separada para cada persona en una base de datos de varias personas. El aprendizaje automático también se utiliza para el reconocimiento de caracteres a fin de discernir letras tanto escritas a mano como impresas. Podemos segmentar un texto escrito en imágenes más pequeñas, cada una de las cuales contiene un solo carácter.

Reconocimiento de voz

El reconocimiento de voz es la traducción de las palabras habladas al texto. También se conoce como reconocimiento de voz por computadora o reconocimiento automático de voz. Aquí, una aplicación de software puede reconocer las palabras pronunciadas en un archivo o clip de audio y luego convertir el audio en un archivo de texto. La medición en esta aplicación puede ser un conjunto de números que representan la señal de voz. También podemos segmentar la señal de voz por intensidades en diferentes bandas de tiempo-frecuencia.

El reconocimiento de voz se utiliza en aplicaciones como la interfaz de usuario de voz, búsquedas por voz y más. Las interfaces de usuario de voz incluyen marcación por voz, enrutamiento de llamadas y control de dispositivos. También se puede utilizar una simple entrada de datos y la preparación de documentos estructurados.

Diagnostico medico

El aprendizaje automático se puede utilizar en las técnicas y herramientas que pueden ayudar en el diagnóstico de enfermedades . Se utiliza para el análisis de los parámetros clínicos y su combinación para la predicción del ejemplo de pronóstico de la progresión de la enfermedad para la extracción de conocimientos médicos para la investigación de resultados, para la planificación de la terapia y el seguimiento del paciente. Estas son las implementaciones exitosas de los métodos de aprendizaje automático. Puede ayudar en la integración de sistemas informáticos en el sector de la salud.

Arbitraje estadístico

En finanzas, el arbitraje se refiere a las estrategias de negociación automatizadas que son de corto plazo e involucran una gran cantidad de valores. En estas estrategias, el usuario se enfoca en implementar el algoritmo de negociación para un conjunto de valores sobre la base de cantidades como correlaciones históricas y las variables económicas generales. Se aplican métodos de aprendizaje automático para obtener una estrategia de arbitraje de índices. Aplicamos la regresión lineal y la máquina de vectores de soporte a los precios de un flujo de acciones.

Asociaciones de aprendizaje

El aprendizaje de asociaciones es el proceso de desarrollar conocimientos sobre las diversas asociaciones entre los productos. Un buen ejemplo es cómo los productos no relacionados se pueden asociar entre sí. Una de las aplicaciones del aprendizaje automático es estudiar las asociaciones entre los productos que compra la gente. Si una persona compra un producto, se le mostrarán productos similares porque existe una relación entre los dos productos. Cuando se lanzan nuevos productos al mercado, se asocian con los antiguos para incrementar sus ventas.

Clasificación

Una clasificación es un proceso de colocar a cada individuo en estudio en muchas clases. La clasificación ayuda a analizar las medidas de un objeto para identificar la categoría a la que pertenece ese objeto. Para establecer una relación eficiente, los analistas utilizan datos. Por ejemplo, antes de que un banco decida distribuir préstamos, evalúa a los clientes sobre su capacidad para pagar los préstamos. Al considerar factores como las ganancias, los ahorros y el historial financiero del cliente, podemos hacerlo. Esta información se toma de los datos anteriores del préstamo.

Predicción

El aprendizaje automático también se puede utilizar en los sistemas de predicción. Considerando el ejemplo del préstamo, para calcular la probabilidad de una falla, el sistema deberá clasificar los datos disponibles en grupos. Está definido por un conjunto de reglas prescritas por los analistas. Una vez hecha la clasificación, podemos calcular la probabilidad de falla. Estos cálculos se pueden calcular en todos los sectores para diversos fines. Hacer predicciones es una de las mejores aplicaciones de aprendizaje automático.

Extracción

La extracción de información es una de las mejores aplicaciones del aprendizaje automático . Es el proceso de extraer información estructurada de los datos no estructurados. Por ejemplo, las páginas web, artículos, blogs, informes comerciales y correos electrónicos. La base de datos relacional mantiene la salida producida por la extracción de información. El proceso de extracción toma un conjunto de documentos como entrada y genera los datos estructurados.

Regresión

También podemos implementar el aprendizaje automático en la regresión. En regresión, podemos utilizar el principio de aprendizaje automático para optimizar los parámetros. También se puede utilizar para disminuir el error de aproximación y calcular el resultado más cercano posible. También podemos utilizar el aprendizaje automático para la optimización de funciones. También podemos optar por modificar las entradas para obtener el resultado más cercano posible.

Servicios financieros

El aprendizaje automático tiene un gran potencial en el sector financiero y bancario . Es la fuerza impulsora detrás de la popularidad de los servicios financieros. El aprendizaje automático puede ayudar a los bancos y las instituciones financieras a tomar decisiones más inteligentes. El aprendizaje automático puede ayudar a los servicios financieros a detectar el cierre de una cuenta antes de que ocurra. También puede rastrear el patrón de gasto de los clientes. El aprendizaje automático también puede realizar el análisis de mercado. Las máquinas inteligentes se pueden entrenar para rastrear los patrones de gasto. Los algoritmos pueden identificar las tendencias fácilmente y pueden reaccionar en tiempo real.

