Archivo de la etiqueta: retail

A/B Testing y métodos de experimentación en aplicaciones comerciales – Datlas Research

En recientes columnas hemos estado introduciendo métodos de negocios que han sido alterados por la analítica de datos. Tales como: Go-To-Market, Digitalización de anaqueles en E-commerce, Clustering para Segmentos de cliente y en esta ocasión queremos darle apertura al A/B Testing (Experimentación A/B).

A/B Testing es un método de experimentación que se puede utilizar en aplicaciones comerciales como promociones, programas de lealtad y descuentos. Este tipo de pruebas se conocen en otras ciencias como prueba aleatoria de control y es una herramienta poderosa para desarrollo de productos, iniciativas comerciales o de marketing.

Datlas_barra_suscribir

Esta columna te va a interesar si eres alguien que activamente está buscando validar si una campaña comercial o de marketing tiene éxito o no.

DatlaS_ab-testing

Definición de A/B Testing

Es una herramienta útil para estimar el ROI (retorno sobre inversión) así como proveernos de un panorama de causalidad que nos ayude a justificar si un proyecto debe o no debe ser escalado dado los resultados de ciertas pruebas de hipótesis.

Normalmente contrastamos la conducta entre 2 tipos de grupos con características similares: Grupo de control y grupo de tratamiento. En realidad pueden ser más, pero el punto es tener grupos a los que se les aplica distintos tratamientos que son contrastantes entre sí. Por ejemplo,en un experimento para bajar de peso, al grupo A ( De control) se le controló su dieta y al grupo B (De tratamiento) además de su dieta se le aplicó una rutina de ejercicios. Al final, si el grupo B tuvo un resultado más cercano al objetivo de bajar de peso podríamos concluir que el tratamiento aplicado al grupo B es más exitoso que el del grupo A.

Errores comunes a considerar

Siguiendo con el ejemplo los datos se podrían ver de esta manera

Datlas_blog_ABTesting

Con la mano en la cintura vamos a reportar que los tratamientos al grupo B hacen que bajes más kilos. Pero… un momento ¿Pudieran existir errores si concluimos algo así?

  • Error Tipo 1 – Conclusión fallida donde decimos que la intervención fue exitosa, cuando en realidad no lo fue.  Erróneamente asociamos el plan de alimentación como factor causal cuando algunos integrantes bajaron de peso porque, por ejemplo, su tipo de ejercicio en esa hora fue funcional o HIT mientras otros integrantes sólo caminaban. A esto se le llama también falsos positivos.
  • Error tipo 2 – Falsamente concluir que la intervención fue no exitosa.  A algunos miembros el plan de alimentación no les funcionó. Pero hay factores externos como el tipo de aceites que usan en la preparación o las bebidas que toman para poder llegar a una conclusión completa.

Estos errores van a suceder cuando queremos sacar conclusiones para toda una población a partir de una muestra. Sólo hasta que entendemos el verdadero dimensionamiento de nuestros resultados deberíamos de estar tomando decisiones de impacto de negocio.

Ejemplo de casos de uso

  • Campañas de marketing por correo o mensajes de texto (SMS)
  • Programas de lealtad optimizando las promociones para lograr mayor redención
  • Medicina para entender si funciona o no una prueba
  • E-commerce para saber si algún cambio al aparador digital generaría mayor compra

Caso de estudio

El orden será primero establecer un ejercicio hipótesis acompañado de su diseño de experimento. Después trabajaremos en métodos aleatorios para generar muestras, justificar tamaños de muestras y finalmente seleccionar un método de mejoras.

 

Datlas_blog_abtesting_Exitoso_fracaso

Como otros problemas de negocios, este proceso inicia generando hipótesis considerando la población de estudio, la intervención a realizar, los indicadores para comparar entre grupos, el resultado de lo que estás midiendo y la selección del tiempo en el que se va a realizar la medición. Por sus siglas en inglés PICOT (Population, Intervention, comparison, outcome, time).

Por ejemplo, si tenemos un sitio de e-commerce donde queremos experimentar para lograr mayor conversión (visitantes que terminando comprando en el sitio)  generando cambios la visualización de nuestro “anaquel virtual”. Para esto activaremos 2 anaqueles, el actual y el nuevo.  La hipótesis nula (H0) sería que las personas que vean el nuevo aparador virtual en nuestro sitio de e-commerce no tendrán mayor conversión comparados con los que vean el aparador actual. Por otro lado la hipótesis alternativa (H1) establece que los visitantes al sitio de e-commerce que vean el nuevo anaquel tendrán tasas de conversión más alta que  quienes vean el aparador actual.

