1. Cap.

6 Laudon (releer)
2. MGI The frontier for innovation..
a) Executive Summery pag. 1-13
b) Mapping Global... pag. 15-26
c) 3c Retail pag. 64-75
3.El uso del Big Data en el mundo real (pag 1-18)

Marketing
1. Cross-selling. State-of-the-art cross-selling uses all the data that can be
known about a customer, including the customers demographics, purchase
history, preferences, real-time locations, and other facts to increase the
average purchase size. For example, Amazon.com employs collaborative
filtering to generate you might also want prompts for each product bought or
visited. At one point, Amazon reported that 30 percent of sales were due to its
recommendation engine. Another example of this lever is using big data
analyses to optimize in-store promotions that link complementary items and
bundled products.
2. Location-based marketing. Location-based marketing relies on the growing
adoption of smartphones and other personal location data-enabled mobile
devices. It targets consumers who are close to stores or already in them. For
instance, as a consumer approaches an apparel store, that store may send a
special offer on a sweater to the customers smartphone. The startup PlaceCast
claims that more than 50 percent of its users have made a purchase as a result
of such location-based ads. Nearly 50 percent of smartphone owners use or
plan to use their phones for mobile shopping.
3. In-store behavior analysis. Analyzing data on in-store behavior can help
improve store layout, product mix, and shelf positioning. Recent innovations
have enabled retailers to track customers shopping patterns (e.g., footpath
and time spent in different parts of a store), drawing real-time location data
from smartphone applications (e.g., Shopkick), shopping cart transponders, or
passively monitoring the location of mobile phones within a retail environment.
Some retailers use sophisticated image-analysis software connected to their
video-surveillance cameras to track in-store traffic patterns and consumer
behavior.
4. Customer micro-segmentation. The next marketing-related big data lever is
customer micro-segmentation. Although this is a familiar idea in retail, big data
has enabled tremendous innovation in recent years. The amount of data
available for segmentation has exploded, and the increasing sophistication in
analytic tools has enabled the division into ever more granular micro-segments
to the point at which some retailers can claim to be engaged in
personalization, rather than simply segmentation. In addition to using
traditional market-research data and data on historical purchases, retailers can
now track and leverage data on the behavior of individual customers
including clickstream data from the Web. Retailers can now update this
increasingly granular data in near real time to adjust to customer changes.
Neiman Marcus, a high-end retailer, has developed both behavioral
segmentation and a multi-tier membership reward program, and this

combination has led to substantially more purchases of higher margin products

from its most affluent, higher-margin customers.
5. Sentiment analysis. Sentiment analysis leverages the voluminous streams of
data generated by consumers in the various forms of social media to help
inform a variety of business decisions. For example, retailers can use sentiment
analysis to gauge the real-time response to marketing campaigns and adjust
course accordingly. The evolving field of social media data analysis plays a key
role because consumers are relying increasingly on peer sentiment and
recommendations to make purchasing decisions. A variety of tools has
emerged for the real-time monitoring and response to Web-based consumer
behavior and choices.
6. Enhancing the multichannel consumer experience. Enhancing the
multichannel experience for consumers can be a powerful driver of sales,
customer satisfaction, and loyalty. Retailers can use big data to integrate
promotions and pricing for shoppers seamlessly, whether those consumers are
online, in-store, or perusing a catalog. Williams-Sonoma, for example, has
integrated customer databases with information on some 60 million
households, tracking such things as their income, housing values, and number
of children. Targeted e-mails based on this information obtain ten to 18 times
the response rate of e-mails that are not targeted, and the company is able to
create different versions of its catalogs attuned to the behavior and
preferences of different groups of customers. 63 ABI research, Consumer
Technology Barometer: Mobile, 2010. Big data: The next frontier for innovation,
competition, and productivity
Merchandising
1. Assortment optimization. Deciding which products to carry in which stores
based on local demographics, buyer perception, and other big dataso-called
assortment optimizationcan increase sales materially. One leading drug
retailer, for example, used consumer research, market and competitive
analysis, and detailed economic modeling to identify the causes of its flat and
declining growth at the category level. It reduced its overall stock-keeping unit
(SKU) count by 17 percent, shifted private-label brands from 10 percent of the
product mix to 14 percent, and achieved a 3 percent earnings boost as well as
a 2 percent increase in sales.
2. Price optimization. Retailers today can take advantage of the increasing
granularity of data on pricing and sales and use higher levels of analytical
horsepower to take pricing optimization to a new level. A variety of data
sources can be used to assess and inform pricing decisions in near real time.
Complex demand-elasticity models examine historical sales data to derive
insights into pricing at the SKU level, including markdown pricing and

