El  rubro  de  los  supermercados  se   ha  concentrado  los  últimos años.   En la actualidad existen dos cadenas que tienen la mayor participación de mercado, (Líder y Jumbo) abarcando entre ambas el 55% a nivel nacional.  El factor competitivo más importante entre las cadenas es el precio.  Por ejemplo, Líder se ha caracterizado por desarrollar una política de Todos los Días Precios Bajos (Every Day Low Prices), mientras que Jumbo adoptó una política de Reducciones Temporales de Precios (Temporary Price Reductions).

El objetivo del presente trabajo es determinar la percepción del consumidor sobre la imagen Global de Precios en cadenas de supermercado en las comunas de Ñuñoa y Las Condes.

Para cumplir con el objetivo se desarrolló un indicador que permitiera comparar la Percepción de Imagen Global de Precio con el nivel de precio efectivo en las góndolas de los supermercados en estudio.

El estudio abarcó el diseño e implementación de una encuesta para la recolección de la información.  La selección de los productos a estudiar se llevó a cabo mediante una pre-encuesta en conjunto con la información de la canasta del IPC.  Los productos fueron divididos en 4 subgrupos según su nivel de precio y su frecuencia de compra.  La recolección de los datos se llevó a cabo en dos etapas.  Primero, se recolectaron los precios de los productos seleccionados en las góndolas de supermercado dentro de la zona de estudio.  Segundo, se realizaron entrevistas en lugares públicos a transeúntes que realizaran sus compras de supermercado en el área de estudio.

Se desarrollaron distintos cruces con los datos, obteniendo resultados diferenciados por cadena de supermercado.

Los resultados obtenidos muestran que existe una diferencia de hasta un 9% en los precios a nivel de canasta entre supermercados.  A nivel de percepción, se pudo ver que los encuestados por lo general sobre estiman los precios.  Al comparar las percepciones de distintos supermercados entre sí se observa que éstas no son simétricas, si no que varían mucho dependiendo del supermercado en el que se realicen las compras.

En una industria con altos grados de dinamismo, competitividad y concentración como la industria del supermercado en Chile la ubicación de las tiendas es una de las decisiones estratégicas más importante que se deben tomar.  Así, contar con una herramienta que apoye las decisiones de localización es de suma importancia. Consciente de lo anterior Saitec S.A., división inmobiliaria de D&S, decidió encargar un estudio que apoye sus decisiones de localización futuras en el gran Santiago.Este Trabajo de Título tuvo como objetivo modelar la elección de los consumidores cuando escogen un supermercado, de manera que sea posible pronosticar las ventas en localizaciones potenciales.Para lograr dicho objetivo se utilizó uno de los modelos de Gravitación Comercial, los cuales plantean que los consumidores experimentan un trade-off entre la atracción de un establecimiento comercial y el costo del viaje, en base a esto deciden qué establecimiento comercial visitan; estos modelos estiman la probabilidad de escoger cada alternativa considerada.  En particular, en esta memoria se empleó el Modelo Multiplicativo de Interacción Competitiva (MCI), el cual permite modelar la elección de los consumidores mediante la técnica de Mínimos Cuadrados Ordinarios.Para calibrar el modelo fue necesario hacer un muestreo en la población, el cual fue diseñado para representar las distintas situaciones competitivas de los consumidores en el Gran Santiago.  Una empresa investigadora de mercados se encargó de entrevistar telefónicamente a 1.400 hogares.Se observó que la distancia y el tamaño de las salas, variables usadas típicamente en modelos de elección de tiendas, no son suficientes para modelar el comportamiento de los consumidores, para esto fue necesario incorporar como variables explicativas la marca del supermercado diferenciada por nivel socioeconómico, la cercanía de las salas y la atracción adicional que puede tener cada sala.  Con estas variables se explica aproximadamente el 60% de la varianza de la probabilidad de elección, resultado bastante satisfactorio si se considera que el modelo predice la elección de cualquier consumidor del Gran Santiago.El modelo desarrollado es una potente herramienta de apoyo a las decisiones de localización futura, pues tiene una buena capacidad predictiva de la elección de sala de un hogar del gran Santiago, dada su localización y nivel socioeconómico y, a través de esa predicción es posible pronosticar las ventas en localizaciones potenciales; a la vez el modelo se puede emplear para conocer en qué zonas del Gran Santiago existen oportunidades de negocio y se puede estimar la penetración de cada una de las marcas.Las principales debilidades del modelo son que los parámetros estimados reflejan las características de los establecimientos existentes en el Gran Santiago, por lo cual sólo se puede utilizar en dicha área; por otro lado, para simular las ventas de cada sala es necesario definir el mercado relevante, ya que el modelo siempre le asignará participación en todas las zonas consideradas.Como futuras líneas de investigación se propone estudiar la elección de la población flotante, desarrollar un modelo de maximización de utilidades, que use como base el modelo de elección desarrollado en este trabajo, para determinar ubicaciones óptimas y analizar otras políticas relacionadas con localización.

El adecuado manejo de inventarios del centro de distribución de una cadena de supermercados es de vital importancia si se considera que de él depende cuánto se le pide a los distintos proveedores. La idea es evitar un sobre stock que genere un aumento de costos, conservando el nivel de servicios.

En respuesta a esto, el objetivo principal de este trabajo, enmarcado en el Proyecto FONDEF “Desarrollo de tecnologías de gestión para aumentar la productividad de cadenas de abastecimiento de industrias de consumo masivo: Aplicación al caso supermercados”, consistió en diseñar un sistema de manejo de inventarios a partir de la experiencia de Empresas Bravo. Esto, para que su centro de distribución fuera confiable y fácil de usar, al tiempo que permitiera aumentar el valor de esta compañía mejorando la eficiencia de sus recursos disponibles.

Para cumplir con este objetivo se utilizó el sistema de manejo de inventarios de revisión periódica, el cual recurre a un pronóstico de demanda, sobre la base del método de suavizamiento exponencial. Con este modelo se logra mantener un nivel de servicio de 99% y reducir el inventario en un 59% ponderado de los 20 productos que se analizan en este estudio.

El principal problema asociado al manejo de inventarios en el centro de distribución es que, si bien mantiene altos niveles de stock en varios productos (expresado en días de inventario), registra quiebres de mercadería en otros, con altos costos en términos de mantención del inventario y pérdida de ventas. De lo anterior se desprende que el problema a resolver es el manejo de inventario sujeto a las restricciones propias, en este caso de una cadena de supermercados regional, en que el proveedor sólo acepta pedidos y hace entregas un día fijo de la semana.

Como resultado de esta investigación se espera establecer una metodología que utilice la información disponible para facilitar la decisión de cuánto pedir a los distintos proveedores.

La metodología para desarrollar esta tesis se desglosó en los siguientes pasos: definición del problema, revisión bibliográfica, aplicación de modelos básicos, utilización de modelos avanzados y análisis de resultados.

Conclusiones
El sistema de manejo de inventarios de revisión periódica y el método de suavizamiento exponencial de pronóstico de demanda permitió mantener un nivel de servicio en un 99% y reducir el inventario en un 59% ponderado de los 20 productos analizados, lo que equivale a un ahorro de cerca de $54 millones de pesos para la empresa.