Una vez concluido el ejercicio de formular hipótesis pasamos a generar muestras aleatorias. Buscaremos que las muestras sean balanceadas, donde ningún segmento este sobre-representado (usuarios que entran de móvil vs. usuarios que entran desde ordenador de escritorio).  Después será estimar el tamaño correcto de los grupos. Existen distintos métodos estadísticos para el cumplimiento de estas pruebas que puedes revisar como clustering, ICT o aplicar random a variables en R o Python. Claro, después de esto se recomienda validar que las distribuciones sean normales para comprobar aleatoriedad.

Finalmente la etapa más crítica será la de medición. Donde desde muchos ángulos tendremos que pensar bajo qué criterios evaluar el experimento. Considerar todas las excepciones o pormenores. En seguimiento al ejemplo del e-commerce: Grupos de edad relacionadas a la conversión, medios de pago, tiempos de entrega, entre otros para verdaderamente concluir el caso de éxito

Conclusión

Normalmente cuando concluimos accionables sólo con información descriptiva nos vemos limitados para llegar a conclusiones globales. En el negocio, a veces le invertimos a una prueba 3 semanas para una decisión que podría tener impacto sobre más de $1M o la existencia misma del negocio. Seguir los pasos del método de A/B testing te ayudará para reportar si una iniciativa es o no exitosa. Te recomendamos asesorarte con expertos para manejar adecuadamente los datos y sobre todo generar métricas que puedan abrir la conversación de cómo mejorar las iniciativas. Y así, finalmente, poder calcular un valor como retorno de inversión con una consideración de errores robusta.

Platica con nosotros y contáctanos en ventas@datlas.mx o en nuestro sitio web mediante el marketplace: https://www.datlas.mx/marketplace/

Fuentes:

E-commerce: Digitalización de anaqueles y analítica de datos

A inicios de abril del 2020, en pleno comienzo de la pandemia mundial del COVID-19 escribimos una columna introductoria al tema de comercio electrónico donde establecimos un plan muy sencillo para iniciar tu e-commerce, atendiendo las típicas dudas de inicio como ¿es mejor usar un canal existente o crear el mío? ¿cuál plataforma es la más indicada? Y ¿Dónde queda la analítica? Te invitamos a echarle un vistazo si no has tenido oportunidad, porque justo el día de hoy estaremos profundizando en este tema para dar consejos más puntuales respecto a la digitalización de los anaqueles y la recolección de datos dentro de estas aplicaciones.

free_Suscriber

El hilo conductor de la columna de hoy será el caso de uno de nuestros clientes, Patricio, que el año pasado decidió llevar su negocio físico al mundo digital. Un negocio familiar con varias sucursales a lo largo de Nuevo León y con un reconocimiento de marca en toda la zona norte del país. El reto en ese momento era ¿cómo continuar con el crecimiento que había tenido durante los últimos años? y el entonces nuevo director general puso la mira en el canal digital. Siendo así comenzamos la aventura. El gran problema de inicio es que los emprendedores o negocios creen que incursionar en el mundo digital es tan sencillo como subir una foto a sus redes sociales, o incluso están en una posición tan cómoda en términos de recursos que destinan un presupuesto directamente a la ejecución sin haber realizado una planeación adecuada. La digitalización de los anaqueles trae consigo un esfuerzo equivalente a montar una nueva sucursal física, aunque con sus retos particulares. Así que el viaje comenzó con la planeación.

Planeación

Existen distintas metodologías para planeación estratégica y gestión de proyectos. En nuestro caso, como se han dado cuenta, preferimos las metodologías agiles. Trabajando con Patricio no fue la excepción. Nos sentamos un día y planteamos los requisitos necesarios para poder generar un producto mínimo viable (MVP por sus siglas en inglés) de la tienda en línea. Las características que tomamos en cuenta para plantear esta primera fase, que denominamos prueba de concepto, fueron: productos, ticket promedio esperado e incentivos de compra, cobertura geográfica inicial y el grupo de control para prueba.

