Cómo ayuda la Inteligencia Artificial a los fabricantes de bienes de consumo masivo y a los minoristas offline
Artículos
Además, la pandemia no ha afectado a otra poderosa tendencia: la sustitución del comercio minorista tradicional por las cadenas de supermercados. Estas últimas ya ocupan el 75-80% del mercado europeo, lo que indica la finalización de la fase de consolidación del sector.
Con esta estructura de mercado, la competencia por el espacio en las góndolas aumenta constantemente entre los fabricantes de FMCG. Dado que en esta categoría de productos, el potencial de las propiedades del producto se ha agotado hace tiempo, ahora el factor principal es el precio.
Antes de la implantación de medidas restrictivas, las cadenas de supermercados atraían masivamente a los clientes con todo tipo de promociones. –
Para seguir siendo competitivos, la dirección está estudiando detenidamente soluciones realmente nuevas para trabajar offline. Sí, en el mercado hay casos exitosos de aumento de ventas por incremento de la participación en el mercado. Pero también es posible evitar la caída en los márgenes optimizando los procesos y aumentando su eficacia. Las tecnologías modernas y escalables y los enfoques innovadores de la gestión de ventas pueden mejorar la rentabilidad del negocio incluso en condiciones adversas.
«De manera local y precisa»
Hay un líder evidente en el mercado mundial de servicios de reconocimiento de imágenes: el proveedor israelí Trax. Comenzó su actividad operativa hace más de una década. En 2019, la empresa ha confirmado finalmente su posición mediante la adquisición de su competidor más cercano, la empresa europea Planorama. Además, tras la comercialización de la tecnología en 2014-2015, han empezado a aparecer en los mercados locales empresas jóvenes con ambiciones, incluso internacionales.
Los grandes y medianos fabricantes utilizan en todo momento el sistema de automatización de Sales Force (SFA). Su funcionalidad les permite optimizar la recolección y el procesamiento de los pedidos, garantizar la gestión más eficaz del personal de campo y de la red de distribución, establecer un nivel básico de análisis para los puntos de venta, para las ventas secundarias (Sell-Out) y para la eficacia de la estructura de la organización de ventas.
Estructura de los KPI para la gestión de las ventas de CPG
Algunos minoristas están probando y aplicando las nuevas tecnologías e inteligencia artificial hasta ahora en el segundo nivel del sistema de gestión de ventas.
Para reducir la carga de las nóminas, todos los participantes en el mercado, incluidos los gigantes de CPG, se ven obligados a abandonar a su propio personal de ventas y a aplicar la externalización en su práctica. Las ventajas son el ahorro de costes y la mayor flexibilidad. Sin embargo, aumentan los riesgos relacionados con el factor humano: baja fidelidad, implicación, cualificación y motivación de los empleados externos.
Esto tiene un impacto muy fuerte en la recopilación, el procesamiento y la auditoría de las métricas de campo. Se trata de los clásicos KPIs de góndola de un merchandiser y representante de ventas: % de Disponibilidad en góndola/ anaquel (OSA), Fuera de stock (OOS), % Participación en góndola, y muchos otros indicadores de la presencia de los productos en los puntos de venta.
Las empresas internacionales desarrollan sus propios algoritmos para conseguir y controlar estos indicadores («RED» para Coca Cola, «Perfect Store» para MARS, «ITOS» para InBev, etc.). Pero incluso en este caso, la recopilación de datos en las góndolas, o la auditoría, es un «punto de fricción». Al mismo tiempo, los fabricantes de segunda clase y los actores locales intentan averiguar los KPI básicos para gestionar de alguna manera su representación en el comercio minorista. En ambos casos, las tecnologías innovadoras han sido el mejor catalizador del proceso en los últimos años. En nuestro caso, se trata de un servicio de reconocimiento fotográfico de alta precisión basado en la IA y destinado a controlar el surtido en las góndolas de las tiendas offline, y a mejorar la eficiencia del merchandising.
