En esta guía, vas a aprender decenas de KPIs de retail ampliamente utilizados que deberías considerar medir en tus puntos de venta, cómo hacerlo, ejemplos de uso y cómo interpretarlos. Vamos a ver:
En Porter hemos visto empresas de retail de todo tipo.
Algunas que no saben qué pasa en sus puntos de venta y a lo sumo solo tienen una métrica o dos métricas a final de mes: el volumen de ventas y márgenes.
Otras que religiosamente miden el tráfico y la tasa de conversión—al punto que ese dato causa conflictos internos.
Otras que miden la entrada de ganado en un frigorífico, pero esa es otra historia. 😀
Hoy, te vamos a compartir algunas métricas y KPIs de retail que, a nuestro parecer, vale la pena considerar medir y optimizar.
Pero un detalle primero: la mayoría de artículos sobre KPIs de retail que encontrarás en Google es una lista de métricas. Ninguno te muestra cuáles priorizar o cómo visualizarlos.
Una lista de KPIs sin estructura o sin que te muestre cómo entenderlos dentro de tu negocio no es muy útil. Después de todo, no se trata de tener muchos dashboards con muchas métricas, sino de tener presentes los indicadores que miden el pulso de tu negocio.
Recuerda:
“Si no lo puedes explicar con un proceso, no lo entiendes.”
Así que, primero, veamos cómo el área de inteligencia de negocios de retail debería estructurar sus indicadores—y su trabajo en general.
La analítica del comportamiento es el proceso de convertir visitantes en clientes con el objetivo de aumentar la rentabilidad en los puntos de retail, a través de la medición y cuantificación del comportamiento de las personas dentro de los puntos de venta.
Existen 4 tipos de comportamientos dentro del punto de venta que nos permiten describir el proceso de compra a partir de un embudo.
Estos comportamientos son:
Esta es la primera parte del proceso de compra; cuando alguien decide entrar o no a un punto de venta, es un comportamiento que depende de:
La siguiente etapa, una vez alguien entra al punto de venta, es cómo interactúa con la tienda, donde entran en juego elementos como:
Una vez entendemos el comportamiento de los compradores en punto de venta, ahora podemos ver la parte operativa en el retail físico, donde debes tener presentes 3 elementos:
Cuando hablamos de conversión, generalmente pensamos en el resultado de las transacciones. Pero en analítica del comportamiento, hablamos de los distintos llamados a la acción que pueden tener los puntos de venta y los factores que los afectan como, por ejemplo:
En analítica de comportamiento para retail, este punto se enfoca en entender la intención de compra y saber quiénes o qué tipo de visitantes nos visitan y poder distinguirlos entre:
Mientras esa es la descripción del embudo de compra desde la analítica del comportamiento en retail, hay otra más operativa y son los KPIs de retail enfocados en las ventas.
A nivel de ventas, nos referimos a la fórmula ventas para retail fundamental de:
Tráfico*Ticket promedio* Tasa de conversión = volumen de ventas.
Esta fórmula indica que el volumen de ventas de tus tiendas depende del tráfico que llevas a tus puntos de venta, qué porcentaje de ese tráfico logras convertir en transacciones y la cantidad promedio desembolsada en cada transacción.
Si aumentas cualquiera de los 3 sin afectar significativamente los otros, aumentas tus ventas.
Es por eso que para algunas empresas medir cuántas personas entran a sus puntos de ventas es vital.
Pero, ¿En cuál de estos indicadores enfocarse?
La respuesta corta es: concéntrate en la tasa de conversión.
El tráfico representa la oportunidad y potencial de ventas.
El ticket promedio depende del posicionamiento de tus productos y tus precios están supeditados a ese posicionamiento. Aumentar la cantidad de unidades promedio vendidas puede ser más difícil.
La tasa de conversión es un indicador de desempeño que cada punto de venta puede crecer y mantener constantemente.
Ahora que ya vimos cómo estructurar nuestros indicadores de retail teniendo en cuenta la analítica de comportamiento y el enfoque en ventas, veamos las métricas que podemos medir en cada una de las etapas que describimos.
