Ecommerce y venta online
lo que tu tienda ya te está diciendo.
Tu tienda online lo registra todo: cada carrito que se llenó y se vació, cada devolución, cada búsqueda sin resultados, cada pedido que volvió. No te falta tráfico que comprar — te falta leer lo que el tráfico que ya entró dejó escrito. El carrito que no se cerró lo apuntó antes de irse, y el pedido que nunca se pagó dio señales antes de salir del almacén. Aquí está cada problema del área abierto en ficha: el dolor, por qué pasa, cómo se resuelve, qué necesita y qué está en juego.
Toca cualquiera para abrirlo.
El carrito que se llena y nadie compra
El visitante mete tres cosas en el carrito, llega al pago y se va. Tú lo ves como una cifra de "abandono" a fin de mes; tu tienda lo apuntó como una lista con nombre, valor y motivo. Rescatar al azar quema el cupón en quien iba a comprar igual; lo que falta es saber a quién empujar, con qué y cuándo.
Se llenan carritos a patadas y se vacían en el pago, y tú lo ves a fin de mes.
El cliente mete tres cosas, llega a la pantalla de pago y desaparece. Para cuando miras el panel, el abandono es un porcentaje seco al final del mes — no una lista de carritos con nombre, valor y un cliente al que aún podrías recuperar. La venta estaba hecha hasta el último clic, y se fue sin saber por qué.
No todos los carritos abandonados valen lo mismo ni se caen por lo mismo: unos son curiosos que nunca iban a pagar, otros son clientes a un empujón del sí que se asustaron del gasto de envío o se distrajeron. Distinguirlos exige cruzar el valor del carrito, el historial de ese cliente y qué pasó las otras veces — carrito a carrito sobre el goteo del día, un volumen inviable de procesar a mano. Por defecto se manda el mismo recordatorio a todos o a ninguno.
Con tu propio histórico de carritos cerrados y abandonados se puntúa cada carrito nuevo: cómo de cerca está del sí y cuánto vale. El recordatorio — o el incentivo justo — va solo donde mueve la aguja, y el cupón deja de regalarse a quien iba a pagar igual. La cola de rescate se ordena por dinero, no por orden de llegada.
Propensión de cierre por carrito + incentivo que se ajusta solo según lo que funciona (clasificación; bandits de incentivo).
Tu histórico de carritos con qué llevaban, su valor, el cliente y si acabaron pagando o no · si guardas el motivo de salida (gasto de envío, registro), afina más.
Esto se paga rescatando solo el carrito que se recupera y dejando de regalar margen al que iba a pagar igual: el mismo presupuesto de cupones rinde más cuando va al carrito que de verdad cambia de decisión. Es la disciplina de Capital One llevada al pago — medir a quién mueve el empujón en vez de regarlo a toda la lista. Tu número exacto lo da el diagnóstico sobre tu histórico.
Tu buscador dice "0 resultados" de algo que sí tienes en stock.
El cliente teclea "sudadera con capucha gris", tu buscador solo casa palabras exactas y le devuelve una página en blanco — con la prenda a un clic, en la estantería virtual, sin que nadie la encuentre. Cada búsqueda fallida de un producto que sí tienes es una venta que mandas a la papelera tú mismo.
Un buscador que casa cadenas de texto no entiende sinónimos, plurales, faltas de ortografía ni la forma en que la gente nombra de verdad las cosas. "Capucha" no es "con capucha", "gris marengo" no es "gris", y el cliente no va a probar diez veces: se va a otra tienda donde sí lo encuentre. El villano no es tu catálogo — es un buscador que entiende menos que el cliente que escribe.
Con tu catálogo se monta una búsqueda que entiende lo que el cliente quiere decir, no solo lo que teclea: busca por significado, así que "sudadera con capucha" saca la prenda aunque la ficha la llame de otra manera. Deja de mandar ventas a la papelera por un fallo de vocabulario, y el cliente encuentra lo que ya tenías para venderle.
