Hoy en día, en un solo minuto se suben 66.000 imágenes en Instagram y 500 horas de vídeo en Youtube, se escriben 3,3 millones de publicaciones en Facebook, se hacen 3,8 millones de búsquedas en Google y se mandan 29 millones de mensajes por Whatsapp. En solo 60 segundos.
El pasado Black Friday (viernes 24 de noviembre de 2017) Amazon, en un comunicado, anunciaba un nuevo récord de ventas en España. El año pasado, según cifras de la empresa, los pedidos fueron más de 940.000, es decir, 10 pedidos al segundo. Este año, con más de 1,4 millones de pedidos, la cantidad de pedidos por segundo ascendió a 16.
Pero es que justo 15 días antes, el gigante chino del comercio electrónico Alibaba batió también todos sus récords de ventas en el denominado Single Day, al facturar más de 25.300 millones de dólares en un día. De hecho, en sólo 2,5 minutos ya habían vendido 1.000 millones de dólares y al cumplirse dos horas del comienzo del ‘Día de los solteros’, Alibaba había cerrado ventas a través de dispositivos móviles por importe de 11.900 millones de dólares.
El buen hacer de la tecnología nos sitúa hoy frente a un número desproporcionado de datos, lo que se ha llamado Big Data, caracterizado no solo por su Volumen, sino también por su Velocidad y Variedad de medios, fuentes y formatos (las tres “V").
"De todo el Big Data que nos rodea, los datos smart son aquellos que proporcionan la informacion pertinente para cada KPI"
El resultado de la combinación de estos datos, así como su visualización, usabilidad y accesibilidad por parte de las empresas, debe ser capaz de aportar alguna ventaja necesaria para poder garantizar la correcta toma de decisiones en tiempo real. Por más que desarrollemos las más complejas y precisas herramientas para captar ese número casi infinito de datos, las empresas que nos dedicamos a ello tenemos la responsabilidad de aportar la cuarta “V” al Big Data, la única realmente importante, la generación de Valor.
Pero tan importante es controlar el Big Data, como separar y trabajar el Smart Data. De nada sirve “emborracharse” de datos si luego no sabemos cómo utilizar este conocimiento que acabamos de obtener para mejorar alguno de nuestros procesos cotidianos. Debemos ser capaces de distinguir cuáles son los datos importantes para nuestra empresa, aquellos que contestan a las preguntas clave sobre el buen hacer del día a día, sobre la efectividad de las acciones realizadas y/o las decisiones tomadas, sobre el desempeño de la tienda. O, lo que es lo mismo, aquellos datos vinculados a cuantificar la consecución de cada KPI.
De todo el Big Data que nos rodea, los datos smart son aquellos que proporcionan la información pertinente, precisa y oportuna para cada indicador clave de rendimiento (KPI) de nuestro negocio. Y esos serán los datos que debemos preocuparnos de recopilar, almacenar, tratar y analizar con nuestras herramientas de Retail Intelligence.
Con una correcta interpretación de los datos, aparecen nuevas ideas, y lo que es más importante, el valor para ponerlas en práctica.
Visión 360 grados
El retail, entendido como la actividad comercial de calle, ha visto como el comercio online va aumentando su peso en número de hogares y en gasto por comprador. Los negocios online se dedican a acumular, procesar, estructurar y rentabilizar todos los datos posibles para competir mejor. Sin duda, son datos de alto valor también para el comerciante presencial, y solo cruzando los datos de ambos mundos podrá el retailer offline convertir la amenaza en oportunidad y competir, o convivir, con el mundo online en igualdad de condiciones.
En un contexto en que el comercio electrónico se ha democratizado para la mayoría de los retailers con tiendas físicas, es esencial combinar los datos del análisis del comportamiento de los clientes offline, y también los que están frente a la pantalla del ordenador. De otro modo, no es posible tener una visión de negocio de 360 grados.
“El visitante está más dispuesto a efectuar su compra en la tienda física en lugar de deambular y salir con las manos vacías”
En estos últimos años, gracias al Big Data y al Retail Intelligence, hemos sido capaces de aprender del mundo online y de transformar sus métricas al mundo físico, adaptándonos a las necesidades de nuestros clientes. Identificamos patrones de comportamiento de los consumidores y dibujamos sus Customer Journeys: por dónde se mueven, qué días de la semana y a qué horas, qué les hace entrar en una tienda o pasar de largo, qué les impulsa o qué les frena a comprar cuando están dentro, si repiten sus visitas y con qué frecuencia… a la vez que analizamos las ratios de atracción y de conversión, los niveles de engagement y de fidelización, o los costes por impresión y costes por click de los distintos emplazamientos.
Los indicadores de desarrollo de las tiendas online y offline son equiparables en términos de gestión: la cantidad de clientes que pasan por delante de la tienda (impresiones) y los que entran en ella (clicks), los que compran y los que se van sin comprar, las zonas calientes o más visitadas, los momentos del día y de la semana más concurridos, los tiempos de estancia, las ratios de atracción y de conversión, etc.