La demanda es el inicio del embudo de compra en retail y es representada por el tráfico. En retail, una campaña de generación de demanda busca aumentar el tráfico porque eso significa mayor potencial u oportunidad de ventas.
El análisis de la demanda incluye una gran cantidad de factores para entender el tráfico en los puntos de venta. Por ejemplo:
La experiencia de compra en tiendas físicas es social; es normal que una familia, un grupo de amigos o pareja entren a un punto de venta con la intención de realizar una compra.
Poder distinguir estos grupos fundamentalmente cambia tu forma de medir la conversión.
Si entran dos personas que son pareja, realmente corresponden a una unidad de compra. Por eso, la tasa de conversión al medir grupos de compra puede ser más alta y también más precisa.
La tecnología más común para medir grupos de compra es con cámaras de video y térmicas.
El Wi-Fi, por ejemplo, se queda corto para definir la posición exacta de dos personas, haciendo difícil saber si están juntas o no.
La forma aproximada de definir grupos para el Wi-Fi es identificando si dos o más dispositivos han sido detectados al tiempo en el punto de venta más de una vez.
Ejemplo de uso: visualiza el tráfico total vs el de grupos de compra para identificar comportamientos. Por ejemplo, puedes ver más grupos de compra los fines de semana, explicando por qué baja la conversión esos días en tus puntos de venta.
Otra opción es identificar la cantidad de personas para cada grupo de compra; junto a datos demográficos por inferir si te visitan parejas, grupos de amigos, familia, etc.
El tráfico de proximidad se refiere a todo el tráfico que pasa cerca de tus puntos de venta y que tiene potencial de entrar o no a ellos.
Saber cuánto tráfico pasa te ayuda a estimar el potencial de tráfico que podrías obtener si mejoras la efectividad del escaparate de tu tienda (o la exhibición) para motivar a las personas a entrar.
Este es el punto de partida del análisis del comportamiento en puntos de venta.
Aquí podemos ver varias métricas y KPIs que nos puede interesar optimizar, de acuerdo a la tecnología que dispongas y la necesidad de tu negocio.
Por ejemplo, nos interesa evaluar el potencial de interacción y atención de nuestros escaparates con Eye tracking.
Después de todo, un escaparate atractivo mejora las posibilidades de que las personas entren a tu negocio.
Empresas como AItrak se dedican a hacer eye tracking que casi cualquier retailer pueda adquirir; en vez de utilizar gafas, utilizan machine learning para predecir dónde las personas podrían poner su atención.
Solo debes enviar fotos del lugar que quieres evaluar y en cuestión de minutos tendrás un resultado de la atención e interés que podrías tener.
A partir del tráfico de proximidad y el análisis de los escaparates podemos obtener dos KPIs:
Se refiere al porcentaje de atención que recibiría un elemento sobre los demás del ambiente en una foto, como se ve en este ejemplo:
La tasa de captura es el indicador que determina el porcentaje del tráfico de proximidad que se vuelve tráfico del punto de venta.
Con él, determinamos la efectividad de los escaparates para motivar a las personas que pasan cerca del punto de venta a decidir entrar a él.
Con este indicador podemos hacer experimentos en nuestros escaparates para mejorar ese porcentaje o tasa de captura y, así, reducir la arbitrariedad a la hora de elegir un diseño.
La tasa de captura puede ser medida principalmente de dos formas: con cámaras de visión artificial como las de Porter o con señales de Wi-Fi o Wi-Fi analytics.
De la primera forma, puedes ubicar cámaras apuntando hacia la calle que ayuden a determinar cuántas personas pasan cerca de tus puntos de venta a cada hora del día y cruzar esos datos con el tráfico dentro de tu punto de venta.
Con esta solución puedes obtener datos demográficos del tráfico de proximidad y una métrica comparable ya que estás midiendo personas para calcular esta métrica: el caso de Wi-Fi comparas personas con el conteo de tráfico del punto de venta y señales de Wi-Fi que pasan cerca del punto.