También se estudiaron dos productos no centralizados. Al examinar sólo los pedidos externos, el inventario promedio de los supermercados se redujo en un 85% y 83%, respectivamente, esto sin bajar el nivel de servicio. En relación a los pedidos internos, en tanto, se puede realizar un estudio adicional con respecto a su frecuencia para determinar la mejor manera de manejar el inventario en forma separada.

Asimismo, se estudió un producto con una marcada estacionalidad mensual. Al mejorar el pronóstico de demanda utilizando el método de Winters, se obtuvo una importante reducción en el error de pronóstico pasando de 35% a 21%, en tanto que el error en la estimación del inventario bajó de 35% a 44%.

Dado lo anterior, se puede afirmar que se cumplió el objetivo principal de este trabajo. Esto es, diseñar un sistema de manejo de inventarios confiable y fácil de usar. Además, permitió aumentar el valor de la empresa, acrecentando con ello la eficiencia de recursos disponibles, ya que facilita la reducción del manejo de inventario manteniendo el nivel de servicio ofrecido a los clientes.

Para futuras líneas de investigación, el modelo propuesto puede ser mejorado y ampliado si se incluyen datos adicionales, de manera de incorporar la estacionalidad anual (sabido es que en esta industria los meses de marzo y diciembre presentan comportamientos especiales, así como también la temporada de verano e invierno). Por otra parte, se recomienda utilizar un método de pronóstico de demanda que considere las promociones.

Por último, es importante destacar que la restricción de hacer los pedidos en un determinado día de la semana obliga a mantener un inventario más grande que el óptimo, el cual se lograría con una mayor frecuencia de pedidos. Este es un punto a revisar para analizar si conviene hacer una nueva negociación con los proveedores.

El proyecto de investigación se enfoca en el problema de los faltantes de mercadería en góndola (FMC), índice que refleja el porcentaje de veces en el cual un cliente  no encuentra un producto en sala. En Chile, este índice alcanza un 15% aproximadamente. Estudios demuestran que la existencia de un faltante de mercadería en góndola se traduce en ventas perdidas y daño a la imagen del supermercado. Los datos de inventario son poco exactos por lo que se hace necesario un sistema que utilice datos como los transaccionales para identificar los FMC.

El proyecto consiste en un modelo de predicción de quiebres de stock para un supermercado utilizando la información transaccional y el comportamiento histórico de demanda de cada SKU. El estudio se hizo para una sala de un supermercado mayorista, y se analizaron cuatro categorías, dos de alta rotación Leches Líquidas y margarinas, y dos de baja rotación Pañales Desechables y Leches en Polvo. En primer lugar se hicieron mediciones del stock diario en góndola para estas cuatro categorías, datos usados para medir la capacidad predictiva de los modelos. Con esto se obtuvo el valor de lo que sería la variable dependiente disponibilidad; si un producto está disponible o no en un día determinado. Las variables predictivas se derivaron de los datos transaccionales provenientes del POS y características de los productos. Luego, teniendo definidas las variables a utilizar se construyeron modelos de árboles de decisión y regresión logística para cada categoría, y se compararon usando los costos de los errores de pronósticos para cada caso.

En el caso de Leches Líquidas, el mejor modelo predijo el 56% de los días-productos que estaban en estado de quiebre de stock con una efectividad del 50% y para Pañales Desechables, un 46% con una efectividad del 78%. Se comprobó también la capacidad de generalización de los modelos a las otras dos categorías, y el resultado fue que para categorías de alta rotación como leches líquidas y margarinas, era conveniente hacer un modelo para cada categoría, mientras que para categorías de baja rotación se puede generalizar el modelo propuesto para pañales desechables. El resultado final es un modelo de predicción para cada categoría y recomendaciones para la generalización de estos modelos sobre otras categorías, como también un esquema con los pasos a seguir para la implementación en el supermercado.

Como trabajos futuros se propone investigar la manera de generalizar los modelos propuestos a todas las categorías de la sala y a lo largo de toda la cadena, realizando nuevas mediciones para tener mayor información para analizar.

Ver presentación.

El objetivo principal que tuvo este estudio fue diseñar, implementar y validar una metodología que permita diagnosticar las causas de los faltantes de mercadería en góndola (FMG) en una sala de supermercado, que además permita establecer los nexos entre los procesos de que se realizan en la cadena de abastecimiento y las causas, para así delinear propuestas de mejoras en aquellos procesos que se les diagnostiquen falencias.

La no disponibilidad de los productos en las estanterías genera una serie de pérdidas económicas y de imagen para todos los agentes de la cadena de abastecimiento, en general se estima que los FMG generan en Chile una pérdida del orden del 10% de las ventas anuales a la industria supermercadista, según GS1 Chile 2005.

El estudio constó de 2 trabajos de campos, el primero enfocado en desarrollar la metodología propuesta para caracterizar las causas de los FMG, establecer la duración de éstos y cuantificar las diferencias entre la situación de la sala, Chile y el mundo. El segundo trabajo de campo consistió en la realización de un levantamiento de los procesos de reposición y reabastecimiento, estableciendo los vínculos entre las causas encontradas y los procesos, para luego detallar y formular un diagnóstico de aquellos procesos que expliquen significativamente los FMG, para finalmente desarrollar propuestas de mejoras a estos procesos.

Los resultados obtenidos en el primer trabajo de campo, muestran que el 87% de los faltantes se explican por falencias en procesos realizados al interior de la sala. Dentro de estos procesos destacan dos, el proceso de reposición y el proceso de pedido, los cuales explican el 42% y el 38% de los FMG respectivamente.

Los diagnósticos realizados en el segundo trabajo de campo a los procesos de reposición y de pedido, revelaron que para el primero el problema radica en el modelo de reposición implementado, el cual se basa en la existencia de dos tipos de reponedores, los externos (a cargo de los proveedores) y los internos (a cargo del retailer).  La falta de comunicación y descoordinación entre los proveedores y el retailer, provoca una serie de fallas que afectan directa e indirectamente a todas las actividades que componen el proceso. Por otro lado el proceso de pedidos se ve perjudicado gravemente por la actual forma de estimar la demanda, el retailer posee un sistema de reposición automático, cuyo algoritmo de pronóstico de demanda no es adecuado y tampoco existe un control de inventarios apropiado que pueda entregar una información fidedigna de los stocks teóricos.  Por lo tanto los pedidos generados por el sistema son errados, lo que provocó que en la sala casi se deseche por completo el uso del sistema por parte del personal, de modo que la demanda es estimada por los jefes de secciones basándose en las sugerencias de los reponedores y utilizando criterios poco rigurosos.

A partir de los diagnósticos se propuso usa serie de mejoras para ambos procesos, dentro de las propuestas destacan:  el aumento de coordinación y comunicación con los proveedores, el reemplazo del actual algoritmo de pronóstico de demanda del sistema de reposición automático y la creación de inspecciones localizadas para ajustes de inventarios.

En las empresas de retail una buena administración del inventario es ciertamente necesaria debido a la gran cantidad y diversidad de productos que manejan.  En este caso la empresa en la que se desarrolló la investigación fue Supermercados Bryc, cadena de más de 25 locales todos ubicados entre la VI y X región de nuestro país.  Actualmente colaboran unos 1.500 empleados los que permiten una facturación aproximada de 60 mil millones de pesos al año, con una participación de un 1,3% del mercado nacional y con grandes perspectivas de crecimiento.