El reconocimiento de fotos mediante la Visión Artificial no es sólo una cuestión de seguridad. Hoy en día es una tecnología comercial
Director de Desarrollo de Negocio
Antes y Después del lanzamiento
El proyecto se desarrolla en varias etapas. En la fase piloto, se alcanza un nivel básico de precisión para reconocer una nueva base de productos, en una o varias categorías. Los empleados de la tienda reciben una capacitación sobre cómo trabajar con la tecnología en el centro de pruebas, realizar visitas de acuerdo con las nuevas normas y acumular contenido fotográfico. La red neuronal empieza a reconocer mejor los productos en las góndolas. Los primeros resultados proporcionan al cliente información fiable sobre los niveles reales de aplicación de los KPI básicos: OSA y OOS. Se consigue gestionar eficazmente los indicadores en el territorio de prueba, y se va formando la confianza en el proceso.
En caso de éxito, el proyecto pasa a la fase de implantación: el número de participantes en el ecosistema aumenta a cientos o miles, y la base de datos de fotos aumenta a cientos de miles, o a millones de imágenes SKU. La ampliación de la lista de KPI, su personalización, la eliminación de fallos en las cadenas de trabajo del personal, la gestión del cambio, el soporte técnico… todo ello convierte el producto en un servicio SaaS en todo su sentido. Ahora los servicios se prestan por suscripción, y la empresa que los desarrolla recibe pagos recurrentes.
Durante este periodo, conviene centrarse en el crecimiento, y no ir más allá de las métricas básicas relacionadas con la distribución de los artículos del producto, su disponibilidad en los anaqueles y la participación en la categoría. De lo contrario, el cliente se arriesga a retrasar el lanzamiento «sobre la marcha», lo que podría provocar pérdidas innecesarias para la empresa.
Una vez que la tecnología de reconocimiento de imágenes está implantada en su totalidad, y el servicio de ventas confía y se apoya en los datos obtenidos a través de la tecnología, comienzan la tercera etapa: la explotación de beneficios adicionales.
Su principal tarea es automatizar las métricas y los procesos más complejos como prioridad para un determinado fabricante de bienes de consumo masivo. En la mayoría de los casos, se trata de medir el nivel de cumplimiento de los planogramas (normas de disposición de los productos), el seguimiento de los precios y el análisis de la competencia. Pero también hay peticiones únicas. Por ejemplo, la lectura del catálogo o la digitalización de las categorías de productos en una tienda.
En la práctica, el planograma se descompone en un conjunto de reglas específicas para la exhibición de la mercadería. Se entregan a los encargados de la ejecución, es decir, a los comerciantes o representantes de ventas, y al auditor, es decir, al sistema de reconocimiento de imágenes. Así se consigue la máxima eficiencia en el proceso: el usuario conoce claramente por qué el servicio ha evaluado su rendimiento a un nivel determinado. Entre las reglas más comunes, se encuentran: el número de artículo de cada producto; el ancho de exhibición (tanto en caras como en centímetros); el cumplimiento del número de góndola; la distribución de la marca en un solo bloque; y el orden de las mercaderías. Con esto, el sistema no compara la foto de la distribución con el planograma objetivo píxel a píxel. En este caso, el nivel de cumplimiento tendería siempre a cero, debido a muchos factores.
Usualmente, en esta etapa el enfoque se centra en obtener los beneficios máximos a partir de la optimización del proceso, ya que la rentabilidad de la tecnología ha cumplido su tarea anteriormente. Al recolectar los datos diariamente, el usuario aumenta la profundidad y la calidad de la revisión de la distribución de productos, lo que le permite sacar conclusiones sobre las estrategias de comercialización más eficaces en tiempo real, pudiendo ampliarlas y probar nuevas hipótesis.
En el futuro, este tipo de servicio SaaS puede convertirse en uno de los servicios básicos de las grandes cadenas minoristas de bienes de consumo masivo, y no sólo de ellas; según la estimación de BCG, los ingresos podrían aumentar entre un 7 y un 9% aplicando soluciones de IA en la planificación de ventas, marketing y producción. Algunos actores del mercado maduro de los países occidentales que tienen condiciones de cooperación más transparentes y formalizadas ya están transitando este camino.