Cuando el equipo directivo de Boggi Milano se enfrentó a una caída en la afluencia de clientes los domingos en su tienda insignia en 2018, descubrieron algo sorprendente: la causa principal no era el marketing ni la presentación de productos. Era el desconocimiento del personal sobre la distribución de la tienda lo que afectaba a la conversión de clientes. Esta revelación, descubierta gracias a análisis avanzados dentro de la tienda, marcó el inicio de una transformación basada en datos que llevaría a un aumento del 40 % en el rendimiento por comprador durante los siguientes cinco años.
MÁS INFORMACIÓN: El comercio minorista en 2030: posibilidades tecnológicas en las tiendas
Gestionar 235 tiendas repartidas por 61 países plantea retos operativos únicos. Para Boggi Milano, la marca de moda italiana conocida por su ropa masculina contemporánea, que combina materiales sostenibles con un diseño vanguardista, la falta de una visión global del rendimiento se estaba convirtiendo en un obstáculo para su crecimiento.
La empresa se enfrentaba a tres puntos ciegos críticos que muchos minoristas con varias tiendas conocen de sobra. En primer lugar, no podían distribuir eficazmente el personal entre su red de tiendas. Algunas tiendas tenían exceso de personal en los periodos de menor actividad, mientras que otras se veían desbordadas en las horas punta. En segundo lugar, identificar qué tiendas tenían mucho tráfico pero bajas tasas de conversión requería un análisis manual que llevaba mucho tiempo y, a menudo, era impreciso. Por último, sin saber cuántos clientes había por hora de trabajo, optimizar la productividad del personal seguía siendo más una cuestión de conjeturas que una estrategia.
Marco Benasedo, director de sistemas de información de Boggi Milano, reconoció que estos retos exigían algo más que los indicadores tradicionales del sector minorista. La empresa necesitaba información completa y en tiempo real que permitiera traducir el complejo comportamiento de los compradores en decisiones operativas prácticas.
La plataforma de RetailNext, basada en su tecnología de sensores Aurora, ofrecía algo totalmente diferente a los sistemas básicos de recuento de personas. El Aurora combina varias funciones de captura de datos en un solo dispositivo IoT, como vídeo en alta definición, wifi y detección por Bluetooth. Pero el hardware por sí solo no resuelve los problemas empresariales; es la capa de inteligencia la que transforma los datos brutos en información estratégica.
La IA de aprendizaje profundo de la plataforma procesa los patrones de comportamiento para ofrecer una visión detallada del recorrido de los compradores. En lugar de limitarse a contar las entradas y salidas, el sistema analiza el tiempo de permanencia, los patrones de recorrido y las zonas de interacción. Esta visibilidad detallada permite a los comercios entender no solo cuántas personas entran en sus tiendas, sino también la eficacia con la que esas visitas se traducen en ventas.
Para Boggi Milano, esto supuso pasar de unas operaciones reactivas a otras predictivas. Las previsiones algorítmicas de la plataforma utilizan patrones históricos para proyectar el tráfico en intervalos de 15 minutos, lo que permite una planificación proactiva de los turnos del personal. El formato condicional y los paneles de control intuitivos garantizan que los responsables de tienda puedan identificar rápidamente las oportunidades sin perderse en la complejidad de los datos.
APRENDE: Por qué es importante elegir un único socio para la instalación de sistemas tecnológicos
Uno de los retos más urgentes de Boggi Milano consistía en determinar la plantilla adecuada en equivalentes a tiempo completo (ETC) para cada una de sus tiendas. Tenían que completar esta tarea en solo una semana. Los métodos tradicionales habrían requerido una gran cantidad de observación y estimaciones manuales, lo que probablemente habría dado lugar a importantes imprecisiones.
Gracias a las herramientas de análisis Traffic 3.0 de RetailNext, el equipo adoptó un enfoque basado en datos. Analizaron los patrones de duración de las visitas y descubrieron que los clientes solían pasar entre 17 y 18 minutos en la tienda. Combinando este dato con su conclusión de que cada dependiente podía atender eficazmente a 3,5 clientes por hora de trabajo, establecieron unas necesidades de personal muy precisas.
Pero Boggi Milano fue más allá de las simples medias. Al darse cuenta de que cada tienda tiene sus propias características, adaptaron el análisis a cada ubicación. Una tienda insignia en el barrio de la moda de Milán funciona de forma diferente a un local en un centro comercial de las afueras. Este enfoque detallado para optimizar la mano de obra dio unos resultados impresionantes: una reducción del 15 % en la plantilla desde 2018, al tiempo que mejoró la calidad del servicio al cliente.
La empresa también estableció unas expectativas de rendimiento claras basadas en el análisis de sus datos. Ahora, los dependientes saben que deben dedicar aproximadamente la mitad de su tiempo a actividades de venta directa, y el resto a tareas esenciales no relacionadas con la venta, como la presentación visual de los productos y la gestión del inventario. Los datos revelaron que los dependientes eficaces generan aproximadamente una transacción cada dos horas. Este punto de referencia ayuda a los responsables a orientar el rendimiento y a reconocer la excelencia.
