Machine Translated by Google

Colombia, caso de negocio de prendas de vestir

Caso de estudio

Caso de negocio de prendas de vestir, Colombia

Resumen ejecutivo

En general, 2016 fue un año en el que el consumo de los hogares y el crecimiento del PIB estuvieron por
debajo de los niveles esperados por los analistas de mercado. Honey es la tienda insignia de una marca de ropa
llamada FLOWER CO, en 2016 la marca experimentó una disminución en las ventas y quería saber si había un
problema en la combinación de productos o la ubicación de la tienda. Pensaron que más allá de la desaceleración
general de la economía, podría haber otros factores que afectaran su marca, ¿podría haber una brecha entre lo
que el equipo de marketing pensaba de sus productos/clientes y cómo llegaba el mensaje a los consumidores?
¿Están siendo efectivas las campañas de marketing más allá de los canales en línea? ¿La marca realmente está
adoptando la oferta omnicanal que ha prometido a sus clientes? Son
¿Los segmentos de mercado que la marca ha establecido como su nicho de mercado responden a los anuncios
y ofertas actuales? ¿Tenían suficiente información sobre sus clientes? ¿Hubo algún problema con la fuerza de
ventas? ¿No estaban debidamente motivados?

Problema

1. FLOWER CO no conocía el tráfico en la ubicación de Honey, por lo que no estaban seguros del tráfico
general en el centro comercial, y mucho menos de la cantidad de personas que pasaban frente a la
tienda, y menos aún de la cantidad de personas que iban. dentro de la tienda.

2. FLOWER CO no tenía un sistema de CRM vinculado al POS, por lo que no capturaron

datos personales sobre sus clientes, el POS estaba conectado al sistema de inventario, podían
saber qué referencias eran populares pero estaban ciegos para ver quién las compraba.

3. Básicamente, FLOWER CO tuvo que responder dos preguntas principales, ¿cuántas personas y cuándo
visitan Honey? ¿Quién visita a Honey? ¿Quién compra en Honey?

Pasos de implementación

Fase 1

Para conocer el tráfico en la tienda de Honey, se instaló una cámara de medición de tráfico, con esta acción
comenzamos a recopilar datos para responder la primera pregunta de FLOWER CO. Además, con una cámara
capaz de reconocer género y edad pudimos responder la segunda pregunta. Para la tercera pregunta, teniendo
en cuenta las limitaciones del TPV del cliente, cruzamos los registros públicos disponibles y los datos que
capturan para encontrar tendencias.

Toda esta información está disponible en la nube y se puede descargar y fusionar con las bases de datos de
inteligencia comercial utilizadas por FLOWER CO. El administrador del sistema puede crear perfiles de
usuario, puede controlar quién ve qué tipo de información. El SaaS está vinculado al TPV

1 | Página
Derechos de autor © CMC Analytics. Reservados todos los derechos.
Machine Translated by Google

Colombia, caso de negocio de prendas de vestir

Fase 2

Despliegue del SaaS en todas las tiendas que FLOWER CO tiene en las grandes ciudades y se proporciona a los franquiciados para que

también puedan beneficiarse de los datos y las perspectivas.

Fase 3

Implementación completa, desde el proyecto hasta una parte de las operaciones diarias del negocio, por lo que se convierte en una fuente diaria

de datos procesables. Ahora se convierte en parte de la mejora continua de los procesos de FLOWER CO en áreas como marketing, desarrollo

de productos, recorrido del cliente y diseñadores de tiendas...

Pasos de ejecución

Fase 1.A Captura de datos

Ser capaz de comprender el viaje del cliente e identificar quiénes son permitirá a FLOWER CO

optimizar sus gastos de marketing y otros aspectos operativos. Mientras tanto, esta información también es una idea para aquellos en el diseño de

productos.

2 | Página
Derechos de autor © CMC Analytics. Reservados todos los derechos.
Machine Translated by Google

Colombia, caso de negocio de prendas de vestir

Resultados de la visualización de datos de la fase 1.B

1.B.1 ¿Quién entra en la tienda?

3 | Página
Derechos de autor © CMC Analytics. Reservados todos los derechos.
Machine Translated by Google

Colombia, caso de negocio de prendas de vestir

1.B.2 ¿Quién compra?

4 | Página
Derechos de autor © CMC Analytics. Reservados todos los derechos.
Machine Translated by Google

Colombia, caso de negocio de prendas de vestir

Análisis de fase 2

¿Quién compra? Las mujeres representan El rango de edad de las Revise la mezcla de

No saber quién va y el 60% de las ventas mujeres con mayor porcentaje productos para el 25-35

cuándo entra a la tienda y tienen registros de de visitas a Honey es entre segmentar, ajustar y

es un costo de oportunidad boletos más altos. 25 - 34 monitorear la conversión

para NN tarifas

Promedio Los hombres que entran en el Crear un

tasa de conversión
para los hombres es 10.7%
contra 5.3% para
mujeres
tienda tiene una mayor comunicaciones
intención de comprar estrategia enfocada en
productos de alta
conversión y
clientes

Diferencias de precio Los 10 productos más Hay un

entre hombres comprados por los hombres oportunidad de venta
y artículos femeninos están un 22 % por debajo del cruzada sin explotar para
precio medio de los 10 aumentar el ticket de venta
productos más comprados promedio para el

por las mujeres. segmento masculino?

Pensar sobre:

El CMO se pregunta si este es el momento adecuado para invertir, piensa que debería estar bien comenzar con 25 tiendas, pero la
inversión es de 100K, ¿cómo puede vender el proyecto a la junta en términos financieros, comerciales y de marketing?

¿Cuál será el ROI de la inversión?

¿Cómo impactarán los datos en otras áreas del negocio, además de comercial y de marketing, podría mapear el flujo de
información?

¿Seguirías con el proyecto? Explique

5 | Página
Derechos de autor © CMC Analytics. Reservados todos los derechos.
Machine Translated by Google

Colombia, caso de negocio de prendas de vestir

Anexo 1
Panel de SaaS e imágenes de la cámara Demograpic

A. Pantalla principal

6 | Página
Derechos de autor © CMC Analytics. Reservados todos los derechos.
Machine Translated by Google

Colombia, caso de negocio de prendas de vestir

B. Imagen de cámara demográfica

Escrito por:
Lina Gonzalez
CMC Directora de Estrategia de Retail y Banca
https://www.linkedin.com/in/linamariagonzalezmoreno/

Diego Velandia
Director de Ingresos de CMC
https://www.linkedin.com/in/diegovelandialeon/ https://
www.linkedin.com/company/cmc-analytics/

7 | Página
Derechos de autor © CMC Analytics. Reservados todos los derechos.