Conclusión

En pocas palabras, podemos decir que el aprendizaje automático es un avance increíble en el campo de la inteligencia artificial. Y aunque el aprendizaje automático tiene algunas implicaciones aterradoras, estas aplicaciones de aprendizaje automático son una de las formas en que la tecnología puede mejorar nuestras vidas.

bigdata-madesimple

La pregunta es cuánta información revela. A menudo es mucho más de lo que pretendías. Es posible que su ISP o los propietarios de los sitios que visite puedan decir quién es, dónde se encuentra y qué información está enviando y recibiendo.

Regalar tanta información puede ser desagradable o incluso peligroso. Los phishers recopilan información de navegación para personalizar sus mensajes engañosos y hacerlos más plausibles. Las agencias gubernamentales buscan patrones de navegación sospechosos que creen que necesitan investigación. Incluso los efectos tan pequeños como los resultados de búsqueda sesgados pueden resultar molestos.

Hace que sea más difícil para los extraños recopilar información sobre usted cuando se protege en línea con una VPN. Su ISP y puntos de acceso Wi-Fi no pueden ver sus datos y los sitios web no conocen su ubicación.

HTTP y HTTPS

Ya sabe que la navegación HTTPS utiliza protocolos seguros que evitan que nadie lea su información mientras la transmite. Es posible que no sepa que esta protección tiene límites.

HTTPS, utilizando los protocolos TLS o SSL, encripta su navegación de un extremo a otro. Fuera de casos inusuales como certificados robados, es realmente imposible que alguien más descifre sus datos entrantes y salientes. Sin embargo, los dominios o direcciones IP a las que accede son visibles en todo momento. Su ISP, punto de acceso Wi-Fi y cualquier persona que acceda a su flujo de datos pueden indicar qué sitios visita, cuándo y aproximadamente cuántos datos utiliza.

Cuando un sitio utiliza HTTP sin cifrar, la situación es peor. Todo lo que va y viene es legible por cualquiera que maneje su comunicación. Si usa Wi-Fi público, esto podría incluir a un extraño sentado a diez pies de distancia con un dispositivo de espionaje.

Las páginas HTTPS seguras a menudo incluyen imágenes, anuncios y otro contenido que no es seguro. Proporciona pistas sobre lo que está leyendo y haciendo.

Lo que sabe el sitio web

Cuando visita un sitio web, podría saber más sobre usted de lo que cree. Las cookies de seguimiento le permiten compartir información con otros sitios y retener datos sobre sus visitas anteriores. Su dirección IP revela su ubicación física aproximada y es una forma de rastrearlo de una sesión a la siguiente.

Otros trucos pueden limitarse aún más. Hay formas de dibujar imágenes y leerlas, que son un poco diferentes dependiendo de su computadora, chip gráfico y navegador.

Algunos sitios usan JavaScript para rastrear cada movimiento que haces. Un servicio presume de que los sitios que lo usan pueden “ver a los visitantes individuales usar su sitio como si estuviera mirando por encima del hombro”.

Una red privada virtual no puede protegerlo contra todas estas técnicas, pero es una parte importante de su estrategia de protección de la privacidad. El uso de uno para acceder a un sitio web oculta su dirección IP personal y su ubicación física. Incluso puede parecer que está navegando desde otro país.

¿Ayuda el modo incógnito?

Los principales navegadores ofrecen un modo “privado” o “incógnito” , que limita la visibilidad de su navegación. Es útil, pero debes entender lo que no hace. Evita que otros usuarios de su computadora vean su historial y se suban a sus inicios de sesión. Cuando cierra una ventana privada, el navegador olvida toda su actividad en ella, incluidas las cookies.

Sin embargo, no oculta nada a quien maneja sus datos en Internet. El uso de una ventana de incógnito en una red Wi-Fi pública no ayuda contra los graves problemas de seguridad que tiene cualquier punto de acceso público. Usarlo para proteger su privacidad es bueno, pero es solo parte de la solución.

Los componentes de una estrategia de protección de la privacidad

Mantener su privacidad mientras navega por Internet requiere una estrategia multinivel. Si sigue todas estas prácticas, será difícil para cualquiera rastrear sus hábitos en la Web.

Tenga cuidado con lo que revela. Las pequeñas cosas que dices sobre ti pueden agregarse a una imagen detallada.

Limite la forma en que su navegador utiliza cookies. Tiene opciones sobre cuáles acepta y cuánto tiempo las retiene. Los complementos te darán un control adicional sobre ellos.

Evite los sitios HTTP inseguros. Si usa uno, recuerde que todo lo que hace en él es fácilmente visible.

