inteligencia comercial-y-optimizacion
TRANSCRIPT
Evento organizado para los i b d l A i ió dmiembros de la Asociación de
Egresados – AGEUP25.04.2012
Inteligencia Comercial yInteligencia Comercial y Optimizaciónp
Indice
EvoluciónEvolución de la Inteligencia Comercialde la Inteligencia Comercial
CasoCaso -- OptimizaciónOptimización de de campañascampañas
CasoCaso -- OptimizaciónOptimización de de pedidospedidos SurtidoSurtido
CasoCaso -- Marketing Mix ModellingMarketing Mix Modelling
CasoCaso -- Pricing IntelligencePricing Intelligence
Inteligencia Comercial
I f ió I f ióInformaciónexterna
Informacióninterna
Toma de decisiones mas rentables
Inteligencia Comercial
Optimización
Geomarketing
Inteligencia Comercial
CLIENTES• Segmentación por valor y
Maximizar el beneficio = Ser excelente en
CLIENTES(Customer Management)
• Segmentación por valor y necesidad
• Plan de Clientes• Optimización de
ñ d k i
OFERTA COMERCIAL
Campañas de Marketing
CANALES
(Channel Management)
COMERCIALProduct/Category
Management
• Cuadros de mando• Canales integrados
(multicanalidad)P fit&L C t l
• Packs productos –(categorias),
• Optimization de pedidosDi ñ d d t• Profit&Loss Control
• Planes de expansión• Optimizacion de territorios• Optimización de rutas
• Diseño de productos• Experiencia de Servicio• Optimización de Precios
Optimización de rutas comerciales
Inteligencia Comercial - Caso
Consolidar y Segmentar
Rentabilidad
Tipología de Estados de Tipología de clientes
stados decompra
• Demographic variables• Behaviour variables• Behaviour variables
ActiveOpt
Dormant RecuperatedNewNew
ActiveOut
Dormant RecuperatedNewDormant
Inteligencia Comercial - Caso
Ocasionales ( b l ti
Consolidar y Segmentar
(abuelos, tios, amigos)
Familias Numerosas
Familias con niños mayores
Familias con niños pequeños
Familias con BebesBebes
Inteligencia Comercial - Caso
Identificamos variables sociodemográficas más importantes y nuestro nivel de t ió lt t i l
Plan de expansión de Puntos de Venta
penetración en zonas con alto potencial
Inteligencia Comercial - CasoPlan de expansión de Puntos de Venta
Alto Potencial– Baja Penetración Alto Potencial– Alta PenetraciónAlto Potencial Baja Penetración Alto Potencial Alta Penetración
Inteligencia Comercial - CasoModelos de Cross-Selling
Pack 1 Pack 2 Pack N
Familias N
Pack 1 Pack 2 Pack N
Numerosas 24% 35% 8%
Familias con niños pequeños
30% 15% 12%
Familias con B b
12% 10% 40%Bebes
Scorings por paquete
Inteligencia Comercial - CasoModelos de Cross-Selling - Tienda Online
Vestido
ComplementosVestidos
Complementos
Inteligencia Comercial - CasoModelos de Cross-Selling - Multicanalidad
Inteligencia Comercial - CasoCuadros de Mando
El conocimiento de los clientes permite la ópersonalización de productos y servicios y compartir
métricas de rentabilidad de clientes
Indice
EvoluciónEvolución de la Inteligencia Comercialde la Inteligencia Comercial
CasoCaso -- OptimizaciónOptimización de de campañascampañas
CasoCaso -- OptimizaciónOptimización de de pedidospedidos SurtidoSurtido
CasoCaso -- Marketing Mix ModellingMarketing Mix Modelling
CasoCaso -- Pricing IntelligencePricing Intelligence
Indice
EvoluciónEvolución de la Inteligencia Comercialde la Inteligencia Comercial
CasoCaso -- OptimizaciónOptimización de de campañascampañas
CasoCaso -- OptimizaciónOptimización de de pedidospedidos SurtidoSurtido
CasoCaso -- Marketing Mix ModellingMarketing Mix Modelling
