Crédito: fuente
Gracias a los avances tecnológicos aplicados en la industria de People Counting, hoy no solo se puede contar la cantidad de personas que ingresan a un espacio, sino que además se puede conocer el género, rango etario e incluso realizar un completo seguimiento del recorrido y comportamiento del cliente al interior de las tiendas.
“Lo que no se mide, no se controla. Lo que no se controla no se puede medir” – Thomson, W. K.
En otras palabras, mientras más información tengamos sobre el funcionamiento de nuestras tiendas, mayor control tendremos sobre la gestión diaria y desempeño de las mismas.
VISION COMPUTACIONAL
La tecnología que estamos aplicando en nuestros proyectos utiliza algoritmos inteligentes para realizar un completo seguimiento del cliente al interior de las tiendas. Básicamente esta tecnología se comporta como el ojo humano, y nos permite interpretar las imágenes recibidas por dispositivos para poder reconocer personas y objetos.
Esto se logra a través de cámaras conectadas a un servidor “inteligente” capaz de procesar los videos y entregar información según el algoritmo que haya sido seleccionado analizar y entrenar, convirtiéndose en una red neuronal de aprendizaje automático.
CASO PILOTO
A continuación, les presento un caso que aplicamos en una tienda del Grupo de Saint Honoré. Lo que buscaba esta tienda era optimizar su desempeño (aumentando su conversión y ventas) a través de las interacciones entre vendedores y clientes.
Para medir estas interacciones, se implementó la tecnología de visión computacional al interior de la tienda (cámaras + servidor) utilizando un algoritmo capaz de reconocer y diferenciar a los vendedores de los clientes.
VARIABLES
A partir de la información recopilada, se crearon dos nuevas variables fundamentales para obtener los hallazgos buscados por el cliente, estas son:
- Tiempo óptimo de interacción: intervalo de duración en la interacción cliente – vendedor donde es más probable que se produzca una compra (en segundos).
- Cantidad de interacciones: número de interacciones totales y por vendedor.
Además de estas dos nuevas variables, se utilizaron algunos KPI´s tradicionales de gestión de la tienda como su tráfico diario, conversión y número de vendedores.
HIPOTESIS
Dado que este era un análisis totalmente innovador, fue necesario validar distintas hipótesis que permitieran entregar recomendaciones robustas, las cuales se mencionan a continuación:
- Determinar si existe una relación entre la duración de las interacciones (segundos) y una mayor probabilidad de compra en la tienda (conversión).
- Si existe una relación entre ambas variables (hipótesis 1), entonces se tendría que encontrar cuál es el intervalo óptimo de duración de las interacciones.
- Encontrar si existe una relación entre la cantidad de interacciones totales (y por vendedor) y una mayor probabilidad de compra en la tienda (conversión).
ANÁLISIS – HALLAZGOS
Como primer hallazgo se encontró que el 80% de las interacciones tenían un largo de hasta 35 segundos, por lo que se decidió utilizar intervalos de 10 segundos para obtener resultados representativos.
A partir de eso, se estudió la relación existente entre la duración del encuentro y la conversión de la tienda, obteniendo que si existía una mayor correlación entre ambas variables en tres de los nueve intervalos:
Fuente: Análisis de interacciones Intelligenxia BG
Por lo tanto, si existe una fuerte correlación (por encima del 50%) en las interacciones que duren desde los 20 hasta los 50 segundos. Por ende, para esta tienda, las “Interacciones de valor” serán aquellas con esa duración.
¿Por qué hago un especial énfasis en que solo es para esta tienda y no para toda la cadena de Grupo Saint Honoré?
El tiempo óptimo de interacción, muestra el intervalo que es más probable que el cliente efectúe una compra, por ende, el intervalo puede variar dependiendo de la demografía del cliente.
Por consecuencia, este óptimo va a variar dependiendo del tipo de industria y de los productos ofrecidos (dado que el cliente tendrá un comportamiento específico según el tipo de compra), obteniendo un óptimo diferente para cada tienda.
Una vez que se encontró la duración óptima de una interacción, se investigó si existía una relación entre la cantidad de abordamientos al cliente y la conversión de la tienda.
La correlación entre la tasa de interacciones y la conversión de la tienda (se usan las tasas y no los valores numéricos enteros para lograr aislar el efecto del tráfico de esta correlación, es decir, se utilizó la tasa de interacciones en vez de cantidad de interacciones y la conversión de la tienda en vez de los compradores).
Tal y como muestra el gráfico superior, se pudo determinar que, a mayor tasa de interacciones, mayor será la conversión en la tienda. Es decir, mientras más interactúen los vendedores con los clientes, la tienda obtendrá un mejor desempeño.
Si se replica este mismo análisis en diferentes intervalos de duración, se obtiene que la correlación aumenta al utilizar las muestras entre los 20 a los 50 segundos.
Es decir, independiente de cuando sea la duración de la interacción siempre va a ser mejor interactuar con el cliente, pero si además el abordamiento dura entre 20 a 50 segundos, es aún más probable que se produzca una compra.
Por último, se replicó la misma metodología anterior pero esta vez se utilizaron las interacciones individuales por vendedor. Obteniendo que, mientras más interactúa, mayor es el desempeño promedio (en términos de conversión).
Una tercera derivada a este análisis por vendedor podría ser conocer el detalle de que vendedor es el que más interactúa y relacionarlo con su conversión individual.
CONCLUSIONES
El objetivo de este artículo es compartir con ustedes la versatilidad que tiene la tecnología de visión computacional, la cual puede entregar diferentes hallazgos para maximizar el desempeño al interior de una tienda dependiendo del “dolor” que se busque atacar (productividad de vendedores, Layout de la tienda, zonas calientes, género de tus visitantes, y todo lo que un ojo humano pueda procesar).
Para el caso de esta tienda, se buscaba medir la productividad a partir de las interacciones cliente – vendedor. Se diseñó la arquitectura y se aplicaron algoritmos capaces de diferenciar a un vendedor de un comprador.
A partir de la data obtenida se encontró que si existía un tiempo óptimo donde era más probable que el visitante se convierta en un comprador entre los (20 – 50 segundos).
Paralelamente, gracias a la tecnología, se incorporó un nuevo KPI de productividad: la cantidad de interacciones promedio que tienen los vendedores de la tienda, logrando determinar que mientras más interactúen con los clientes, mayor será el desempeño de la tienda.
Un buen servicio al cliente puede hacer la diferencia , por lo que si ya conoces el tráfico, conversión y todos los indicadores “básicos” de gestión, pero quieres lograr una segunda derivada en optimización al interior de tus tiendas, debes conocer el tiempo óptimo de interacción, junto con la productividad de tus vendedores.
Autor: Tapia, F . Client Account Manager en Intelligenxia