Utilice una red privada virtual para cifrar datos y ocultar su actividad a su ISP y puntos de acceso Wi-Fi. Asegúrese de que la VPN que usa sea una en la que pueda confiar.

Estas prácticas mantendrán su información de navegación fuera del alcance de personas que no deberían tenerla. Estará más a salvo de molestias, fraudes y sospechas injustificadas.

bigdata-madesimple

Saber cómo calcular el markup de productos significa obtener un indicador económico que indica la relación entre el costo de producción y de distribución de un bien o servicio y su precio de venta.

Y pues si no lo sabías, ahora ya lo sabes.

Y del mismo modo, también entiendes que fijar el precio de un producto no es una de las tareas más sencillas, puesto que, con toda seguridad, inviertes gran parte de tu tiempo calculando valores de costos, impuestos, tarifas y, a fin de cuentas, las dudas crecen a todo momento.

Pero quiero que sepas que, con esta lectura, vas a conocer de forma muy didáctica y eficiente cómo calcular el markup de un producto para que nunca más te pierdas cuando quieras fijar los precios de los artículos a la venta.

Continúa leyendo para descubrir:

Cómo funciona el markup

El ritual del markup

La fórmula del markup

El precio de venta

Ah, y por supuesto: ¡cómo calcular el markup de productos!

CALCULAR EL MARKUP DE PRODUCTOS: ¿CÓMO FUNCIONA?

El markup es un índice multiplicador que se aplica sobre el costo de un producto para formar el precio de venta final, considerando el margen de beneficio y el costo unitario de producción.

En cierto modo, nadie debería definir el precio del producto directamente en el PDV, en el acto de la compra. Pero de todos modos es muy común ver la oferta de descuentos sin saber el precio mínimo que se debe cobrar.

Así que discúlpame, pero debo decirte lo siguiente: el precio mínimo es lo mínimo que debes saber antes de otorgar un descuento.

También debo enfatizar que el markup es un concepto presente no solamente en el escenario económico, sino que también se relaciona con las áreas de contabilidad y administrativa. Es decir, es importante que todos los sectores de tu negocio —y tus empleados— entiendan qué es y cómo calcular el markup de productos.

Si está bien definido, vas a poder llegar a un valor que cubra todos los gastos de producción del producto y puedes asegurar el margen de beneficio sin ningún problema.

EL RITUAL DEL MARKUP

Podría usar yo aquí el viejo cliché de afirmar que no existe ninguna fórmula para llegar al markup, pero la verdad es que sí existe y es mucho más sencillo de lo que parece.

La fórmula del markup contiene algunas variables utilizadas para que el cálculo del precio de venta (PV) del producto o servicio sea ejecutado de forma segura:

Costo de la mercancía vendida

Impuestos sobre la venta

Comisión

Costo fijo

Beneficio

Vamos tema por tema.

Costo de la Mercancía Vendida

El Costo de la Mercancía Vendida (CMV) es definido de la siguiente forma:

CMV = Costo de adquisición

(-) descuentos obtenidos

(-) impuestos recuperables

(+) impuestos no recuperables

(+) costos de envío

(+) seguros

(+) otros gastos que inciden en la adquisición

Impuestos sobre la venta (Variable)

Aquí es necesario estar informado sobre los regímenes tributarios de la empresa del país en el que tengas tu operación. Para descubrir el porcentaje de impuestos, deberás sumar todos aquellos que incidan sobre las ventas dependiendo del país.

Lo que sí te puedo adelantar es que para que encuentres estos valores de forma más rápida, puedes verificarlo directamente con el área fiscal o régimen de tributación —con las tasas incluidas— asignado a tu empresa.

Comisión (Variable)

Es la porción de la pizza a la que el vendedor siempre tiene derecho cada vez que cierra algún negocio. Puede ser o más pequeña o más grande dependiendo del tamaño del hambre de tu vendedor. Entre más venda, más va a abarcar. 

Costo Fijo

El Costo Fijo no varía con el volumen vendido o producido. Es el desembolso del área producida y ocurre independientemente del volumen de producción, como salario, mantenimiento, etc.

Rentabilidad

Es el porcentaje que deseas obtener a más en cada venta.

Considerando estas variables, debes seguir el siguiente ritual:

Identifica el porcentaje de los gastos variables atribuido a cada unidad de producto o servicio vendido

Identifica el porcentaje que representan los costos fijos del periodo para cada unidad de producto o servicio

Define el porcentaje de beneficio que se desea para cada unidad de producto o servicio

Después de mentalizar el ritual y, principalmente, de realizarlo, estás apto e evocar la fórmula mágica del markup.

LA FÓRMULA DEL MARKUP

Es resultado es la fórmula del markup:

porcentaje total de tu precio de venta

[porcentaje total de tu precio de venta – (gasto variable + gasto fijo + beneficio)]

Veamos un ejemplo práctico para ilustrar mejor la situación y simplificar aún más este concepto:

Carlos tiene un comercio de bebidas, un negocio pequeño. Carlos desea saber cuánto debe cobrar por la cerveza artesanal que está a punto de producir y distribuir.