CasoCaso -- Pricing IntelligencePricing Intelligence
Optimización de campañasSelección de Campañas
Venta estimada Tienda X = 212 mil €
IdcustomerAlert points
Reactivation
Gift Promoti
Double pointsIdcustomer
Alert points
Reactivation
Gift Promoti
Double pointsIdcustomer
Alert Reactiva Gift P i
Double d
Alert Reactiva Gift Double
Alert points Reactivation
Venta estimada, Tienda X 212 mil €
101 8 € 14 € 14 € 21 €
102 13 € 41 € 12 € 11 €
103 26 € 24 € 20 € 12 €
points tion Promoti points
101 8 € 14 € 14 € 21 €
102 13 € 41 € 12 € 11 €
103 26 € 24 € 20 € 12 €
Idcustomer points tion Promoti points
101 8 € 14 € 14 € 21 €
102 13 € 41 € 12 € 11 €
103 26 € 24 € 20 € 12 €
IdcustomerAlert points
Reactivation
Gift Promoti
Double points
101 8 € 14 € 14 € 21 €
102 13 € 41 € 12 € 11 €
103
102106107
103
108
104105
104 25 € 12 € 6 € 4 €
105 23 € 4 € 2 € 21 €
106 6 € 14 € 12 € 11 €
107 3 € 2 € 6 € 9 €
26 € 24 € 20 € 12 €
104 25 € 12 € 6 € 4 €
105 23 € 4 € 2 € 21 €
106 6 € 14 € 12 € 11 €
103 26 € 24 € 20 € 12 €
104 25 € 12 € 6 € 4 €
105 23 € 4 € 2 € 21 €
106 6 € 14 € 12 € 11 €
103 26 € 24 € 20 € 12 €
104 25 € 12 € 6 € 4 €
105 23 € 4 € 2 € 21 €
106 6 € 14 € 12 € 11 €
108
107 13 € 24 € 16 € 9 €
108 11 € 18 € 2 € 8 €
109 16 € 12 € 20 € 11 € …
107 13 € 24 € 16 € 9 €
108 11 € 18 € 2 € 8 €
109 16 € 12 € 20 € 11 €
06 6 € 14 € 12 € 11 €
107 13 € 24 € 16 € 9 €
108 11 € 18 € 2 € 8 €
109 16 € 12 € 20 € 11 €
106 6 € 14 € 12 € 11 €
107 13 € 24 € 16 € 9 €
108 11 € 18 € 2 € 8 €
109 16 € 12 € 20 € 11 €
101109
Sales by campaign
75 € 97 € 20 € 21 €
…
Sales by campaign
75 € 97 € 20 € 21 €
…
Sales by campaign
75 € 97 € 20 € 21 €
109 16 € 12 € 20 € 11 € …
Sales by campaign
75 € 97 € 20 € 21 € Gift Prom.
DoublePoints
Optimización de campañasSelección de Campañas
Motivación Definir las estrategia comercial para sacar el mayor provecho al
presupuesto existente seleccionando las campañas comerciales con mayor rentabilidad
Complicaciones Presupuesto Número de ofertas realizadas por segmento de clientes Número de ofertas realizadas por segmento de clientes Capacidades y restricciones de los canales de distribución Incompatibilidades Cliente - canal, cliente - tipo de producto, entre productos
Mejoras Maximizar el valor esperado del retorno de la inversión Maximizar el valor esperado del retorno de la inversión Disponer de una herramienta de simulación que de soporte a la
decisión
Optimización de campañasSelección de Campañas
Entidad Descripción CaracterísticasEntidad Descripción Características
Segmentos de
Los clientes son agrupados por segmentos de características similares es decir
Perfil del Cliente: estudiantes, jubilados, etc. Nivel de Ingresos: bajos, medios, altos. Tamaño del Segmento: dato que se utiliza para impedir que se hagan más
ofertas que tamaño del segmentode Clientes
similares, es decir, por una reacción similar a las campañas de Marketing
ofertas que tamaño del segmento. Mínimo Número de Ofertas: mínimo número de ofertas que deseamos realizar al segmento.
Máximo Número de Ofertas: máximo número de ofertas que deseamos hacer al segmento
Productos que se
Tipo de Producto: los productos son agrupados por tipo con el objetivo de posibilitar al usuario de negocio crear restricciones o reglas que le permita
l i ti d d t d t i d t d li t Productos
Productos que sedesena lanzar al mercado
crear o excluir tipos de producto a un determinado segmento de clientes o a un segmento que cumple cierta propiedad.