Búsqueda semántica sobre tu catálogo (embeddings, búsqueda vectorial).
Tu catálogo con títulos, descripciones y atributos de cada producto · y, si lo tienes, el registro de búsquedas que acabaron en "0 resultados", para ver qué se está perdiendo.
Esto se paga rescatando la venta que ya tenías en stock y se perdía en una página en blanco: cada búsqueda que ahora encuentra producto es un pedido que antes se iba a un competidor por un fallo de vocabulario. En Netflix el sistema que pone delante lo que encaja decide el 80% de las horas que se ven — la mayoría de lo que la gente consume entra porque se lo encontraron, no porque lo buscaran a ciegas. Tu número exacto lo da el diagnóstico sobre tu histórico.
En Netflix, lo que el sistema pone delante de cada usuario decide el 80% de lo que se ve: no esperan a que el cliente acierte con la búsqueda, le sirven lo que encaja con lo que ya consumió.
Gómez-Uribe & Hunt, paper del recomendador de Netflix (ACM, 2015) · fuenteEliges el título y la foto de la ficha a ojo, y no sabes cuál vende.
El título, la foto de portada y el orden de las imágenes deciden si esa ficha vende o no — y hoy se eligen por gusto del que tuvo tiempo el lunes. Cambias la portada porque "queda mejor" y no tienes ni idea de si subió o bajó las ventas. La ficha es tu escaparate, y lo estás montando con los ojos cerrados.
Qué versión de una ficha convierte mejor no se sabe mirándola: depende de cómo reacciona tu cliente real, no de lo que le parece más vistoso a quien la diseñó. Sin comparar una versión contra otra sobre el mismo tráfico, cualquier cambio queda mezclado con el ruido del día — más visitas, una promo, el fin de semana — y nunca sabes si la venta la movió la foto o la casualidad.
Se prueba en serio: esta versión de la ficha contra la otra, repartiendo tus visitas reales entre las dos al azar, y se mide cuál vende más con tu propio tráfico. Deja de ser opinión y pasa a ser dato: sabes qué título, qué foto y qué orden de imágenes mueven la venta, y te quedas con el que gana en lugar del que gustó.
Test A/B sistemático sobre fichas (reparto aleatorio + medición de conversión; análisis de significancia).
Tu tráfico de fichas con las versiones a comparar y la conversión de cada una · cuanto más tráfico pase por la prueba, antes se sabe cuál gana de verdad.
Esto se paga quedándote con lo que vende en vez de con lo que gusta: cada ficha que probaste rinde más que la que dejaste por intuición, sin pagar por traer una sola visita más. Es la cultura de Capital One — no discutir qué versión es mejor, repartir el tráfico y medirla, decenas de miles de veces — aplicada a tu escaparate. Tu número exacto lo da el diagnóstico sobre tu histórico.
Capital One no decidía en reuniones qué oferta o qué sobre funcionaba: lo repartía contra un grupo de control y lo medía — 45.000 experimentos en el año 2000. La misma disciplina, aplicada a una ficha de producto.
Stanford GSB, caso Capital One · fuenteLo que pones en portada lo decide quien tiene tiempo el lunes.
Los destacados de la home deciden buena parte de lo que se vende ese día — y los elige a mano quien tiene un rato el lunes por la mañana, con lo que convertía la temporada pasada. La portada es tu mejor metro cuadrado de escaparate, y se está llenando por costumbre en vez de por lo que tira ahora mismo.
Lo que convierte cambia solo: el producto que arrasaba hace tres semanas se enfría, entra una novedad que tira, el tiempo cambia el gusto. Ir detrás de eso a mano, decidiendo cada mañana qué subir a portada, es inviable — así que se deja lo de la última vez, que ya no es lo que la gente compra hoy. El villano es el ritmo del mercado, que va más rápido que la actualización manual de la home.