Fórmula (con redes de Wi-Fi): cantidad de dispositivos detectados frente al punto de venta / tráfico del punto de venta.
Fórmula (con cámaras): tráfico detectado frente al punto de venta / tráfico del punto de venta.
Ejemplo de uso: toma cada nuevo diseño de escaparates como un experimento cuyo objetivo sea aumentar la tasa de captura; eso quiere decir que estás influenciando el comportamiento de las personas un poco más para que decidan entrar a tu tienda y tu potencial de ventas sea mayor.
En internet, la tasa de rebote se refiere al porcentaje de visitantes que entran a tu sitio web y se van sin realizar ninguna acción; sin hacer clicks, sin ver videos, sin navegar más, sin nada.
Esta métrica ayuda a determinar lo útil y relevante que es un sitio para sus visitantes; si se van de él, es porque no encuentran nada que les interese. Es una métrica útil porque nos permite establecer un objetivo claro. Por ejemplo, reducir la tasa de rebote de un 80% a un 60%.
La tasa de rebote en tiendas físicas generalmente se miden con Wi-Fi.
La forma en la que se hace es detectando señales de Wi-Fi de dispositivos que entran al punto de venta pero que no continúan su recorrido o se van en cuestión de segundos.
Con cámaras de video se puede medir la tasa de rebote detectando personas que entran a un punto de venta, pero que no continúan su dirección hacia el punto de venta y deciden devolverse.
El área de marketing en una empresa de retail se encarga de llevar personas al punto de venta; el equipo de retail y operaciones en convertirla en clientes.
En cierta medida, una forma de medir la efectividad de tus campañas es con variaciones de tráfico durante los día o semanas que realices campañas.
De ahí, revisar si tus puntos de venta aprovecharon correctamente ese potencial.
La ubicación de tu punto de venta determina en gran medida el tipo de tráfico que recibirás. Hay empresas como Geo Research que se dedican a la geointeligencia.
fundamentalmente, te indican dónde deberías ubicar tus puntos de venta, teniendo en cuenta datos demográficos, geográficos y socio-económicos de tus clientes potenciales.
La ubicación también es afectada por variables incontrolables como el clima. En Porter utilizamos datos de clima bajo demanda para ayudar a nuestros clientes a entender el comportamiento del tráfico de sus puntos de venta.
No todos tus puntos de venta son iguales y, de hecho, hay varias formas de clasificarlos. También, hay varias formas de compararlos. Una de ellas es por cantidad de tráfico, para determinar si, de acuerdo a ese tráfico, su tasa de conversión es ideal.
Una forma medible de comparar el potencial de tus puntos es de acuerdo a la cantidad de metros cuadrados.
Entre más metros cuadrados, más costos y más exhibiciones tienes. Deberías, generalmente, esperar más potencial de ventas; es decir, más tráfico.
Así que podrías tener un KPI que sea tráfico promedio por metro cuadrado. Si no cuentas con datos de tráfico, también puedes aproximar con ventas promedio por metro cuadrado.
De esta forma podrías determinar la eficiencia de tus puntos de venta; saber cuáles tienen superficies amplias y costosas pero no atraen tanto tráfico como formatos más pequeños y quizás debas ponerte como objetivo aumentar el tráfico en ellos.
Me encantaría escribir “interacción” o “involucramiento” para traducir engagement, pero es un concepto de marketing que cambia de significado. Por eso, lo dejaré tal y como está en inglés.
En este tipo de comportamiento, nos interesa analizar cómo las personas interactúan con nuestros puntos de venta, con las exhibiciones y con los productos.
Partimos de la premisa de que para poder comprar, la persona necesita ver el producto.
Hay varios escenarios donde es interesante medir el comportamiento:
Cuando en un supermercado ubicas un producto que no está teniendo suficientes ventas. Te interesa saber si la falta de ventas se debe a que las personas no visitan la zona donde está o simplemente no lo ven.
