Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FACULTAD DE INGENIERÍA
PROGRAMA ACADÉMICO DE INGENIERÍA DE GESTIÓN
EMPRESARIAL
TESIS
Para optar el título profesional de Ingeniero de Gestión Empresarial
AUTORES
Andía Jiménez, Claudia Gabriela (0000-0003-1676-1464)
Morán Ipanaqué, Diego Josymar André (0000-0003-3780-6799)
ASESOR
Pérez Paredes, Maribel (0000-0002-7095-6708)
Claudia Andía.
Diego Morán.
AGRADECIMIENTOS
A nuestra asesora Maribel, por exigirnos constantemente a dar lo mejor para este trabajo;
a los profesores que nos marcaron durante la carrera, ya que tratamos de plasmar sus
enseñanzas en este trabajo y a las dueñas de la empresa, por permitirnos entender sus
El presente proyecto de tesis tiene como finalidad dotar a los e-commerce de moda textil
El modelo contiene: SIPOC, Logística Inversa, Value Stream Mapping, Poka Yoke y una
herramienta digital llamada Virtual Try On (o Virtual Room). El desarrollo empieza con
commerce, luego se definen las áreas de impacto donde se evidencian las causas raíces,
después de analizan los procesos y se ven los posibles puntos de mejora y al final se
implementan las herramientas para mejorar los procesos de cada área de acuerdo a las
necesidades de la empresa.
un e-commerce de moda textil. Luego de ver las posibles mejoras a los procesos, se
Palabras clave: SIPOC; Logística Inversa; Value Stream Mapping; Poka Yoke; Virtual
Try On.
Management model based on process improvement tools to reduce the percentage of
returns of clothing in the e-commerce of fashion textile
ABSTRACT
The purpose of this thesis is to provide textile fashion e-commerce with a management
model based on process improvement tools to reduce the percentage of garment returns.
The model contains: SIPOC, Reverse Logistics, Value Stream Mapping, Poka Yoke and
a digital tool called Virtual Try On (or Virtual Room). The development begins with the
analysis of the problem of returns and its impact on the profits of e-commerce, then the
areas of impact are defined where the root causes are evidenced, after the processes are
analyzed and the possible points of improvement are seen and at the end the tools are
implemented to improve the processes of each area according to the needs of the
company.
The model is validated through a simulation with information collected from a year of a
textile fashion e-commerce. After seeing the possible improvements to the processes, the
Keywords: SIPOC; Reverse Logistics; Value Stream Mapping; Poka Yoke; Virtual Try
On.
TABLA DE CONTENIDO
CAPÍTULO I .................................................................................................................... 1
INFORMACIÓN GENERAL............................................................................ 1
ESTADO DEL ARTE ....................................................................................... 2
1.2.1 PREFACIO ................................................................................................. 2
CAPÍTULO II ................................................................................................................. 70
INFORMACIÓN GENERAL
Por un lado, la revisión bibliográfica indica que la moda se caracteriza por un alto flujo
de información, donde el nivel inmaterial tiene un mayor significado y los consumidores
compran "acceso a ideas" incorporadas en productos de moda, o comparten los valores y
el estilo de vida de las marcas de moda a través de experiencias significativas y puntos de
interacción (Cone Communications, 2017). Las marcas de moda más influyentes se
comunican con consumidores de moda dispersos e hiperconectados mientras exploran
nuevos modelos de negocio.
Por otro lado, los autores sostienen que el diseño de moda es un sector complejo, formado
por consumidores y empresas dispersos, por modelos de producción no lineales y por
flujo dinámico de información. Sostenidos por la omnipresencia de la tecnología, los
diseñadores de moda y los consumidores de moda crean contenido en torno a las marcas
de moda, más allá de la formalidad de los productos (Guedes & Buest, 2018).
1
ESTADO DEL ARTE
1.2.1 PREFACIO
Para el desarrollo del estado del arte se realizó la búsqueda de artículos científicos en base
a los modelos de negocio electrónicos, así como aquellos que han sido aplicados en el
sector de moda y confecciones textiles.