scheduling. Retailers can use the resulting data to analyze promotion events
and evaluate sources of sales lift and any underlying costs that these might
entail. One food retailer examines pricing elasticity among its customers for
different categories. Rural food consumers, for instance, see butter and rice as
a higher buying priority and therefore these products are perhaps less price
elastic than they would be for urban shoppers. Urban consumers, meanwhile,
tend to rank cereals and candy higher among their priorities.
3. Placement and design optimization. Brick-and-mortar retailers can also gain
substantially by optimizing the placement of goods and visual designs (e.g.,
end caps, shelves) by mining sales data at the SKU levelin essence, a more
local version of the kinds of optimization that take advantage of foot-traffic
data. Online retailers can adjust Web site placements based on data on page
interaction such as scrolling, clicks, and mouse-overs. For instance, eBay has
conducted thousands of experiments with different aspects of its Web site to
determine optimal layout and other features from navigation to the size of its
photos.

Operations
1. Performance transparency. Retailers can now run daily analyses of
performance that they can aggregate and report by store sales, SKU sales, and
sales per employee. Today, these systems are moving ever closer to real time.
Retailers can look at cashiers for accuracy and transactions per hour and at the
quality of customer service based on the percentage of customer issues solved
with a single call, customer complaints, and satisfaction surveys. Although the
industry already widely uses performance reporting at a basic level, the trend
toward much higher frequency, immediacy, and granular reporting allows
managers to make concrete adjustments in their operations in a much more
timely manner, i.e., there is still headroom to gain value using this lever.
2. Labor inputs optimization. Another operational lever that can create value
through reducing costs while maintaining service levels is around the
optimization of labor inputs, automated time and attendance tracking, and
improved labor scheduling. This lever can create more accurate predictions of
staffing needs, especially during peak periods, so that overcapacity can be
avoided. Because store labor represents approximately 30 percent of the
average retailers fixed costs, employing this lever is well worthwhile.
Supply chain
1. Inventory management. With the additional detail offered by advanced
analytics mining multiple datasets, big data can continue to improve retailers
inventory management, Best-in-class inventory management provides full

transparency at the SKU level, while bar code systems linked to automated
replenishment processes reduce the incidents of running out of stock. Leading
retailers are improving stock forecasting by combining multiple datasets such
as sales histories, weather predictions, and seasonal sales cycles. Together,
improved inventory management allows retailers to hold a lower level of stock
because supplies are coupled much more tightly with demand signals, while
reducing the number of sales lost because of merchandise stock-outs.
2. Distribution and logistics optimization. Leading retailers are also optimizing
transportation by using GPS-enabled big data telematics (i.e., remote reporting
of position, etc.) and route optimization to improve their fleet and distribution
management. Transport analytics can improve productivity by optimizing fuel
efficiency, preventive maintenance, driver behavior, and vehicle routing.
3. Informing supplier negotiations. In a big data world, leading retailers can
analyze customer preferences and buying behavior to inform their negotiations
with suppliers. They can use price and transaction data to focus negotiated
concessions on key products, for instance. Using big data in this arena is a
significant opportunity, given that the cost of goods sold makes up the largest
portion of cost for a retailer. However, we should note that suppliers also
recognize the importance of understanding customer preferences and are
actively gaining access to, and analyzing, data on consumer behavior to
uncover insights that strengthen their hand in negotiations with retailers.
New business models
The avalanche of data in the retail industry, coupled with other advances in
business, is enabling the emergence of innovative business models. These
models are the most intriguing and innovativebut also the most potentially
threateningto traditional retailers. Two new business models with the most
traction today are price comparison services and Web-based markets.
1. Price comparison services. It is common today for third parties to offer real
time or near-real-time pricing and related price transparency on products
across multiple retailers. Consumers can instantly compare the price of a
specific product at multiple retail outlets. Where these comparisons are
possible, prices tend to be lower. Studies show that consumers are saving an
average of 10 percent when they can shop using such services. Retailers need
to carefully think about how to respond to such price comparison services.
Those that can compete on price will want to ensure that they are the most
visible on such services. Retailers that cannot compete on price will need to
determine how to differentiate themselves from competitors in a pricetransparent world, whether it is in the quality of the shopping experience,
differentiated products, or the provision of other value-added services. Big
data: The next frontier for innovation, competition, and productivity.