En empresas de retail donde el grado donde la compra es más compleja como es el caso de autos o joyería, nos interesa saber si las personas están interactuando suficientemente con un producto ya que esa experiencia aumenta la probabilidad de que realicen la compra.
Como describimos antes, la etapa de engagement tiene 3 componentes: la ubicación, la interacción y el punto de compra.
La ubicación se refiere a dónde está puesto un producto o una categoría de productos dentro de un punto de venta físico, y hablamos de una métrica llamada demanda local.
Así como llamamos demanda al tráfico de nuestros puntos de venta, la demanda local se refiere al tráfico que generan las distintas zonas de nuestra tienda.
Aunque no han sido necesariamente medidas, los supermercados saben que existen productos ancla que generan tráfico en el punto de venta, como los productos de la canasta familiar, por eso se ponen en los pasillos más distantes a la entrada, para que los visitantes hagan un recorrido completo y puedan ver otros productos.
Otro caso son los productos de impulso, que son de menor valor y se pueden ubicar cerca a las cajas registradoras.
Desde la perspectiva de analítica de comportamiento para retail, aquí introducimos los mapas de calor y el análisis de recorrido.
Los mapas de calor son representaciones gráficas que nos ayudan a entender la concentración de tráfico en ciertas zonas del punto de venta.
El análisis de recorrido (o path analysis) nos permite entender cuál es el recorrido que una persona realiza en un punto de venta. Es una aproximación al mapa de recorrido del cliente (o customer journey map, en inglés) y saber si se alinea al o planeado por el área de merchandising e una empresa.
Ejemplo de uso: a partir de datos de demanda local, podríamos determinar dónde reubicar nuestros producto o categoría de producto, de acuerdo a nuestra necesidad de rotación o rentabilidad.
Para medir cómo interactúan las personas con los productos y anaqueles, podemos pensar en dos componentes: analizar a las personas o analizar a los anaqueles. Te explicaré de qué te estoy hablando.
Desde la perspectiva del anaquel, nos interesa optimizar la participación o visibilidad de un producto o categoría en un anaquel.
Esta métrica puede llamarse participación en el anaquel (o share of shelf, en inglés) y puede medirse de formas sencillas: por ejemplo, medir el área total que ocupan cierto producto en un anaquel vs el área total del anaquel o hacerlo por la cantidad de caras de productos o SKUs visibles.
Participación en el anaquel (por área): área total que ocupa tu producto o categoría / área total del anaquel
Participación del anaquel (por caras): cantidad total de caras que ocupa un SKU específico/ cantidad de caras totales del anaquel.
Estas métricas son de interés de equipos de merchandising y de category management.
Como estamos en el siglo XXI y en el blog de Porter, claramente debemos mencionar como empresas están aplicando Visión Artificial o Machine Learning para automatizar este proceso.
Y este es el caso de Trax, una empresa que a partir de fotos o video tomados a anaqueles identifica en tiempo real productos faltantes, participación de productos de anaqueles y los de la competencia, todo de forma automática, con un nivel de detalle tal que puede identificar cada SKU.
Desde la perspectiva de las personas, podemos analizar su comportamiento de interacción con los productos de acuerdo a la tecnología que usemos.
En el caso de utilizar cámaras y haciendo tracking de personas, como es el caso de Porter, es posible medir cuántas personas pasan cerca al anaquel y cuántas deciden quedarse en una zona definida, en este caso, frente al anaquel y así obtener dos KPIs:
Optimal engagement time (OET): tiempo promedio que pasan las personas en la zona de interés.
Tasa de captura: personas que se quedan frente a un anaquel o zona de interés / tráfico total en la zona (demanda local).
Como ves, utilizamos nuevamente la tasa de captura.
Al igual que la tasa de conversión, la captura puede tener muchas interpretaciones dependiendo de su aplicación.
Solo ten en cuenta esto: se trata de una relación entre la cantidad total de personas y la cantidad de personas que hace una acción deseada, independiente del tipo de acción que definamos.
Y también vemos el tiempo de permanencia óptimo promedio (o OET en inglés), que nos ayuda a representar el interés de las personas frente a una zona o bien, en un punto de venta.
