Este artículo tiene como objetivo continuar describiendo el procedimiento para analizar los indicadores de una tienda online.

En Como analizar los indicadores de una tienda online – parte 1, se describen los primeros 3 pasos de la técnica: Valores y variaciones, Series de tiempo, y Movimientos internos.

Habiendo cumplido los pasos anteriores, el siguiente consiste en encontrar el óptimo diario para el indicador en un horizonte de una semana.

La lógica de este horizonte de tiempo es que permite una mayor precisión en la predicción de la variable y permite llegar a la acción concreta del día a día.

Conociendo el comportamiento de la variable queremos encontrar un algoritmo que permita detectar el movimiento óptimo de un día concreto.

Este algoritmo consiste en una fórmula simple que utilice el histórico de datos de la variable y de otras relacionadas para detectar el óptimo.

Cada indicador tendrá su propia fórmula, y una vez detectada, estará sujeta a una mejora continua.

Para diseñar el algoritmo deben seguirse 3 pasos: profundizar en dimensiones, encontrar los niveles óptimos, y detectar el potencial de mejora.

Profundizar el dimensiones

El óptimo del indicador agregado es la suma de los óptimos de las dimensiones que la componen:

Por lo tanto, la búsqueda del óptimo será sobre cada una de las dimensiones actuando en conjunto.

En el indicador de ejemplo Conversión de producto identificamos dimensiones de Categorías de productos, y el indicador está conformado por unidades vendidas sobre visitas a ficha de producto.

En este punto podemos indagar si se han calculado óptimos para las variables que lo componen:

Por ejemplo, si se a encontrado el óptimo de artículos por vender utilizando otros métodos, podremos usar este dato como un input para el algoritmo.

Si por otro lado se a encontrado el óptimo para sesiones, podremos utilizar este dato como input para calcular las visitas estimadas a la ficha.

Encontrar niveles óptimos

El algoritmo realizará el cálculo para encontrar la predicción del óptimo para cada elemento de la dimensión.

El criterio general es el siguiente: necesitamos encontrar cual es mejor movimiento posible de realizar dentro del contexto en el que nos encontramos.

En el siguiente cuadro se muestran los mejores valores históricos de conversión por categoría alcanzados en la semana anterior (LW), mes anterior (LM) y del año pasado ajustado por un crecimiento interanual (LY´).

Podemos aplicarles a esos valores un peso relativo para construir el óptimo. En el ejemplo, un 40% de la semana anterior, 30% del mes anterior y 30% para el año anterior.

Estos pesos relativos están relacionados con la estacionalidad conocida del negocio.

Si previamente se había realizado una predicción del óptimo de venta de artículos semanal, podemos calcular también la predicción de las visitas a ficha para la semana.

En el siguiente cuadro se presenta la apertura por cada día de la semana para el óptimo.

El mismo se conforma del óptimo inicialmente calculado ajustado por una factor por día. Este factor por día puede ser calculado con el histórico.

Así llegamos a tener el óptimo diario que es el promedio de las categorías.

Una vez elegido el modelo de algoritmo que más se adecúe el negocio, es posible computarizarlo para automatizar el proceso.

Detectar potencial de mejora

Este punto se puede realizar cuando el hecho que estamos midiendo se concretó en un tiempo determinado, y podemos comparar real versus óptimo.

Si visualizamos gráficamente, podemos observar la diferencia entre el real y el óptimo en cada una de las categorías.

Tenemos una primera aproximación a las opciones de acción: podemos enfocarnos en las categorías que se desvían del objetivo en orden de mayor desvío al menor desvío.

En un siguiente artículo se describirá la forma de mensurar económicamente el potencial, para enfocarnos en las tareas que más valor agreguen al negocio.

Una vez elegida una categoría, es posible profundizar y realizar un análisis en un tercer nivel como producto o subcategoría.

Podemos detectar de esta manera los productos en los que la tasa de conversión fue mayor al óptimo, y realizar acciones con ese producto.

Estas acciones pueden ser: destacar el producto, realizar acciones de marketing con el producto, o bien realizar un análisis de la cobertura de stock del producto para continuar vendiendo.

La misma tarea puede realizarse con los productos o categorías que se esperaban se encuentran más cercanos al optimo, pero fueron inferiores.

En este caso puede analizarse los motivos de la baja conversión: ¿se vendieron menos productos de los esperados? ¿Las fichas a producto tuvieron más visitas de las esperadas? ¿por qué se esperaba una buena performance del producto?

En el siguiente gráfico se puede ver un ejemplo de los desvíos del indicador abiertos por categorías:

Podemos ver en este caso, sin incorporar otras variables de importancia, que se podría trabajar en la categoría Pantalones, Camperas y Remeras principalmente.

» Conclusiones

En la primera parte de como analizar cualquier indicador, se describieron los primeros tres pasos de esta técnica: variaciones, series de tiempo, y movimientos internos.

En esta segunda parte se describieron los siguientes tres pasos de esta técnica: profundizar en dimensiones, encontrar niveles óptimos, y detectar el potencial de mejora.

En la tercera parte de como analizar cualquier indicador se describen los últimos tres pasos de la técnica: mensurar el potencial, identificar áreas de trabajo, y realizar acciones concretas.

Finalmente todos los pasos pueden ser replicados para cualquiera de los 120 indicadores propuestos para gestionar una tienda online.