Ante la inexplicable caída de las ventas de cerveza los fines de semana, una marca abordó el problema en tiempo real y basándose en datos.

Si usted es una marca de bienes de consumo de gran venta con distribución en varios países, no es raro que tenga un gran número de problemas de ejecución minorista que deben resolverse. Los equipos de campo dispares, las complejas carteras de productos y los diferentes estándares de los lineales son difíciles de gestionar, especialmente con las auditorías tradicionales de las tiendas que adoptan el recuento manual del inventario en los lineales. El reconocimiento de imágenes y las herramientas de automatización de la fuerza de ventas han facilitado considerablemente la captura de datos de los lineales y la corrección de problemas comunes de estado de las tiendas. Los CPG maduros han optado por utilizar estas técnicas para realizar auditorías de cuentas completas que han proporcionado una línea de base para los estándares de ejecución minorista.

Sin embargo, de vez en cuando, es necesario realizar "comprobaciones puntuales" más rápidas basadas en un muestreo aleatorio de cuentas minoristas, por ejemplo, para validar el lanzamiento de un nuevo producto, supervisar la ejecución de una nueva promoción o examinar por qué han bajado las ventas en determinados periodos. Pero con equipos de campo ya estresados y escasos de tiempo, captar la realidad de los lineales a gran escala puede ser una pesadilla. Disponer de un proceso para solucionar realmente los problemas es un reto aún mayor. Este era exactamente el problema al que se enfrentaba uno de los mayores fabricantes de cerveza del mundo.

El misterio de la caída de ventas del fin de semana

Naturalmente, cabría esperar que las ventas de cerveza aumentaran los fines de semana. Sin embargo, un importante fabricante de cerveza de todo el mundo descubrió justo lo contrario: las ventas disminuían. ¿Se trata de un problema de oferta o de demanda? ¿Había otras cuestiones culturales en juego? La marca se propuso averiguarlo.

Utilizando un producto de ejecución en tienda basado en el reconocimiento de imágenes, la marca observó el espacio primario de la cerveza en 1.000 tiendas de todo el mundo durante un solo fin de semana: se trataba de tiendas de 25 ciudades, en mercados clave como Estados Unidos, Canadá, Brasil, China y Corea.

Recopilación de datos precisos y fiables sobre estanterías

Según el estudio de McKinsey de 2016 sobre los bienes de consumo norteamericanos, las empresas con más éxito adoptan un enfoque basado en datos para la inversión comercial, utilizando métricas que cubren tanto los resultados (como las ventas netas) como las actividades (como la resolución de roturas de stock). La solución de Trax basada en el reconocimiento de imágenes es mucho más fiable y precisa que el método de papel y lápiz, sobre todo cuando se trabaja a gran escala.

Con el sistema, la marca de cerveza detectó tres problemas críticos relacionados con la disponibilidad de existencias y la cuota de lineal.

Y lo que es más importante, una media de una de cada cinco marcas de la cervecera estaba agotada en las tiendas de todos los países analizados. Obviamente, esto afectó a las ventas, ya que los consumidores no pueden comprar lo que no hay.

En segundo lugar, planteó la cuestión de la cuota en los lineales. Una de las marcas de la cervecera tenía la mayor cuota de lineal en Estados Unidos, Canadá y China, mientras que otra de sus marcas dominaba en México. Pero sus tres marcas globales registraron una cuota de lineal baja en Italia, Francia y Bélgica.

El último estudio mostró que, de media, el 67% de las referencias de la cervecera estaban agotadas en todas las tiendas auditadas. Curiosamente, algunos de los mercados más fuertes, como Brasil, Estados Unidos y Canadá, presentaban los mayores índices de falta de existencias. Este dato llevó al fabricante a revisar su gama de productos en mercados clave.

A escala mundial: Aprender de las tendencias nacionales, regionales y locales

Al disponer de información detallada sobre los lineales, la cervecera conoció mejor las tendencias nacionales, regionales y locales de la cerveza. En China, ver que seis de cada diez marcas en el lineal eran productos de la competencia (normalmente cervezas locales) indicaba un aumento de la demanda de productos locales, por ejemplo. Mientras tanto, en Francia, sólo la mitad de las tiendas encuestadas almacenaban al menos una de las referencias de la cervecera. El hecho de que esta situación fuera la misma para otros fabricantes de cerveza sugería que se debía a una caída de la demanda francesa de cerveza, más que a una razón específica de las marcas de la cervecera.

Estos conocimientos regionales permitieron a la cervecera ajustar sus estrategias de distribución y comercialización para ser más competitiva en los mercados locales.

El estudio también proporcionó información valiosa sobre el rendimiento de la competencia. En el Reino Unido, por ejemplo, todas las tiendas auditadas tenían al menos una de las referencias de la cervecera, pero lo mismo ocurría con sus tres principales competidores. Esto sugería que la estrategia de la cervecera en el Reino Unido debía hacer más hincapié en la presencia vertical (número de establecimientos) que en la horizontal (alcance).

Una escala sin precedentes para una información sin precedentes

Antes, implantar una solución de este tipo a tal escala habría requerido muchas más horas de trabajo, habría costado más y habría llevado mucho más tiempo obtener información. A falta de pruebas visuales de la ejecución en la tienda, es posible que los datos tampoco fueran totalmente fiables.

Pero gracias a los análisis basados en datos obtenidos a partir de imágenes reales de las tiendas, la marca de cerveza dispuso de información práctica que marcó diferencias significativas en sus estrategias nacionales, regionales y locales, permitiéndole negociar mejor con las tiendas y, por tanto, ser más competitiva. Y eso es algo por lo que merece la pena brindar.

Descargue el estudio de caso aquí.