Markup =

100% total de venta / 100% total de venta – $12 de impuestos y comisión + $8 de gastos fijos + $20 beneficio deseado

De esta forma, Juan obtuvo 1.666 como índice markup.

EL PRECIO DE VENTA

Teniendo el markup en tus manos, es posible obtener el precio de venta de tu producto. Y para llegar en esta etapa, basta multiplicar el valor del costo unitario de venta por el índice markup.

Precio de venta = Costo de venta x Markup

Entonces volvamos al caso de Carlos. Él sabe que el costo unitario en la venta de sus productos es de $20.00 (suma de los gastos fijos y variables). Así que ahora solo hay que multiplicar esos 20 por 1.666 —tu índice markup— y llegaremos al precio ideal para la venta de la cerveza.

El precio de venta que Juan debe imponer en su punto de venta es de $33.32 por unidad de botella vendida para asegurar la rentabilidad de su negocio.

Con base en el contenido presentado en este post, pudiste ver que es posible estipular el markup y el precio de venta de tus productos, pero el tema no se acaba por aquí. Así como es importante definir el precio, igual de importante es realizar su mantenimiento.

Por lo tanto el próximo paso es partir hacia una aproximación más detallada por medio de herramientas de Business Intelligence y trade marketing.

clubdeltrade

El planograma específico de la tienda se ha implementado en entornos minoristas durante unos 20 años y ha estado flotando como una idea durante más tiempo. Pero incluso hoy en día, ningún minorista puede lograr una planogramación completamente específica de la tienda sin la ayuda de una solución de planificación que automatice la enorme cantidad de cálculos que requiere este nivel de localización.

En los últimos años, la conversación ha tomado una nueva dirección, ya que los minoristas se preguntan cómo se debe integrar la planificación del espacio en sus procesos de gestión de categorías más amplios. En particular, muchos están explorando cómo deberían aprovechar sus planogramas para impulsar la eficiencia en toda la cadena de suministro, desde los proveedores hasta los estantes.

¿Por qué los planogramas eficaces han eludido incluso a los jugadores más importantes del comercio minorista?

Cualquiera que trabaje en el sector minorista hoy en día es plenamente consciente de cómo han crecido los shoppers exigentes, y los minoristas tradicionales se enfrentan a la presión de ser tan receptivos a las necesidades de los consumidores en las tiendas como las opciones de comercio electrónico en sus dispositivos móviles. Pero si se necesitan alrededor de 1 millón de cálculos para producir solo 1 metro de planogramación específica de la tienda, es fácil ver por qué es tan difícil responder rápidamente a las señales de los consumidores.

Las complejidades pueden crecer y crecer a medida que los beneficios prometidos de la localización se desvanecen en la distancia, hasta que las partes interesadas se desaniman. De hecho, miles de minoristas han emprendido iniciativas de planogramas específicas de la tienda, pero con demasiada frecuencia deben controlar significativamente el alcance de sus proyectos o abandonarlos por completo.

En la raíz del problema con las soluciones de planogramas específicas de la tienda se encuentra una paradoja: debe 1) simplificar sus planogramas para que puedan producirse mediante una solución genérica, plug-and-play, o 2) contratar un equipo de especialistas altamente capacitados capaz de producir código complejo. Ambas opciones están lejos de ser ideales.

Un planograma es algo bastante sofisticado: la herramienta final a través de la cual los minoristas pueden interactuar con sus clientes en el borde de la estantería. La forma más eficaz de satisfacer las necesidades de los clientes en cada tienda específica es mediante el surtido, la distribución y el uso del espacio. Sin embargo, los planificadores que pueden visualizar y planificar de forma creativa el espacio para impulsar la participación del cliente a menudo carecen del conocimiento técnico para automatizar planogramas. Por otro lado, aquellos que pueden codificar los scripts complejos necesarios para automatizar planogramas a menudo carecen de esa comprensión sutil de los impulsores del consumidor o de la visión creativa para construir estantes hermosos.

Afortunadamente, los minoristas de hoy pueden resolver este problema familiar aprovechando las herramientas de planificación modernas que hacen uso de los muchos avances tecnológicos que hemos visto en los últimos años.

Un enfoque unificado para la gestión de categorías

Tradicionalmente, los minoristas han mejorado los resultados con la programación de planos específicos de la tienda al ajustar sus revestimientos en función de las ventas históricas. Este enfoque convencional puede resultar en algunas mejoras en la disponibilidad y las ventas.

Sin embargo, en un enfoque unificado más prospectivo para el CATMAN, los planogramas se basan en datos de pronóstico de demanda granulares y localizados. Cuando este enfoque unificado se combina con algoritmos avanzados de aprendizaje automático, los minoristas pueden automatizar la compleja tarea de optimizar planogramas específicos de la tienda para satisfacer las necesidades de los compradores en todas las tiendas de su red.

