Este proyecto tiene la particularidad de ser un proyecto 100% real, nuestros alumnos Ana Díaz y Juanjo Valero, trabajaron a modo consultoría para la tienda de camisetas, sudaderas y, en definitiva, ropa con diseño exclusivo Leg3nd.
El objetivo era el siguiente: conseguir ayudar a Leg3nd a mejorar sus resultados a través de los datos que había recogido desde hacía tiempo. Es decir, una consultoría en toda regla en la que debían valorar las acciones a implementar después de ver y analizar las diferentes opciones que les ofrecían estos datos y, ¿cómo les fue y qué conclusiones sacaron? Veámoslo paso a paso.
Contenido de este artículo
¿Quién es Legend?
Legend se fundó en 2018, como hemos contado un poquito más arriba, se trata de una compañía que produce y vende camisetas y sudaderas con diseños propios principalmente de personajes icónicos del mundo del deporte y la música. Tienen tienda física y también tienda online.
Para el desarrollo del proyecto, se han utilizado únicamente los datos de las ventas online generadas a través de Shopify. De estos datos se extrajeron tres datasets: uno de pedidos, otro con los clientes y un tercero con los productos. Posteriormente, se decidió trabajar principalmente con el dataset de pedidos ya que era el que aportaba más información.
En resumen, el mejor año de la compañía fue el 2020, teniendo un buen porcentaje de clientes que repetían la compra y, como era de esperar, su producto estrella son las camisetas. Además, claramente se puede distinguir dos épocas del año clave; antes de empezar el verano y otra en noviembre y diciembre. Cabe destacar que las acciones de marketing como los códigos descuento y una camiseta emblemática de Maradona, les funcionaron muy bien convirtiéndose en dos picos de ventas en el histórico.
Uno de los principales problemas era un fallo en el stock, al iniciar 2022 como su mejor año con una subida del 150% de las ventas, se produjo una rotura de stock en los modelos más vendidos lo que además trajo un descenso en sus ventas a partir de marzo.
Identificación de los clientes
La primera pregunta a la que se dio respuesta fue “¿qué tipo de clientes tenemos?”, para ello, se utilizaron modelos de clasificación con aprendizaje no supervisado que son el K-means, DBScan y el Aglomerativo.
Para ayudar a estos modelos a elegir qué tipo de clientes hay tuvieron que crear diferentes variables a partir de los datos que tenían que fueron: pedidos por cliente, gasto total, gasto medio, gasto mínimo, gasto máximo, artículos por compra, producto caro y producto barato.
Los modelos se utilizaron para ver cómo se agrupaban los diferentes datos, finalmente, el modelo que mejores resultados dio fue el K-Means, en este caso, el algoritmo selecciona un centroide y se minimiza la suma de distancias entre cada punto y el centroide del grupo. Gracias a este modelo, Juanjo y Ana pudieron sacar los grupos que querían que terminaron siendo 6.
Los grupos fueron los siguientes:
- Grupo comunes. Abarca el grueso de los clientes, compran solo una camiseta con un gasto bajo y su época del año principal es mayo.
- Grupo sudaderas. Tienen un gasto más elevado porque el producto es más caro que las camisetas pero, por el contrario, hacen compras más específicas.
- Grupo buenos clientes. Es un grupo fiel, hacen compras más grandes y son recurrentes.
- Grupo descuento. Aquellas personas que compran solo cuando hay descuento, como por ejemplo en Black Friday, por lo que su gasto es bajo.
- Grupo VIP. Son el mejor grupo para la empresa, compran mucho, artículos de mayor coste y repiten mucho.
Grupo Navideño. Como su nombre indica, compran principalmente en Navidad, principalmente camisetas y con un gasto medio que no destaca.
¿Qué acciones de marketing podemos aplicar para mejorar?
Teniendo en mente los diferentes grupos en los que se han clasificado los clientes, Juanjo y Ana determinaron las diferentes acciones que se podían aplicar en función de sus preferencias.
Para ello crearon un sistema de recomendación en el que analizan las similitudes de un cliente con los diferentes grupos de clientes y, en función del grupo del que estén más cerca, se les hará una recomendación que encaje más con su perfil, es decir, ofrecerle la opción que pensamos que va a encajar mejor con el cliente potencial basándose en el comportamiento del grupo de cliente al que pertenece.
Este sistema de recomendaciones a su vez se dividió en dos enfoques diferentes:
- Enfoque A. En este caso, se presenta un producto a un cliente. Es decir, a un cliente se le presenta un producto en función de los gustos que tienen los usuarios del grupo de clientes al que pertenece.
- Enfoque B. En función del producto que se quiere impulsar, se eligen los clientes potenciales a los que se piensa que les puede interesar.
¿Cómo pueden gestionar mejor el stock?
Para optimizar la gestión del stock, se hizo una predicción de las ventas basándose en las series temporales teniendo en cuenta las ventas de la semana anterior y también las ventas de la misma semana de hace un año.
Para elaborar esta serie temporal, se agruparon las compras independientemente del producto, y se analizaron las variables más interesantes para predecir las ventas. Después de comparar las diferentes semanas del año, se vio que los datos que mejor funcionaban para predecir las ventas era la comparativa con las 52 semanas previas, es decir, la misma semana del año anterior.
Por otro lado, se aplicó el mismo criterio para determinar los modelos de camisetas necesarios para preparar el stock suficiente dependiendo del momento del año en que se encuentren.
Para mejorar la serie temporal, se utilizaron RNN (redes neuronales recurrentes) con otras variables distintas para predecir; la suma total de descuentos aplicados en esa semana y la suma de artículos vendidos a la semana.
Conclusiones
Juanjo y Ana consiguieron dar solución a algunos de los “dolores” de la compañía Leg3nd a través de su proyecto de fin de Bootcamp en Data Science y Machine Learning, estas técnicas aplicadas al negocio, pueden hacer que la marca multiplique sus beneficios y mejore sus procesos.
Si tú también quieres ser capaz de desarrollar soluciones basándote en el tratamiento de los datos. No dudes en informarte sobre nuestros bootcamps, puedes contactarnos a través del email de vanessa@idbootcamps.com o llamarnos al 673903000.