Muchos comercios caen en la trampa de hacer un seguimiento de demasiados indicadores, lo que genera confusión en lugar de claridad. Boggi Milano también tuvo problemas con esto al principio, ya que abrumaba a los equipos de las tiendas con un montón de KPI que a menudo daban señales contradictorias sobre las prioridades.
Tras un análisis minucioso de sus datos RetailNext, la empresa tomó la decisión estratégica de centrarse principalmente en el «Shopper Yield». Esta métrica compuesta se calcula multiplicando la tasa de conversión por el valor medio de la transacción. Este único KPI equilibra de forma elegante los dos componentes fundamentales del éxito en el sector minorista.
La visualización del «cuadrante de rendimiento» se ha convertido en una herramienta muy útil para los gerentes de tienda y los responsables de zona. Este sencillo informe representa el rendimiento de cada tienda en dos ejes: la tasa de conversión y el valor medio de la transacción. Las tiendas que aparecen en distintos cuadrantes reciben asesoramiento específico. Las tiendas con alta conversión y bajo valor medio de la transacción se centran en aumentar el tamaño de la cesta de la compra. Las tiendas con artículos de alto precio y baja conversión se esfuerzan por atraer a más clientes que solo echan un vistazo.
Este enfoque específico evita el error habitual de optimizar una métrica a costa de otra. Cuando los equipos se centran demasiado en las tasas de conversión, pueden meter prisa a los clientes y reducir el valor de las transacciones. Por el contrario, centrarse exclusivamente en las ventas grandes puede suponer perder oportunidades con varios clientes. Shopper Yield mantiene ambos factores en equilibrio.
La empresa también pasó de analizar el rendimiento diario al análisis por horas, lo que permitió descubrir patrones que no se veían en los datos agregados. Una tienda podía presentar una tasa de conversión diaria aceptable, pero el análisis por horas revelaba oportunidades perdidas durante las horas punta del mediodía o los picos de fin de semana.
La colaboración de cinco años entre Boggi Milano y RetailNext ha dado lugar a mejoras empresariales cuantificables que justifican la inversión en análisis avanzados:
Aumento del 40 % en el rendimiento por comprador: la estrategia centrada en los KPI impulsó mejoras constantes tanto en la tasa de conversión como en el valor de las transacciones
Aumento de 5 puntos en la tasa de conversión: una mejor distribución del personal y una formación más adecuada, basadas en los patrones de tráfico, mejoraron la interacción con los clientes
Aumento del 15 % en el ticket medio: conocer el comportamiento de los clientes nos permitió aplicar estrategias de merchandising y ventas más eficaces
Reducción del 15 % en los costes de personal: la optimización de la planificación redujo los gastos salariales sin que se viera afectada la calidad del servicio
Estos resultados demuestran que el análisis de datos en el sector minorista no consiste en sustituir el criterio humano por algoritmos. Se trata de dotar a los equipos de información precisa para que puedan tomar mejores decisiones. Cuando los gerentes de las tiendas saben exactamente cuándo llegan los clientes, cómo se mueven por el espacio y qué es lo que impulsa la conversión, pueden crear experiencias que beneficien tanto a los compradores como a los resultados económicos.
El éxito de Boggi Milano pone de manifiesto un cambio fundamental en las operaciones del sector minorista. Como señala Benasedo, la capacidad de convertir análisis complejos en información útil agiliza la toma de decisiones y permite responder rápidamente a las condiciones cambiantes. Lo que antes requería semanas de análisis manual, ahora se hace en tiempo real.
Invertir en tecnología de análisis fiable, como la plataforma de sensores Aurora de RetailNext, supone mucho más que una mejora operativa. Se trata de crear una ventaja competitiva a través del conocimiento del cliente. En una época en la que los comercios online tienen una visibilidad perfecta de cada clic y cada desplazamiento, los comercios físicos necesitan una información equivalente sobre sus espacios.
Para los minoristas que estén pensando en inversiones similares, la experiencia de Boggi Milano ofrece lecciones muy valiosas. Empieza por definir bien los retos del negocio, en lugar de ir a por la tecnología solo por ir. Céntrate en los indicadores que impulsan un rendimiento equilibrado, en lugar de abrumar a los equipos con datos. Y lo más importante: ten claro que el objetivo no es solo medir. Se trata de crear mejores experiencias tanto para los clientes como para los empleados.
A medida que el sector minorista sigue evolucionando, la brecha entre las operaciones basadas en datos y las basadas en la intuición no hará más que aumentar. La transformación de Boggi Milano demuestra que, con el socio tecnológico adecuado y un enfoque estratégico, los minoristas pueden sacar a la luz las oportunidades ocultas en sus datos operativos, impulsando así un crecimiento sostenible y mejorando al mismo tiempo la experiencia de compra.
👉 LEE EL CASO PRÁCTICO COMPLETO: Léelo en línea o descárgalo