¿Pueden los datos ayudar a un Product Manager?

A mediados del año pasado (2015), se casó una de las hermanas que gestionan Esencia Custome.


Estuvieron meses trabajando duro para que todo saliera perfecto. Aprovecharon la cita tan especial para desarrollar su creatividad y elaborar decoración y otras cosas muy chulas en línea con la estética de su propia marca.

De entre todo ello, lo que más me llamó la atención fue la preparación de su propio "seating plan o mapa de distribución de los invitados" que a mi entender arrojaba frescura y armonía. 

Debido a que era un producto que no formaba parte de su oferta, les planteé la opción de considerarlo para su disposición a la venta y así aprovechar más aún si cabe, la inversión destinada a la plataforma de bodas.net.

El verano pasó, y el producto tuvo escaso éxito y repercusión.





En mi opinión, pudo haber distintos factores que no ayudaron a la venta de este producto pero independientemente de eso, me planteé que la próxima vez, daría una respuesta basada en los datos que dispusiera. 

Esa pregunta llegó, y me puse manos a la obra.




Me plantearon una larga lista de trece nuevos productos que pretenden lanzar: algunos para boda, otros de bebé y el resto, enfocado a nuevos segmentos. De ahí que la estrategia se mueva entre "Adición a líneas de productos existentes" y "Nuevas líneas de productos".




Para ello, he llevado a cabo un proceso de análisis cuyo objetivo es considerar aquellos factores que pueden ayudar a identificar cierto éxito en ventas y mantener a la vez el equilibrio en la producción, de tal forma que sirva como criterio en el proceso de selección, en el que se priorizan unos cuantos de los nuevos productos frente al resto para su lanzamiento al mercado.


Primero, parto de un análisis interno en el que entiendo cuál es la situación de la que parte Esencia Custome a nivel producto y hacia donde se quiere dirigir. Luego, avanzo identificando otros factores que se han de tener en cuenta en la priorización de los nuevos productos, y finalmente centro el análisis en el exterior, intentando comprender si los datos de Google me puede ayudar de alguna manera a predecir el éxito de los productos aún no sacados al mercado.



Lo primero que hay que tener en cuenta es que el hecho de sacar adelante trece productos no es tarea fácil y más aún si la capacidad productiva de la que se dispone es de "cuatro manos". 

Esa es la razón que me llevó a considerar el nivel de esfuerzo, como primera variable a considerar en el proceso de priorización de los nuevos productos.
Para ello categoricé los productos en tres los niveles de esfuerzo de la producción: 
  1. A mano - por ejemplo las zapatillas de bebé para las que se crea un diseño personalizado y por ende, cada par son pintadas manualmente-.
  2. Intermedio - este es el caso de los libros de firmas, en los que se parte de unos diseños predeterminados, y para la venta sólo son necesarias pequeñas modificaciones-. 
  3. Industrial - es la situación de postales/prints, para las cuales se crea el diseño una única vez. Dicho dibujo se puede multiplicar "n" veces, sin necesidad de incrementar el esfuerzo manual. 

A partir de dicha clasificación, generé el siguiente histograma de tal forma que me permita entender la situación actual a nivel de producto de la que se parte:


En el gráfico se puede observar cómo la categoría "A mano" está empatada con la "Industrial", y el nivel "Intermedio" supone un porcentaje muy pequeño respecto al total.

Por otro lado, si observamos el mismo gráfico aplicado a los nuevos productos sobre los que se está planteando la cuestión de sacar al mercado, se observa que una mayoría de ellos está orientada a la dirección deseada de la escalabilidad.




A continuación y con el objetivo de profundizar más aún sobre la situación actual, me decanté por obtener una agrupación de todos los productos que la marca tiene en cartera en base a variables adicionales como:
  • el margen, para el cual se establecieron distintos niveles: muy bajo, bajo, medio, alto, muy alto
  • el número de ventas acumuladas de lo que va de año (sin tener en cuenta el mes de Diciembre que suele ser uno de los meses que más aportación de ingresos realiza).

A partir de la técnica estadística llamada "hierarquical clustering" que me permitió agrupar los productos en tres grandes categorías porque así lo decidí, obtuve el siguiente resultado:


Los datos indican que hay un primer grupo que genera un número aproximado de ventas acumulados a otro grupo (2) aunque con un margen mucho mayor, y por ende un mayor esfuerzo manual (mmm... parece que el margen va de la mano del esfuerzo).

Por otro lado se sitúa el tercer grupo que genera pocas ventas, poco margen y se necesita una capacidad productiva intermedia, de ahí que sería un grupo a re-considerar en la estrategia. Interesante, ¿verdad?




A partir de aquí me planteé  qué cuestiones o ideas había de tener en cuenta en la elaboración de una estrategia de producto:

Por ejemplo, como bien es sabido sabido, una forma de incrementar el precio medio de la cesta se logra haciendo labores de cross-seling / up-selling por lo que, en base a esa idea, ¿sería inteligente dar prioridad a productos que son complementarios




Tampoco olvido una idea que hace tiempo ahí que decía algo así como "... poner a la venta un producto adicional, no es garantía de que se va a vender más", haciendo referencia a una posible situación de canalización.

Y es cierto: si una tienda tiene a la venta habitualmente el producto "A" y un día, decide ampliar su oferta y ofrecer además el producto "B", las ventas pueden o no incrementar:

- si el nuevo producto "B" no gusta, se seguirá vendiendo únicamente al "A"

- si el nuevo producto "B" gusta y posee unas características que lo hacen sustitutivos del "A" (es decir, aunque sean distintos estéticamente, cumplen una misma función), no tienen por qué incrementarse las ventas ya que un usuario podrá elegir entre "A" o "B"

- y finalmente si el producto "B" gusta y carece de características que no lo hacen sustitutos, entonces, las ventas aumentarán.





