El crecimiento exponencial de los datos en la economía digital hace que su transformación en valor sea “misión imposible” en múltiples sectores, y la distribución alimentaria no es una excepción. La multicanalidad abruma a las cadenas de alimentación con inputs de los consumidores tan diversos que son imposibles de digerir y, en su afán por aprovecharlos para mejorar la experiencia del cliente y su rentabilidad, sus responsables están a la caza continua de innovaciones tecnológicas como, por ejemplo, en los últimos meses, la Inteligencia Artificial Generativa (IAG).

“El aprovechamiento de los datos de clientes en tienda física, todavía mayoritarios, es especialmente difícil: no siempre tenemos identificado al cliente, a menos que cuente con tarjeta de fidelización”

Sin embargo, el aterrizaje efectivo de las innovaciones tecnológicas en particular o incluso de la tecnología tradicional en general en los negocios es más difícil de lo que parece. En un entorno de constante cambio, las tiendas minoristas, especialmente las cadenas que son las que más capacidad tienen de aplicar innovación, necesitan ser tremendamente ágiles en identificar las innovaciones útiles de las modas. El reto no suele ser tecnológico, sino de aplicación, ya que estas tecnologías deben desplegarse de manera coherente y adecuada para asegurar la ventaja competitiva diferencial que son capaces de ofrecer.

Complejidades en la explotación de datos

Hoy, en los canales minoristas necesitan gestionar un ingente volumen de datos de clientes: en algunos negocios, como la alimentación, la frecuencia de visita de los consumidores es muy alta (con frecuencia semanal); el volumen de artículos por compra es significativo y el grado de fidelización por ubicación (cercanía al trabajo o domicilio) o por comodidad (facilidades para aparcar, etc.) también es alto, y extraer valor a esos datos es complejo. 

Para mejorar la retención y el cross selling, se trabaja con ofertas, en ocasiones financiadas o cofinanciadas por las marcas, y se intentan realizar recomendaciones, pero las segmentaciones con frecuencia son pobres (¿quién no ha recibido una oferta de pañales cuando su hij@ ya iba al colegio?).

El aprovechamiento de los datos de clientes en tienda física, todavía mayoritarios, es especialmente difícil: no siempre tenemos identificado al cliente, a menos que cuente con tarjeta de fidelización, y la mayoría de los cupones que se entregan en caja terminan en la papelera más cercana. Llegar a los clientes on-line resulta algo más sencillo, porque al menos se tiene su correo electrónico o área privada con toda su información y acceso a ofertas.

“Para mejorar la retención y el cross selling, se trabaja con ofertas, en ocasiones financiadas o cofinanciadas por las marcas, y se intentan realizar recomendaciones, pero las segmentaciones con frecuencia son pobres”

Si las cadenas ya tienen dificultades en extraer valor de estos últimos datos, qué decir de la información potencial que se podría obtener y explotar, como: el recorrido del cliente por la tienda registrando sus paradas, los productos seleccionados y los desechados, etc. (ya ha habido experiencias con menor o mayor éxito); el registro y análisis del mismo recorrido, pero online (las plataformas de e-com explotan la información de carritos abandonados y navegación para comunicaciones personalizadas, pero sin conseguir experiencias omnicanales); el uso de información externa (eventos, meteorología, etc.) o las informaciones proporcionadas por los propios clientes (directamente vía encuestas e indirecta mediante sus patrones de compra). Sea como fuere, hoy por hoy, las cadenas alimentarias no consiguen encontrar este momento “Candy Crush” en el que al cliente se le ofrece justo lo que necesita en el momento en el que no se podrá resistir, o al menos no de manera sostenida. 

A la caza del momento “Candy Crush”

En los últimos años, la capacidad de explotar datos ha alcanzado límites inimaginables: con la nube ha surgido el Big Data y la Inteligencia Artificial con todas sus variantes, desde el Machine y el Deep Learning, hasta la archi-conocida IA Generativa, con ChatGPT como su exponente principal. 

La IAG brinda un potencial increíble para el sector, prometiendo mejoras operativas y disruptivas. Y es que ChatGPT consiguió cambiar las reglas de juego con el Procesamiento de Lenguaje Natural (NLP), siendo capaz de “conversar” con todos y cada uno de nuestros clientes para recabar muchísima más información sobre ellos que con los medios hasta ahora usados.

Las capacidades de la IAG, sobre todo combinadas con otras tecnologías, permitirán resolver necesidades muy concretas de las cadenas de alimentación en el ámbito de la gestión de sus datos: aplicando los algoritmos de IA para la hipersegmentaciones de clientes y la generación de recomendaciones muy acertadas gracias al análisis de enormes cantidades de datos en los llamados Data Lakes; obteniendo previsiones de la demanda mucho más certeras que las basadas en lo que sucedió en el pasado; o la realización de campañas tan efectivas en las que las marcas querrán invertir, etc.

Sin embargo, en el despliegue de la IAG no se pueden perder de vista varios aspectos. En primer lugar, la IAG no tiene experiencia real, “sabe hablar, pero no sabe lo que dice”, por lo que materializar su potencial depende de cómo la entrenamos en base a modelos y datos de negocio reales. Asimismo, para generar valor, la IAG también debe integrarse adecuadamente en el ecosistema de gestión de la organización y comunicarse con sus sistemas internos de datos de clientes. 

Por otro lado, la innovación enamora, pero no siempre aporta valor, y para transformarla en ventaja, hay que aplicarla con acierto. Por tanto, los despliegues de nuevas capacidades deberían ser precedidos por un piloto inspiracional y una ideación colaborativa con expertos de la propia cadena para visualizar las capacidades reales de la tecnología dentro de la organización. En el despliegue propiamente dicho también se debería establecer un proceso continuo de ejecución, medición y aprendizaje, para la detección y corrección inmediata de desviaciones, impulsando el aprendizaje y reduciendo los ciclos de obtención de valor.