A través de su conferencia “Transformando las estrategias comerciales con IA: Del conocimiento del shopper a la venta aumentada”, Jean Marc Ziegler mostró cómo la inteligencia artificial está cambiando las reglas del retail, desde la inversión promocional y el inventario hasta el precio, el espacio y la ejecución en tienda.
¿Qué producto promocionar? ¿Cuánto inventario mantener? ¿Qué precio poner? ¿Cuántos metros de góndola asignar? ¿Dónde invertir y dónde dejar de hacerlo? En el retail, estas preguntas ya no tienen por qué depender únicamente de la experiencia o la intuición. La inteligencia artificial puede convertirlas en escenarios medibles y ayudar a encontrar la combinación que genere mayor rentabilidad.
Este fue el eje de la presentación del especialista chileno Jean Marc Ziegler, durante la charla “Transformando las estrategias comerciales con Inteligencia Artificial: del Shopper Understanding al Augmented Selling”, en la Expo Capasu.
Para el experto, el desafío comienza por entender que cada categoría tiene una dinámica diferente. Por eso, la política de inversión promocional no puede ser uniforme. En ese caso, preguntarse qué promociones hacer, qué producto, para qué objetivo y con qué retorno, es vital.
Uno de los ejemplos presentados durante su exposición reveló el impacto que puede tener esa optimización. Así, dijo que, un retorno que partía de 2 podía elevarse hasta 20 al identificar dónde realmente convenía colocar la inversión promocional. “La optimización también permite reducir la erosión de margen y fenómenos como el forward buying, cuando el consumidor adelanta compras aprovechando una promoción y distorsiona el comportamiento habitual de la demanda”, precisó.
Un producto no debe evaluarse únicamente por cuánto vende, sino por cuánto valor genera frente al capital que mantiene inmovilizado.
De ahí surge la importancia de mirar el margen en relación con el inventario y la velocidad de rotación. Si una empresa coloca USD 100 en inventario, necesita saber cuánto retorno produce ese capital y con qué velocidad vuelve al negocio.
Esa información permite decidir qué productos comprar, cuáles revisar y cuáles eventualmente retirar.
El metro cuadrado también tiene rentabilidad. El siguiente recurso crítico es el espacio. En retail, cada metro cuadrado tiene un costo de oportunidad. Un producto puede vender bien, pero si ocupa un espacio que podría generar mayor margen con otra categoría, la decisión deja de ser tan evidente.
Jean planteó así el análisis del margen bruto por metro cuadrado, un indicador que permite saber cuánto valor produce realmente el espacio disponible en una tienda.
A esto suma una tercera dimensión: la intensidad de servicio. ¿Cuántos metros cuadrados atiende cada empleado? ¿Cuánto vende y cuánto margen genera? La combinación de ventas, margen, superficie e intensidad de servicio permite construir una lectura más completa de la rentabilidad de una operación.
Inventario, espacio y personas dejan de analizarse por separado. Se convierten en variables de una misma ecuación.
Ese modelo puede aplicarse a nivel de cadena, tienda o categoría para identificar cuáles tienen mejor desempeño, cuáles necesitan ajustes y dónde existen oportunidades de mejora.
Win, play, Show. La estrategia de categorías también cambia bajo esta lógica. Ziegler propuso una arquitectura WIN, PLAY y SHOW, en la que cada grupo cumple una función distinta.
Las categorías Win son aquellas en las que el retailer busca ganar: tener el mejor surtido, precios competitivos, promociones relevantes, ubicación, exhibición y comunicación. No se trata de hacer todo para todos, sino de decidir dónde la competitividad realmente construye una ventaja.
Luego aparecen las categorías Play y Show, con diferentes niveles de inversión, competitividad y protagonismo dentro de la tienda.
Y es justamente aquí donde la inteligencia artificial puede convertirse en un motor de decisión. ¿Qué ocurre si el precio baja 5 %? ¿Qué pasa si el inventario cae 10 %? ¿Y si se modifica el margen, la promoción o el espacio asignado al producto?
La tecnología permite modelar esos escenarios y observar cuál combinación produce el mejor resultado. Ya no se trata solamente de predecir. Se trata de simular, comparar y optimizar.
La IA también puede llevar esta lógica a la operación: monitorear variables, detectar desvíos, generar alertas y facilitar decisiones de reposición y ejecución. El objetivo es que la tienda pueda reaccionar antes, con información y no solamente cuando el problema ya ocurrió.
La ventaja será decidir antes. Para el especialista, la discusión sobre inteligencia artificial dejó de ser tecnológica. Es competitiva. “El problema no es si quiero utilizar la inteligencia artificial o no. El problema es cuándo la voy a empezar a utilizar. El mejor momento, hoy. El segundo mejor momento, mañana”, aseguró
Esto deja entrever que el retail que viene no necesariamente será el que tenga más productos, más promociones o más metros cuadrados. Será el que consiga saber qué hacer con cada uno de ellos.