Debido a ciertos problemas e inquietudes de la empresa, tales como la existencia de quiebres de stocks en las salas y elevados niveles de inventario en algunos casos, el objetivo de este trabajo ha sido diseñar y evaluar un nuevo sistema de control de inventario para las salas de venta.

El sistema de administración de inventario se ha basado en el modelo de revisión periódica, el cual consiste en revisar el stock cada cierto tiempo y pedir una cantidad sugerida de acuerdo a un pronóstico de demanda, tomado como dato, y resguardándose de las variabilidades tanto de la demanda, como la de los proveedores a través de un inventario de seguridad.

El trabajo se enfocó inicialmente en el estudio de una sala, el Bryc Nº 1 ubicado en Curicó, escogiéndose 5 categorías representativas:  Detergentes de ropa, Papeles higiénicos, Aceites, Cecinas y Galletas.  De cada una de estas categorías se estudiaron los 10 productos más vendidos.

Una vez generadas las estadísticas de quiebres y de inventario promedio entre otras, se pudo constatar la situación actual de este local, donde encontramos en forma agregada, quiebres de 2% y niveles de inventario promedio correspondientes a un 12% de las ventas de los productos en estudio.  Estos antecedentes fueron recogidos durante nueve semanas de operación.

Paralelamente, se estableció el impacto de los atrasos y la entrega de pedidos incompletos por parte de los proveedores sobre el nivel de inventario.

Finalmente como resultado de este estudio, al aplicar el modelo a los pronósticos de demanda, se logra una disminución en el nivel de faltantes desde un 2% a menos de 0,3% y además una disminución en el nivel de inventario de más de 22%.

Si esto lo aplicamos al resto de los productos de las categorías, a las demás categorías y además lo replicamos en el conjunto de sucursales, estos resultados permitirían ahorros en los costos de administración del orden de $ 50 millones anuales, en conjunto con la disponibilidad de mayor espacio en bodegas y estantes, y el compromiso de poder entregar un mejor nivel de servicio a los clientes.

Un continuo aumento de la cantidad de SKU en las salas de venta de los supermercados ha traído consigo una mayor propuesta de valor para los clientes, pero también ha generado nuevos desafíos. Por ejemplo, se ha vuelto mucho más latente e importante el problema de los faltantes de mercadería en góndolas (FMG) de supermercados. En Chile, se estima que los productos en estado FMG poseen un impacto económico de ciento cincuenta millones de dólares, sólo en costos directos.

El objetivo del presente estudio es la formulación de modelos que detecten eventos FMG mediante el análisis de la información transaccional generada en los puntos de venta. La necesidad de plantear un modelo de estas características proviene de la problemática asociada a los errores presentes en el sistema de inventario de los supermercados.

La metodología consta de cinco puntos esenciales: Análisis de la información disponible para la sala en estudio, Definición de subcategorías a estudiar, Desarrollo y evaluación de modelos preliminares de detección, Mediciones en sala para obtención de variables y Desarrollo y evaluación de modelos.

Se analizan 9 subcategorías (350 SKU) y el período de adquisición es de 35 días (12 horas diarias), registrando las unidades vendidas y estado de los productos en las góndolas en intervalos de una hora. Las variables de entrada seleccionadas son: Ventas del SKU en análisis, Ventas de la subcategoría, Día y Hora del instante en análisis.

El problema es identificado como de clasificación de eventos FMG, es decir, de determinación si un SKU dado se encuentra en estado FMG bajo ciertas condiciones derivadas de las variables de entrada. Se utilizan modelos de redes neuronales MLP (Multi Layer Perceptron).

Se comprueba que los modelos son capaces de distinguir efectivamente eventos FMG y bajas demandas, obteniendo niveles de efectividad superiores al 70%. Además, se evalúan los errores en la clasificación, identificándose que, en general, los modelos mantienen su capacidad de clasificación para la mayoría de las subcategorías estudiadas.

Los modelos diseñados son capaces de lograr efectos considerables en la gestión de abastecimiento de las salas de supermercados. El 32% de los eventos FMG poseen una duración igual o superior a 8 horas, por lo tanto, la operación normal de los modelos permitiría reducir significativamente el porcentaje de productos en estado FMG debido a que la mayoría de estos eventos son identificados por el modelo.

Se plantean diversas líneas de investigación como consecuencia del estudio, dentro de las cuales destacan: Extensión del modelo a otras subcategorías o locales y Aplicación de otros tipos de modelos de clasificación y variables de entrada.

La gestión de categorías es un enfoque que se creó con el fin de facilitar la
administración de las salas de retail, tarea que se ha vuelto paulatinamente más compleja en el tiempo, debido principalmente al incremento en el número de SKU (Stock Keeping Utility).

El presente trabajo tiene por objeto el diseñar una metodología, que permita
tomar decisiones de surtido de categoría , en una tienda de conveniencia.

Este proyecto pretende ser un aporte en la etapa de la toma de decisiones al especificar las variables que deben ser controladas y descartar las que no aportan información adicional al problema, simplificando la labor de la administración de las salas.

En la parte inicial del trabajo se investiga acerca de la gestión de categorías
y los sistemas de control de gestión, recopilando las técnicas e indicadores de control y desempeño con los cuales se evalúa la gestión de categoría en la
actualidad. Posteriormente se define n los indicadores seleccionados para formar parte de este estudio y que serán la base que sustentará la toma de decisiones, teniendo en cuenta los objetivos que persigue una tienda de conveniencia. A continuación se calculan los indicadores seleccionados a una base de datos real, compuesta por 6 locales de la cadena Pronto Copec, se analizan cuantitativamente  los resultados obtenidos y se efectúan las propuestas de surtido de SKUs pertenecientes a las categorías en estudio, identificando los factores determinantes  en la decisión.

Por último, con el objetivo final de diseñar una Metodología general que
apoye las decisiones de surtido de distintas categorías dentro de una tienda de  conveniencia, se identifican patrones en los análisis que determinaron la propuesta de surtido anterior, de manera de generalizar los resultados para que la herramienta creada sea aplicable a distintas categorías y subcategorías dentro de estas tiendas.

El estudio realizado arrojó que, en las tiendas de conveniencia, los
indicadores de gestión utilizados se pueden agrupar en 3, según la información que entreguen: los asociados a ventas, a inventario y a rentabilidad. A partir de estos tres factores se crean dos dimensiones: “desempeño financiero”, definida por ventas y rentabilidad, y “eficiencia de inventario”, definida por ventas e inventario. La metodología propone evaluar a cada SKU en ambas dimensiones, y, dependiendo de estas evaluaciones, se sugieren medidas a seguir para mejorar el desempeño del
SKU, y el de la categoría o subcategoría analizada.

La presente memoria tiene como principal objetivo apoyar la toma de decisiones en el surtido de los supermercados, mediante la construcción de la metodología diseñada.  Esta se aplicará a la categoría “Cuidado del Cabello” en la cadena de supermercados BRYC.