Al hablar de productos es importante destacar que este era un negocio en marcha, con un catalogo de más de 500 SKUs por lo que hacer una selección de productos inicial para digitalizar nuestro anaquel es importante. En este caso decidimos catalogar el top 10 de productos más vendidos. Otro factor clave en la digitalización de anaqueles es precisamente la presentación. Todo esto incluye detalles como: las fotografías, las descripciones de cada producto, así como detalles de logística, entrega, etc. Pero en este caso no vamos a profundizar tanto en los accionables operativos. Una vez definidos los productos pasamos a establecer un ticket promedio y un incentivo de compra, esta parte es crucial para nosotros ya que es la manera en la que el cliente obtiene un retorno “inmediato”. Si bien este retorno no es propiamente un ingreso marginal, lo que buscamos con esto es la validación en el mercado, es decir, probar que hay apetito por los productos y que existe un mercado dispuesto a consumir por medio de este nuevo canal en el que estamos incursionando. En este caso, por ejemplo, establecimos dar un incentivo de envío gratis a aquellas personas cuyo ticket promedio fuera de $300 MXN o más. Para el tema de cobertura geográfica se definió iniciar con el municipio de Monterrey, que era la zona más conocida y con mayor control para Pato y su equipo. Finalmente, se definió un grupo de control, es decir, un grupo de personas con las que pudiéramos tener un contacto más directo durante esta primera fase de validación para poder obtener retroalimentación acerca de todo el viaje del usuario y establecer, desde inicio, las adecuaciones o mejoras necesarias para poder asegurar la satisfacción del cliente a lo largo de su experiencia de compra por medio de este nuevo canal digital.

datlas_mx_ecommerce_anaquel_digital

Ahora bien, todos estos detalles de la planeación abonan directamente a responder las preguntas planteadas en la entrada anterior acerca de la selección del canal y la plataforma especifica. Muchos negocios encuentran que sus soluciones pertenecen a un nicho tan especifico de mercado que prefieren montar su propio canal digital, en lugar de adherirse a uno existente. De igual forma, hay empresas que se decantan por una cierta plataforma de e-commerce ya que les agrada más la interfaz con la que pueden gestionar su catálogo, hacer cambios, activar incentivos de compra, etc. Es aquí en donde radica realmente la importancia de la planeación ante un proyecto de comercio electrónico.

De prueba de concepto a prueba piloto

La siguiente “parada” del viaje fue denominada prueba piloto. Básicamente tomamos la tienda en su modo MVP y fuimos escalando. El primer paso natural fue incluir nuevos productos o SKUs, pasando de 10 a más 300 productos de una semana a otra. Pero lo más interesante en esta fase fue integrar las sucursales, los puntos de venta físicos, que ya tenia el negocio como puntos de entrega y recolección de los productos adquiridos por medio de la tienda en línea. ¿Suena familiar el pick & go? Justo fue esa misma lógica la que tomamos para validar en esta segunda etapa. Sin duda las circunstancias de cuarentena y distanciamiento hoy hacen más necesaria y lógica una opción de este estilo, pero en aquellas condiciones era necesario validarlo y lo logramos de forma exitosa.

Asimismo, en esta etapa entramos al tema de analítica de datos. Sin duda desde la fase inicial de MVP establecimos los puntos de contacto de los clientes a lo largo de todo el viaje de compra y los datos que serían necesarios y posibles de recolectar de ellos para poder realizar la transacción de forma satisfactoria. En la fase anterior estábamos trabajando con un grupo de control, poca muestra y contacto directo, pero llegados a este punto se abrió un poco más el panorama y empezamos a registrar transacciones de manera más abundante. Siendo así fue necesario adentrarnos en esta recolección de datos para poder establecer algunas iniciativas de analítica.

datlas_mx_ecommerce_analytics

Uno de los ejemplos que incluso mencionamos en la columna anterior es la parte de análisis de categorías. Tomando este caso lo que hicimos fue, establecer dentro del escalamiento del catalogo de productos las categorías que iban a regir el orden de dicho catálogo, es decir, si fuera ropa seria algo así como: ropa de hombre, ropa de mujer, ropa de niños, ropa de bebe. De la misma manera establecimos alrededor de 5 categorías para los productos del negocio de Patricio, de tal suerte que podíamos tener lectura desde la plataforma de e-commerce y Google analytics, sobre el tráfico de personas que estaba viendo e interactuando dentro de cada categoría, así como la cantidad de transacciones de productos que pertenecían a esa misma categoría. Con todo esto, fuimos capaces de descifrar cuales eran las categorías más “importantes” para los clientes en línea y se generaron mejoras como: posicionamiento dentro del anaquel en digital, mejores incentivos de compra, recomendaciones o sugerencias dentro de esa categoría, etc.