Con este enfoque automatizado y unificado implementado, hemos visto a los minoristas mejorar no solo la disponibilidad y las ventas, sino también la eficiencia con la que pueden reabastecer, almacenar y mantener sus estantes. Un enfoque de planificación unificada tiene como objetivo un modelo de reabastecimiento de un toque, minimizando el exceso de stock en la tienda y reduciendo la frecuencia de entrega de los artículos. Pero los resultados que los minoristas actuales pueden lograr no hubieran sido posibles sin los avances tecnológicos de los últimos años.

Las herramientas de vanguardia automatizan y optimizan los planogramas

Las herramientas modernas de planogramación han recorrido un largo camino en los años desde que muchos minoristas instalaron por primera vez sus soluciones heredadas. La experiencia del usuario del equipo de planificación del espacio en sí ha mejorado mucho gracias a los avances en la tecnología de renderizado 3D y las interfaces de usuario mucho más intuitivas.

Sin embargo, más importantes para los resultados comerciales son los avances modernos en Inteligencia Artificial. Los algoritmos de aprendizaje automático permiten a los minoristas personalizar y automatizar completamente la optimización para sus planogramas específicos de la tienda basados ​​en la demanda. Esto ahorra a los equipos de CATMAN una enorme cantidad de tiempo que puede redirigirse a tareas más valiosas, al tiempo que mejora la precisión y la calidad del producto final.

Además, la tecnología nativa de la nube de hoy hace posible aprovechar estos planogramas automatizados y optimizados directamente en operaciones de cadena de suministro y tiendas más eficientes, lo que ayuda a administrar el reabastecimiento con conocimiento del espacio tanto en el frente como en el backstage. Las soluciones que permiten al personal proporcionar información valiosa a nivel de tienda a los equipos de planificación central desde sus dispositivos móviles permiten a los minoristas lograr una verdadera gestión de categorías de extremo a extremo.

¿Cómo se llega allí?

Los minoristas que implementan planogramas optimizados específicos de la tienda deben primero importar los planogramas existentes a su nueva solución, ya sea de un sistema heredado o de sus propios datos minoristas. La solución de planificación debe ser capaz de optimizar esos planes frente a las necesidades específicas de la tienda, ajustando el inventario y el espacio para cumplir con los objetivos específicos de la empresa. La solución debe basarse en los datos de demanda a nivel de tienda para reducir los revestimientos de los productos con exceso de espacio y aumentar los revestimientos de los productos con poco espacio. Las ubicaciones de productos se ajustan en función de los requisitos de comercialización establecidos por el minorista, pero los usuarios del equipo de planificación aún pueden configurarlos por completo.

En el espacio de una mañana, una solución de calidad debería ser capaz de crear planogramas específicos de la tienda que mantengan los principios definidos en el plan de comercialización a nivel de la empresa y que, al mismo tiempo, se adapten individualmente a las necesidades de cada tienda. Además, las revisiones menores del planograma se pueden completar en vuelo mientras se minimizan los cambios en el planograma optimizado, por lo que no hay presión adicional sobre los equipos de operaciones minoristas para cambiar constantemente sus diseños con cada actualización del planograma.

Entonces, ¿qué tan grande es el impacto, al final del día? En nuestra experiencia, aproximadamente el 30% de las posiciones de productos planogramados de nuestros shoppers cambian a medida que pasan de planes construidos con datos promedio a datos específicos de la tienda. Hemos visto a los clientes reducir las filas de entrega (entregas de productos a la tienda) hasta en un 35% y recortar el exceso de stock hasta en un 25% mientras mantienen las mismas mejoras en la disponibilidad y las ventas que se ven con los planogramas convencionales específicos de la tienda. Para nosotros, los aprendizajes son claros: un enfoque unificado, impulsado por el aprendizaje automático, para la programación de planos específicos de la tienda es la mejor manera de mejorar los resultados en toda la cadena de suministro.

relexsolutions

Cómo el minorista de varias tiendas mimado deleita a los shoppers en todos los canales, mientras se enfrenta al COVID-19

Dirigir un negocio minorista de múltiples tiendas y canales no es fácil. ¿Pero dirigir un negocio minorista en medio de una pandemia? Ese es un desafío completamente nuevo.

Una tienda australiana de regalos y artículos para el hogar, ha superado con creces ese desafío. Recientemente, nos reunimos con Laura Semple, coordinadora de marketing y desarrollo comercial para una sesión de preguntas y respuestas.

Laura comparte la historia y las mejores prácticas que están implementando para administrar un negocio minorista de múltiples tiendas y canales.

¡Mira sus interesantes respuestas a continuación!

¿Cuál es la historia detrás de su éxito?

Había estado trabajando en una torre de oficinas en Melbourne y se dio cuenta de que no había muchas tiendas para ella y sus compañeros de trabajo a las que acudir durante la pausa del almuerzo. Quería algo cerca de su trabajo para que le fuera fácil conseguir un regalo para un ser querido durante sus vacaciones.

