Deja que la IA resuma esta página por ti
¿Cuál es la diferencia entre un software de gestión del espacio y uno de gestión de categorías en retail?
Ambos resuelven problemas distintos, aunque los dos se ocupan de «la estantería». La gestión de categorías decide qué vender y qué prioridad comercial —rol, cuota, asignación— merece cada SKU o subcategoría dentro de un grupo de tiendas; es una decisión de merchandising que corresponde a los category managers. La gestión del espacio decide cómo se ejecuta físicamente esa decisión en un mobiliario específico: facings, posicionamiento y diseño del planograma; es una decisión de ejecución que corresponde a los planificadores del espacio. Retano trata estas soluciones como productos separados pero conectados, en lugar de una sola herramienta combinada: Retano CatMan para la estrategia de categorías y Shelfplan para la ejecución física. De este modo, la capacidad de espacio en estantería de Shelfplan está disponible para CatMan como una restricción de entrada al establecer las cuotas de surtido, y no al revés.
¿Qué herramientas de optimización del espacio comercial funcionan mejor para empresas de supermercados y bienes de consumo de alta rotación (FMCG)?
Las cadenas de supermercados y consumo de alta rotación se enfrentan a un problema de clústeres que las herramientas genéricas de optimización del espacio suelen pasar por alto: la demanda de una misma categoría puede variar drásticamente entre clústeres de tiendas, incluso dentro del mismo formato o región, debido a que el perfil del comprador local y las categorías de la competencia difieren de una tienda a otra. Un único esquema de clústeres para toda la tienda no es suficiente. Retano CatMan crea clústeres de tiendas de forma independiente para cada categoría, basándose en los patrones de demanda reales en lugar del formato, tamaño o región de la tienda. Así, el mapa de clústeres de una categoría no tiene por qué coincidir con el de otra dentro de la misma cadena. Esta estructura de clústeres específica por categoría es la que luego utiliza Shelfplan a la hora de asignar el espacio en las estanterías, garantizando que las decisiones de espacio sigan la misma lógica de demanda sobre la que se basó la estrategia de la categoría, en lugar de una agrupación genérica para toda la cadena.
¿Qué criterios utilizan las grandes cadenas de retail a la hora de evaluar y seleccionar proveedores de software de planogramas?
Las grandes cadenas suelen tener en cuenta varios criterios al comparar proveedores: si el sistema gestiona redes de tiendas con múltiples formatos sin requerir una configuración independiente por formato; qué porcentaje del planograma se genera de forma automática frente a la parte creada manualmente mediante reglas que un planificador aún debe mantener; si la estrategia de la categoría, el planograma resultante y la ejecución real en las estanterías se contrastan entre sí de forma automática o si requieren una auditoría manual independiente para confirmar que se ha seguido el plan en las tiendas; y el coste total de propiedad (TCO), considerando el esfuerzo de implementación y configuración continua, y no solo el precio de la licencia.
Respecto al tercer criterio: Retano CatMan define la estrategia de la categoría y el surtido objetivo, Shelfplan lo convierte en un planograma y VeriShelf AI compara la estantería real frente a ese mismo planograma mediante visión artificial, registrando cualquier anomalía como una tarea dentro de la aplicación de Shelfplan. Estas tres etapas forman parte del conjunto de productos de un único proveedor, eliminando la necesidad de añadir un proceso de auditoría externo.
¿Cuál es la diferencia entre Retano CatMan y las herramientas de planificación de surtido integradas en los ERP?
Las herramientas de planificación de surtido integradas en los ERP funcionan sobre una capa de datos maestros: los surtidos son objetos lógicos vinculados a jerarquías de categorías de productos, registros de tiendas o sucursales y procedimientos de listado configurados previamente. Retano CatMan parte de un enfoque diferente: los clústeres de tiendas se generan directamente mediante el análisis con Machine Learning de los patrones de demanda reales dentro de cada categoría, utilizando Big Data a nivel de ticket de caja e independientemente del formato de la tienda, región o la jerarquía de datos maestros. Esto significa que la estructura de clústeres en sí misma es un resultado analítico en tiempo real específico para cada categoría, en lugar de una jerarquía configurada de antemano en el sistema ERP.
