Francisco Barrenechea, Director Ejecutivo de Industria- Productos de Consumo en NTT Data México
Luis Fernando Preciado Taláncon, Expert Consultant Marketplace & Digital Sales
Durante los últimos 3 años se han presentado cambios muy importantes en los participantes de la cadena de valor del sector de productos de consumo, ya que, muchas compañías de este tipo han comenzado a incursionar en la venta directa al consumidor a través de diversos formatos, ya sea por canales digitales (e-commerce) o físicos (tiendas propias o recogida de la mercancía por parte del cliente en puntos específicos). A su vez, el sector Retail también ha estado evolucionando sus canales de venta y ha aumentado la oferta de servicios, teniendo un rol muy importante como mayorista para dirigirse hacia el B2B2C y con presencia de “marcas propias” que desplazan a otras dentro de los puntos de venta. A su vez, también han evolucionado su negocio para proporcionar servicios de todo tipo (ej.: pagos, créditos, venta de seguros, etc.).
La transformación del sector de productos de consumo se ha visto afectado en los ámbitos de B2B, B2C y en los canales digitales. Y, evidentemente, esa transformación ha sido muy rápida y aprovechada por un gran número de empresas al contar con el uso de datos para convertirlos en información y ésta a su vez en conocimiento de consumidores, de clientes y del entorno competitivo. Al tener esa base tan amplia de fuentes de información, el siguiente paso ha consistido en aplicar la Inteligencia Artificial (IA) para proporcionar soluciones muy rápidas, así como del aumento del volumen del negocio y la rentabilidad.
Nuestra experiencia reciente nos permite comprobar la aplicación exitosa de IA en casos de uso a través de toda la cadena de valor de la industria, donde se puede considerar como punto de partida el proceso de diseño e innovación de nuevos productos, lo cual provoca que el área de Compras sea el gestor y el responsable de obtener las materias primas e insumos necesarios, así como de su correspondiente almacenamiento. Posteriormente, las fases de fabricación o maquilado, de almacenamiento del producto final y continuar con los procesos de empaque y embalaje requeridos para su distribución. Finalmente, y no menos importante, distribuir los productos a diferentes clientes, los cuales pueden ser B2B, (ej.; comercio tradicional, conveniencia, gran distribución, etc.), clientes B2C (consumidores finales) y canales digitales que abarcan tanto canales propios como marketplaces.
Dada la amplitud de áreas funcionales y de negocio, pretendemos explicar en dos partes únicamente las prácticas de IA relacionadas con precio dinámico, lealtad, personalización de ofertas a clientes y consumidores, análisis de conducta y de espacio en tiendas (planeación y diseño) y, además, el soporte o servicio al cliente.
Precio dinámico: Es la técnica de utilizar algoritmos matemáticos que permiten ajustar de manera dinámica los precios de los productos en función de reglas de negocio. Éstas pueden incluir márgenes mínimos o precios máximos permitidos, y se basan en diversos criterios que facilitan la actualización en tiempo real de los precios, ya sea ante la aparición de picos de tráfico en el sitio web, flujos de consumidores en tiendas, temporalidades, horarios, condiciones climáticas, etc.
Además, esta práctica puede potenciarse mediante “price scraping”, una técnica que permite a la IA considerar los precios de la competencia en tiempo real para tomar decisiones precisas sobre el precio de los productos propios.
Lealtad: A través del análisis de datos y algoritmos, se pueden anticipar las necesidades de los clientes, creando una experiencia de compra y retención para fomentar su lealtad. Poder crear y desarrollar lealtad en los clientes va más allá de implementar simplemente un plan de lealtad. La IA brinda la capacidad de comprender y responder a las necesidades y preferencias de nuestros clientes de una manera más precisa y personalizada.
Como ejemplo, el análisis de los datos de compra y del comportamiento del consumidor en tiempo real son la clave. Con esto se pueden identificar patrones, tendencias y preferencias de compra, logrando anticipar producción o proporcionar precios competitivos. Otra aplicación para generar lealtad, son las “super apps”; las cuales generan mayor constancia y permiten interactuar dentro de ella no solo con los productos principales del negocio, sino con otros servicios u ofertas ampliadas que permiten a la empresa diversificar y monetizar por medio de nuevos negocios.
Personalización: Para poder lograr la personalización es necesario buscar una estrategia de cliente único o cliente 360, entender que cada uno de ellos es diferente por momentos y así poder adaptar los mensajes. Un usuario a través del día tiene momentos de más y menos atención, lo que se conoce como micro-momentos. Si se consiguen entender o descifrar, se podrán adaptar los mensajes durante el proceso de compra y acelerar o conseguir nuevas ventas.
Para poder lograr la personalización e identificar el cliente único es necesario implementar una plataforma de datos de clientes con IA, conocida como “AI Customer Data Platform”, la cual conectará y procesará diversas fuentes de información, tales como redes sociales, base de clientes (CRM), datos de servicio al cliente, datos de comportamiento del sitio web, datos de sensores y dispositivos IoT, hasta el comportamiento de compras en tiendas físicas.
En la entrega anterior reflexionábamos sobre la aplicación exitosa que ha tenido la IA en casos de uso a través de toda la cadena de valor de la industria de Productos de Consumo. En esta segunda parte compartimos cuatro áreas más donde ya es un hecho que se puede implementar esta tecnología.
Soporte a Cliente: El soporte al cliente impulsado por la IA no solo permite atender a los clientes con precisión, resolver sus dudas y problemas de manera eficiente y a menor costo. También habilita la obtención de insights y crear mejores experiencias, logrando aumentar su retención.
Una de las tendencias más destacadas en el soporte al cliente con IA es la implementación de Procesamiento de Lenguaje Natural (NLP) en “chatbots” para entender el contexto de sus preguntas y brindar respuestas más relevantes y humanas.
Esta tecnología no se limita únicamente a canales digitales, sino que también se extiende a entornos físicos, como la capacidad de escuchar las conversaciones en “Call Centers” y ofrecer sugerencias para mejorar las respuestas, productos o comprender las necesidades de los clientes, proporcionando recomendaciones en tiempo real a los ejecutivos de atención al cliente.
Logística Verde y Última Milla: Una de las tendencias más importantes consiste en buscar minimizar el impacto ambiental de las actividades logísticas, incluyendo la reducción de emisiones, consumo de energía, ruido y residuos. Esto se relaciona directamente con el transporte urbano de mercancías, que enfrenta desafíos en esas zonas, tales como el espacio limitado, el tráfico y las regulaciones ambientales.
A través de la IA se pueden implementar sistemas de Logística Inteligente para mejorar la planeación de rutas y de forma dinámica realizar ajustes en ellas y en los tiempos de entrega, de acuerdo con la situación del tráfico en tiempo real y las preferencias del cliente. También se facilita la consolidación de las entregas de diferentes fuentes y destinos para reducir los viajes y vehículos necesarios.
Análisis de Conducta y del Espacio: La IA tiene la capacidad de identificar comportamientos y patrones humanos. Esto implica desde la personalización del sitio web y del catálogo en función de su comportamiento de navegación, hasta la optimización de los horarios del personal en una tienda física, lo que reduce los costos laborales y maximiza las conversiones, al mismo tiempo que garantiza una experiencia óptima para los compradores y poder detectar posibles fraudes en un sitio web B2C o B2B.
La tendencia de las empresas de consumo masivo consiste cada vez más en acercase y entender mejor al consumidor final. Al comprender mejor el comportamiento del consumidor, se pueden personalizar estrategias de marketing, optimizar la distribución de productos en tiendas, mejorar la gestión de inventario y ofrecer experiencias de compra más relevantes y convenientes.
Planeación del Espacio y Diseño en Tienda: Organizar de manera estratégica el diseño de tiendas minoristas con el fin de optimizar la experiencia del cliente y aumentar las ventas es una práctica tradicional, donde éstas han utilizado la observación manual y la “prueba y error” para determinar el diseño ideal y establecer la ubicación de los productos.
Actualmente, la IA permite la utilización de herramientas para mejorar el diseño y espacios, al utilizar algoritmos de aprendizaje automático para analizar el comportamiento de los clientes, las tendencias de ventas y los niveles de inventario, con el fin de proporcionar mejoras en tiempo real sobre el diseño ideal de una tienda minorista y la ubicación de productos.
La IA permite decidir sobre las técnicas de diseño de los espacios minoristas al considerar los datos sobre el comportamiento de los clientes, los patrones de ventas y los niveles de inventario a nivel de tienda.
A través de tecnología que permite utilizar mapas de calor o monitorización de la ubicación de productos en tiempo real, muchas empresas de consumo masivo y minoristas han descubierto que los métodos de investigación tradicionales, como las encuestas a clientes, tienen limitaciones para tomar decisiones sobre surtido de productos y diseño de tiendas. Al adoptar un enfoque de análisis de datos a nivel de tienda, se puede obtener información más precisa y útil para facilitar la toma de decisiones y mejorar la rentabilidad del espacio.
Lo anteriormente expuesto son ejemplos prácticos a nivel, de cliente, de consumidor y comercial que, proporcionan beneficios rápidos e interesantes a las empresas del sector. El uso de la IA es un “deber ser” para permanecer competitivos, encontrar nuevas oportunidades de negocio y maximizar las fuentes de rentabilidad para la compañía.