En primer lugar, se definió y determinó los sitios web de búsqueda bibliográfica confiable
y con impacto para el desarrollo del estado del arte y el marco teórico. De esta manera,
en los buscadores Scopus, Science Direct, IEEE y Web of Science se definió y analizó la
técnica innovadora de la aplicación de las herramientas tecnológicas “Virtual Try-On” en
el e-commerce de moda y confecciones textiles como estrategias de ventas asociadas al
sector. Adicionalmente, la propuesta de valor radicó en el uso de la técnica de la logística
inversa para la gestión de las devoluciones de los productos que presenten
inconformidades asociadas a la segmentación del público, proceso de venta y despacho.
En tercer lugar, en base al filtro realizado se agruparon los artículos de investigación para
buscar la sinergia entre los aportes y motivaciones de los autores, de acuerdo a las
tipologías y escenarios definidos en la siguiente tabla.
2
Tabla 1. Clasificación de artículos por tipología y escenario
Fuente de
Tipología Escenario N° Título Autores Año País
Información
A Study on the
Journal of
characteristics of Intra-
Inkyo Cheong International
Aplicación en el rubro de moda y confecciones textil 1 Industry Trade for 2020 Korea
& Jeongho Yoo Logistics and
Korea’s E-Commerce
Trade
Trade
Electronic Commerce
Instituto de
Contribution to the SME
Investigaciones
Modelo de Gestión
Sociales del
Structural Equation
Sur (IIESS)
Model
Factors Influencing
Purchase Intention on ISSN 1330-
Xuan Wen,
Mobile Shopping Web 3651 (Print),
3 Yiran Li & 2019 Korea
Site in China and South ISSN 1848-
Cong Yin
Korea: An Empirical 6339 (Online)
Study
Santosa,
Suryono &
Mudiantono,
Increasing consumers to Mudiantono &
consumers (C2C) e- Murniyono, Accounting.
5 2020 Indonesia
commerce in central Java, Crismona & 753-762
Modelo de gestión comercial aplicado
Indonesia Hersugondo,
Hersugondo &
Soesanto,
Modelo de Gestión Comercial
Harry.
al e-commerce
Journal of
Seitz, C., Business
Online grocery retailing in
Pokrivčák, J., Economics and
6 Germany: an explorative 2017 Alemania
Tóth, M., & Management,
analysis.
Plevný, M 18(6), 1243-
1263
Journal of
theoretical and
Shifts in Online Kim,
applied
Consumer Behavior: A Donghyun, &
7 2018 EE. UU. electronic
Preliminary Investigation Ammeter,
commerce
of the Net Generation Anthony P.
research,
13(1), 1-25
al e-commerce
Co-Design Approach in
confecciones
Modelo de
de moda y
comercial
aplicado
textil
3
Fuente de
Tipología Escenario N° Título Autores Año País
Información
Are Consumers
International? A Study Of
Eleni
CSR, Cross-Border Journal of
Anastasiadou,
9 Shopping, Commitment 2019 EE. UU. Global
Cecilia Lindh &
And Purchase Intent Marketing
Thibault Vasse
Among Online
Consumers
INCDTP - The
From Fabric Design to the Research-
Dress Manufacturing Rodica Harpa Development
10 Considering the Fabric’s & Emilia 2018 Rumania National
Suitability with the End Visileanu Institute for
Use Textile and
Leather
Electron.
Gestión de devoluciones
38, Issue 3,
Supply Chain Fourka
International
A Study of Companies’
Journal of
Business Responses to Rose Francoise
Fashion
13 Fashion Bertram & Ting 2018 EE. UU.
Design,
E-Commerce’s Chi
Logística
Technology
Inversa
Environmental Impact
and Education
Conference on
Han, X., Wu, Computer
VITON: An Image-Based
15 Z., Wu, Z., Yu, 2018 EE. UU. Vision and
Virtual Try-on Network
el e-commerce
Recognition,
7543-7552.
Tingting Zhang,
The role of virtual tryon Internet
William Yu
technology in online Research, Vol.
16 Chung Wang, 2019 EE. UU.
purchase decision from 29 No. 3, pp.