Con tus propias ventas y clics la selección de portada se mueve sola hacia lo que está convirtiendo ahora mismo, no lo que convertía la temporada pasada, y va probando hueco a hueco qué tira más sin tener que adivinarlo cada mañana. La portada deja de ser una foto fija del lunes y pasa a seguir a tu cliente día a día.
Selección dinámica de destacados (bandits + recomendadores sobre la conversión reciente).
Tu histórico de qué se mostró en portada, qué se clicó y qué se compró · con eso se aprende qué hueco rinde con qué producto y cómo cambia en el tiempo.
Esto se paga exprimiendo el mejor metro cuadrado de tu tienda: la misma portada vende más cuando muestra lo que tira hoy en vez de lo que tiraba el mes pasado, sin tocar el tráfico ni el catálogo. Es la misma idea de Netflix — lo que se pone delante decide la mayor parte de lo que se consume — llevada a tu home. Tu número exacto lo da el diagnóstico sobre tu histórico.
Lo que vuelve y lo que nunca se paga
Dos sangrías que llegan después de la venta: el paquete que vuelve y te deja sin ingreso pero con los costes, y el pedido que te encargan, envías y nunca te pagan. Las dos dejan rastro antes de pasar — solo que nadie lo está leyendo a tiempo.
Las devoluciones te comen el margen y siempre te enteras cuando ya volvió el paquete.
La devolución es la venta que se deshace: pagaste el envío, la manipulación y el reacondicionado, y te quedas sin el ingreso. Algunas son inevitables; muchas se huelen antes de mandar el paquete — pero te enteras cuando ya está de vuelta en tu almacén, con el coste hecho y el margen comido.
Que un pedido vuelva no es azar: la talla dudosa, la combinación de productos que no encaja, el cliente que pide cinco y se queda una para probar en casa — todo eso sube la probabilidad de devolución, y está escrito en tu histórico. Pero verlo pedido a pedido, antes de que salga, exige cruzar producto, talla y patrón del cliente a la vez, un volumen inviable de revisar a mano: se trata igual el pedido limpio que el que tiene toda la pinta de volver.
Con tu propio histórico de devoluciones se calcula, antes de enviar, qué pedido tiene pinta de volver y por qué — por talla, por combinación, por el patrón de ese cliente. Lo señalado se puede tratar distinto a tiempo en vez de comérselo callando. Esa fuga de margen, vista en grande para toda la tienda, es la misma de el dinero que se te escapa por las rendijas.
Predicción de devolución por pedido y producto, con sus causas (clasificación tipo LightGBM + explicación).
Tu histórico de pedidos con producto, talla, cliente e importe, marcando cuáles se devolvieron y por qué motivo · cuanto más completo el motivo, mejor distingue la devolución evitable de la inevitable.
Esto se paga tapando una venta que se deshace antes de hacer el gasto: cada devolución que ves venir es un envío, una manipulación y un reacondicionado que te ahorras o tratas distinto, en vez de descubrirlos cuando el paquete ya está de vuelta. La palanca es la misma de toda señal débil — leer el patrón antes del estallido. Tu número exacto lo da el diagnóstico sobre tu histórico.
Te encargan, envías, y el pedido nunca se paga.
El contra-reembolso que rechazan en la puerta, la tarjeta que sale fraudulenta semanas después: el paquete salió, el coste lo pusiste tú y el ingreso no llega nunca. Esperar a la reclamación del banco es enterarse cuando ya no hay nada que hacer — el producto está fuera y el dinero, también.
El pedido que no se va a pagar se parece, en la pantalla, a cualquier otro: misma cesta, mismo aspecto. La señal de riesgo está repartida en detalles — la dirección que no cuadra, el importe fuera de lo normal, el patrón de quien encarga para no recoger — y revisarlos uno a uno frenaría a todos los clientes buenos. Sin medir, o frenas a todo el mundo o no frenas a nadie, y el fraude se cuela justo porque es raro.