Según las metodologías estudiadas, actualmente la toma de decisiones, en materia de gestión de surtidos en supermercados, es unidimensional y meramente intuitiva, ya que sólo contempla el volumen de ventas como factor determinante.  Sin embargo, existen otras dimensiones que van más allá de la venta.  En este trabajo se estudiarán cuatro aspectos adicionales para caracterizar el surtido: el monto del ticket, indicador de cobertura de atributos, la rentabilidad y el precio unitario del producto.

En primer lugar se efectuó el levantamiento de información, con el fin de conocer el estado actual de la cadena y los indicadores utilizados en estudios anteriores.  Se determinó la información que permite identificar las diferencias significativas que existen entre salas, con lo que se realizó un clustering para definir grupos de manera de construir un surtido particular a cada cluster de salas.  A continuación, en base a las dimensiones consideradas para medir el surtido y mediante técnicas de segmentación, se generaron grupos de productos, sobre los cuales se establecieron los criterios para la eliminación o modificación de precio de productos existentes o la incorporación de nuevos.

El resultado fueron cuatro grupos de salas, de los cuales se analizó uno, al cual se le denominó “altas ventas”.  Para este grupo de salas se establecieron dos segmentaciones de los productos, que se diferencian principalmente por las decisiones que es posible tomar sobre ellos.  Sobre la base de los grupos obtenidos se construyen criterios para eliminar o modificar el precio de productos o sugerir posibles incorporaciones.  Se propone la eliminación del 13% del total de productos presentes en el surtido actual y a un 10% incrementar el precio.  Además, fue posible identificar incorporaciones de nuevos productos, por ejemplo, anticaspas de la marca propia de la cadena, con lo cual es posible ajustar el surtido a las necesidades de los consumidores.

Se concluye que las soluciones actuales para la toma de decisiones en surtido, son miopes y es posible incorporar otras dimensiones como los aspectos cubiertos en la metodología propuesta.  Se propone la realización de una investigación de mercado que determine las percepciones de los clientes y el testeo de una propuesta de surtido, con el fin de abarcar las diversas aristas que tiene el complejo problema analizado.  Se recomienda finalmente que la cadena evalúe periódicamente el surtido ofrecido, atendiendo al carácter dinámico del mercado.

El presente trabajo tiene por objeto el diseñar y testar una metodología que permita la evaluación de la gestión de categorías en una tienda de conveniencia, al especificar las variables que deben ser controladas y crear un consenso en la forma de la evaluación.

La gestión de categorías es un proceso en que se administran grupos de productos como unidades estratégicas de negocio. Para cada una de éstas, se toman decisiones tácticas de precio, espacio, variedad, surtido, promoción y frecuencia de reposición en forma independiente de acuerdo al rol asignado y estrategia elaborada para cada categoría.

El concepto de tiendas de conveniencia se refiere a establecimientos que poseen una superficie inferior a 500 m2, un horario de atención continua y una selecta oferta de productos.  Es por esto que se tienen mayores restricciones que en otro tipo de formatos en cuanto a la asignación de espacio y surtido de productos en las categorías.  Por consiguiente, estas decisiones cobran una mayor importancia y se requiere un análisis en mayor detalle de ellas.

En la parte inicial del trabajo se investiga acerca de la gestión de categorías y los sistemas de control de gestión.  En forma posterior se elabora la estructura de objetivos estratégicos que debe cumplir una tienda de conveniencia. A cada objetivo se le asigna un conjunto de indicadores con el objeto de evaluar el desempeño. De esta forma se escogieron doce indicadores puntuales y un indicador global creado a partir de la técnica del Data Envelopment Análisis (DEA) de manera de evaluar la gestión de categoría en cada sala. Mediante esta metodología se evalúan principalmente las decisiones de espacio asignado y surtido de productos.

Los indicadores fueron calculados a partir de las bases de datos de POS, nivel de inventario, planograma, marketing mix, maestro de productos y Scantrack para cada local. Para cada decisión, se cruzaron los indicadores que la evalúan. Dentro de ellos cabe destacar en la evaluación del espacio, al perfil semántico de RPI, Ventas/m y Contribución/m, y el de GMROII v/s Espacio. En la evaluación de surtido, cabe destacar el cruce entre Entropía y Nº de SKU. Además, resulta de vital importancia el rol del indicador global, ya que por su naturaleza aporta un punto de vista multidimensional que complementa el análisis.

La metodología propuesta fue aplicada en las tiendas de conveniencia Pronto Ciudad de formato 330 m2 y 190 m2, de Empresas Copec S.A. Esta fue aplicada, tanto a nivel de categorías como al interior de cuatro de ellas, donde se encontraron las fuentes de ineficiencia a nivel de SKU.  La fuente de ineficiencia que fue detectada en forma más recurrente corresponde a una alta asignación de espacio motivada por un alto número de SKU en cada una de las categorías. Así, se apreció que, no solo las categorías tenían baja entropía con un alto Nº de SKU sino que más del 10% de los productos en el 60% de las categorías no se venden o no son pedidos.  En un futuro se debería trabajar en cada categoría reconfigurando el maestro de productos y la asignación de espacio.  Esto conllevará efectos en la relación con los proveedores y el  manejo de inventarios, ya que se deberá realizar una nueva política de ingreso y salida de productos del maestro. Además se liberará espacio en la sala, por lo que se podrían incorporar nuevas categorías a la variedad de productos.

El presente trabajo tuvo como objetivo diseñar y testear un modelo de análisis de categorías para evaluar la administración en sala de un retail.

La gestión de categorías es una técnica de management, relativamente reciente, que nace para enfrentar la complejidad de la administración de retail.  Hoy en día, un supermercado de tamaño medio maneja más de 20.000 SKU.  La gestión de categorías introduce el concepto de administrar grupos de SKU de características similares como si fueran negocios quasi-independientes. Este proceso incluye definir el objetivo de cada categoría, que en términos simples, puede ser el de atraer consumidores a la tienda, mostrar calidad al cliente, satisfacer sus requerimientos de precio y promociones, y, apoyar la generación de utilidades por parte del negocio.

Es claro que para optimizar la operación de la tienda/cadena, es necesario que diferentes categorías enfaticen diferentes objetivos. Por lo tanto, la técnica de evaluación de ellas debiera ser multi-objetivo. Pero, actualmente la evaluación se realiza principalmente a través de indicadores de gestión, los cuales no permiten realizar una evaluación muy global ni compleja debido a que intrínsicamente son mono-objetivo.  Frente a ello, este proyecto pretende diseñar una técnica multi-objetivo que complemente a los indicadores en el proceso de evaluación de la gestión.

Con este fin se trabajó en la creación de un índice de eficiencia relativo para las categorías, utilizando un modelo de programación lineal llamado Data Envelopment Análisis (DEA), el cual compara unidades de negocios según la generación de productos dado un set de insumos, definiendo una frontera eficiente de producción.  Para adaptar este modelo al problema de la evaluación de categorías, y basándose en la literatura de referencia, se definen como insumos los recursos del administrador de categoría:  espacio en góndola, el número de SKU en oferta , el descuento en precio y la presencia en el catálogo de la tienda.  Como productos se define el nivel de ventas, el margen y la penetración. El proyecto incluye nuevos productos, cubriendo otros objetivos de las categorías.  Estos son la cobertura de participación de mercado, relacionado con satisfacción de la demanda, y, la entropía ponderada, la cual es una medida de la variedad percibida, que está relacionado con el nivel de satisfacción del cliente, las ventas y la elegibilidad de la sala.