2. Web-based markets. Web-based marketplaces, such as those provided by

Amazon and eBay, provide searchable product listings from a large number of
vendors. In addition to price transparency, they offer access to a vast number
of niche retailers that otherwise do not have the marketing or sales horsepower
to reach consumers. They also provide a tremendous amount of useful product
information, including consumer-generated reviews that deliver further
transparency to consumers.

Mercadeo
1.

La venta cruzada. Estado-of-the-art venta cruzada utiliza todos los datos que se puede conocer
acerca de un cliente, incluyendo los datos demogrficos de los clientes, historial de compras,
las preferencias, los lugares en tiempo real, y otros hechos para aumentar el tamao medio de
la compra. Por ejemplo, Amazon.com emplea filtrado colaborativo para generar "tambin puede
que quiera" pide para cada producto comprado o visitado. En un momento, Amazon inform que
el 30 por ciento de las ventas se debi a su motor de recomendacin. Otro ejemplo de esta
palanca est utilizando datos de gran anlisis para optimizar las promociones en las tiendas
que enlazan elementos complementarios y productos empaquetados.

Esta palanca se trata de cruzar distintas variables para predecir las preferencias, e incluso el
comportamiento de compra, de un consumidor para poder recomendarle productos especficos o
enviarle ofertas personalizadas, y as influir en cierta forma sobre su compra.
2.

basada en la ubicacin de marketing. Comercializacin basada en la ubicacin se basa en la

creciente adopcin de telfonos inteligentes y otros dispositivos mviles con capacidad de datos
de localizacin personal. Est dirigido a los consumidores que estn cerca de las tiendas o ya
en ellos. Por ejemplo, como consumidor se acerca a una tienda de ropa, que tienda puede
enviar una oferta especial en un suter de telfono inteligente del cliente. La puesta en marcha
Placecast afirma que ms del 50 por ciento de sus usuarios han realizado una compra como

resultado de este tipo de anuncios basados en la localizacin. Casi el 50 por ciento de los
propietarios de telfonos inteligentes utilizan o planean utilizar sus telfonos mviles para ir de
compras.
Esta palanca se trata de que, gracias al aumento de los smartphones y otros dispositivos mviles con
capacidad de localizacin personal, se le pueden enviar ofertas especiales a clientes que se encuentran
cerca de una tienda o dentro de ella, para as influir en su comportamiento de compra. PlaceCast afirma
que ms de un 50% de clientes han realizado compras como resultado de alguna oferta o anuncio
basado en su localizacin.
3.

Anlisis de la conducta en la tienda. Analizando los datos sobre el comportamiento en la tienda

puede ayudar a mejorar la distribucin de la tienda, la mezcla de productos y posicionamiento
estante. Las innovaciones recientes han permitido a los minoristas para rastrear los patrones de
compra de los clientes (por ejemplo, sendero y el tiempo empleado en las diferentes partes de
una tienda), dibujo datos de localizacin en tiempo real de las aplicaciones de telfonos
inteligentes (por ejemplo, Shopkick), cesta de la compra transpondedores o pasivamente que
monitorean la ubicacin de los telfonos mviles en un entorno minorista. Algunos minoristas
utilizan el software de anlisis de imagen sofisticada conectados con sus cmaras de vdeovigilancia para rastrear los patrones de trfico en las tiendas y el comportamiento del
consumidor.

Ac se analizan los comportamientos del consumidor dentro de la tienda y las rutas ms comunes que
siguen, esto es posible gracias a la innovaciones recientes de softwares que permiten rastrear clientes,
generar mapas de movimiento, para as distribuir los productos de forma ptima, que el mix de
productos por estantera sea mejor, etc.
4.