El ‘Informe Big Data sobre el Comportamiento del Consumidor’ es un resumen anual que nos ayuda a conocer en detalle el comportamiento de las distintas ciudades, áreas y calles comerciales españolas: su flujo de peatones, los días y horas de más y menos afluencia, o el coste por cliente potencial derivado del precio de alquiler inmobiliario.
Esto nos ha permitido saber, por ejemplo, que en España el 37,6% de los clientes que entran en una tienda va a acabar comprando algo, o que en la calle Fuencarral de Madrid, un espacio comercial de 80 metros cuadrados está pagando 4,14 céntimos de euro por cliente potencial, frente a los 2,58 céntimos que pagaría en la calle Tetuán de Sevilla.
Pero, a la vez, es un análisis que nos ayuda a comprender el comportamiento de este consumidor omnicanal y a detectar nuevas tendencias. ¿Predomina en España la práctica del showrooming (visitar las tiendas físicas para evaluar un producto que finalmente se acaba adquiriendo online) o del webrooming (cuando se analiza el producto en la red pero se realiza la compra en la tienda física)? Los últimos estudios hablan de una preponderancia de esta última, el webrooming. Y nuestro informe 'Big Data' lo mantiene.
Más webrooming
2017 ha sido un año de bajada generalizada en la tasa de atracción comercial, con decrementos en los porcentajes de entradas a las tiendas que van desde los 1,5 puntos (Barcelona) a los 0,5 puntos (ciudades del Grupo III, de entre 200.000 y 300.000 habitantes). En cambio, en todas las ciudades analizadas, ha aumentado favorablemente la tasa de conversión a ventas: entre los 3,6 puntos (Madrid) y los 0,3 puntos (ciudades del Grupo III). Menos visitantes, pero, a la vez, más dispuestos a efectuar su compra en la tienda física en lugar de deambular por la tienda evaluando los productos y acabar saliendo con las manos vacías. Menos showrooming y más webrooming.
Por otro lado, este año hemos experimentado el fenómeno del Black Friday, que llega para quedarse. El éxito de esta jornada de descuentos se alarga a toda una semana en las calles comerciales de toda España. A lo largo la semana 47 del año, el tráfico peatonal de todo el país ha aumentado en porcentajes que van desde el 5,2% (Barcelona) hasta el 16% (ciudades del Grupo II, de entre 300.000 y 500.000 habitantes). Incluso, en Madrid, el Black Friday de 2017 se ha convertido en el día más transitado del año, superando a cualquier otro día del periodo navideño.
En otro orden, también hemos visto cómo Barcelona recupera su tráfico peatonal en tan solo una semana tras el atentado sufrido en el mes de agosto, pero vuelve a caer en octubre debido a las inestabilidades políticas y sociales del momento, afectando en gran manera al cuarto trimestre del año.
Otro dato importante a tener en cuenta es la importancia que ha adquirido el indicador del Coste por Cliente Potencial (CCP) como medidor de control de la rentabilidad de los locales comerciales, actuando como condicionante en el cierre de algunos contratos de alquiler, y como justificante en posteriores negociaciones, tanto al alza como a la baja.
"El consumidor de ropa, calzado y complementos se ha desplazado a Madrid, nueva capital de la moda"
El CCP es el resultado de combinar el número de personas o clientes potenciales que pasan cada mes por delante de un emplazamiento con el coste mensual del alquiler del local, ofreciendo como resultado un valor en euros por cada cliente potencial que pasa frente al punto de venta. Un indicador para saber no solo cuáles son las calles más transitadas sino cuáles son las que ofrecen un mejor y más rentable coste por cliente potencial.
Si tomamos como ejemplo los resultados del 'Informe Big Data de 2017', observamos que en la calle Fuencarral de Madrid, un espacio comercial de 80 metros cuadrados está pagando 4,14 céntimos de euro por cliente potencial, frente a los 2,7 céntimos de euro que costaría en la calle Pelayo de Barcelona, los 2,58 céntimos que pagaría en la calle Tetuán de Sevilla o los 3,9 en Jaime III de Palma de Mallorca.
Finalmente, gracias al Big Data, también podemos desagregar los resultados por sectores y estudiar por separado el comportamiento de los consumidores de moda, de ocio, de perfumería, de hogar y decoración, etc.
El consumidor de ropa, calzado y complementos, por ejemplo, que en 2015 y 2016 recorría las calles de Barcelona, en 2017 se ha desplazado a Madrid, instaurando la misma como capital de la moda. La media de clientes diarios de una tienda a pie de calle del sector moda en Madrid es de 154, mientras en Barcelona se queda en los 126.
Y así ha salido a la luz el tercer ‘Informe Big Data sobre el Comportamiento del Consumidor’, a partir de los millones de datos recopilados por nuestros sensores inteligentes instalados en las calles comerciales de toda España, junto con los miles de entradas de clientes y las transacciones que se realizan diariamente en los puntos de venta, siempre almacenados y tratados de manera anónima, agregada y acorde con la legislación vigente. Una visión smart que ayuda a comprender, a grandes rasgos, el comportamiento del consumidor en las calles comerciales españolas.