PRECIOS INTELIGENTES: BIG DATA COMO EL NUEVO ENFOQUE PARA LA FIJACIÓN DE PRECIOS DE PRENDAS DE VESTIR


Resulta que las marcas de Retail no están alcanzado los resultados financieros que se trazan, así vendan y veamos sus tiendas llenas, el flujo de clientes no es el mismo de antes y los márgenes de utilidad por prenda vendida no son los esperados.

La entrada de nuevos agentes a la industria de la moda como Amazon, los modelos de omnicanalidad, las ventas instantáneas y los minoristas de moda rápida, han traído como efecto colateral, un uso excesivo de la promoción como mecanismo de activación de la venta, ejerciendo a su vez, una fuerte presión en la baja de los precios.

Obviamente el primer beneficiado es el consumidor cada vez más informado, activo y tecnológicamente inteligente; el cual puede evaluar en tiempo real los precios de las diferentes marcas que le interesa adquirir. Este cliente, que es más difícil de predecir, ya conoce la dinámica y espera a la temporada de descuentos para efectuar su compra.


Casi el 90% de los consumidores de EE. UU. Compran en tiendas minoristas de descuento”

¿cómo están fijando actualmente los precios?

Los comerciantes utilizan varios factores para establecer un nuevo precio: El histórico de ventas de productos similares, un objetivo de margen interno, la intuición y los precios de los competidores para estilos similares.

El informe de Powerful pricing: The next frontier in apparel and fashion advanced analytics de mckinsey, asegura que los comerciantes están cayendo en una de dos trampas. O bien fijan los precios basados en un margen interno y se olvidan de prestar atención a los precios de los competidores. O tienen ideas erróneas sobre los factores que realmente generan las ventas. Por ejemplo, atribuyen mayores ventas de ropa de invierno a un descuento del 10%, cuando un evento de mercadotecnia en la tienda y una ola de frío tuvieron más que ver con el alza en las ventas.

Aquellos comerciantes que han generado mayores márgenes y ventas, son los que, a parte de las promociones, están empleando los conocimientos del análisis de datos (Big Data) para tomar decisiones más inteligentes. Esto no sugiere que se abandone una política tradicional de fijación de precios. Pero ante tendencias siempre cambiantes, la moda requiere un enfoque de precios que combine la intuición con la ciencia.

De esta manera el nuevo enfoque para la fijación de precios de prendas de vestir, se basa en los factores que los comerciantes suelen tener en cuenta para fijar los precios (consumidor, economía interna, competidores, mercado), más analíticas repetibles que complementen su intuición.

Le puede interesar:



Este enfoque brindará un precio claro y sustentado por el análisis, que permitirá planificar volúmenes de ventas y prevenir un exceso de inventario. A su vez aborda cinco de los desafíos más espinosos para las marcas, aportando un nuevo nivel de precisión y conocimiento a los precios.

Los cinco desafíos que aborda el nuevo enfoque:

La aparición constante de nuevos estilos: y a menudo con poca conexión con los productos vendidos anteriormente. Lo que involucra que los ítems no posean un largo historial de ventas para analizar.

Lo que los comerciantes hacen es agrupar por categoría para analizar en conjunto. De en esta manera enmascaran detalles del producto que puedan ser críticos a la hora de comprender los comportamientos de venta. Por ejemplo, crean la categoría camisetas y dentro de ella juntan las ventas de una camiseta estampada o intervenida con apliques, con las de una camiseta regular; obviando que, dado la novedad de la intervención, las ventas de la camiseta con adornos probablemente serán menos elásticas.

Lo que se sugiere es que la inteligencia artificial puede abordar estos desafíos de combinación de estilos con mayor precisión y eficiencia que los comerciantes.

Promociones frecuentes: La dinámica comercial se está desenvolviendo en un entorno donde las promociones se han convertido en la norma en algunos sectores de la indumentaria, haciendo difícil evaluar como estas se incrementan o establecer una línea de base de ventas razonable.

La toma temprana de decisiones de inversión y compra de inventario: En una era en la que la respuesta al consumidor se hace de manera rápida – Piense el modelo propuesto por el Fast Fashion – , donde los precios son dinámicos, individualizados y se fijan en tiempo real. Es más difícil tomar decisiones de inversión, costos y precios, antes que el producto llegue a los anaqueles y los consumidores reaccionen a él.

Ante esto algunos comerciantes abordan este desafío con pruebas de concepto a menudo costosas y difíciles de administrar a escala. Lo que genera que recurran a confiar en la intuición y en los datos históricos de ventas.

Al aplicar el Big Data, pueden usar el análisis para conocer el desempeño por estilos, tendencias de categorías subyacentes, cambios en los precios, los niveles de inventario por tienda; mapear nuevos estilos comparables del año anterior y hacer un  análisis pretemporada, que ayudará a esblencar precios iniciales correctos.

La falta de voluntad del consumidor para pagar:  Estos están tan informados que saben que a medida que aumenta la competencia y los canales de comercialización de los negocios, los precios se verán directamente afectados. Y han llegado al punto de esperar precios extremadamente bajos para realizar las compras.

El uso de datos de análisis avanzado (Big Data) ayuda a comprender mejor dónde establecer precios más bajos, identificando las categorías en las que para los clientes clave, el precio es más importante. Es importante analizar los precios que esos clientes consideran justos para los estilos de dichas categorías.

Lo que se busca finalmente es saber cuándo igualar los precios a los de la competencia en productos o categorías en las que el precio realmente importa.

Los modelos omnicanal: Los clientes se encuentran y pueden llegar a aceptar diferentes precios en diferentes canales. Lo complejo se inclina hacia los comerciantes que deben estar listos para manejar lo que esto conlleva.

en la actualidad es cada vez más frecuente encontrar que los precios de un minorista varían entre los exhibidos en su tienda física y los que fija en su tienda en línea. Pues es lógico que estos puedan ofrecer precios más bajos en un espacio digital.

Ojo, es lógico más no la norma general. Por ejemplo, The Wall Street Journal informó que Walmart comenzó a cobrar precios más altos por los productos en línea, que los que fija en las tiendas físicas; esto con el objetivo de obtener más flujo en las tiendas.

El punto está entonces en comprender qué valoran los clientes en cada canal y cómo afecta eso a lo que están dispuestos a pagar. Claramente no habrá una sola faceta de compras que todos los clientes valoren. Algunos sopesarán la disponibilidad inmediata, otros el placer o la incomodidad de comparar en una tienda física en comparación con una en línea. Y otros valoraran el precio del producto.

Finalmente, y para cerrar este artículo: será de esta manera como el análisis de datos llegará a ser la clave para que los minoristas recuperen el control de una guerra de descuentos y promociones diarias.

Por: Raúl Quinayás.

Publicidad


Sé el primero en comentar

Dejar una contestacion

Tu dirección de correo electrónico no será publicada.


*