Cliente micro-segmentacin. La prxima gran palanca de datos relacionados con el marketing

es cliente de micro-segmentacin. Aunque esta es una idea familiar en el comercio minorista,
grandes datos ha permitido tremenda innovacin en los ltimos aos. La cantidad de datos
disponibles para la segmentacin se ha disparado, y la creciente sofisticacin de las
herramientas de anlisis ha permitido a la divisin en micro-segmentos-en el punto en el que
algunos minoristas pueden reclamar para ser dedicada a la personalizacin, en lugar de
simplemente la segmentacin cada vez ms granulares. Adems de utilizar los datos
tradicionales de investigacin de mercado y datos histricos sobre las compras, los minoristas
pueden ahora realizar un seguimiento y aprovechar los datos sobre el comportamiento de los
clientes, incluyendo los datos de seguimiento de clics individuales de la Web. Los minoristas
pueden ahora actualizar esta informacin cada vez ms granulares en tiempo real para
adaptarse a los cambios del cliente. Neiman Marcus, un minorista de gama alta, ha desarrollado
tanto la segmentacin conductual y un programa de recompensas de miembros de varios
niveles, y esta combinacin ha llevado a sustancialmente ms compras de productos de mayor
margen de sus clientes ms ricos, altos mrgenes.

La micro-segmentacin de clientes se trata de ir cada vez ms al detalle con cada cliente, valga la
redundancia. Debido a la gran cantidad de datos que pueden manejar las empresas es que se ha hecho
posible la micro-segmentacin, gracias a la cual es posible analizar el historial de compras de un
determinado consumidor, y as (como en los puntos anteriores) realizar ofertas personales para influir de
alguna forma en la decisin final de compra.
5.

Anlisis de Sentimiento. El anlisis de sentimientos aprovecha las corrientes de voluminosos de

datos generados por los consumidores en las diversas formas de medios sociales para ayudar
a informar a una variedad de decisiones de negocios. Por ejemplo, los minoristas pueden
utilizar el anlisis de sentimiento para medir la respuesta en tiempo real a las campaas de
marketing y ajustar supuesto en consecuencia. El campo en evolucin de anlisis de datos de

medios de comunicacin social desempea un papel fundamental ya que los consumidores

confan cada vez ms en el sentimiento de pares y recomendaciones para tomar decisiones de
compra. Una variedad de herramientas se ha convertido para el monitoreo en tiempo real y la
respuesta al comportamiento y las decisiones de los consumidores basada en la Web.
El anlisis de los sentimientos son herramientas que permiten medir en tiempo real los sentimientos que
generan en los clientes las publicidades de una compaa o marca, las respuestas que se generan por
lo mismo, y en consecuencia que acciones tomar para poder influir en la decisin de compra del cliente.
6.

Mejora de la experiencia del consumidor multicanal. Mejorar la experiencia multicanal para los
consumidores puede ser un poderoso motor de las ventas, la satisfaccin del cliente y la
lealtad. Los minoristas pueden utilizar los datos para integrar grandes promociones y precios
para los compradores sin problemas, si los consumidores estn en lnea, en la tienda, o
hojeando un catlogo. Williams-Sonoma, por ejemplo, ha integrado las bases de datos de
clientes con informacin sobre unos 60 millones de hogares, el seguimiento de las cosas tales
como sus ingresos, valor de la vivienda, y el nmero de hijos. Correos electrnicos dirigidos
basadas en esta informacin a obtener diez a 18 veces la tasa de respuesta de los correos
electrnicos que no estn dirigidos, y la empresa es capaz de crear diferentes versiones de sus
catlogos en sintona con el comportamiento y las preferencias de los diferentes grupos de
clientes.