Ejemplo: no quiero asignar ningún producto relacionado con salud a estudiantes con ingresos bajos.
Productos: Productos asociados a la campaña comercial. En este caso veremos una campaña un producto
CampañasUn Campaña comercial contiene varios productos a lanzar al mercado
veremos una campaña, un producto. Mínimo Número de Campañas: Mínimo número de campañas Máximo Número de Campañas: Máximo número de campañas Máximo presupuesto: coste que tiene para la compañía realizar la
campañap
CanalCanales de notificación de las campañas comerciales
Tipo de canal: e-mail, oficina directa, call-center. Es posible que determinadas campañas no se quieran notificar por un determinado canal.
Capacidad del Canal: máximo número de ofertas que un canal puede realizar.
Costes fijos: es utilizado para los costes de subcontratación de canales comerciales Costes fijos: es utilizado para los costes de subcontratación de canales externos.
Unidad de Coste por Oferta: coste de realizar la oferta
Optimización de campañasSelección de Campañas
Disciplina Función EjemploDisciplina Función Ejemplo Maximizar Beneficio Neto = Beneficio Esperado – Costo
Fijo de Campaña – Costes Fijos del Canal – Costes Variables del Canal
Sujeto a :
Investigación
Maximizar el Beneficio Neto sujeto a un conjunto de restricciones del
Restricciones Duras Un Segmento de cliente solo puede ser
accedido por un único canal No se pueden realizar más ofertas para una
campaña que el tamaño del segmento.ón Operativa
jproblema
p q g Restricciones Blandas
Para cada segmento de cliente se puede indicar un mínimo de ofertas a realizar
Excluir Tipos de Producto a determinados ClientesClientes
Incompatibilidades entre productos para que no sean ofertados al mismo segmento de clientes.
‐Realiza los Segmentos.C l l l P b bilid d d C Análisis clúster
Estadística y Datamining
‐Calcula la Probabilidad de Compra de un determinado Producto por canal‐Calcula el beneficio esperado en el caso de compra del producto.
Análisis clúster Modelo discriminante: regresión logística y árboles de
decisión Modelos de segmentacion bi‐etapicos, Kohonen
El Cliente carga un escenario de simulación predeterminado. Para este escenario se cargarán los datos procedentes de los sistemas de información operacionales de la compañía. Así como el modelo matemático y datos estadísticos
d t l l ióque da soporte a la solución.
20
44
Datos del segmento de los clientes por perfil.
22
11Beneficio esperado por segmento de cliente
11
33
21
1122
Para la presentación de los datos en forma de tabla pivote podemos
11
tabla pivote podemos usar las entidades de negocio indicadas. Si queremos conocer el qBeneficio esperado por perfil solo tenemos que arrastrar la información
22
11
En esta tabla pivote podemos observar lapodemos observar la información del beneficio esperado por producto y perfil delproducto y perfil del cliente
23
22
Vista de los productos a comercializar en la
ñ ti11 campaña y su tipo11
24
Datos de las Campañas comerciales
22
Datos de los Canales deDatos de los Canales de Comercialización
11
33
11
25
Análisis de datos estadísticos d d i di l b bilid d
22
donde se indica la probabilidad de compra por canal, producto y segmento
Tabla pivote para visualizar la información de la33
Tabla pivote para visualizar la información de la probabilidad por perfil del cliente, canal y producto
11
26
22 33
R i iRestricciones que indiquen que un tipo de producto no debe ser
i d
Restricciones que una determinada campaña no puede ser ofrecida
d t i dasignado a un determinado perfil de cliente
por un determinado canal
44 55
Restricciones que indican que a un determinado perfil no
Restricciones de incompatibilidad entre determinado perfil no
se le puede acceder por un determinado canal
productos11
27
22
Parámetros Globales de la Campaña donde se indica:- El presupuesto que tiene la compañía para- El presupuesto que tiene la compañía para
ejecutar la campaña.- El mínimo y el máximo número de campañas que
quiere sacar al mercadoquiere sacar al mercado- El mínimo y el máximo de productos por campañas- En este ejemplo se muestra un producto, una
campañap
11
28
11 22
Resolución del problema pmatemático para encontrar la solución óptima
29
22 66
Número de ofertas que deben realizarse por
t11 segmento, campaña y canal.