Lanzamiento oficial, expansión y gestión continua

Finalmente, ya teníamos una tienda en línea funcional, con un catalogo de productos robusto, un anaquel digital atractivo y un sistema de recolección de datos capaz de generar analíticos e inteligencia accionable para capitalización directa sobre ventas. Llegados a este punto las actividades claves fueron ampliar la cobertura geográfica de servicio, es decir, integrar entregas en nuevos municipios, estados, etc. Y comenzar a gestionar la creación del CRM (Customer Relationship Manager, por sus siglas en inglés). Este último punto resulta ser clave para el crecimiento del negocio en línea ya que, haciendo la analogía con el mundo físico, el CRM es lo que te permite conocer a tu cliente y entender detalles como ¿de dónde vino? ¿qué ha comprado? ¿con qué frecuencia? Etc. Detalles que al final del día son importantes para generar estrategias de recomendación, descuentos o incluso nuevos lanzamientos. Pero de momento no tocaremos el tema ya que justo tendremos una columna completa especialmente dedicada a la construcción y gestión de CRM muy pronto, mantente atento para que no te la pierdas.

Finalmente, si estas incursionando en el mundo digital o ya estas dentro de él no olvides que tenemos el Data Playbook Vol. II una guía para construir una estrategia de big data para tu negocio. ¡Obtenlo completamente GRATIS en nuestro Marketplace!

Datlas_Playbook_prelaunch

No olvides seguirnos en redes sociales y contarnos tu experiencia

@DatlasMX

Amazon Go – La tienda sin carrito de compras, cajeros, filas o … ¿robos?

No, no es un nuevo episodio de la serie Black Mirror, ni día de los inocentes o una idea loca que podría llevarse a cabo en unos años.

Amazon lo ha hecho de nuevo, pues ha logrado revolucionar no sólo la experiencia de comprar en línea, sino también la de comprar en supermercados; pues ésta tienda es una realidad y se ubica en Seattle.

Datlas_barra_suscribir

Como hemos mencionado anteriormente, esta década será de la Inteligencia Artificial, pues Amazon demostró que por medio de visión computacional y técnicas de aprendizaje automático como Deep Learning, lograron revolucionar la experiencia de compra.

Básicamente entrenaron un algoritmo para que reconozca cada producto que tienen en inventario y pueda diferenciar uno de otro… algo similar a este capítulo de la serie “Sillicon Valley”:

Pero, al tener la tienda repleta de cámaras son capaces de cubrir el establecimiento en toda dirección pudiendo detectar cuando una persona toma o deja un producto.

Les dejamos el video para que lo vean por ustedes mismos.

¿Increíble no?

Las ventajas van más allá de no perder tiempo haciendo fila, pues ellos mencionan que el cliente será capaz de tener mayor privacidad al realizar sus compras, ya que no habrá un cajero al que le tenga que mostrar sus compras.

Por si se lo preguntan aún cuentan con empleados, hay gente que ayuda al cliente a encontrar algún producto en específico, la que prepara los alimentos frescos e incluso alguien que valida que los clientes que llevan alcohol sean mayores de edad.

Sin embargo, aún no es perfecto, pues algunos clientes reportaron que hubo productos que no se les cobraron.

Pero, ¿es el primer caso de una tienda de este tipo?

En realidad no; pues, como suele pasar, los asiáticos se les adelantaron.

En China existe una empresa llamada BingoBox con 28 sucursales móviles operando, donde se pueden adquirir snacks, frutas, bebidas y medicina sin un solo empleado.

Aunque la experiencia es algo diferente; pues en este caso sí hay una especie de caja donde el cliente hace un self-checkout y al final un sistema de reconocimiento valida que los productos que el cliente se lleve son únicamente los que adquirió.

Datlas_barra_suscribir

Parece que esto es también una limitación, pues todos los productos tendrán que ser visibles al momento de salir, es decir, la cantidad de productos tendría que ser pequeña para que pueda sostenerlas.

Aunque tienen sus diferencias, utilizan técnicas muy similares para que la tienda no requiera muchos empleados, pues en este último caso la empresa dice que 4 empleados se encargan de administrar 40 tiendas.

Les dejamos el video de igual manera.

Una limitación de ambas parece ser que no puede haber muchas personas comprando a la vez.

¿Qué opinas?

¡Déjanos tus comentarios!