Ejemplo de uso: este es un caso real. En un experimento de retail una empresa se preguntó por qué no vendían suficientes vasos de café si la máquina de café estaba en la punta de góndola con mayor tráfico en la tienda.
Se dieron cuenta que el tiempo de permanencia promedio era bajo; las personas sí pasaban por la máquina, pero a debido a que había tantas personas pasando cerca de ellas, se sentían demasiado incómodas como para quedarse esperando por tener listo su vaso de café. Como decisión, pusieron la máquina en un lugar más tranquilo, más apartado.
También, en vez de hacer seguimiento a la cantidad de personas, podemos identificar cuántas miradas hay a nuestra zona de interés, con el seguimiento de pupila, como hemos visto anteriormente.
Como ves, podemos implementar la misma tecnología pero con casos de uso distintos dentro del punto de venta.
Este es el caso de Amazon Go, que puede detectar qué productos exactamente están siendo tomados de los anaqueles.
Una aplicación más común es utilizar pantallas interactivas que las personas pueden utilizar para consultar productos y servicios en tu punto de venta.
De ellas, es más fácil extraer información como los productos más consultados (que puede que no estén en inventario) y los datos demográficos de las personas que utilizan la pantalla (así es, mientras ellas ven la pantalla, una cámara puede realizar reconocimiento facial).
En el comportamiento de interacción nos interesa evaluar los puntos donde la decisión de compra ocurre. Esta decisión no ocurre en el lugar de pago—que es algo más operativo y veremos en la siguiente sección—sino cuando una persona decide o no que se llevará un producto.
En el caso de de los supermercados, esta decisión se determina cuando una persona toma un producto y lo pone en el carrito.
Si este punto donde se toma la decisión de compra está bien definido en tu negocio, valdría la pena analizar si debes medirlo con métricas de interacción, ya sea con demanda local, tasa de captura o tiempo de permanencia óptimo.
En tiendas de ropa, se sabe que cuando una persona prueba una prenda aumenta significativamente la probabilidad de que termine comparándola.
Por eso, a estas empresas les interesa medir la ocupación de sus probadores. El comportamiento de probar una prenda, aunque no se trate de una transacción, podría medirse como una conversión.
Después de evaluar el comportamiento del lado de los visitantes, nos interesa conocer las acciones del punto de venta que puede influenciar ese comportamiento.
Hay varias métricas relacionadas con el manejo del inventario, pero nos concentramos en la de rotación de inventario o “sell-out” que indica el porcentaje de inventario disponible vendido vs el total de inventario disponible. Si es en tiempo real, este indicador nos ayuda a identificar nuestras necesidades de abastecimiento antes de agotar existencia.
Hay dos formas de medir el sell-out:
Si hablamos de “fricción” o entender por qué las personas que visitan nuestros puntos de venta se van sin comprar, es una buena opción comenzar sabiendo qué productos buscaban y no estaban disponibles para ellos.
El Momento Zero de la Compra se refiere a lo que hacen las personas en internet para conocer más sobre un producto antes de realizar una compra.
Es común que las personas visiten un e-commerce no para comprar en él sino para ver productos que luego comprarán en los puntos de venta.
Para algunos negocios, su e-commerce funciona mejor como vitrina o exhibición que como tienda.
Ejemplo de uso: más que un indicador, tener presente que las personas visitan tu sitio web antes de ir a tus puntos de venta físicos podría invitarte a conocer cuáles son los productos que más visitan de tu tu e-commerce y estimar o anticipar que esos productos puedan ser solicitados en puntos de venta.
Una victoria rápida es ver si cuentas con inventario o no de estos productos populares en e-commerce en tus tiendas físicas.
La métrica de interés para analizar en tu e-commerce puede ser cantidad de sesiones para cada página de producto o categorías de producto; puedes desglosar estas visitas por ciudad y tipo de dispositivo.
En Porter creamos una plantilla de reporte de e-commerce gratuita para que puedas ver estas métricas y mucho más.