Echando la vista atrás, todo lo comentado hasta el momento forma parte un análisis interno, de introspección, para comprender la estrategia de producto de la marca desde dentro. 

A partir de ahí, y de cara a priorizar el lanzamiento de los nuevos productos, es necesario también adquirir conocimiento sobre cómo van a ser acogidos en el exterior.

Una de las herramientas que más me gusta al ser gratuita y su fácil manejo es Google Trends. A través de ella se pueden observar series temporales de términos y conceptos y poder comparar unas tendencias con otras. En este caso lo que pretendo comprender es qué productos son los más demandados en las búsquedas a nivel online.

Por ejemplo, la imagen inferior es el resultado simultáneo de tres productos en el que se ve claramente cómo la tendencia de color azul predomina de manera aplastante frente al resto.







Y por último y no menos importante, no hay que olvidarse de la competencia. En este caso, como Esencia Custome carece de tienda física, los competidores se gestan en la red, y por ende en Google (principal buscador de internet en España que acapara el 90% de las búsquedas), de ahí la importancia de las keywords que conforman el nombre del producto.

Un producto puede ser descrito con keywords cortas y genéricas, o más largas y concretas.

Es de todos sabido que cuanto más genérico y corto sean los términos de búsqueda, la competencia a nivel orgánico se incrementa. Por ejemplo, cuando se plantea uno vender "camisetas" a nivel online debe comprender que es una tarea ardua ya que existe una competencia atroz - estás compitiendo con grandes como Zara-. La estrategia a seguir consistiría en potenciar la diferenciación, que los usuarios busquen la camiseta por la marca, como ocurre con las "agendas de Mr Wonderfull".






Continuando con el análisis, me planteé a qué datos podría acceder de tal forma que me ayudaran a predecir predecir el éxito de los nuevos productos.

Mi idea, era aplicar una técnica estadística denominada regresión lineal múltiple, la cual señala de entre todas las variables, aquellas que afecta de una manera significativa a la variable que nos importa, en este caso, el nivel de ventas acumuladas.

Para ello, accedí a la información que muestra el planificador de palabras clave de Google Adwords, a partir del cual obtuve la siguiente información:

  • Puja sugerida: es una estimación que da Google en relación a lo que los usuarios están ofertando por la palabra para que se muestre en la primera página (var: puja_suj)
  • Nivel de competencia: es el número de anunciantes que se muestra para cada palabra clave en comparación con todas las palabras clave de Google. Sirve para saber lo competitiva que resulta una ubicación de anuncio para una palabra clave dada (var: competencia_planner)
  • Resultados de Búsqueda en Google: es el número total de resultados que arroja el buscador cuando se ejecuta una búsqueda (var: competencia_google)



A partir de dicha información, obtuve el siguiente summary:


Obviamente, las ventas acumuladas no pueden ser explicadas únicamente por estos 3 factores. Existen otras variables que influyen y que no se están considerando en el modelo, lo que hace que este no sea fiable.

Independientemente de ese hecho que es innegable, que se observa una cosa interesante: la variable "competencia_planner" parece incluir en el nivel de ventas:
  • la estrella asociada a dicha variable indica que estadísticamente es significativa
  • es la variable que tiene mayor valor "t" en términos absolutos
  • también se observa el sentido del impacto en el nivel de ventas, en este caso positivo, a partir de la columna "estimate"

Lo cual me lleva a pensar que en cierta medida, un nivel de competencia "alto" que me arroje Adwords sobre una palabra clave de un producto nuevo, me advertirá de que hay posibilidades de que sea un camino con éxito.

Este último punto llama especialmente la atención porque se podría esperar lo contrario: a mayor nivel de competencia, menor nivel de ventas

Sin embargo, el hecho de que ambas variables caminen en la misma dirección da lugar a una segunda lectura: ¿quizás el alto nivel de competencia indica que hay mercado (alta demanda) y por ello, Esencia Custome tiene mayor oportunidad para llevarse un trozo del pastel? 





Y con esto llegamos al final del análisis.

En total, se ha identificado un total de seis las variables sobre las que ha de fijarse la atención en cada uno de los nuevos productos, que me van a permitir de alguna manera compararlos y de esa manera observar diferencias que me permitan tomar decisiones en el proceso de priorización:



Y a ti, ¿te viene a la mente alguna otra variable que pueda jugar un papel crucial en la decisión previa del lanzamiento al mercado?






Y  de los cinco nuevos productos, ¿cuál de ellos priorizarias a partir de la información disponible?






PD: si has llegado hasta el final de este post es que este tema te gusta. Es por ello que te recomiendo la lectura de otro post sobre la estrategia de producto de Zara que me encantó, y que aunque sea largo considero que merece la pena echarle un vistazo.


                                                                  ################


Sobre este negocio he hablado en anteriores ocasiones: 

- una de las publicaciones las dediqué a la explicación del diseño del dashboard creado especialmente para ellas 

- y otro que versaba sobre un ejercicio que permitió identificar acciones que generaban picos extraordinarios de sesiones a partir de un algoritmo -os recomiendo a todos aquellos que no los hayáis leído que les echéis un vistazo, pues aportan un contexto adicional a lo escrito en esta publicación-.


Aquellos que estéis familiarizados con la marca, estaréis al tanto de que está especialmente enfocada a los segmentos de bodas y bebés, aunque su oferta es más amplia Y que además, a principios de este año, decidieron potenciar el primero de ellos, mediante pago para lograr una mayor visibilidad de la marca en el portal de bodas.net

                                                      

Comentarios

Entradas populares de este blog

¿Diseñamos un Dashboard con R?

Profundizando en Google Data Studio

¿Por qué me gusta ser Analista Digital?