Inteligencia artificial y aprendizaje de máquina: El secreto de la solución de planeamiento de demanda del Boticário
Desafío:
El mercado de belleza y de cosméticos está marcado por un conjunto de complejidades que desafían la capacidad predictiva, tanto del ser humano como de los modelos computacionales tradicionales. Entre sus principales características están la moda, los ciclos de ventas complejos, el efecto pintalabios, rápida tasa de innovación y necesidad de integración de la cadena. Y, para lidiar con esas complejidades, es necesaria la aplicación correcta de las herramientas más avanzadas de aprendizaje de máquina e inteligencia artificial.
Moda, subjetividad y ciclos de venta que no se repiten
Marcados por colores de tendencia y diferentes criterios subjetivos de evaluación, como fragancia y textura, productos de belleza y cosméticos imponen límites para la evaluación tradicional de atributos funcionales del producto. Se suman a esto estándares temporales no repetitivos, con ciclos de venta y promociones diferentes en cada año, tanto en su número como en su duración (series temporales en ciclo estacionales). Un ejemplo típico es el nacimiento de la black week, que ha cambiado el comportamiento del consumidor, introduciendo un nuevo pico de ventas en el año y redistribuyendo los ciclos promocionales de venta. Esas características exigen de las metodologías de previsión flexible y elevada capacidad de aprendizaje, explorando estándares aparentemente inexistentes, así como incorporando rápidamente nuevos comportamientos de venta en la previsión.
Relaciones clásicas de compra con indicadores macroeconómicos no son directos. Mientras que, en general, los aumentos del desempleo y de la inflación tienden a reducir los gastos de los consumidores, un efecto contrario, el efecto pintalabios, puede impulsar los gastos con productos de belleza. Además, categorías más caras, como perfumes, pueden usufructuar de una migración de gastos con importados. De esa forma, el desempeño de las categorías en el mercado de cosméticos desafía la interpretación económica estándar y requiere la inclusión de un conjunto amplio de informaciones macroeconómicas.
Si no bastara el efecto pintalabios y la subjetividad, mantenerse competitivo en ese mercado exige cumplir con las tendencias con máxima rapidez. Eso implica productos con ciclos de vida cortos, en general menos de dos años. Esa dinámica de portafolio no solamente limita el uso de productos similares en la previsión, sino también de técnicas tradicionales que exigen grandes cantidades de datos históricos, imponiendo a los modelos predictivos la necesidad de identificar e incorporar rápidamente estándares de compra emergentes.
Con toda esa complejidad, mantener la elevada disponibilidad del producto puede resultar en inventarios elevados e innecesarios a lo largo de la cadena de suministro. Cuando se combinan, las incertezas de previsión con el ciclo de vida corto resultan, con frecuencia, en pérdidas de inventarios por descarte o entonces en la reducción drástica del margen del producto en el flujo de sobras. Así, la previsión adecuada de ventas para el mercado (sell-out) no es suficiente. La reducción de los costos en la cadena de suministro requiere que tanto su estructura de lead-times y atendimiento como sus parámetros de operación eficiente de inventarios se incorporen en una previsión de sell-in precisa. En una cadena de franquicias, ese desafío es aún mayor, puesto que implica considerar el comportamiento de diferentes actores (franquiciados) en diferentes canales (venta directa, e-commerce y tiendas) en la previsión, sin afectar la eficiencia del proceso con un ejército de planeadores.
Solución
Flexibilidad y eficiencia de la inteligencia artificial aplicada
Está claro que técnicas clásicas de previsión no son capaces de responder a las necesidades de planeamiento en el dinámico mercado de cosméticos. Para eso, en Boticário, se combinaron diferentes técnicas de inteligencia artificial y de aprendizaje de máquina, como redes neurales artificiales, árboles de decisión y regresión con “support vector machines”.
El Grupo contrató a CTI Global para prototipar e implementar las soluciones de Analytics de IBM. La solución IBM Planning Analytics TM1®, una plataforma rápida de análisis de datos “in-memory” para planeamiento financiero y operacional. Para dar mayor precisión a las previsiones se utilizaron el IBM SPSS® Modeler y el lenguaje R.