Si tienes dudas de cómo implementarla, escríbenos y con mucho gusto responderemos tus preguntas.
Abrir plantillas de reportes para e-commerce con Google Data Studio.
El punto de pago es el momento donde un visitante realiza la compra de un producto, y es un aspecto donde hablamos de la fricción. La fricción son todas las cosas que dificultan que una persona compre y pruebe nuestros productos.
Es en este punto donde hablamos de gestión de colas o filas (o queue management, en inglés), que nos permite evaluar el tiempo promedio que las personas duran haciendo fila para realizar un pago y, así, establecer política de tiempos de espera máximos, ya que pueden generar que las personas abandonen el punto de venta sin realizar una compra.
En esta disciplina, nos interesa monitorear indicadores como:
Básicamente, nos interesa saber qué tan larga es una fila y calcular el promedio por hora, día o día de la semana para conocer los momentos de mayor congestión.
Esta métrica nos permite entender cuánto tiempo, en promedio, las personas esperan hasta ser atendida. De aquí puedes definir políticas de tiempos de espera máximos y a partir de eso, asignar agendar tu personal.
Un indicador claro y accionable es conocer el porcentaje de personas que deciden retirarse de una fila sin terminar la transacción. Es crítico porque se trata de potencial de ventas perdido por una deficiencia operativa.
Con las métricas anteriores, podríamos predecir cuánto tiempo debería esperar una persona en fila antes de ser atendida.
Podríamos permitir a nuestros clientes conocer el tiempo estimado antes de ser atendidos para que puedan ajustar sus expectativas y reducir su incertidumbre.
Nos interesa medir comportamientos que indiquen incomodidad durante la experiencia de compra.
Mientras que en la etapa de engagement nos referimos al nivel de interés, en esta nos enfocamos en puntos de fricción.
Un ejemplo de fricción sería que las personas estén en un punto de venta a una hora pico, donde se dificulte su acceso y desplazamiento por los pasillos, además de tiempos de espera más largos.
Una forma consistente de encontrar problemas en la experiencia del cliente es saber cuándo, a qué horas y dónde están ocurriendo.
Para eso medimos la tasa de conversión por días de la semana, horas del día y puntos de venta para identificar en qué momento la efectividad de nuestros puntos de venta para convertir tráfico y clientes se ve afectada.
Tenemos un artículo completo al respecto: cómo medir la experiencia del cliente en retail
Las encuestas como el NPS o Net Promoter Score, en inglés nos permiten conocer el nivel de satisfacción de un cliente a partir de su disposición a recomendarnos o no.
Pero la verdad el valor del NPS se ve sobre todo en el hecho de entender por qué los clientes tienen un problema en la experiencia de compra. Antes de implementaciones tecnológicas de medición cuantitativa es importante evaluar este aspecto cualitativo.
Es más económico y puede generar hallazgos más concluyentes
Una conversión, como vimos antes, no necesariamente es la transacción.
Al igual que en el marketing digital, donde existen las micro conversiones o las acciones que no son necesariamente de carácter comercial pero demuestran intención de compra o afinidad con nuestro negocio.
Por ejemplo, la descarga contenidos, las reproducciones de video u objetivo de sesiones por usuario en un tiempo determinado, en el retail físico también contamos con este tipo de acciones deseadas.
Una forma fácil de entender las conversiones en tiendas físicas es haciendo un paralelo con los “Call to Actions” o llamados a la acción de una página de internet.
Las conversiones en las tiendas físicas son esos llamados a la acción que queremos que las personas dentro de nuestros puntos de venta realicen.
Algunos ejemplos de conversiones en retail son:
el personal de tu negocio dispuesto para el servicio al cliente juega un rol fundamental en el desempeño de tu negocio.
Es sabido que en tiendas de lujo como joyas, por ejemplo, puede duplicar o triplicar tus ventas.
Para medir el servicio al cliente, nos interesa conocer la intensidad y productividad del servicio que, además de evaluar a nuestros empleados, nos permite agendar personal en función del tráfico.