Con tu histórico de pedidos pagados e impagados se calcula un riesgo por pedido antes de que salga el paquete, y solo se marca para revisar la pequeña minoría sospechosa — la inmensa mayoría limpia pasa sin fricción. El cliente de toda la vida no nota nada; el pedido que tenía pinta de no pagarse se mira antes de poner el coste, no después.
Score de riesgo por pedido sobre operaciones poco frecuentes (clasificación desbalanceada + reglas).
Tu histórico de pedidos con sus características (importe, dirección, forma de pago, cliente) marcando cuáles acabaron impagados o fraudulentos · cuantos más casos pasados, mejor separa el raro malo del raro bueno.
Esto se paga revisando el pedido sospechoso antes de pagar el envío, no después de perder producto y dinero: el coste se pone solo donde el riesgo lo justifica, sin frenar al cliente bueno. La palanca es la misma de toda detección de lo anómalo — saltar sobre lo raro sin molestar a lo normal. Tu número exacto lo da el diagnóstico sobre tu histórico.
Competir en precio sin entrar en la guerra suicida
Compites con Amazon y con el de al lado en la misma pantalla, y la tentación es bajar el precio a ciegas hasta que duele. Eso no es competir: es regalar margen por miedo. La pregunta no es "¿bajo?", es en qué referencias un euro menos te trae pedidos y en cuáles solo te quita margen.
Compites contra Amazon en precio a ciegas y bajas hasta que duele.
En la misma pantalla está tu precio, el de Amazon y el del de al lado, y la tentación es igualar al de abajo hasta que sangra. Eso no es competir: es regalar margen por miedo. Bajas en todo por igual sin saber dónde un euro menos te trae pedidos de verdad y dónde solo se lo quitas a un cliente que iba a comprar igual.
No todas tus referencias responden igual al precio: en unas, bajar un euro trae pedidos nuevos; en otras, el cliente compra lo mismo cueste lo que cueste y bajar solo regala margen. Saber cuál es cuál exige cruzar lo que cobran fuera con cómo reacciona tu propia demanda al precio, referencia a referencia — un volumen inviable de calcular a ojo sobre cientos de productos. Por eso se baja en bloque, que es la forma más cara de competir.
Cruzando lo que cobran fuera con cómo responde tu propia demanda al precio sale una regla por producto: dónde aguantas el precio, dónde conviene moverlo y hasta dónde — con tu suelo de margen como frontera innegociable, nunca por debajo. En vez de una carrera hacia abajo que solo gana el más grande, ajustas referencia a referencia donde de verdad cambia algo.
Monitorización de precios de competencia + elasticidad por referencia; repricing con reglas y suelo de margen.
Tu histórico de ventas por producto con su precio y volumen, para medir cómo responde la demanda · y, si lo tienes, el precio de la competencia en cada referencia.
Esto se paga dejando de regalar margen donde bajar no trae nada: cada referencia que mantienes su precio porque sabes que aguanta es margen que no quemas en una guerra que no ibas a ganar. Es la misma lógica que inventó American Airlines — el precio no se pone una vez ni igual para todos, se calcula con datos según lo que cada plaza aguanta —, y lo publicaron ellos: 1.400 millones de dólares en tres años. Tu número exacto lo da el diagnóstico sobre tu histórico.
American Airlines fue la primera en entender que el precio no se pone una vez ni igual para todos: medía con datos cuánto aguantaba cada plaza y lo recalculaba cada día. Nació el revenue management que hoy usan hoteles, trenes y tiendas.
Interfaces (INFORMS), 1992 · fuenteEl transportista que te falla y el stock que no cuadra
El paquete llega tarde o roto y la estrella mala te la lleva tú, no el transportista. Y vendes en la web algo que ya no está en la estantería porque se fue en la tienda. Dos golpes a la reputación que están escritos en tus albaranes y en tus números de stock, esperando que alguien los cruce.
El transportista te falla y el cliente te pone la estrella mala a ti.