Utilizando el índice de eficiencia, se evaluó el supermercado DECA Balmaceda, de Rendic Hnos. Se encontraron 28 categorías ineficientes, sobre 40 evaluadas.  Los resultados del modelo DEA entregan también unos targets, que corresponden a recomendaciones de management sobre el nivel de insumos que harían ser eficiente a las categorías que no lo son.  El análisis de estas recomendaciones mostró que la principal causa de las ineficiencias era un problema de asignación de espacio, debido a que las categorías con mayor nivel de productos estaban siendo sobreasignadas de espacio en góndola.  Esta conclusión fue estadísticamente validada y respaldada con lo informado por los indicadores de gestión.

Finalmente, las recomendaciones sobre trabajos futuros en el área se resumen en probar el modelo en más casos reales; investigar otras interpretaciones de sub productos de DEA, con el benchmark, y extender el alcance del modelo incorporando la comparación de categorías entre salas y el seguimiento del comportamiento de los indicadores a través del tiempo.

El presente Trabajo de Título tuvo como objetivo describir las percepciones que tienen los consumidores sobre el surtido en góndola de supermercados, entendido como la profundidad o número de productos presentes en la categoría, agrupándolo en variables para construir un modelo que lo caracterice.

Previo al desarrollo del estudio se analizaron los modelos teóricos existentes, entre los cuáles se plantea que los consumidores evaluarían positivamente surtidos  pequeños que faciliten la opción de compra, surtidos que contengan opciones aceptables de compra y pocas alternativas que no sean de su agrado, y que el orden de los productos afectaría la percepción de éste.

El trabajo realizado consistió en un esudio de carácter exploratorio debido al desconocimiento del tema y a la necesidad de comprender mejor las opiniones de los consumidores.  Para esto, se utilizó herramienta de investigación cualitativa denominada focus group, que consiste en una discusión entre un pequeño grupo de personas.

Se realizaron tres focus group; en las comunas de La Florida, Providencia y Las Condes, compuestos por mujeres que realizan las compras del hogar y desarrollados en dos etapas:  en la primera, las dueñas de casa  inspeccionaron tres categorías específicas de productos en un conjunto de supermercados, y en la segunda se llevó a cabo una conversación sobre lo observado.

A través del análisis de opiniones, se descubrió un grupo de variables que fue asociado de manera instantánea al concepto de surtido, como la variedad de marcas y precios.  Tras la observación en el supermercado, se encontró también un segundo grupo compuesto por las variables de orden en góndola y existencia de espacios vacíos atribuíbles a faltantes.

Los resultados encontrados permitieron confeccionar dos modelos de surtido.  Por una parte, se planteó un modelo resumido que agrupa un conjunto de nueve variables seleccionadas según su frecuencia de aparición en los juicios, comprendido por:  variedad de especialidades, marcas, calidad, sabores, fragancias, tamaños y precios, orden de la góndola y tamaño del surtido.  Por otro lado, se elaboró un modelo general de veintisiete variables que surgieron de la conversación realizada que puede ser descrito por tres conjuntos de variables:  variables de atributos de la categoría, variables de supermercado y condiciones que favorecen la evaluación del surtido.

Es importante señalar que la información recolectada mediante esta investigación dio pie para generar una discusión con respecto a la teoría existente, ya que los modelos incluyen un nuevo factor a la evaluación del surtido como lo es la variedad de precios y a la vez contradicen visiones de tamaño y productos que se deben incluir en la góndola.

Finalmente, el modelo encontrado a través del enfoque exploratorio puede ser utilizado como punto de partida de un estudio cuantitativo, en el cual se evalúe la importancia relativa de las variables asociadas a la variedad de surtido de una categoría.

La gestión de una sala de supermercados es hoy día una tarea compleja pues se deben tomar decisiones sobre alrededor de treinta mil ítems en forma continua. En respuesta a esta necesidad nace la Administración de Categorías (AC), que consiste en administrar los productos en subconjuntos disjuntos denominados categorías, en donde cada una de éstas es tratada como una unidad estratégica de negocio. En Chile la AC está en una etapa inicial, pero su desarrollo es inevitable, mirando lo que ha sucedido en otros países. Esto supone una demanda futura importante por administradores de categoría que tengan conocimiento y habilidades para tomar decisiones respecto a cada ítem bajo su responsabilidad: precio, actividades promocionales, espacio asignado y reposición. Es necesario que la capacitación de éstos sea efectiva y eficiente.

La tesis consiste en diseñar y desarrollar un juego de negocios que permita capacitar a los encargados de la administración de categorías en supermercados. Este juego está basado en modelos de comportamiento y de segmentación de consumidores, que permiten simular lo que ocurre, en el día a día, en una góndola de un supermercado, y así lograr que los jugadores aprendan a hacer pricing, efectuar acciones promocionales, asignar espacio y establecer políticas de reposición y comprender cómo influyen las acciones tomadas en los resultados de las jugadas.

Para diseñar el juego, los pasos que se siguieron fueron: estudiar literatura sobre juegos de negocios y modelos de comportamiento de consumidores, efectuar pruebas con los modelos hasta calibrar los parámetros y por último elegir las herramientas computacionales para la programación del software.

En la práctica, el juego hace seguimiento de un papel heterogéneo (simulado) de consumidores, que visita una sala de supermercados en busca de un producto de una categoría. Cada consumidor tiene un conjunto de opciones aceptables, dentro de las cuales hace su decisión de compra. Este conjunto depende de las decisiones tomadas por el jugador, en caso que la góndola no posea ningún producto dentro de él, el consumidor compra en otro lugar y se generan menores ingresos efecto de ventas perdidas. Las pruebas efectuadas han mostrado que los resultados de las simulaciones, cuantificando en los ingresos netos, responden adecuadamente a las decisiones de precio, promoción, espacio y reposición tomadas por los jugadores.

Las interfaces desarrolladas son amigables y presentan flexibilidad de interacción para los usuarios. Permiten configurar nuevos escenarios e implementar mercados de diferentes características, ampliando así el ámbito de las capacitaciones de los administradores de categorías.

Hasta el momento, no existe un software de estas características a nivel latino-americano.

El cálculo del valor o lifetime value de un cliente es valioso para determinar cuánto tiempo, esfuerzo y dinero invertir en un cliente, bajo una perspectiva de largo plazo.  En el caso del retail, el comportamiento de compra histórico puede utilizarse para pronosticar lo que un cliente hará en el futuro y así estimar su lifetime value.  Indicadores de Recency ®, Frequency (F) y Monetary Value (M) aportan información suficiente para la construcción de modelos predictivos.

Actualmente, las segmentaciones basadas en comportamiento transaccional se generan típicamente en base a información de un período de tiempo pasado.  Se propone la incorporación de nuevos indicadores que den cuenta del comportamiento que se espera a futuro, que complementen o incluso sirvan como base para generar nuevas segmentaciones.

