Colaborador Invitado

Datos masivos: así los utilizan los grandes retailers

El Market Basket Analysis o MBA es uno de los pilares de los algoritmos de recomendación de los buscadores. Hablamos, básicamente, de exprimir los datos para detectar cuáles son los productos que se suelen comprar al mismo tiempo.

Dimas Gimeno

Experto en retail, expresidente de El Corte Inglés y conferencista en Thinking Heads.

Los grandes distribuidores exprimen las herramientas de big data para ampliar cuota de mercado y enamorar a sus clientes.

Hasta hace poco, muchas multinacionales se han concentrado en recopilar enormes cantidades de datos, en desplegar unas infraestructuras formidables para extraerlos y en crear indicadores personalizados que convierten el caos en información relevante. El siguiente paso consiste en consolidar lo aprendido y aprovechar las posibilidades de la inteligencia artificial (IA) en la toma de decisiones. También deberán refinar e incrustar los indicadores personalizados en el corazón de la estrategia. Los equipos directivos ya no pueden diseñar un plan primero y buscar los datos para realizarlo después. Ahora serán los datos los que moldeen su visión desde el principio… y los que confirmen su éxito o su fracaso al final.

Una de las tendencias que delatan esta revolución de los datos es el despegue de las inversiones en inteligencia artificial del sector global de la distribución. Según la firma de análisis Juniper Research, las inversiones van a pasar de 2,000 millones de dólares en 2018 a 7,300 millones de dólares en 2022. Los tres ámbitos que van a concentrar, según el estudio, esta cascada de recursos son la atención al cliente (y la medición de sus sensaciones), el marketing automatizado y los instrumentos que permitan prever los cambios en la demanda.

Pero incluso antes del brutal desembarco de los autómatas, los grandes retailers ya están utilizando todo el poder de los datos. Y lo hacen con munición como los algoritmos de recomendación que han insertado en sus buscadores. Es una forma muy eficaz no solo de adaptar la oferta a lo que el cliente quiere ver, sino también de condicionar su mirada. Las promociones tienen más impacto si sabemos qué tipo de productos suele comprar el usuario, qué edad tiene y cuál es su perfil demográfico y socioeconómico. Un ejemplo bastante asombroso lo encontramos en Target, el gigante de los supermercados, hipermercados y tiendas de descuento en Estados Unidos. En 2012, sus sistemas empezaron a recomendar todo tipo de artículos de premamá incluso a mujeres que llevaban embarazadas menos de tres meses.

El Market Basket Analysis o MBA es uno de los pilares de los algoritmos de recomendación de los buscadores. Hablamos, básicamente, de exprimir los datos para detectar cuáles son los productos que se suelen comprar al mismo tiempo. Por ejemplo, es muy común que compremos la leche, los cereales y las galletas a la vez, y, por eso mismo, el distribuidor tiene que ponérnoslo fácil para que lo hagamos casi sin pensarlo.

Los grandes distribuidores, liderados por Amazon, han empezado a utilizar el big data para ofrecer precios distintos y cambiantes a cada grupo de consumidores. El objetivo es personalizar al máximo la experiencia y, por el momento, su implantación es esencialmente digital. También aspiran a determinar el precio máximo que estamos dispuestos a pagar por un producto partiendo de información como las valoraciones (tanto ratings como reviews) que publicamos, nuestras compras pasadas, nuestra recurrencia como usuarios o nuestro perfil demográfico o socioeconómico. Es interesante recordar que fueron los grandes almacenes en el SXIX los que empezaron a universalizar los precios fijos para todos. Antes de esto, casi nadie pagaba lo mismo porque predominaba el regateo.

COLUMNAS ANTERIORES

Conversaciones que importan: hacia una educación más allá de promesas electorales
El factor monetario para la postura fiscal

Las expresiones aquí vertidas son responsabilidad de quien firma esta columna de opinión y no necesariamente reflejan la postura editorial de El Financiero.