El paquete llega tarde o roto, y el cliente no le pone una estrella al transportista: te la pone a ti. Repartes con "el de siempre" por costumbre, sin saber que en media España cumple y en la otra media te quema reseñas — porque no todos los carriers fallan igual, ni en todas las zonas, ni con todos los formatos.
Qué transportista cumple plazo y entrega entera depende de la zona, del tipo de envío y del momento, y eso cambia de uno a otro — pero a simple vista todos parecen igual de fiables hasta que se acumulan las quejas. Cruzar las entregas a tiempo y completas de cada uno, por provincia y por formato, sobre todos tus envíos, es inviable repasando albaranes a mano: se asigna por costumbre y el fallo se descubre en las reseñas.
Con tus propios albaranes de entrega se construye una tabla de quién cumple plazo y entrega entera en cada provincia y cada tipo de envío. Asignar deja de ser "el de siempre" y pasa a ser mandar cada pedido a quien menos te quema reseñas en esa zona y ese formato — antes de que el paquete salga, no después de la estrella mala.
Scoring de transportista por zona y tipo de envío (análisis OTIF por carrier).
Tu histórico de envíos con el transportista, la zona, el tipo de paquete, el plazo prometido y el real, y si llegó entero · cuanto más detalle de incidencia por entrega, mejor afina la tabla.
Esto se paga protegiendo tu reputación en cada zona: mandar el pedido al carrier que cumple ahí evita la reseña mala que pesa más que diez entregas perfectas, sin cambiar tu producto ni tu precio. Es leer el rendimiento de cada ruta en los datos en vez de en la costumbre — la misma idea con la que UPS quitó ~160 millones de kilómetros tontos al año a su reparto. Tu número exacto lo da el diagnóstico sobre tu histórico.
UPS dejó de fiar el reparto solo al "yo me conozco mi barrio" y dejó que los datos masticaran cada noche las entregas del día: respetando el oficio del conductor, le quitaron los kilómetros que solo se ven en los números.
INFORMS, "ORION delivers success" · fuenteVendes en la web algo que ya no está, y la cancelación pesa más que diez entregas buenas.
El cliente paga en la web una unidad que se acaba de ir en la tienda — o en otro marketplace — y te toca cancelar. Esa cancelación, después de que ya pagó e ilusionó, pesa más que diez entregas perfectas: el descuadre entre canales convierte una venta en una mala reseña y un cliente que no vuelve.
El stock real se mueve por varios sitios a la vez — la tienda física, la web, cada marketplace — y cada uno lleva su número. Cuando uno se separa de los demás, nadie lo ve hasta que un cliente compra lo que ya no hay. Vigilar que el número de la web, el del almacén y el de cada canal cuadren entre sí, en continuo, es inviable repasando pantallas: el descuadre se descubre con la venta que no puedes servir.
Se vigila en continuo que el número de la web, el del almacén y el de cada marketplace cuadren entre sí, y se salta en cuanto uno se separa — antes de que un cliente compre lo que ya no está. La cancelación se evita en su origen. El mismo descuadre, visto desde la compra y el almacén físico, es comprar a ojo, que sobre lo que no se vende y falte lo que sí.
Reconciliación continua de stock entre canales + alerta de anomalía (conciliación + detección de descuadre).
Tu stock por canal (web, tienda, cada marketplace) con sus movimientos y fechas · cuanto más al día estén los movimientos de cada canal, antes se detecta el descuadre.
Esto se paga evitando la cancelación que más cara sale: cada venta que no aceptas porque sabías que el stock estaba descuadrado es una reseña mala que no te ganas y un cliente que no pierdes. La palanca es la misma de toda detección de lo anómalo — saltar en cuanto un número se separa de los demás, antes de que cueste. Tu número exacto lo da el diagnóstico sobre tu histórico.
Tus datos ya valen dinero.
¿Cuánto margen se te va en carritos, devoluciones y descuadres ahora mismo?
El número real lo da el diagnóstico: un backtest sobre tu propio histórico de pedidos. Sin promesas — tu número sobre la mesa.