11
33
44
Campañas que deben ejec tarse
4455
ejecutarse Canales usados para realizar las campañas
30
22
11
3344
31
11
Beneficio esperado, Costes fijos de Campaña, de Canal, variables de Canal y Gananciavariables de Canal y Ganancia neta
Beneficio esperado ñ
22por campaña
Tabla Pivote d d i di
33
donde se indica el beneficio esperado por
fil ti dperfil y tipo de productoObservamos que a los desempleados
se les asigna productos de tipo 44
32
“Seguros”, el usuario podría preguntarse. ¿Qué impacta sobre la cuenta de resultados crear una
t i ió d ?
33
El usuario de Negocio puede crear restricciones fácilmente y ver el impacto que
11
restricciones fácilmente y ver el impacto que tiene en la cuenta de resultadosDuplica el escenario
original y crea uno nuevo
22
33
11
Resolución del problema pmatemático para encontrar la nueva solución y poder compararla
34
11
22
33
Mostramos las diferencias
Observamos que la restricción se ha tenido en cuenta y que no se ha asignado productos de seguros a d l d Ah h
diferencias
35
desempleados. Ahora… ¿hemos mejorado con la nueva solución?. Comparamos con el escenario anterior
44
11
Podemos observar que con la nueva decisión no se ha mejorado el beneficio neto
22
Diferencias respecto al escenario de
f i
33
36
referencia
37
11 3311
44
En los objetivos se indica una ganancia mínima de
22
155.000€ e indica que la prioridad es obligatoria. El motor intentará relajar algunas restricciones para llegar a la solución indicando qué restricciones se ha t id lt
38
tenido que saltar
11
39
11
Podemos observar que hemos incrementado el beneficio, pero en contraposición nos hemos saltado una restricción al hacer 9 campañas comerciales en lugar de 8. Siento no viable.
22
40
Indicamos que esta restricción no se la qpuede saltar. Para esto indicamos la prioridad a obligatoria. y resolvemos nuevamente
11
41
22
11
42
Para alcanzar los 155.000€ el motor ha tenido que relajar la restricción del canal TeleSales 3.11
43
44
Incrementamos la capacidad y el coste
11
22del canal.-Capacidad a 5000-Coste a 3000C h-Como se ha
incrementado el coste fijo del canal, a mentamos en
33
aumentamos en 1000 nuestro presupuesto
45
11
46
22
Observamos que con el incremento 22
del coste fijo del canal obtenemos un mejor resultado en l t dla cuenta de resultados
3333
47
11
22
Si t d
11
Sistema de reporting para comparar
iescenarios
48
Indice
EvoluciónEvolución de la Inteligencia Comercialde la Inteligencia Comercial
CasoCaso -- OptimizaciónOptimización de de campañascampañas
Caso Caso -- Optimización de pedidos SurtidoOptimización de pedidos Surtido
CasoCaso -- Marketing Mix ModellingMarketing Mix Modelling
CasoCaso -- Pricing IntelligencePricing Intelligence
Optimización de pedidosSelección de Campañas
N id d d R d ió d St k Pl t f
AC
IÓN
Necesidad de Reducción de Stocks en Plataformas• Sobre-stock en productos de baja rotación• Carencia de sistemas de simulación para la negociación
de condiciones con proveedoresSistemas propietarios no configurables
• Orientados a Nivel de Servicio no a costes
SITU
A • Orientados a Nivel de Servicio, no a costes• Continuas modificaciones manuales sobre los pedidos
propuestos (60%)Carencia de Información para justificar los pedidos
• Desconocimiento de los algoritmos subyacentes• Sin funcionalidades de simulación• Sin funcionalidades de simulación
Implementación de un Sistema de Pedidos basado en C
Automatización de las propuestas de PedidoR d ió d i t i M l (10%)
CIÓ
N
Costes• No exclusivamente orientado al Nivel de Servicio• Tiene en cuenta costes financieros, de transporte, de
pedido, etc., Modelo de Optimización Abierto
á FIC
IOS
• Reducción de intervenciones Manuales (10%)• Cálculo de varios pedidos consecutivos
Reducción de Stocks• Permitiendo roturas en productos poco
importantesv
SOLU
C • Planteado en lenguaje matemático accesible• Funciones de Coste fácilmente identificables y
modificablesPosibilidad de Simulación de Escenarios