Esto provocó la idea de abrir una tienda de regalos. Chelsea decidió abrir su primera tienda bajo una bulliciosa torre de oficinas y luego expandió 4 más en la ciudad y una tienda outlet.

¿Qué hace que su negocio sea único y cómo logra que los shopper regresen?

Dado que la mayoría de las tiendas se encuentran en edificios de oficinas, se lo pone fácil a aquellos que están ocupados en el trabajo y solo necesitan pasar para recibir un regalo rápido.

¡Descubrimos que a muchos de nuestros clientes también les gusta tener un poco de tiempo fuera de la oficina y explorar nuestros hermosos productos! Tenemos una gama tan amplia que se adapta a las necesidades y presupuestos de todos, ya sea un regalo para usted o para otra persona.

Desde que llegó COVID y tuvimos que cerrar todas nuestras tiendas. ¡Hemos descubierto que muchos de nuestros clientes que nos visitarían en la tienda ahora recurren a nuestro sitio web para obtener el mismo servicio!

Ofrecemos envoltorio de regalo gratis y una tarjeta de cortesía que a la gente le encanta. Dar regalos debería hacerte sentir bien, no debería ser una tarea ardua. Es por eso que nos gusta que sea lo más fácil posible, especialmente en momentos como este, poder enviar un regalo para que alguien sepa que estás pensando en ellos.

¿Cuáles son algunos de los desafíos a los que se enfrenta al administrar varias tiendas?

Tener las cantidades de stock correctas siempre ha sido un problema para nosotros, debido a cosas como robos, roturas o simplemente se ingresaron incorrectamente en el sistema.

Por lo general, hacemos controles de existencias regulares para ayudar con esto y poder transferir fácilmente el stock y tenerlo en tránsito hasta que llega a la tienda, realmente nos ayuda a realizar un seguimiento de lo que está físicamente en las tiendas, ya que un artículo puede llegar a nuestro almacén del proveedor, pero es posible que no llegue a las tiendas hasta dentro de una semana.

Otra característica que nos gusta mucho es el stock disponible. Ser capaz de ver eso muy rápidamente cuando atiende a un shopper es excelente, ¡así como otras funciones como las teclas rápidas ! ¡Esto facilita las cosas para aquellos productos en los que una etiqueta de código de barras no se queda!

Nos ayuda a servir mejor a los clientes. Por ejemplo, si no tenemos algo en stock en la tienda, es fácil para nosotros buscar si lo tenemos en alguna de las otras tiendas. Teníamos esta función en nuestro sistema anterior, pero era un poco más torpe de mencionar. Además, tener imágenes ayuda, por lo que si un cliente no conoce el código o el nombre del producto, pero puede explicar cómo se ve, es un poco más fácil para nosotros resolverlo.

Creo que una de las características más importantes que nos gustan es el hecho de que está basado en la nube. Antes usábamos un sistema que necesitaba estar en un servidor. Esto tenía algunas limitaciones importantes. Tener nuestro POS en la nube significa que podemos seguir trabajando en las condiciones que enfrentamos con COVID. Podemos trabajar de forma remota y mantener las cosas en marcha. También podemos iniciar sesión fácilmente y resolver un problema de existencias sin importar dónde estemos (¡siempre que haya Internet!)

vendhq

No todos los minoristas pueden predecir con precisión el impacto del clima en sus pronósticos de demanda, pero todos los minoristas reconocen cuánto afecta el clima a su demanda. Considere esto: la primera ola de calor del año debe afectar a un grupo regional de sus tiendas este fin de semana. Espera que los compradores locales lleguen a comprar cerveza, guarniciones de hamburguesas y bolsas de carbón para iniciar la primera comida al aire libre adecuada de la temporada. Mientras sus shoppers esperan un fin de semana relajante con familiares y amigos, los planificadores de su cadena de suministro se ponen a toda marcha.

La capacidad de su equipo especializado en CATMAN podrá predecir con precisión y logrará prepararse para el impacto de este pronóstico del tiempo, lo cuál significará la diferencia entre capitalizar una mayor oportunidad de ventas o perder dinero. Si deja que el buen tiempo lo pille por sorpresa y no ordena suficiente stock para satisfacer el aumento de la demanda, perderá ventas.

Por otro lado, si sobrestima el impacto del clima y ve un aumento menor de la demanda de lo que había planeado, tendrá un exceso de existencias en sus manos. En el caso de productos estables como la cerveza y el carbón, se enfrenta a desafíos de capacidad, pero en el caso de productos perecederos como la carne de hamburguesa, corre el riesgo de sufrir pérdidas económicas considerables por deterioro.

