Canibalización y Halo – efectos a tener en cuenta para mejorar la previsión de la demanda

 

Autor: Tuomas Viitanen, Data Scientist, D.Sc. (Tech.)

Promocionar un producto, por ejemplo, a través de descuentos, anuncios y/o expositores especiales, a menudo tiene un gran impacto en las ventas. La ejecución exitosa de una promoción es posible, sólo, si el incremento en el volumen de ventas se contabiliza en todas las fases de la cadena de suministro. Con una planificación de la cadena de suministro adecuada, basada en pronósticos de promoción, es posible satisfacer la mayor demanda de los productos promocionados sin mermas o sin excedentes de stock. Además, la promoción de ventas de un producto puede tener unos efectos secundarios en las ventas de otros productos que no están en promoción – un hecho que se olvida o al que no se le presta demasiada atención. Y, no tener en cuenta los efectos secundarios lleva a una planificación subóptima y, consecuentemente, impide maximizar el beneficio de las promociones de ventas.

Este informe técnico analiza los efectos secundarios de una promoción de ventas, a menudo denominados Efecto de Canibalización y Efecto Halo, y el uso de las causas identificadas en la previsión de la demanda.

Extraer el Comportamiento del Consumidor de los Datos de Venta

Estoy de pie en frente de una nevera de carne en un supermercado normal con la lista de la compra en la mano. Próximo producto en la lista: 1⁄4 kg de carne picada. Al mirar las neveras, veo que hay al menos 15 opciones de marcas diferentes, con un contenido graso variable, y cualquiera podría coincidir con los criterios establecidos en mi lista de la compra. Algunas de las opciones son orgánicas, y otras se han transformado en hamburguesas ya sazonadas. ¿Debería escoger la misma marca que la última vez? ¿O probar algo diferente? ¡Uy! Da igual! El producto X está a un 20% de descuento, así que me lo llevo, y de paso me ahorro un dinero.

Es fácil pensar en ejemplos de como las promociones afectan nuestro comportamiento de compra. Si dos productos son sustitutos casi perfectos el uno del otro, y uno de esos productos tiene un descuento sustancial debido a una promoción, es normal que el producto promocionado acabe en la cesta de la compra del cliente en vez del que se vende a precio normal. En consecuencia, la promoción de ventas de un producto desciende, o canibaliza, las ventas de productos similares. Como fenómeno completamente opuesto, algunos productos, como la ginebra y la tónica, se compran frecuentemente juntos y, por lo tanto, la promoción de un producto puede hacer que incrementen las ventas de otro. A esto se le llama efecto Halo.

Para tener en cuenta la canibalización y el efecto halo en las previsiones de demanda, sería bueno, por una cuestión de eficiencia, reconocer primero las relaciones relevantes entre los, probablemente, millones de posibilidades. La manera más fácil, aunque no la más práctica, sería confiar en el sentido común y hacer manualmente la lista de las relaciones. La carne picada de ternera seguramente canibalice otros productos similares, ¿pero canibaliza también la carne picada de cerdo? ¿Qué pasa con la carne picada de ternera orgánica? Descubrir todas las relaciones relevantes usando el sentido común, no es tan fácil como en un principio podría parecer, y generar y mantener una lista de miles de productos manualmente, no es factible de ninguna de las maneras. Así que, la única opción práctica es identificar las relaciones a través de los datos históricos usando técnicas de aprendizaje automático.

En el negocio de retail, hay dos conjuntos de datos útiles para este propósito. La primera opción es identificar, a través de los datos aportados por las transacciones a nivel recibo y de las tarjetas de fidelización, productos sustitutos y productos que con frecuencia se compran juntos. Por ejemplo, si dos productos nunca se incluyen juntos en la misma cesta de la compra, o, si las preferencias de un cliente parecen variar arbitrariamente entre dos productos parecidos, existe una alta probabilidad de que los productos sean sustitutos y, muy probablemente estén en una relación de canibalización entre sí. La misma técnica es fácil de aplicar también en las relaciones de halo; si dos productos se compran juntos con mayor frecuencia de lo que se podría esperar si se compraran de forma independiente, es probable que los productos tengan una relación halo.