Resultados
- 20% de aumento en la precisión de las previsiones de demanda con relación al abordaje tradicional
- Reducción de los niveles de inventario y de los índices de avería de los productos más deseados, impulsando las ventas
- Aprendizaje constante en cada ciclo de previsión, con capacidad de reacción rápida a la dinámica del portafolio y a cambios de mercado;
La combinación adecuada de esas técnicas y softwares permitió:
- Flexibilidad de planeamiento, incorporando ciclos de ventas y promociones variables a lo largo del tiempo;
- Utilización de indicadores macroeconómicos, identificando estándares contra intuitivos de ventas, como el efecto pintalabios;
- Eficiencia de recursos, direccionando la mayor parte del trabajo hacia previsiones computacionales de calidad, enfocando el trabajo del planificador en el análisis de los resultados;
- Integración de la cadena, en la que modelos de aprendizaje de máquina no solamente construyen la previsión de sell-out, sino que también son capaces de incluir diferentes variables de atendimiento y almacenaje en la generación de un plan adecuado de sell-in;
- Flexibilidad de evolución, permitiendo la prueba rápida y la actualización de técnicas, tecnologías y modelos predictivos. Por ejemplo, la incorporación de inteligencia cognitiva (como Watson) para extensión de la capacidad de previsión con datos no estructurados (por ejemplo, la evaluación de consumidores, informaciones de redes sociales etc.) es rápida y directa.
Historia de resultados
Aunque la adopción de la nueva solución aún está en las fases iniciales, el Grupo Boticário ya ve resultados impresionantes en el horizonte, que le dan condiciones de defender y ampliar su participación en el mercado.
“Con las soluciones de Analytics de IBM, aumentamos la precisión de nuestras previsiones en un 20% en comparación con los abordajes de serie temporal tradicionales”, explica Donald Neumann, Líder del Equipo de Planificación de Demanda. “Al permitir que alineemos la demanda de los clientes finales y de las franquicias con más precisión, el software nos ayudará a minimizar situaciones de falta de existencias sin la necesidad de aumentar los niveles de inventario en toda la cadena de suministros. El resultado será el aumento de las ventas y la disminución de los costos, o sea, una situación en la que todos salen ganando y que nos va a ayudar a permanecer al frente de la competencia. También podemos pasar esos insights automáticamente a nuestros franquiciados, para que toda la red de suministros resulte beneficiada”, añadió Neumann.
Basando los planes de marketing en una comprensión más exacta de la demanda de los consumidores, el Grupo Boticário puede obtener mejores resultados.
“El proyecto con IBM y CTI Global cambió las relaciones entre nuestros analistas y los equipos de marketing—ahora, ellos están hablando el mismo idioma. Ya nos dimos cuenta, en las reuniones, que nuestros analistas comenzaron a hablar sobre la demanda y el comportamiento de los clientes, en vez de hablar sobre la demanda y el comportamiento de los franquiciados—por lo tanto, estamos aproximándonos más del público real con el cual queremos hablar”, comentó Donald Neumann.
“Con la toma de decisiones orientada por datos que hace posible IBM Analytics, podemos elaborar planes de marketing que traigan más personas a las tiendas para comprar nuestros productos. Consecuentemente, nuestros gastos de marketing se utilizarán de la mejor forma posible, para obtener el máximo de retribución”, dijo Neumann.
Con una mejor comprensión de los estándares de demanda de los consumidores, que están en constante evolución, el Grupo Boticário está encontrando la fórmula para un éxito prolongado: satisfacer los deseos que los consumidores aún no saben que tienen.
Donald Neumann concluye: “La compra de cosméticos y fragancias es altamente emocional. Las soluciones de Analytics de IBM nos están ayudando a entender los diversos factores que llevan a los consumidores a escoger un producto en vez de otro. Trabajando con esos insights, es posible asegurar que nosotros (y no nuestra competencia) seremos los responsables de llevar la belleza a las vidas de nuestros clientes”.
Soluciones desarrolladas:
- Sistema de Previsión de Demanda Cognitivo
Plataforma utilizada:
- IBM DB2®
- IBM SPSS® Modeler
Cuente con CTI Global para desarrollar una solución personalizada para su empresa: