Cerveza y pañales: cómo la tecnología influye en la Venta Cruzada - Diana
7510
post-template-default,single,single-post,postid-7510,single-format-standard,mkd-core-1.0.3,ajax_fade,page_not_loaded,,onyx child-child-ver-1.0.0,onyx-ver-2.2,vertical_menu_enabled, vertical_menu_left, vertical_menu_width_290,vertical_menu_background_opacity_over_slider vertical_menu_background_opacity_over_slider_on,smooth_scroll,side_menu_slide_from_right,overlapping_content,wpb-js-composer js-comp-ver-5.5.2,vc_responsive,elementor-default,elementor-kit-7862

Cerveza y pañales: cómo la tecnología influye en la Venta Cruzada

Agencia de Outsourcing Comercial. Agencia de Trade Marketing. Agencia de Externalización Comercial. Task Force. Field Marketing. Logística Promocional. Gestión Punto de Venta. Data Mining. Machine Learning. Venta Cruzada.

Cerveza y pañales: cómo la tecnología influye en la Venta Cruzada

¿Quieres aumentar tus ventas? ¿Conoces ya el mito de la cerveza y los pañales?

Esta semana en Diana queremos contaros esta clásica y tan conocida historia que ilustra cómo el correcto análisis de los datos de los clientes puede permitir identificar hábitos y patrones beneficiosos para nuestro negocio.

 

Venta cruzada: el mito de la cerveza y los pañales

Cuenta la leyenda, que a principios de los 90, unos grandes almacenes decidieron analizar los tickets de compra asociados a las tarjetas de fidelización para aumentar la salida de productos mediante la venta cruzada.

Del estudio realizado, obtuvieron muchas correlaciones obvias como Ginebra-Tónica-Limones o Refrescos-Snaks, pero aparecieron otras altamente sorprendentes. Como la que indicaba que los viernes por la tarde los hombres jóvenes compran cerveza y pañales.

Parece ser que esta historia nunca sucedió, pero sigue explicándose en las escuelas como un ejemplo definitivo para diferenciar el tratamiento estadístico tradicional de los nuevos métodos predictivos, como la minería de datos o el Machine Learning.

 

¿Cuáles son estos nuevos métodos predictivos?

Consulta de datos: una persona tiene una idea que debe ser probada con datos. Por ejemplo, “creemos que vendemos más café a los hombres, que a las mujeres”. Necesitaremos hacer una consulta de datos para comprobar o refutar la hipótesis. Y si la idea no está soportada por datos, debemos intentarlo con una nueva, volver a comprobar, etc.

Es fácil deducir que es un procedimiento muy lento, y que el generador de ideas debe ser alguien con mucha experiencia para que pueda aportar hipótesis más certeras.

Minería de datos (Data Mining): una persona utiliza un conjunto de algoritmos para buscar patrones de comportamiento en los datos. Al no tener una idea predefinida, puede descubrir correlaciones impensables, como la de los pañales y la cerveza.

Machine Learning: utiliza prácticamente los mismos algoritmos que la minería de datos, pero ya no interviene la persona. Es la propia máquina la que va aprendiendo conforme va teniendo más datos, y va refinando cada vez más los patrones ocultos que hay en ellos.

El ejemplo evidente son las sugerencias que nos aparecen en la compra online o en los cupones descuento que emiten algunos supermercados.

 

Enfocados siempre en la tecnología, en Diana, agencia de Outsourcing Comercial, utilizamos las herramientas de gestión y análisis de datos más punteras del sector. 

Si estás interesado/a en optimizar tus recursos y generar más demanda de tus productos y/ servicios, contacta con nosotros.

Sin comentarios

Escribe un comentario