Se trata del seguimiento de clientes y hogares, sus ingresos, nmero de hijos y valor de la vivienda. Con
sta informacin las empresas generan catlogos dirigidos a distintos tipos de clientes, con lo que
influyen ms directamente en su decisin de compra .Si se mejora la experiencia de un consumidor
multicanal se puede lograr la satisfaccin del cliente y su lealtad, convirtiendo esta palanca en una
poderoso motor de ventas.
Comercializacin
1.

optimizacin Surtido. Decidir qu productos para llevar en los que las tiendas basado en la
demografa local, la percepcin del comprador, y otros-los llamados datos de gran surtido de
optimizacin pueden aumentar las ventas materialmente. Un minorista lder de drogas, por
ejemplo, utiliza la investigacin del consumidor, de mercado y anlisis de la competencia, y el
modelado econmico detallado para identificar las causas de su crecimiento plano y la
disminucin en el nivel de la categora. Redujo su unidad de accin de mantenimiento general
(SKU) contar con un 17 por ciento, se desplaz marcas privadas del 10 por ciento de la mezcla
de productos para el 14 por ciento, y alcanz un 3 por ciento los ingresos aumentan, as como
un aumento del 2 por ciento en las ventas.

Es realizar un anlisis de que productos son los que tienen mejor venta en unidades, y los que entregan
mayor porcentaje de ingresos, basados en estudios a los clientes, para as reducir la cantidad de SKU,
que a veces generan ms costos que ingresos a la compaa.
2.

Precio de optimizacin. Los minoristas de hoy pueden aprovechar el aumento de la

granularidad de los datos sobre los precios y las ventas y el uso de los niveles ms altos de
potencia analtica para tomar la optimizacin de precios a un nuevo nivel. Una variedad de
fuentes de datos se puede utilizar para evaluar e informar las decisiones de precios en tiempo
casi real. Modelos de demanda de elasticidad complejos examinan los datos histricos de
ventas para obtener una visin de la fijacin de precios a nivel de SKU, incluyendo el precio de
rebajas y la programacin. Los minoristas pueden utilizar los datos resultantes de analizar
eventos de promocin y evaluar fuentes de aumento en las ventas y los costes subyacentes
que estos podran acarrear. Un minorista de alimentos examina la elasticidad de precios entre
sus clientes para las diferentes categoras. Los consumidores de alimentos rurales, por ejemplo,

ver la mantequilla y el arroz como una prioridad de compra ms alta y por lo tanto estos
productos son tal vez menos elstica al precio de lo que seran para los compradores urbanos.
Los consumidores urbanos, por su parte, tienden a clasificar los cereales y dulces ms alta
entre sus prioridades.
Esta palanca se trata sobre generar modelos de determinacin de precios en base a los datos obtenidos
de los consumidores. Se puede analizar la elasticidad que tiene cada producto y as tomar la decisin de
qu precio fijar, si se pueden realizar promociones con determinados SKU,etc.
3. Colocacin y optimizacin del diseo. Los minoristas de ladrillo y mortero tambin pueden
beneficiarse sustancialmente mediante la optimizacin de la colocacin de productos y diseos visuales
(por ejemplo, tapas, estanteras) por datos de ventas mineras a nivel-de SKU esencia, una versin ms
local de los tipos de optimizacin que se ventaja de los datos pies de trfico. Los minoristas en lnea
pueden ajustar colocaciones sitio web basado en datos sobre la interaccin pgina tales como el
desplazamiento, los clics, y el ratn en off. Por ejemplo, eBay ha llevado a cabo miles de experimentos
con diferentes aspectos de su sitio Web para determinar el diseo ptimo y otras caractersticas de la
navegacin con el tamao de sus fotos.
Este punto indica que es importante para la experiencia de compra del consumidor el diseo visual y la
colocacin de los productos. Es decir, que mediante un orden o con estanteras llamativas se pueden
resaltar productos y as llamar la atencin para as lograr una mejor venta. En el caso de las compaas
que trabajan con catlogos Web, pueden ir rediseando sus pginas en base a los clics realizados por
los clientes, ya que as se dan cuenta que es lo que notan con mayor facilidad o llama ms la atencin.
Operaciones
1.

transparencia Rendimiento. Los minoristas ahora pueden ejecutar diaria anlisis del rendimiento
que puedan agregar y reportar por las ventas en tiendas, ventas de SKU, y las ventas por
empleado. Hoy en da, estos sistemas se estn moviendo cada vez ms a tiempo real. Los
minoristas pueden mirar a los cajeros para la exactitud y transacciones por hora y en la calidad
de servicio al cliente basado en el porcentaje de problemas de los clientes que resuelve con
una sola llamada, quejas de los clientes, y las encuestas de satisfaccin. Aunque la industria ya
ampliamente utiliza informes de rendimiento a un nivel bsico, la tendencia hacia mucho mayor
frecuencia, la inmediatez y la presentacin de informes granular permite a los administradores
realizar ajustes concretos en sus operaciones de una manera mucho ms oportuna, es decir,
todava est altura libre al ganar valor el uso de esta palanca.