La metodología utilizada es la de KDD (Knowledge Discovery in Databases).  Se aplica la metodología sobre el caso particular de clientes que compran con tarjeta de socio en un supermercado mayorista. Se estudia su comportamiento en el tiempo y se construyen modelos de lifetime value que se ajustan a sus datos RFM.  Los modelos se construyen bajo el supuesto de independencia entre la frecuencia y el monto de compra de un cliente.  En particular, se construyen tres modelos: dos que se basan directamente en los datos observados y un tercero, el Pareto/NBD, que intenta descubrir los patrones subyacentes en el comportamiento.  Este último fue creado por Schmittlein, Morrison y Colombo (1987) y luego adaptado por Fader, Hardie y Lee (2005). Para la validación, se definen ventanas de tiempo en las cuales el comportamiento de los clientes es conocido. Se utiliza una primera ventana de tiempo para la calibración de los modelos, los cuales, una vez calibrados, se utilizan para pronosticar lo que sucederá en una segunda ventana de tiempo.  El juicio sobre la validez de los modelos se realiza en base a un análisis de los errores de pronóstico.

El resultado final consiste en una metodología de estimación de lifetime value que obtiene el valor de todos los clientes de una base particular. Además, entrega para cada uno de ellos la probabilidad de actividad, el número de transacciones y montos futuros pronosticados para el período de validación, y el valor presente del número de transacciones futuras. Se concluye que los modelos utilizados son útiles para predecir el comportamiento a nivel de segmentos de clientes. En particular, el Pareto/NBD es capaz de pronosticar cambios en el comportamiento de 125 segmentos RFM con un error MAPE ponderado del 10% en el número de transacciones y de 15% en el monto total.

Como propuesta de trabajo futuro, la incorporación de información complementaria a la transaccional (por ejemplo sociodemográfica) puede aportar a la mejora de los modelos de lifetime value a nivel de clientes individuales.

El presente trabajo tiene como objetivo caracterizar el proceso de fuga de los clientes de un retail banking. Conocer este proceso tiene mucha relevancia, debido a que actualmente las empresas no solo deben preocuparse por atraer nuevos clientes sino también en mantener a aquellos que le están generando beneficios, para de esta manera aumentar sus utilidades. Si se logra anticipar el momento en que un cliente se va de la empresa, se pueden tomar acciones preventivas para evitarlo.

La metodología escogida para enfrentar el problema está basada en el KDD “extracción del conocimiento de datos”. Esta consiste en varios pasos consecutivos y retroalimentativos, que van desde la selección de los datos con los cuales realizar los experimentos, hasta la asimilación del conocimiento que entregan éstos.

Se definió primero como criterio de fuga el período en el cual un cliente permanecía inactivo y en cuan distanciado se encontraba éste con respecto a su frecuencia promedio.

Para la realización del trabajo se tomó como base información transaccional de los clientes, específicamente el tiempo transcurrido desde su última transacción (R), su frecuencia (F) y su monto promedio por transacción (M). Con estos datos se hicieron agrupaciones de clientes, en base a las cuales se modeló su dinámica a través de Cadenas de Markov. Se realizaron experimentos con distintos métodos de clasificación, con lo que se determinó el número de estados de la cadena en cada caso. Además, se obtuvieron las probabilidades de transición, mediante diversos métodos de estimación.

Finalizados los experimentos, se concluyó que la clasificación que minimizaba los errores en la predicción de fuga fue el Agrupamiento de K Medias, utilizando las variables R y M de los clientes.  Se obtuvo cinco grupos activos más el correspondiente a fugados.

Como resultado se determinan las probabilidades de fuga de todos los grupos de clientes, los cuales están ordenados ascendentemente en función de esta probabilidad, encontrándose desde los clientes leales (con una probabilidad de 0,01) hasta el grupo con alta probabilidad de fuga (con un valor de 0,74).

Con el  modelo obtenido se pueden hacer estimaciones de fuga por segmentos de clientes, con errores promedio de 1,5%.

Como conclusión se puede decir que la empresa posee clientes que se van rápidamente al estado de fuga y otros que lo hacen lentamente, sobre los cuales se podrían realizar acciones enfocadas a retenerlos.

El objetivo del presente trabajo es construir y validar una metodología para estimar el customer lifetime value (CLV) a nivel de clientes usando variables socio-demográficas y transaccionales para una cartera de clientes de la tarjeta de crédito de la empresa de retail en estudio.

Las empresas actuales están enfocadas en la atención al cliente más que en el producto y, es por ello, que han destinado esfuerzos para lograr entender y satisfacerlos con el fin de obtener una relación empresa-cliente rentable y duradera en el tiempo. Se desea poder identificar los clientes más y menos valiosos para tomar la decisión de incrementar o terminar la relación con éstos. El concepto de CLV corresponde a un indicador que permite rankear los clientes de acuerdo al valor de dicha relación. Experiencias anteriores han obtenido que el cálculo del CLV basado sólo en los atributos RFM (Recency, Frequency y Monetary Value) de los clientes no es suficiente para estimarlo a nivel individual, lo que indica la existencia de otros factores que influyen en el comportamiento de compra de los clientes.

Se construyen dos metodologías, la primera consiste en determinar las variables socio-demográficas que agregan valor en el cálculo del CLV y la segunda corresponde a la metodología de cálculo de dicho indicador. La metodología del cálculo del CLV se concentra en la estimación del número de transacciones futuras de cada uno de los clientes. Se utilizan cuatro modelos predictivos: el Modelo Pareto/NBD modificado por Fader, Hardie y Lee), Simple, Media Condicional y Media Incondicional, los tres últimos se basan directamente en el comportamiento pasado de los clientes, mientras que el modelo Pareto/NBD intenta descubrir patrones subyacentes de ellos representando las compras y tiempo de inactividad de los clientes a través
de distribuciones conocidas. La validación de resultados se realiza mediante un análisis de errores de pronósticos entre la estimación del número de transacciones y el valor real de éste.

Los resultados obtenidos consisten en que las variables género, edad y región agregan valor en la estimación del número de transacciones y, por ende, en el cálculo del CLV, siendo el valor de un cliente promedio de $281.075 para un horizonte de 40 años. Por otro lado, se incorporan clientes inactivos y se aplica una constante para eliminar el error sistemático observado en los pronósticos de los modelos Pareto/NBD y Simple. Estos modelos son válidos en caso de clientes que realicen compras de bajo envolvimiento y cuya primera compra sea hace más de 1 mes. Se concluye que el modelo Pareto/NBD predice con mayor exactitud el comportamiento futuro de los clientes a nivel individual, con un valor del MAPE de 63,0%.

Para trabajos futuros se propone modelar el monto promedio por transacción junto al de la frecuencia de compra y realizar una segmentación de clientes previa a la aplicación de la metodología.

Para una cadena de supermercados es de vital importancia poseer la capacidad de pronosticar la demanda por los distintos productos que ofrece a sus clientes.  Contando con esa información, puede planificar la cantidad de productos a enviar a un local de venta en particular, definir la cantidad de camiones a destinar para la distribución y gestionar eficientemente el stock de productos, tanto en el local de venta como en su centro de distribución.

