• Ir al contenido principal
  • Skip to secondary menu
  • Ir a la barra lateral primaria
  • Ir al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Noticias
    • Opinión
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Boletín
  • Contacto
  • Acerca de Analytics Lane
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad
    • Tiendas afiliadas
      • AliExpress
      • Amazon
      • GearBest
      • GeekBuying
      • JoyBuy

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Criptografía
  • Python
  • Matlab
  • R
  • Julia
  • JavaScript
  • Herramientas
  • Opinión
  • Noticias

¿Cómo afecta el número de referencias en las ventas?

octubre 5, 2018 Por Daniel Rodríguez Dejar un comentario

Referencias en una pasillo

Intuitivamente es fácil pensar que al aumentar el número de referencias en un catálogo las ventas han de aumentar. La justificación de esta idea tan arraigada es sencilla, al disponer de una mayor oferta es más probable satisfacer las preferencias de un número mayor de clientes. Con más clientes satisfechos es de esperar que las ventas aumentaran proporcionalmente. Pero según se puede deducir de diferentes estudios los clientes no funcionan necesariamente con esta lógica. Aumentar la oferta no tiene porqué llevar a un aumento en las venas, sino que, todo lo contrario, puede afectarles negativamente a estas.

El expositor de mermeladas

Mermeladas

A modo de ejemplo del efecto del surtido en las ventas se puede observar en el experimento del expositor de mermeladas llevado a cabo por Sheena S. Iyengar de la Universidad de Columbia. Para el experimento se situó un expositor de mermeladas en los que unas veces había 6 sabores y otras 24. En ambos casos los clientes que se acercaban al expositor recibían un vale descuento por valor de 1$ para compra de cualquier variedad del fabricante.

En una primera configuración, en la que solamente se exponen 6 sabores diferentes, el 40% (104 de 260) de los clientes que pasaron por el expositor se pararon en el. Por otro lado, al aumentar la oferta del expositor hasta los 24 sabores el número de clientes que se detuvieron aumento hasta el 60% (145 de 242). Ratificando la idea de que un mayor surtido permite atraer a más clientes.

Los resultados realmente interesantes para el negocio es el número de ventas, no el de clientes. En la primera configuración (6 sabores) el porcentaje de cupones redimidos por los clientes fue de un 30% (31). Por otro lado, en la segunda configuración (24 sabores) el porcentaje se de redenciones se redujo a solamente un 4% (4). Es decir, la misma acción promocional puede ver reducida su efectividad en un factor 10 simplemente aumentado la oferta. Provocando que una campaña relativamente exitosa vea reducida su efectividad drásticamente.

El puesto de bolígrafos

Lápices de colores

En otros experimentos también se puede observar resultados similares. Por ejemplo, el puesto de bolígrafos que Avni M. Shah del Dartmouth College situó en el campus de la universidad. En este puesto los tipos de bolígrafos que se podían adquirir variaron entre 2 y 20. Para una oferta de 2 el porcentaje de estudiantes que compraron alguno fue de un 40%. Este porcentaje aumentó hasta un máximo de 90% cuando existen 10 tipos de bolígrafos diferentes. Pero, al igual que en el experimento anterior, al aumentar la oferta hasta 20 el porcentaje de alumnos que compraron se redujo a un mínimo de 30%. Es decir, el número de ventas frente a las referencias ofertadas tiene una forma de U invertida.

Estos resultados indican que aumentar la oferta por encima de un valor crítico es contraproducente. Llegando a afectar negativamente a las ventas. Como se ha visto en este experimento donde al aumentar la oferta por encima de 10 bolígrafos las ventas decayeron.

Una de las explicaciones que se ofrecen para estos resultados es la “parálisis por análisis”. Al aumentar la oferta entre las que puede escoger el cliente la decisión requiere un mayor esfuerzo, ofreciendo además más posibilidades de equivocarse, y decide retrasar esta. Lo que explica perfectamente la forma de U invertida que se ha observado en los experimentos. A medida que aumenta la oferta es se puede satisfacer a un número mayor de clientes sin que la decisión suponga un coste para ellos. Pero una vez llegado a un límite, el coste de decisión supone un freno en las ventas.

Conclusiones

Los experimentos que se han visto en esta entrada permiten entender cómo toman decisiones los clientes a la hora de comprar. Estos necesitan ver que sus necesidades y preferencias son satisfechas con el surtido, pero sin obligar a tomar decisiones demasiado complicadas. Obviamente el surtido óptimo se ha de analizar para cada referencia mediante experimentos como los vistos en esta entrada.

Imágenes: Pixabay (igorovsyannykov) | Pixabay (jarmoluk) | Pixabay (Free-Photos)

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 0 / 5. Votos emitidos: 0

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Contenido relacionado

Archivado en:Ciencia de datos Etiquetado con:Marketing, Small Data

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Publicidad


Barra lateral primaria

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

¡Síguenos en redes sociales!

  • facebook
  • github
  • telegram
  • pinterest
  • rss
  • tumblr
  • twitter
  • youtube

Publicidad

Tiendas afiliadas

Ayúdanos realizando tus compras sin coste adicional con los enlaces de la tienda. ¡Gracias!

Entradas recientes

Creación de un certificado Let’s Encrypt en Windows con Win-Acme

enero 22, 2021 Por Daniel Rodríguez Dejar un comentario

Aplicaciones de Node en producción con PM2

enero 20, 2021 Por Daniel Rodríguez Dejar un comentario

SQLite en Python

enero 18, 2021 Por Daniel Rodríguez Dejar un comentario

Publicidad

Es tendencia

  • ¿Cómo eliminar columnas y filas en un dataframe pandas? bajo Python
  • Seleccionar filas y columnas en Pandas con iloc y loc bajo Python
  • Unir y combinar dataframes con pandas en Python bajo Python
  • Excel en Python Guardar y leer archivos Excel en Python bajo Python
  • Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas bajo Python

Publicidad

Lo mejor valorado

5 (3)

Ordenar una matriz en Matlab en base a una fila o columna

5 (3)

Automatizar el análisis de datos con Pandas-Profiling

5 (5)

Diferencias entre var y let en JavaScript

5 (6)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

5 (3)

Unir y combinar dataframes con pandas en Python

Publicidad

Comentarios recientes

  • Daniel Rodríguez en Calculadora de probabilidades de ganar a la lotería
  • abel en Calculadora de probabilidades de ganar a la lotería
  • David Arias en Diferencias entre regresión y clasificación en aprendizaje automático
  • Juan Aguilar en Archivos JSON con Python: lectura y escritura
  • Camilo en Contar palabras en una celda Excel

Publicidad

Footer

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Noticias
  • Opinión

Programación

  • JavaScript
  • Julia
  • Matlab
  • Python
  • R

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Lo más popular
  • Tienda

Tiendas Afiliadas

  • AliExpress
  • Amazon
  • BangGood
  • GearBest
  • Geekbuying
  • JoyBuy

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Tiendas afiliadas

Ayúdanos realizando tus compras sin coste adicional con los enlaces de la tienda. ¡Gracias!

Amazon

2018-2020 Analytics Lane · Términos y condiciones · Política de Cookies · Política de Privacidad · Herramientas de privacidad · Contacto