NRF Retail Big Show: Tamaris y 7Learnings muestran el potencial de la IA en la fijación de precios

cargando...

Automated translation

Empresas

Equipo de 7Learnings en NRF (Eiko van Hettinga, Director Comercial, a la derecha) Créditos: 7Learnings

París - En NRF Retail Big Show, FashionUnited conversó con Eiko van Hettinga, cofundador de 7Learnings, empresa tecnológica con sede en Berlín que ofrece software de predicción de precios basado en IA para retailers. Explicó por qué la fijación de precios es una de las principales palancas para la rentabilidad, cómo funciona la predicción de precios en la práctica y cómo marcas como Tamaris están viendo resultados.

¿Por qué la predicción de precios?
“La fijación de precios es la principal palanca para la rentabilidad. Muchas empresas piensan en la reducción de costes cuando hablan de beneficios, pero la verdad es que los movimientos de precios tienen un impacto mucho mayor. Por eso analistas como Gartner consideran la optimización de precios como uno de los casos de uso de la IA más atractivos en el retail: tiene el mayor impacto comercial y es uno de los más viables”.

“Para los retailers que se preguntan por dónde empezar su camino hacia la IA, la optimización de precios debería estar en lo más alto de la lista. Con la predicción de precios, se utilizan datos para pronosticar el impacto de los precios en los KPI, como los ingresos, el margen y la tasa de venta, y luego optimizar en consecuencia. Eso es exactamente lo que demostramos junto con Tamaris”.

¿Puede contarnos más sobre Tamaris?
“En Tamaris (parte del Grupo Wortmann), el reto era claro: estaban expandiendo su negocio online a veintiséis países, con una enorme complejidad a la hora de fijar precios en los distintos mercados y canales, mucho trabajo manual y la necesidad de optimizar a lo largo de todo el ciclo de vida del producto”.

“Juntos llevamos a cabo una prueba de concepto de cinco meses, y los resultados fueron sorprendentes: la rentabilidad aumentó, su tasa de descuento media se redujo un -5 por ciento y el tiempo manual dedicado a la optimización de precios se redujo a la mitad. Hoy, Tamaris ejecuta esta configuración basada en IA en todos sus mercados, dirigiendo los precios y los márgenes automáticamente”.

Entonces, ¿no se trata solo de descuentos? ¿Se trata también de precios flexibles?
“Exactamente. No se trata solo de poner un gran cartel rojo de rebajas en el escaparate. También se pueden bajar los precios estratégicamente y mantener los márgenes. En el retail de moda, todo lo hacemos por razones de moda, por lo que pensamos de forma más amplia que en los simples descuentos”.

¿Qué hace que la fijación de precios online sea más compleja?
“En online, existen capas adicionales como los vouchers y los cupones. El peligro es que si se empiezan a acumular demasiadas promociones, se puede perder fácilmente el control de la rentabilidad. Por eso también introducimos este tipo de datos en el sistema para predecir cuántas de estas promociones se utilizarán y qué impacto tendrán en los beneficios”.

“En el retail de moda también prevemos las tasas de devolución junto con los precios. En todo el surtido, nuestras previsiones alcanzan una precisión superior al 90 por ciento, eso para un horizonte de dos semanas. Creemos que el enfoque correcto es una combinación de previsiones a corto plazo de alta precisión y una planificación a más largo plazo”.

¿Por qué?
“Se podría decir, ¿por qué no utilizar una previsión a cuarenta semanas para tomar todas las decisiones? El problema es que esas previsiones a tan largo plazo son muy imprecisas, simplemente no se sabe qué va a pasar dentro de tanto tiempo. Ese es el gran reto en la moda”.

“Utilizamos las previsiones a largo plazo para establecer límites, no para dictar cada decisión. Por ejemplo, el algoritmo podría calcular el precio que optimiza el beneficio a largo plazo y luego permitirnos movernos dentro de un rango del 20 por ciento alrededor de ese punto. Dentro de este rango podemos tomar decisiones a corto plazo, como impulsar las ventas más rápidamente, pero el sistema también nos impide ir tan lejos como para perjudicar la rentabilidad a largo plazo. Técnicamente, creemos que es la mejor manera de resolverlo, y los profesionales del sector confirman este enfoque”.

¿También participan en el desarrollo de la colección, decidiendo qué estilos y cantidades?
“En realidad no. Una vez que la colección está en el mercado, podemos ayudar con la fijación inicial de precios, pero esa parte suele tener un toque más humano. Si tienes un vestido que sale al mercado por primera vez, podemos fijarnos en sus atributos y compararlo con artículos similares para sugerir un precio. Pero si crees que es una pieza destacada, entonces entra en juego el juicio humano, porque la máquina no lo verá. Con el tiempo, a medida que el producto avanza en su ciclo de vida, el sistema aprende más y más de las transacciones y los atributos para mejorar sus decisiones de precios”.

¿Y tienen experiencia en moda?
“Nuestro CEO, Felix Hoffmann, ha dedicado toda su carrera a la fijación de precios. Primero trabajó para consultoras como A.T. Kearney, y más tarde fue responsable del algoritmo de precios de Zalando en Berlín. En un momento dado, se dio cuenta de que no se puede trabajar solo con Excel para siempre, se necesita algo más técnico. Así nació la idea de 7Learnings. Hoy, somos una empresa independiente”.

7Learnings también ha trabajado con retailers como Tom Tailor y Mister Spex, ayudándoles a implementar la predicción de precios. La startup fue fundada en Berlín en 2019 por Felix Hoffman, Eiko van Hettinga y Martin Nowak.

7Learnings en NRF Créditos: 7Learnings

Eiko van Hettinga, Director Comercial de 7Learnings Créditos: 7Learnings

Este artículo fue originalmente publicado en otro idioma dentro de la red internacional de FashionUnited y después traducido al español usando una herramienta de inteligencia artificial.

Inteligencia artificial