Este indicador, que también se le conoce como ratio de staff y clientes, consiste en conocer la cantidad de tráfico en un punto de venta frente a la cantidad de personal disponible en ese punto.
Al medir, por ejemplo, una ocupación de 30 personas para 5 empleados en periodos de 5 minutos podemos decir que la intensidad de servicio es de 6 que se leería como: hay 6 personas por cada empleado.
La intensidad de servicio nos ayuda a identificar cuál es la proporción de empleados ideal para mantener la tasa de conversión objetivo sin aumentar drásticamente los gastos en personal.
También, como indicador de productividad de empleados, calculamos las ventas promedio por empleado en un tiempo determinado.
Eso nos ayuda a clasificar nuestros mejores vendedores ya sea por volumen de ventas o ticket promedio.
Como referente adicional, puedes tener presente la metodología Friedman de ventas, altamente usada por empresas de retail para crear tableros de mando que te ayudan a evaluar la productividad de tus puntos de venta y cada uno de tus empleados, teniendo presentes KPIs de retail como la tasa de conversión, tráfico, ticket promedio, valor promedio por ticket y unidades promedio por ticket.
Más allá de la parte operativa durante el proceso de transacción en un punto de venta, este aspecto se refiere a la relación que generas con tus clientes por medio de sus pagos y eso cómo condiciona su comportamiento de compra.
Aquí nos interesa medir métricas que podemos encontrar en nuestro sistema POS y CRM como:
Esta métrica nos indica cuál es el valor de un cliente a lo largo de todo el tiempo que nos compre. Una cosa es que realice una transacción, pero otra es que siga comprando al mismo punto de venta durante un año.
Entre más larga sea esta relación, mayor es el valor de cada cliente, invitándonos a tener presentes dos cosas: es más fácil retener un cliente que conseguirlo y es más importante una relación que una transacción.
Junto al valor de vida de un cliente nos interesa el costo de adquirir cada cliente, lo que nos permite preguntarnos:
¿Qué tanto dinero estamos dispuestos a gastar para conseguir un cliente nuevo?
Hay empresas que tienen pérdidas con la primera transacción del cliente porque sabe que ese costo de adquisición se compensa con el valor de vida (CLV), como es el caso de Uber, que regala carreras gratis a usuarios la primera vez.
El ciclo de venta se refiere al tiempo que toma una persona desde que conoce tu negocio hasta que decide convertirse en cliente.
Para el caso de retail puede ser de minutos, como es en productos de moda de precios bajos o un poco más demorado, como es el caso de la compras de lujo.
La frecuencia de compra nos indica la cantidad de veces que una persona realiza una transacción en tu negocio durante un periodo de tiempo específico (por mes o por año, por ejemplo).
Teniendo en cuenta este número y los clientes que se encuentran en cada grupo puedes plantear estrategias para aumentar esa frecuencia con programas de fidelización o estímulos a través de promociones, por ejemplo.
El churn rate se refiere al porcentaje de clientes que te abandonan en un tiempo determinado y es un indicador determinante de la salud de tu negocio y la satisfacción de clientes con tu servicio.
Para empresas como Netflix y empresas de suscripción mensual la tasa de abandono es fácil de calcular.
En cambio, en retail, generalmente no existe un compromiso de pagos de suscripción y la forma que tenemos para medirlo es estimando el ciclo de ventas de tu negocio.
Si, por ejemplo, tus clientes más o menos te compran cada trimestre, te gustaría calcular cuántos te compran dentro de ese periodo y cuántos dejan de comprarte y calcular esa tasa de abandono.
En este punto nos interesa saber quiénes son nuestros clientes y por qué visitan nuestros puntos de venta; nos interesa conocer su intención de compra.
Además de la información que nos pueda aportar un CRM y un POS para encontrar segmentos no obvios de clientes, si tienen componentes predictivos, podemos hacer un ejercicio práctico para determinar la intención de compra de nuestras tiendas y lo podemos hacer con una herramienta gratuita: Google My Business.