Este punto se trata sobre la importancia de un anlisis inmediato de los datos que obtienen las
compaas. Hoy en da es posible realizar anlisis de ventas por SKU, por empleado, etc., y as
determinar los rendimientos tanto personales como agregados. Es una palanca poco explotada, por lo
que un buen uso de sta puede traer ventajas considerables.
2.

Trabajo entradas optimizacin. Otra palanca operativa que puede crear valor a travs de la
reduccin de costos y mantener los niveles de servicio es de alrededor de la optimizacin de los
insumos de trabajo, el tiempo automatizada y seguimiento de la asistencia, y la mejora de la
programacin de trabajo. Esta palanca puede crear predicciones ms exactas de las
necesidades de personal, especialmente durante los perodos pico, de modo que el exceso de
capacidad se puede evitar. Debido a que la mano de obra tienda representa aproximadamente
el 30 por ciento de los costos fijos del minorista promedio, el empleo de esta palanca es bien
vale la pena.

Esta palanca se trata sobre la reduccin de costos que se pueden generar sobre la optimizacin de los
insumos de trabajo, tiempos de automatizacin, seguimiento de la asistencia, programacin del trabajo.

As se pueden crear predicciones ms exactas sobre las necesidades de la empresa, ms aun sabiendo
que en el retail el 30% de los costos fijos son Mano de Obra, por lo que un buen uso de esta palanca
puede traer ventajas notables.
Cadena de suministro
1.

La gestin del inventario. Con el detalle adicional que ofrece anlisis avanzados mineras
mltiples conjuntos de datos, los datos grandes pueden seguir para mejorar la gestin de
inventarios de los minoristas, el mejor en su clase, la gestin del inventario ofrece una total
transparencia en el nivel SKU, mientras que los sistemas de cdigos de barras vinculados a
procesos de reabastecimiento automatizados reducen los incidentes de quedarse sin
existencias. Los principales minoristas estn mejorando la previsin social mediante la
combinacin de mltiples conjuntos de datos, tales como historias de ventas, predicciones
meteorolgicas, y los ciclos de ventas de temporada. Juntos, la mejora de la gestin de
inventario permite a los minoristas tienen un menor nivel de valores porque los suministros se
acoplan mucho ms firmemente con seales de demanda, al tiempo que reduce el nmero de
ventas perdido por mercancas desabastecimiento.

Esta palanca habla de que hacer anlisis sobre el nivel de inventarios que se maneja es muy importante
para las compaas de retail, ya que as se puede determinar los mejores SKUs que posee la
compaa, cuales se encuentran desabastecidos, etc., por lo tanto una buena gestin de estos puede
ayudar a reducir los niveles de inventario y funcionar en base a la demanda de cada producto,
reduciendo el nmero de ventas perdidas por desabastecimiento de mercancas.
2.

Distribucin y optimizacin logstica. Los principales minoristas tambin estn optimizando el

transporte mediante el uso de la telemtica con GPS grandes de datos (es decir, de informacin
a distancia de la posicin, etc.) y la optimizacin de rutas para mejorar su flota y la gestin de la
distribucin. Anlisis de transporte pueden mejorar la productividad mediante la optimizacin de
la eficiencia de combustible, mantenimiento preventivo, el comportamiento del conductor, y
rutas para vehculos.

Esta palanca es sobre generar modelos de optimizacin de rutas. As se reducen costos, debido a que
se disminuyen los tiempos de transporte, se mejora la eficiencia, y por lo tanto aumenta la productividad.
Con esta se puede determinar el comportamiento de los conductores, el estado de los vehculos de
transporte, eficiencia de combustible, etc.
3.