El clima tiene un impacto complejo en la demanda minorista

El ejemplo del “tiempo al aire libre” es un buen punto de partida para demostrar el impacto que pueden tener los pronósticos meteorológicos, pero ahora considere todos los diferentes tipos de eventos meteorológicos que podrían afectar la demanda minorista. Piense no solo en el clima soleado y brillante para las comidas al aire libre, sino también en un clima insoportable de olas de calor, un clima de llovizna inquebrantable, un clima de lluvias torrenciales, un clima otoñal fresco, un clima con ráfagas de nieve, un clima de tormenta de hielo y cualquier otro tipo de clima que pueda afectar la demanda de sus tiendas .

Luego, considere cada producto en todo su surtido. ¿La demanda de sus botas de lluvia será tan reactiva a la temporada de lluvias como lo será de sus paraguas? ¿Qué pasa con los impermeables? ¿Ponchos ligeros? ¿Sombreros impermeables frente a gorras normales? ¿Calcetines? ¿Vegetales mixtos congelados?

Por supuesto, puede parecer intuitivo que las verduras mixtas congeladas no son particularmente reactivas al clima lluvioso. El punto es simplemente que las matemáticas se vuelven extremadamente complicadas, extremadamente rápido. Existe una enorme cantidad de factores climáticos diferentes que afectarán a las diferentes tiendas de su red en un día determinado, creando diferentes impactos en diferentes artículos de su surtido.

Queda claro que no todo el clima es realmente impactante. En el comercio minorista de comestibles, por ejemplo, es poco probable que la variación diaria de temperatura, la nubosidad o la lluvia afecten los pronósticos de ventas porque la gente tiene que comer sin importar qué. El desafío, entonces, es identificar automáticamente las combinaciones específicas de factores que realmente impactarán la demanda, como ese primer día de comida al aire libre del verano.

Este desafío es, en última instancia, demasiado intensivo en datos para que cualquier equipo de planificación lo gestione manualmente. Los minoristas deben recurrir al software de pronóstico de demanda impulsado por inteligencia artificial para procesar enormes conjuntos de datos y ejecutar una enorme cantidad de cálculos. Solo entonces pueden definir automáticamente las relaciones entre todos los factores climáticos que potencialmente influyen en la demanda y la demanda real a nivel granular de tienda de productos.

Los algoritmos de aprendizaje automático impulsan mejoras significativas en la precisión del pronóstico de ventas. Con la solución tecnológica y la estrategia adecuadas, los minoristas pueden prepararse con precisión para las fluctuaciones de la demanda relacionadas con el clima y asegurarse de que están capitalizando las oportunidades, sin sufrir pérdidas

El aprendizaje automático considera el clima en los pronósticos de demanda.

Tradicionalmente, los minoristas han utilizado modelos de series de tiempo para elaborar pronósticos de referencia. Este enfoque utiliza los patrones recurrentes en los datos históricos, por ejemplo, la estacionalidad y la variación de los días de la semana, para hacer predicciones sobre la demanda futura. Sin embargo, el aprendizaje automático es necesario si desea identificar y modelar con precisión el impacto del clima. Además, un sistema de pronóstico totalmente basado en el aprendizaje automático es capaz de calcular automáticamente cómo interactuará el impacto del clima con una variedad de otros factores para afectar la demanda general.

El aprendizaje automático considera una amplia gama de factores que influyen en la demanda

El software de pronóstico de demanda equipado con algoritmos de aprendizaje automático puede considerar una amplia gama de variables que potencialmente impactan la demanda dentro de un solo modelo de pronóstico. Estas variables se dividen ampliamente en tres categorías:

Variaciones recurrentes en la demanda de referencia, como variaciones estacionales y relacionadas con los días de la semana.

Decisiones comerciales internas diseñadas para captar la atención del consumidor y proporcionar una ventaja competitiva, como promociones, ajustes de precios o cambios en las exhibiciones en la tienda.

Factores externos, como eventos locales, cambios en el vecindario de una tienda o situación competitiva, y el tema de este documento: el clima.

Ningún equipo de planificación, sin importar cuán grande o talentoso sea, podría procesar humanamente una cantidad tan inmensa de datos de manera continua. Sin embargo, el software impulsado por el aprendizaje automático puede realizar millones de estos cálculos de pronóstico en un solo minuto, con avances en el procesamiento de datos a gran escala y la tecnología en memoria .

Cómo el aprendizaje automático diseñado para el comercio minorista identifica el clima que afecta la demanda

Capturar con precisión el impacto del clima en la demanda es más complicado que simplemente vincular las temperaturas con los resultados. La mayoría de los datos procesados ​​de esta manera serían en gran medida inútiles para realizar pronósticos porque la gran mayoría de los días de un año determinado tienen temperaturas dentro de un rango normal esperado y, por lo tanto, no afectan la demanda. Además, estas temperaturas diarias tienen una fuerte correlación con los patrones estacionales ya capturados en los datos históricos existentes; normalmente hace más calor en verano y normalmente hace más frío en invierno.