Google My Business nos permite gestionar la visibilidad de nuestros puntos de venta físicos en Google. Es lo más cercano a hacer marketing digital para tiendas físicas. Nos ofrece 4 tipos de indicadores que nos interesa monitorear:
Las impresiones representan la visibilidad de tu negocio y se refiere a la cantidad de veces que nuestro negocio aparece en los resultados de búsqueda de Google. Estas vistas (o impresiones) entregan métricas de:
Los reviews son una de las métricas más accionables porque te permite medir la satisfacción de las personas que visitan su negocio y, puntualmente, saber qué les gusta y qué no.
Google también te ofrece medir la cantidad de acciones que son relevantes para tu negocio que las personas realizan en el motor de búsqueda, como por ejemplo:
Google también nos muestra la cantidad de búsquedas que hay sobre palabras clave específicas. Existen 3 tipos de búsqueda:
Búsquedas de descubrimiento: estas búsquedas son de tu producto o categoría de producto, pero no de tu negocio. Por ejemplo, cuando la gente busca “tiendas de zapatos cerca de mí”.
Búsquedas de marca: estas búsquedas contienen el nombre de tu marca. Por ejemplo, “Adidas”.
Búsquedas directas: estas búsquedas son las que hacen las personas buscando tus puntos de venta directamente. “Tienda Adidas en Bogotá”.
Conocer la cantidad de búsquedas, sobre todo las directas y las de marca, nos sirven para identificar la intención de compra.
Entre más personas busquen tus puntos de venta, posiblemente, puedas esperar más tráfico con alta intención de comprar.
Todos los KPIs que te mostramos están relacionados con medir el comportamiento de las personas, pero la disciplina de la analítica de comportamiento para retail tiene como fin aumentar la rentabilidad de los negocios de retail.
Todas las métricas mencionadas tienen el fin de que de alguna forma ayuden a mejorar dicha rentabilidad y la efectividad de tus tiendas; en otras palabras, optimizar la tasa de conversión.
El volumen de ventas de cada una de tus tiendas depende de tres KPIs de retail:
Tráfico * Tasa de conversión * Ticket promedio = volumen de ventas
Tus ventas dependen de la cantidad de personas que te visitan, el porcentaje de ellas que realizan una transacción y el valor promedio de las transacciones que hacen.
Es una fórmula simple, pero es significativa en cuanto a que nos dice 3 formas accionables de aumentar nuestras ventas, cada una involucrando estrategias distintas.
Como ya vimos, el tráfico representa la demanda o potencial de ventas. Generalmente, es constante y depende de factores como su ubicación, el posicionamiento y reconocimiento de tu marca y la temporada.
Las áreas de marketing pueden influenciarlo con promociones, marketing directo, descuentos o cualquier actividad que incentive a las personas a visitar tus puntos de venta. Aquí tienes 19 ejemplos de promociones de ventas.
También te puede interesar: 14 KPIs de retail a partir del conteo de tráfico
La tasa de conversión representa la efectividad de tus puntos de venta para convertir visitantes en clientes. Es el indicador que más atención e interés debería generar a las áreas de retail y administradores de puntos de venta. Tiene muchos usos, entre ellos están:
También te puede interesar: tasa de conversión promedio por industria
El ticket promedio se desglosa en dos métricas: la cantidad promedio de unidades vendidas y el valor promedio por unidad.
La cantidad de items que vendes por transacción depende de una estrategia de ventas cruzadas, up-sales y down-sales que tus empleados puedan ofrecer.
Estas estrategias están supeditadas a las promociones o empaquetamientos que tu marca logre identificar, dependiendo el tipo de clientes que tienes.
Aquí es cuando vale la pena considerar las características demográficas (género y edad) de las personas que visitan tus tiendas.
El precio por ticket promedio no depende de vender los items más caros de tu inventario—porque eso afectaría tu tasa de conversión—sino de aumentar tus precios.
El problema es que aumentar tus precios puede afectar la demanda de ellos y está estrechamente relacionado al posicionamiento de tu marca. Si tu marca se concentra en precios bajos, difícilmente puedes poner precios premium.