Informar a las negociaciones con los proveedores. En un mundo de datos grande, los
principales minoristas pueden analizar las preferencias de los clientes y el comportamiento de
compra de informar a sus negociaciones con los proveedores. Ellos pueden usar los datos de
precios y de transaccin para centrarse concesiones negociadas en productos clave, por
ejemplo. Utilizando datos grandes en este campo es una gran oportunidad, ya que el costo de
los bienes vendidos constituye la porcin ms grande del costo de un minorista. Sin embargo,
hay que sealar que los proveedores tambin reconocen la importancia de la comprensin de
las preferencias del cliente y estn ganando activamente el acceso a, y el anlisis, los datos
sobre el comportamiento del consumidor a descubrir ideas que fortalezcan su mano en las
negociaciones con los minoristas.

Esta palanca habla sobre intentar optimizar los precios y agilidad de las negociaciones con los
proveedores, para as obtener ventajas. Pero nombra algo muy importante, que es que los proveedores
tambin querrn sacar provecho de estas situaciones por lo que es necesario generar algn vnculo con
estos para as lograr un Win-Win, y que nadie se vea perjudicado, es decir, que el proveedor venda a un
precio que le convenga y que la compaa retail le convenga este precio dado por el proveedor y logre
vender a un buen precio al consumidor.

Nuevos modelos de negocio

La avalancha de datos en el sector del comercio minorista, junto con otros avances en los negocios,
est permitiendo el surgimiento de modelos de negocio innovadores. Estos modelos son los ms
interesantes e innovadores, pero tambin el ms potencialmente amenazando a los minoristas
tradicionales. Dos nuevos modelos de negocio con la actualidad ms de traccin son servicios de
comparacin de precios y mercados basados en la Web.
1.

Los servicios de comparacin de precios. Es comn hoy en da para que terceros puedan
ofrecer en tiempo real o de precio-tiempo casi real y la transparencia de los precios en los
productos relacionados a travs de mltiples minoristas. Los consumidores pueden comparar
los el precio de un producto especfico en mltiples puntos de venta. Donde estas
comparaciones son posibles, los precios tienden a ser ms bajos. Los estudios muestran que
los consumidores estn ahorrando un promedio de 10 por ciento cuando se pueden comprar
utilizando este tipo de servicios. Los minoristas tienen que pensar cuidadosamente acerca de
cmo responder a este tipo de servicios de comparacin de precios. Los que pueden competir
en precio querrn asegurarse de que son los ms visibles en este tipo de servicios. Los
minoristas que no pueden competir en precio tendrn que determinar cmo diferenciarse de los
competidores en un mundo de precios transparente, ya sea en la calidad de la experiencia de
compra, productos diferenciados, o la prestacin de otros servicios de valor aadido.

Este nuevo modelo de negocio se trata de que con la apertura de la informacin de parte del retail el
consumidor est mejor informado y sabe dnde es ms barato comprar, incluso las compaas tienen
que cuidarse de que en sus distintas tiendas se respeten los mismos precios, ya que esto les podra
afectar si los consumidores detectan diferencias de precios en los mismos productos. Este tema es muy
delicado ya que hay que estar muy atento a que es lo que hace la competencia, para poder anticiparse o
reaccionar de la mejor forma.
2.

Los mercados basados en la Web. Mercados basados en la Web, tales como los prestados por
Amazon y eBay, proporcionan listados de productos de bsqueda de un gran nmero de
vendedores. Adems de la transparencia de precios, que ofrecen acceso a un gran nmero de
minoristas de nicho que de otra manera no tienen la comercializacin o venta de caballos de
fuerza para llegar a los consumidores. Tambin proporcionan una enorme cantidad de
informacin sobre el producto til, incluyendo comentarios generados por el consumidor que
ofrecen una mayor transparencia a los consumidores.

Se trata sobre la informacin que se logra obtener de los productos en la Web, comentarios de otros
consumidores, y por supuesto de la venta de productos mediante este canal. Este nuevo modelo es una
palanca importante, ms aun teniendo a Amazon e eBay en estos mercados. Si una compaa retail
logra gestionar bien este modelo puede llegar a consumidores que tal vez no pueden acceder a los
productos de forma directa, ampliando as su nmero de clientes.