Buenas prácticas en la clusterización

1.    LA REGLA DE ORO

En clusterización existe una regla de oro - Buscar el equilibrio o el punto medio entre los dos extremos:

• 1 size fits all = Considerar todas las tiendas iguales (1 único clúster) o aplicar una única clusterización global que es la misma para todas las categorías.
• Máxima granularidad = cada tienda es un cluster y se le asigna un perfil de demanda y surtido único por categoría

El punto óptimo sería clusterizar cada categoría, obteniendo 5-6 clústers por categoría. El volumen resultante de categorías y clusters desde luego tiene que ser acorde la capacidad del equipo de Gestión por Categorías. Siempre tenemos que tener en mente que los procesos siguen dos pasos: (1) definir + (2) mantener/revisar. No sirve de nada hacer una clusterización perfecta si luego el equipo no tiene capacidad de revisarla y mantenerla. Lo bueno de la clusterización es que se revisa con menor frecuencia que los surtidos o planogramas.

2.    HUIR DEL MODELO CONCÉNTRICO

Todos sabemos que hoy en día la propuesta es girar en torno al comprador. Por lo tanto, los modelos concéntricos orientados al tamaño o espacio no tienen por qué cubrir la necesidad real de nuestro comprador objetivo. Como consecuencia, tenemos que observar los atributos de los productos y finalmente, para cada clúster de tiendas, considerar los espacios disponibles para generar subclusters según el tamaño.

3.    LA HERRAMIENTA

Se recomienda comenzar con una herramienta más básica (como puede ser Excel) para rodar el modelo, estrategia y proceso interno de clusterización. Una vez maduro el concepto y mejorada la base de maestros, hacer el salto a una herramienta más potente para:

• Incluir más ingredientes en la coctelera. Por ejemplo, datos demográficos.
• Disponer de más funcionalidades avanzadas. Por ejemplo, mapas.
• Disponer de analítica más avanzada y visual que permite la toma de decisiones.
• Asegurar una base más sólida en cómputo y reducir el esfuerzo y error humano.

4.    LOS MISFITS

No hay que preocuparse por las tiendas que no encajan en ningún clúster. Pues, siempre sucede, no es algo raro. Si son pocas, las trataríamos a parte. Si se trata de una cantidad considerable, entonces convendría dar un paso hacia atrás y cuestionarnos por qué hay tantos perfiles de demanda diferentes. Quizás, de base, hay mensajes hacia los compradores que hacen que estos perciban nuestro negocio no de la manera de la que nosotros esperamos o queremos.

5.    MITIGANDO LA FRUSTRACIÓN

Para evitar la frustración en el proceso de aprendizaje en lo que es la clusterización, se recomienda comenzar con categorías maduras que conozcamos bien para que no haya dudas sobre los resultados esperados. Así podemos diseñar y rodar un procedimiento, y darlo por válido observando el output que ya conocemos de antemano.

Luego pasaríamos a las categorías clave para nuestro negocio con el objetivo de obtener resultados y retorno, y seguir refinando el procedimiento ante nuevas casuísticas que deben cubrirse.

6.    AVANZARSE PARA CRECER MÁS RÁPIDO

Mientras rodamos las bases con los datos mínimos, podríamos ir recolectando datos adicionales que agregan profundidad en el estudio y permiten adoptar modelos más complejos y en herramientas más sofisticadas. Es decir, perseguimos una curva de aprendizaje fluida sin pausas o esperas por falta de datos. En clusterización resultan de interés aspectos como:

• Datos demográficos a nivel código postal / zona / ciudad…
• Atributos de tienda como (1) cantidad de plazas de parking, (2) aparcamiento gratuito cercano, (3) paradas de transporte público cercanas, (4) colegios/escuelas cercanos, (5) parques/atracciones cercanos, (6) competencia cercana..

Estos datos adicionales facilitan, además, la predicción del clúster correspondiente para una nueva apertura de tienda.

En clusterización no hay nada mejor que saber con certeza a qué clúster pertenece una tienda nueva pendiente de inaugurar y a falta de histórico de ventas. Asignar los espacios adecuados con el surtido adecuado orientado al perfil de demanda correcto desde el día 1 es garantía de éxito, minimizando el rework y ruido en los datos a la hora de revisar los procesos.