Un enfoque exitoso requiere una ingeniería de funciones inteligente o la aplicación de conocimientos especializados de la industria para ayudar a la solución a extraer información utilizable de los datos sin procesar en una forma que se pueda poner en funcionamiento en un entorno minorista. Cuando una solución está equipada con ingeniería de funciones inteligentes diseñada para el comercio minorista, el aprendizaje automático puede explicar las variaciones de demanda que de otro modo no se podrían capturar y que en realidad son atribuibles a las observaciones y pronósticos meteorológicos. Estos modelos pueden predecir cómo un pronóstico meteorológico local interactuará con todos los demás factores que influyen en la demanda para los que tiene datos disponibles, creando una imagen completa de la demanda real a nivel granular de tienda de productos.

El aprendizaje automático calcula el impacto de la demanda de todos los factores que influyen

El “primer fin de semana de comida al aire libre del verano” es un ejemplo perfecto de un clima verdaderamente impactante en la demanda: es más cálido que el promedio para esa época del año, lo que alienta a las masas a aprovecharlo. Entonces, ¿cómo se ve cuando se pone en funcionamiento una solución de pronóstico de demanda para calcular cómo el clima interactúa con otros factores para afectar la demanda?

Como punto de partida, su software de planificación de la demanda debe poder integrarse con un proveedor de datos meteorológicos y meteorológicos globales precisos y obtener automáticamente datos relevantes según la ubicación de la tienda. En lugar de tener que verificar y considerar manualmente los pronósticos del tiempo para cada tienda en su red, los planificadores de demanda centrales pueden simplemente revisar los pronósticos automatizados a nivel de tienda que ya han tenido en cuenta el clima local.

Construyamos sobre ese punto de partida considerando cómo la demanda podría cambiar cuando interactúan dos factores: si hace sol o no (un factor climático externo local) y el día de la semana (una variación recurrente). Un día brillante y soleado podría impulsar las ventas de helados los sábados, cuando muchos consumidores se relajan en un fin de semana libre de trabajo. Sin embargo, el impacto de un martes soleado podría ser significativamente menor, ya que los trabajadores cansados ​​están más interesados ​​en volver a casa que en tomar un desvío para comprar helado. Un buen sistema de planificación debe poder considerar cómo la variación de los días de la semana y los factores climáticos interactúan para cambiar la demanda.

Ahora, agreguemos otro factor al sol y al día de la semana: la temperatura (también un factor externo del clima). El sábado de enero más brillante y soleado que jamás haya visto Boston seguirá siendo extremadamente frío, y es poco probable que los compradores estén de humor para un helado.

Sin embargo, un soleado sábado de enero, con sus temperaturas más cálidas, puede generar algunas ventas adicionales. Ahora, ¿qué sucede cuando promociona su marca de helado más vendida (una decisión comercial) para capitalizar este aumento anticipado de la demanda impulsado por el clima? ¿Disminuirá la demanda de productos de helado no promocionados como resultado de la canibalización de las ventas ?

Debido a que un software de pronóstico de demanda impulsado por inteligencia artificial analiza todos los factores de demanda dentro del mismo modelo, incluida la estacionalidad o la variación de los días de la semana, decisiones comerciales como promociones y datos meteorológicos, puede responder a estas preguntas fácilmente.

La automatización y la precisión de la previsión de la demanda conducen a oportunidades

Simplemente, llevaría demasiado tiempo y sería complicado calcular manualmente la relación entre cada producto, categoría de producto, variable meteorológica y ubicación de la tienda, y los pronósticos resultantes probablemente serían inexactos. Los minoristas cuyo software de planificación considera automáticamente el clima en sus cálculos de pronóstico de demanda pueden obtener beneficios sustanciales.

Los procesos impulsados ​​por IA automatizan los millones de cálculos necesarios para modelar la intrincada relación entre el clima, otros factores externos, sus decisiones comerciales y las variaciones normalmente recurrentes en sus patrones de demanda. También identifican automáticamente qué productos del surtido son más reactivos a diferentes variables climáticas y cuál es la magnitud de esas relaciones.

El resultado son pronósticos de demanda altamente automatizados, precisos y localizados que permiten a su equipo de inventario prepararse de manera proactiva para cambios significativos en la demanda relacionados con el clima. En el comercio minorista de comestibles, hemos descubierto que la capacidad de capturar el efecto del clima en los pronósticos de demanda puede reducir los errores de pronóstico hasta en un 75% para productos sensibles al clima en épocas de clima inusual, como olas de calor.

Por supuesto, la precisión del pronóstico por sí sola nunca es el objetivo final en el sector minorista. Más importante es cómo se puede aprovechar un pronóstico proactivo del clima en las operaciones minoristas para mejorar los resultados. Los minoristas pueden capitalizar las oportunidades de ventas impulsadas por el clima a través de un reabastecimiento y disponibilidad mejorados, y también pueden reducir significativamente el deterioro al garantizar que se entregue la cantidad correcta de inventario a cada tienda. En última instancia, un pronóstico de demanda que refleja el impacto del clima local en las ventas agrega valor continuo en todas sus operaciones minoristas.

elexsolutions