• Soporte a la negociación con proveedores
vB
ENEF importantes
• Disminución de otros costes (transporte, pedido, …)
• Garantizando el abastecimiento de las tiendas
Cobertura de factores particulares de la compañía• Soporte a la explicación de pedidos
p p• Agrupación de Proveedores (superproveedores)• Pedidos cadencieros (semanales, mensuales, …)
Optimización de pedidosDescripción del proceso optimizado
Previsión de pedidos de tiendap Previsión de cada una de las tiendas para cada articulo Se consideran la politicas de almacén (plataforma) de
cada tienda y stock existente Se obtiene una previsión de pedidos a plataforma
C t i i d did d ti d d d Con esta prevision de pedidos de tienda para cada una de las plataformas mas: Las restricciones impuestas por el proveedor (lote de pedido,Las restricciones impuestas por el proveedor (lote de pedido,
camión completo, mínimo de pedido, horarios de apertura, etc.,) Las restricciones impuestas por la propia plataforma(días de
apertura máximo por artículo etc )apertura, máximo por artículo, etc.,) Y las restricciones propias del artículo (ciclo de pedido, caducidad,
stock de seguridad, bloqueos, reservas, etc.,)
Optimización de pedidosDescripción del proceso optimizado
Cálculo del pedido óptimo en función de: Costes de tenencia (costes financieros de almacenamiento) Costes de pedido (que incluye costes administrativos más costes de
transporte).C ( f Costes de rotura (calculados en función de la previsión de venta perdida).
El cálculo de pedidos responde, pues, a dos preguntas fundamentales:
Cuándo pedir: ¿interesa pedir por el hecho de que un artículo vaya a t t k d id d bi ientrar en stock de seguridad, o bien conviene esperar un poco a que
otros artículos de mayor importancia se encuentren en esta situación? Qué pedir: Una vez decido pedir en una fecha concreta: ¿qué artículos
incluyo en el pedido? ¿me interesa adelantar el pedido de artículos queincluyo en el pedido? ¿me interesa adelantar el pedido de artículos que van a entrar en punto de pedido en breve, o bien “sobre-stockearme” de los artículos que ya estoy pidiendo?
Optimización de pedidosOptimización de Pedidos en el Sector Textil
Optimización de pedidosOptimización de Pedidos en el Sector Textil
Optimización de pedidosOptimización de Pedidos en el Sector Textil
Indice
EvoluciónEvolución de la Inteligencia Comercialde la Inteligencia Comercial
CasoCaso -- OptimizaciónOptimización de de campañascampañas
Caso Caso -- Optimización de pedidos SurtidoOptimización de pedidos Surtido
CasoCaso -- Marketing Mix ModellingMarketing Mix Modelling
CasoCaso -- Pricing IntelligencePricing Intelligence
Marketing Mix Modelling• Plataformas Modelos de Marketing Mix.• Plataformas Modelos Valores de Marca.• Plataformas Seguimiento Publicitario.• Plataformas ad-hoc.
Marketing Mix Modelling
Marketing Mix Modelling
Marketing Mix Modelling
Marketing Mix ModellingMedir y predecir los intangibles de la marca
Marketing Mix ModellingAccediendo, simulando y controlando
Indice
EvoluciónEvolución de la Inteligencia Comercialde la Inteligencia Comercial
CasoCaso -- OptimizaciónOptimización de de campañascampañas
Caso Caso -- Optimización de pedidos SurtidoOptimización de pedidos Surtido
CasoCaso -- Marketing Mix ModellingMarketing Mix Modelling
CasoCaso -- Pricing IntelligencePricing Intelligence
Pricing IntelligenceSegún el Estudio Europeo de Pricing 2009 – IE Business School
Pricing IntelligenceSegún el Estudio Europeo de Pricing 2009 – IE Business School
Pricing IntelligenceSegún el Estudio Europeo de Pricing 2009 – IE Business School
Pricing Intelligence
La elasticidad precio se define como el cambio en las ventas de un bien tras un bi i l i d t bi
Elasticidad de precio
cambio en su precio o en el precio de otros bienes:
Elasticidad propia: Cambio en las ventas de un bien ante cambios en su propio precio.Cambio en las ventas de un bien ante cambios en su propio precio.