El objetivo de esta investigación es obtener pronósticos de demanda de productos en un local de venta de la cadena de supermercados, el cual se encuentra ubicado en Curicó. A través de la utilización de modelos ARIMA se generan predicciones de las ventas futuras en dicho local.  Adicionalmente, el estudio de la composición de los modelos diseñados permite determinar cuáles son los factores más significativos para la demanda por cierto producto, ya sea la ocurrencia de un feriado, la ejecución de una promoción, un aumento en el precio del bien, entre otros. Se propone para trabajos futuros el estudio profundo de dichas variables y la cuantificación real de su influencia en la venta de productos.

Para realizar esta investigación, se seleccionó un grupo de SKU’s (Stock Keeping Unit) de especial interés debido a su impacto en la cadena logística de la empresa, en cuanto a volumen físico, frecuencia y sistemas de despacho desde el proveedor a los puntos de venta, y su importancia en las ventas de local. Mediante la observación y el procesamiento de registros a nivel semanal, y contando con datos de venta y precio de productos en un horizonte de 45 semanas, estos productos son estudiados a profundidad, encontrándose correlaciones entre los datos de cada producto, determinándose la estacionalidad en su demanda y la importancia de hechos externos en el comportamiento de las ventas.  Asimismo, se pueden apreciar las características del modelo que la empresa está utilizando actualmente para realizar pronósticos de demanda.  Se realiza un análisis cuantitativo de la calidad del modelo, definiéndose medidas de error absolutas y relativas a los datos, junto con una comparación con el modelo predictivo ARIMA propuesto por la investigación.

Los principales resultados se refieren a la capacidad de pronóstico de los modelos diseñados.  Dicha capacidad se refleja en el error incurrido por el modelo en sus predicciones.  La medida de error utilizada fue el MAPE (Mean Average Percentual Error), el cual para los modelos propuestos fluctuó entre 6& y 24%, mucho menor a los observados con el modelo actualmente utilizado por la empresa que varía entre 29% y 139%.

En caso de implementarse los modelos propuestos, en conjunto con un modelo de gestión de inventario, la empresa observaría una notable disminución tanto en los quiebres de stock en sala como en los niveles de inventario en bodega, logrando así una reducción en sus costos de capital y una mayor calidad en el servicio ofrecido a sus clientes.

Aunque los resultados son alentadores, existen factores que permitirían perfeccionar aún más los pronósticos. La demanda por productos está influenciada por un grupo de factores externos a la serie de ventas (acciones de la competencia, futuras promociones, efectos metereológicos, entre otros) de los cuales, en su mayoría, no se contaba con información para enriquecer el modelo de predicción.  La recopilación y mantenimiento de datos sobre el comportamiento de estos factores facilitarían la construcción de modelos de pronóstico más robustos, fidedignos y que permitan una gestión mucho más completa de la logística del local de ventas.  Dichas mejoras permitirán que la empresa adquiera una posición competitiva más fuerte y facilite la obtención de sus objetivos de expansión y penetración en un mercado tan exigente como el de los supermercados.

El presente trabajo de título tuvo como objetivo desarrollar una herramienta de pronóstico de demanda que permita mejorar la gestión de la categoría en un supermercado, y en particular, la gestión de disponibilidad.

El problema de pronósticos de demanda para un retail aumenta en dificultad al ir bajando en los niveles de agregación; si además consideramos que se maneja un elevado número de SKUs el problema se vuelve aún más complejo.  Se trabajó con un modelo basado en atributos ya que se buscaba desarrollar una herramienta que permitiera estimar la demanda para la categoría completa, simplificando el trabajo de estimación de modelos ad-hoc por producto.

Se pronosticó la demanda a nivel de SKU para la categoría aceites de una sala de un supermercado. Los 28 productos que componían la categoría se caracterizaron en función de 3 atributos; marca, tamaño del envase y origen del aceite. A partir de un modelo de participación de mercado se recuperó la utilidad que genera a los clientes cada SKU. Esta utilidad se escribe como función de la combinación de niveles de atributos y de efectos de marketing.  Mediante análisis de regresión se estimaron los parámetros que representan a los efectos fijos y efectos de variables de marketing. Se utilizaron estos parámetros para estimar la utilidad esperada de cada SKU para los siguientes períodos. Con esta información y a través de un modelo de participación de mercado Logit Multinomial se estimó la participación de mercado esperada para cada SKU en los siguientes períodos. Finalmente, mediante un pronóstico del volumen de ventas totales realizado por suavización exponencial se recuperó el pronóstico a nivel de unidades.

Se realizaron pronósticos para períodos de dos semanas a nivel diario y semanal, demostrando que el modelo de atributos es más eficiente que el modelo de suavización exponencial para los pronósticos semanales.

Se observó la existencia de una componente de tendencia en las series de efecto fijos a nivel de atributos. Se estudió una modificación al modelo y se pronosticó el efecto fijo incorporando dicha tendencia. Los pronósticos de demanda obtenidos mediante esta modificación son más eficientes que los realizados por el modelo de atributos convencional.

El modelo permite la incorporación del efecto de otras variables de marketing como display y promoción. A partir de los parámetros estimados es posible calcular elasticidades del precio.

Se recomienda profundizar en el estudio de las modificaciones propuestas al modelo de atributos, y el desarrollo de un índice que permita determinar el tamaño de la ventana de datos que permita a su vez, capturar de mejor  manera el efecto de las variaciones temporales.

La industria de los supermercados en Chile ha crecido considerablemente durane los últimos años, aumentando a su vez la competitividad entre sus agentes. Esto ha llevado a que las empresas se vean obligadas a ser cada vez más eficientes para tratar de reducir sus costos de operación y traspasar este beneficio a los precios que ofrecen a sus clientes.

Una forma importante de reducir estos costos operacionales es a través de un mejor  manejo de inventario el cual se puede lograr teniendo una buena estimación de demanda de los productos que se comercializan. Esta estimación, permite además que los retailers tengan la posibilidad de elegir mejor el surtido de sus productos ya que se conocería qué es lo que realmente consumen sus clientes. Mientras más detallada sea esta estimación (menor nivel de agregación), mejores deberían ser los resultados ya que también se reducirían los problemas de faltantes en góndola.

El objetivo del presente trabajo es diseñar y validar un modelo de estimación de demanda para una categoría o subcategoría a través de un enfoque de atributos. Los atributos son las características físicas que identifican como único a cada uno de los ítems de una categoría. Los estudios realizados por Fader y Hardie (1996), y Bell et al (2004) han demostrado que utilizar un enfoque de atributos permite calibrar un modelo con menos parámetros, y que además, la construcción de una función de preferencias a partir de estos atributos, representa un pilar importante para comprender el comportamiento de los consumidores.

Para comenzar, se construyó un simulador de datos. Estos datos se utilizaron para estudiar el modelo de atributos el cual es la base para el modelo de estimación de demanda propuesto en este trabajo. De esta manera, se pudo determinar cuáles son los efectos sobre los datos que más influían sobre el modelo.

La modelación mediante atributos se puede realizar bajo dos supuestos. Uno de los modelos de atributos incluye un bien de referencia ficticio (outside good) que representa el mercado potencial de la categoría, el que se puede representar como los clientes que entran a la tienda y que pueden comprar o no un producto.  Las pruebas de pronóstico se realizaron con datos reales correspondientes a la categoría cereales en ventanas de tiempo diarias y semanales. Esta categoría se describió en término de sus atributos. Antes de comenzar con las pruebas, se debió hacer un procesamiento de datos y calibración de ellos. Se utilizó el modelo de atributos para hacerlo y la calibración se consideró exitosa cuando el coeficiente de bondad de ajuste de la regresión fue superior al 90%, y se lograron recuperar los parámetros a nivel de SKU del modelo, a partir de los atributos.