La segunda opción son los datos de series temporales a nivel SKU-tienda. Si consideramos un sistema formado por solo un par de productos, durante los períodos de venta normales, p.ej.: fuera de promociones y con los dos productos disponibles en stock, el sistema está en una especie de equilibrio. Ambos productos se compran de una forma un tanto aleatoria, y las ventas proporcionales de cada producto se ven afectadas por diferentes factores, por ejemplo, marca, precio y visualización. Es difícil si no imposible, extraer conclusiones útiles sobre la canibalización o las relaciones de halo basadas solo en el equilibrio de las ventas – pero cuando el equilibrio se rompe a consecuencia de una promoción, las relaciones se vuelven importantes.

Si dos productos están en una relación de canibalización, una promoción del primer producto debería incrementar sus ventas, pero al mismo tiempo, disminuir las ventas del segundo producto. Por lo tanto, los efectos de la promoción de canibalización en las ventas de los dos productos están correlacionados, impactando negativamente en el segundo. Por otra parte, un efecto halo resultaría en una correlación positiva, por ejemplo, un producto está en promoción y las ventas del producto complementario incrementan. Analizar la fuerza y el significado de estas correlaciones es una forma robusta y relativamente eficiente de identificar relaciones de canibalización en los datos masivos de ventas. Como beneficio significativo, esta técnica proporciona información fácilmente cuantificable sobre la fuerza y la relevancia de las relaciones, lo que facilita el filtrado de las relaciones sin importancia.

De relaciones de canibalización y halo a unos pronósticos más precisos

Una vez conocidas las relaciones, los efectos dinámicos de las promociones pueden introducirse en los cálculos de pronóstico usando una aproximación similar como en los cálculos de los efectos promocionales normales. Mientras que las actividades promocionales normales tienden a incrementar las ventas de un producto en promoción, el efecto halo incrementa las ventas de todos sus complementos durante el mismo periodo. Por lo tanto, el efecto halo puede considerarse simplemente como un tipo especial de promoción, que se activa cuando productos halo relacionados están en promoción. En cualquier caso, se debería tener en cuenta que el efecto halo es más débil que el efecto de la campaña original, a menos que los productos se compren juntos siempre. En consecuencia, la canibalización se materializa como promoción especial con un efecto negativo en las ventas. Como se puede ver en la Imagen 1, por lo general, el efecto principal de una promoción en las ventas propias del producto promocionado es mucho más prominente que el efecto secundario de canibalización, que se origina a partir de las actividades promocionales del producto sustituto.

Figure 1
Imagen 1: promociones de productos similares (periodos rojos) canibalizan las ventas de patatas congeladas y disminuye la venta entre 10 – 25% en comparación con las semanas cercanas. Sin embargo, el efecto de canibalización es significativamente más débil que el efecto de las promociones propias del producto (en azul).

Actualmente, RELEX es capaz de reconocer las relaciones de canibalización basándose en datos históricos y datos de promociones, y usar las relaciones conocidas de canibalización y halo en la previsión aprovechando las capacidades versátiles de pronóstico de promociones. Tener en cuenta las relaciones mejora la precisión de las previsiones durante las promociones, lo que reduce las mermas de los productos canibalizados e incrementa la disponibilidad de los productos con halo. Además, la precisión de pronóstico fuera de todos los efectos promocionales, de alguna manera se mejora, ya que la influencia de los periodos de canibalización y halo pueden limpiarse de las series temporales que constituyen el input principal de los modelos de pronóstico de series temporales.

Estamos planeando investigar más a fondo las oportunidades escondidas a nivel transaccional de ticket. Es posible que la solución óptima implique un modelo híbrido que utilice fácilmente todos los datos disponibles.

Este proyecto ha recibido fondos del programa de investigación e innovación Horizon 2020 de la Unión Europea, bajo el acuerdo de subvención No 726825. Lea más sobre el proyecto (en inglés).

¿Preparado para transformar su planificación en Retail?

En RELEX hemos ayudado a empresas a solucionar sus problemas en Retail –en realidad, cuanto más complejo sea el entorno, mayor será el impacto de RELEX. Para saber más, contacte con nosotros.

Contacte con nosotros para saber más