Esta elasticidad es negativa.
Elasticidad cruzada: Cambio en las ventas de un bien ante cambios en los precios de otros
bienes.
Esta elasticidad es positiva si los dos bienes son sustitutos y negativa si losEsta elasticidad es positiva si los dos bienes son sustitutos y negativa si los dos bienes son complementos.
Ejemplo de matriz (simétrica) de elasticidades de bienes sustitutos:
P d t 1 P d t 2 P d t 3 P d t 4 P d t 5Producto 1 Producto 2 Producto 3 Producto 4 Producto 5
Producto 1 -2.00 0.50 0.10 0.05 0.20
Producto 2 0.50 -3.00 0.60 0.01 0.40
Producto 3 0 10 0 60 2 50 0 30 0 20Producto 3 0.10 0.60 -2.50 0.30 0.20
Producto 4 0.05 0.01 0.30 -4.00 0.10
Producto 5 0.20 0.40 0.20 0.10 -3.00
Pricing Intelligence
1. Para clasificar los productos en función del grado de sustituibilidad: Las elasticidades cruzadas proporcionan información sobre el grado de
tit ibilid d it id tifi l tit t á d dsustituibilidad y permiten identificar a los sustitutos más cercanos de cada producto.
Producto 1 Producto 2 Producto 3 Producto 4 Producto 5
Producto 1 -2.00 0.50 0.10 0.05 0.20
Producto 2 0.50 -3.00 0.60 0.01 0.40
Producto 3 0.10 0.60 -2.50 0.30 0.20
Producto 4 0.05 0.01 0.30 -4.00 0.10
Producto 5 0.20 0.40 0.20 0.10 -3.00
Pricing Intelligence
1. Para clasificar los productos en función del grado de sustituibilidad:
Una vez que se definen las elasticidades cruzadas y propias, seremos capaces de lanzar una segmentación de productos y concluir qué productos son sustitutivos y cuales son complementarios.
Con esta información, seremos capaces de adelantarnos a las necesidades de los clientes y ofrecerles exactamente lo que ellos necesitan optimizando así los costes de la comunicación.
Se aplica esta información para hacer el análisis del carro de la compra y venta cruzada a los clientes.
Pricing Intelligence
2. Para calcular el efecto sobre las ventas de un cambio en los precios de uno o varios productos:
ANTES del CAMBIO en PRECIO DESPUES del CAMBIO en PRECIO
Producto Descripción Ventas(unidades) Precio Ventas (€) Cambio en el
precio
Cambio en las ventas
(unidades)
Ventas (unidades) Precio Ventas
(€)
Cambio en las Ventas
(€)
1 Abc 100 10.0 1000 -5% 6% 106 9.5 1005 0%2 Abc 69 9 0 621 5% 7% 74 8 5 634 2%2 Abc 69 9.0 621 -5% 7% 74 8.5 634 2%3 Abc 61 9.4 567 -5% 7% 65 8.9 574 1%4 Abc 42 8.8 372 -5% 18% 50 8.3 416 12%5 Abc 35 10.3 357 -5% 11% 38 9.7 375 5%
Pricing Intelligence
3. Para calcular los precios que maximizan los beneficios:– A partir de la matriz de elasticidades y de información sobre el margen que se
obtiene sobre cada producto es posible determinar los precios que maximizanobtiene sobre cada producto es posible determinar los precios que maximizan los beneficios.
– Esta metodología es ampliamente utilizada para estimar los efectos de las fusiones sobre los precios (simulación de fusiones o merger simulation)fusiones sobre los precios (simulación de fusiones o merger simulation).
– Para ello es necesario la utilización de un algoritmo de optimización numérica que no se describe en esta presentación.
MUCHAS GRACIAS
w w w . customertarget . com
w w w Facebook es/customertargetw w w . Facebook.es/customertarget
w w w . Blogs.customertarget.com
Julio Quiñonez VillanuevaS i Di t
‐ 72 ‐
Socio [email protected]