El caso de pronósticos diarios, el modelo de atributos que incluye el outside good, mejora en promedio para la categoría, en 30 puntos porcentuales por error MAPE en relación al modelo en suavización con tendencia y en 3 puntos al de suavización con estacionalidad. En pronósticos semanales, el modelo mejora en 3 puntos porcentuales en relación al modelo de suavización con tendencia y en 5 puntos al de suavización con estacionalidad.

Como trabajos futuros se propone agregar variables al modelo que puedan identificar si hay o no promociones dentro de la categoría u otras variables de marketing para capturar el efecto que éstas tienen en los precios y ventas de los distintos productos. También se propone mejorar el preprocesamiento de datos segmentándolos, por ejemplo, por el nivel de ventas que tengan dentro de la categoría. Dado que se comprobó que el pronóstico para un determinado período no cambia según sea el atributo con el que se pronostique, sería conveniente  no eliminar SKUs que no tengan su descripción completa, y así no perder información relevante acerca de las participaciones de mercado de los productgos de la categoría.  Además, dados los datos que se tuvieron para hacer el estudio, no se pudo construir el outside good de manera rigurosa, ya que la forma adecuada sería con la información de los tickets totales ded una sala, información que no se tenía. Así, se podría capturar y medir este mercado potencial que varía en el tiempo y que, en el caso de este estudio, se consideró constante.

Hoy en día el conocimiento del cliente y de su comportamiento es uno de los principales focos de atención de los retailers. El problema es que la gran variedad de productos dispuestos en góndola y las influencias que ejercen sobre los consumidores las variables precio y promoción, entre otras, crea un gran desafío para quienes desean conocer y entender las costumbres de sus clientes.

En base a una revisión del estado del arte en esta materia, en este trabajo se propone una metodología que permite modelar las respuestas del consumidor hacia la góndola a través de un enfoque basado en los atributos de los productos (por ejemplo: marca, tamaño, sabor, etc.). Este modelo se basa en crear relaciones analíticas entre un producto y sus atributos. Dichas relaciones permiten recobrar las preferencias a nivel de SKU (stock keeping unit) a partir de parámetros calibrados para atributos.  Las principales ventajas de este enfoque son su simpleza, y que sólo necesita datos que se obtienen directamente del punto de venta.  Además, el modelo permite estimar respuestas del mercado para nuevos productos que actualmente no existen en la góndola.

El modelo se valida con un conjunto de datos simulados para luego ser calibrado con 181 días de datos reales de dos subcategorías distintas: pastas de dientes y lavalozas. La recuperación de preferencias a nivel de SKU, a partir del modelo de atributos, es casi perfecta, con errores menores al 1%. Además, los ajustes a nivel de atributos son considerablemente superiores a los obtenidos a nivel de SKU, sugiriendo que existe mucha más variación no explicable a nivel de SKU que en atributos.

Los resultados se utilizan para recobrar elasticidades al precio tanto para productos como para atributos. Además, los parámetros que entrega el modelo se utilizan para estimar demanda a nivel de SKU.  Dichas estimaciones se prueban en un conjunto de validación de 28 días en donde se logran errores promedio de aproximadamente un 30%.  Estos resultados superan a los obtenidos con modelos de suavización exponencial simple y suavización exponencial con estacionalidad, entre otros.  Si a esto se suma la variabilidad de las series de tiempo estimadas y que para pronosticar sólo se utiliza información histórica de ventas y precios de cada SKU, se llega a concluir que los resultados del modelo de atributos son bastante buenos.

Se realiza también un análisis de sensibilidad para estudiar el comportamiento del modelo frente a variaciones en los datos. Se prueba que el  modelo es robusto frente a distintas definiciones del precio y frente a la agregación semanal de las ventas.  Por el contrario, la definición de un bien de referencia y los cambios en las preferencias de los consumidores si afectan significativamente los resultados.  De este último análisis surge la idea de un enfoque mixto que incorpore la predicción de series de tiempo a los parámetros utilizados por el modelo de atributos.  Esta técnica entrega particularmente buenos resultados en la subcategoría lavalozas, en donde se disminuye el error del modelo original en más de un 1%.

Finalmente se discuten nuevas líneas de investigación, como la inclusión de distintos niveles de agregación, el uso de nuevas variables explicativas y el potencial del modelo para ser usado en sistemas multiclasificados.

En el escenario competitivo actual, es de suma relevancia que las empresas puedan diferenciarse para así poder obtener mejores resultados económicos.  Una forma de lograrlo es mediante las promociones de ventas, que son sin embargo difíciles de diseñar al no existir reglas claras para maximizar su efecto.

El presente Trabajo de Título tuvo como objetivo aportar una solución frente a esa dificultad, describiendo cómo los beneficios percibidos por el consumidor varían según sus características, el tipo de promoción y el producto considerado.

Para ello, se realizó una encuesta cuyos resultados fueron estudiados mediante ecuaciones estructurales, análisis de factores, análisis de medias y estadística descriptiva.  Se testearon diversas hipótesis sobre el comportamiento de los consumidores frente a las promociones de ventas, analizando cómo afecta el tipo de promoción, el producto ofertado y las características de cada individuo.

Se observó que existen seis beneficios aportados por las promociones:  ahorro, calidad, conveniencia, exploración, expresión de valores y entretención.  Se determinó que dichos beneficios pueden dividirse en dimensiones mayores, siendo los tres primeros de índole utilitaria, y los tres últimos de tipo hedónico.

Por otro lado, se demostró que los consumidores reaccionan de manera diferente a las promociones según su grupo socioeconómico, el número de personas e hijos que componen su hogar, su ocupación, su gusto por comprar, el tiempo de que disponen y su propensión a las actividades promocionales.  Por ejemplo, se detectó que las personas que pertenecen a un GSE más alto, que trabajan, tienen poco tiempo libre y cuyos hogares son más numerosos, probablemente serán menos propensas a los beneficios tanto hedónicos como utilitarios de las promociones de venta.

También se detectó que los beneficios utilitarios de las promociones son mayores si es que ésta ofrece incentivos principalmente monetarios.  En tanto, los beneficios hedónicos son de mayor magnitud si la promoción aporta ganancias que no se pueden relacionar de forma directa a dinero.

Se seleccionaron también productos que son definidos como bienes necesarios por sus consumidores, y productos que son percibidos como lujo por parte de quienes los compran.  Se comprobó posteriormente que las promociones que ofrecen incentivos de dinero son más adecuadas para ese primer grupo de productos, y las que no brindan sólo beneficios monetarios son mejores para el segundo.

A partir de esto, se trazaron líneas a seguir para lograr un adecuado diseño de promociones.  Se sugiere determinar primero el segmento a atacar, para luego establecer la promoción que más se adapta al perfil de los consumidores, al producto en cuestión y a los beneficios que se desean otorgar.

Se recomienda finalmente realizar mediciones periódicas de la evaluación de las promociones, utilizando para ello la escala propuesta en este trabajo.