Ling Cao, Yan
consumers’ aspect 529-551.
Wang
4
Fuente de
Tipología Escenario N° Título Autores Año País
Información
International
Conference on
Designing an application
Digital Arts,
of 3D character modelling
Media and
17 in trialling size of clothes Kunkhet, A. 2017 Thailand
Technology
on online clothing
(ICDAMT),
shopping
Chiang Mai,
2017
International
Dr.K. Mohan
Conference on
Prasad, R. Sri
Virtual Fitting Space for Frontiers in
18 Kavya & 2019 India
Dress Trials Materials and
S.Bhuvaneswari
Try-On para incrementar la satisfacción de los clientes en
Smart System
Devi
Technologies
International
A Real Time Virtual Journal of
Rshami S.
Aplicación de herramientras
M. F. Hashmi,
FashionFit: Analysis of B. K. K.
IEEE Access,
Mapping 3D Pose and Ashish, A. G.
21 2020 Dinamarca vol. 8, pp.
Neural Body Fit for Keskar, N. D.
91603-91615
Custom Virtual Try-On Bokde and Z.
W. Geem
5
1.2.2 RESUMEN POR ARTÍCULO
Figura 1. Relación por sectores entre el comercio electrónico y el comercio en general, tomado de Fuente:
(Cheong & Yoo, 2020)
6
En segundo lugar, se analizó la relación de la ventaja del comercio intersectorial y la
balanza comercial de las principales industrias por categorías y se evidenció que en el
sector textil y calzado el comercio intersectorial es horizontal debido a la ventaja
competitiva del sector radica en la preferencia de diversidad, puesto que existen modelos
segmentados por género, edades, preferencias de moda y/o consumo, etc.
Figura 2. Ventaja del comercio intersectorial y la balanza comercial, tomado de (Cheong & Yoo, 2020)
Resumiendo, los resultados del análisis, Corea ciertamente presenta diferencias con sus
principales socios comerciales en términos de comercio electrónico. Por lo tanto, se
requiere un cambio para mejorar el comercio electrónico, puesto que el análisis de los
autores indica que el desempeño del comercio electrónico coreano es muy bajo en
comparación con los otros países de la región asiática.
7
Artículo N°02: Electronic Commerce Contribution to the SME Performance in
Manufacturing Firms: A Structural Equation Model
En los últimos años, las empresas han adoptado gradualmente las TIC a medida que se
dan cuenta de sus diversos beneficios. Si bien el nuevo paradigma de las TIC promete
muchas ventajas en términos de competitividad, la evidencia empírica sobre la relación
entre las TIC y el desempeño de las PYME sigue siendo escasa en los países en desarrollo,
además, en lo que respecta a la adopción del comercio electrónico (Alderete, 2017).
Este estudio tiene como objetivo ampliar la literatura empírica sobre la relación entre las
TIC, el comercio electrónico y el desempeño de las PYME en los países en desarrollo.
Para lograr este objetivo, empleamos una muestra de 87 empresas manufactureras de la
ciudad de Bahía Blanca, Argentina en el año 2015.
El modelo teórico propuesto por los autores está compuesto por tres ecuaciones
estructurales, las cuales tienen tres variables endógenas: Adopción del comercio
electrónico, uso de las TICs y desempeño de las PyMEs.
Figura 3. Framework del modelo teórico propuesto por Alderete, tomado de (Alderete, 2019)
8
Esta investigación ha demostrado, por un lado, que el uso de las TIC tiene un impacto
directo en el desempeño de las PyMEs. Este resultado confirma hallazgos previos en
países en desarrollo. En las pymes tunecinas, mexicanas, argentinas y colombianas. Para
lograr tal objetivo, se tuvo que desarrollar bien un conjunto de elementos para medir los
constructos del uso de las TIC (Alderete, 2017). Los ítems incluidos se basan en una
revisión exhaustiva de la literatura sobre tecnología de la información y principalmente
en el cuestionario de Alderete y el INDEC.
El uso de las TIC es una variable obtenida de un análisis factorial entre un conjunto de
indicadores de uso de las TIC. Por tal motivo, se solicitó a las empresas que
proporcionaran información sobre el tipo de actividades realizadas mediante el uso de las
TIC, desde la recopilación de información del mercado hasta el pago de impuestos.