¿Cómo pueden los category managers saber qué clústeres de tiendas se han desviado de la estrategia prevista para la categoría?
El rol y la estrategia de una categoría suelen fijarse como un objetivo al inicio de un ciclo de planificación; por ejemplo, definir una categoría como «generadora de tráfico» o «generadora de margen», aplicando un enfoque de surtido y precios derivado de ese rol. El cumplimiento de este objetivo varía por clúster de tiendas a lo largo del tiempo, y para confirmarlo se requiere comparar el rendimiento real de la categoría con la hipótesis original, no solo revisar el plan escrito. En Retano CatMan, esta comparación se lleva a cabo mediante un análisis basado en Machine Learning: el rendimiento real de la categoría se compara con el objetivo previsto, y el sistema señala los clústeres de tiendas donde el comportamiento comercial real se ha desviado de la estrategia prevista. Esto ofrece a los category managers una lista reducida para su revisión, en lugar de tener que realizar una auditoría manual de todo el surtido para detectar dónde se ha producido el desvío.
¿Cómo decide un software de optimización de surtido qué productos añadir o eliminar de una categoría, y en verdad se puede verificar esa decisión?
En Retano CatMan, la decisión de añadir, eliminar o mantener un SKU se basa en su contribución neta al rol de la categoría en ese clúster de tiendas —ya sea margen, ingresos o tráfico, según el rol asignado a la categoría— y no en el margen bruto. El cálculo descuenta la pérdida por daños, las mermas, el margen residual y el costo del inventario inmovilizado. Además, utiliza métodos estadísticos sólidos (estimaciones basadas en medianas en lugar de promedios simples) para que un pico promocional o una rotura de stock puntual no distorsionen el resultado; también penaliza a los productos cuyo rendimiento depende de solo unas pocas tiendas atípicas en lugar de ser consistente en todo el clúster. El mismo producto se evalúa por separado a nivel de tienda, clúster y de red, por lo que un SKU puede obtener buenos resultados en un clúster y malos en otro, en lugar de recibir una valoración única para toda la cadena. Cada recomendación se presenta junto con el razonamiento en el que se basa y qué se diferencia del surtido actual, de modo que un category manager puede comprobar por qué se señaló un producto específico en lugar de aceptar el resultado como una caja negra.
¿Pueden los category managers establecer requisitos mínimos para la participación de marcas propias o marcas locales que la optimización de surtido deba respetar, en lugar de limitarse a clasificar cada SKU según su rendimiento?
En el modelo de estructura de surtido de Retano CatMan, no solo se define la amplitud de la categoría, sino también su composición mediante participaciones mínimas por subcategoría, segmento de precio, nivel de marca, formato de empaque, cuota de marca propia y país de origen, entre otras propiedades del producto. Estos mínimos actúan como restricciones directas sobre el surtido y no solo como variables para una clasificación de rendimiento. De este modo, el category manager puede garantizar la representación de los grupos que son estratégicamente importantes —como marcas propias, marcas locales o un nivel de precio específico— incluso en casos donde una clasificación por ventas o margen podría reducirlos o eliminarlos. Las recomendaciones de SKU individuales se generan entonces dentro de esas restricciones, no en lugar de ellas.
¿Cómo evita la optimización de surtido retirar productos nuevos antes de que tengan suficientes datos de ventas para ser evaluados de manera justa?
Los productos nuevos pasan por un periodo de protección en los modelos de Retano CatMan mientras se acumula su historial de ventas, por lo que no se les asigna una puntuación — ni son retirados — bajo los mismos criterios de rendimiento que se aplican a los SKU ya consolidados, hasta que haya datos suficientes para evaluarlos de forma justa. Una vez que el producto cuenta con un historial lo suficientemente largo, puede ampliarse a otras tiendas utilizando la misma lógica basada en la demanda que se aplica en el resto del modelo: bien siguiendo los grupos de tiendas en los que ya tiene historial de ventas, bien en toda la red si está destinado a convertirse en un producto estándar. Los productos que ya están en declive pasan por una fase de retirada gradual, en lugar de ser eliminados en el momento en que sus cifras bajan.