Figura 4. Análisis factorial de los indicadores del uso de las TIC, tomado de (Alderete, 2019)
9
Artículo N°03: Factors Influencing Purchase Intention on Mobile Shopping Web Site
in China and South Korea: An Empirical Study
Según la revisión bibliográfica, los consumidores no solo compran por el valor utilitario
de los productos, sino también por la satisfacción en el proceso de compra. Con base en
la investigación académica, se ha descubierto que el consumo hedonista está relacionado
con las experiencias relacionadas al producto. Los consumidores hedonistas prestan más
atención a la experiencia de entretenimiento cuando buscan productos (Zheng, 2009).
En el proceso de compra, los consumidores suelen adoptar una actitud racional para
encontrar productos con valor utilitario que satisfagan sus expectativas. El
comportamiento utilitario del consumidor a menudo se relaciona con la cognición
racional (Ki-Heung, 2015). Por tanto, este estudio utiliza el hedonismo y el utilitarismo
como medidas de las motivaciones de compra.
Figura 5. Comparativa de las principales características de las compras móviles en China y Corea del Sur,
tomado de (Wen et al., 2019)
10
En base a la información recolectada y analizada, descubrimos que la frecuencia de
compra, el utilitarismo, la conectividad instantánea y la información personalizada tienen
un impacto positivo en la intención de los clientes de utilizar teléfonos móviles en China.
Los resultados de los efectos marginales indicaron que las intenciónes de comportamiento
de los consumidores chinos aumentaron cuando aumentaron la frecuencia de compra y la
conectividad instantánea.
Figura 6. Diseño del modelo teórico propuesto por Wen, tomado de (Wen et al., 2019)
11
Artículo N°04: Global Corporations And Smaller Actors In Textile Business:
European Perspective
El estudio analiza el rendimiento de dos grandes empresas del rubro textil en los últimos
años mediante el modelo DuPont y buscan un punto común en su estrategia de
crecimiento a pesar de las diferentes crisis y competencia que se ha generado. Aunque
muchos de los países asiáticos dominan el rubro de la moda textil, aún se puede ver que
muchas pequeñas y medianas empresas de este rubro han podido presentar crecimiento
gracias a la innovación y estrategias de ventas para posicionar su marca, disminuir costos
y presentar mayor rentabilidad.
El impacto de la red global en las industrias puede estimarse comparando los indicadores
de ingresos de las empresas que utilizan Internet y las ventas tradicionales fuera de línea
cuyos ingresos disminuyen a medida que crecen los mecanismos del e-commerce. El e-
commerce también ayuda a las pequeñas empresas a sobrevivir hoy en día. Por ejemplo,
cuando los pequeños fabricantes no pueden proporcionar partes tangibles de los productos
(decenas de miles de chaquetas o pantalones) a los minoristas, utilizan como principal
alternativa y de manera activa el e-commerce.
Metodología de investigación:
Según los autores, el análisis de datos consta de tres procedimientos: reducción de datos,
visualización de datos y elaboración de conclusiones. La primera fase de reducción de
datos ayudó a refinar la masa de información cualitativa. Para que esto suceda, se
proporcionó la organización de los datos sin procesar en categorías conceptuales, también
conocidas como códigos que se basó en la descomposición del todo en partes, el
aislamiento de las características individuales y las cualidades del fenómeno, que se
considera parte orgánica de cualquier investigación científica y suele formar su primera
fase.
12
El segundo procedimiento de "visualización de datos" empleó la representación de datos
principalmente en forma de gráficos y tablas (sin socavar la esencia de otros formatos
gráficos los otros métodos-operaciones, como la abstracción y la concretización, también
fueron utilizados por los autores.
Uno de los métodos de enfoque de valor para la gestión empresarial es el modelo DuPont
presentado por (Lukinskiy et al. 2016), que permite rastrear la relación entre los dos
aspectos de la empresa: logística e inversión. El modelo de DuPont permite estimar el
efecto de factores individuales en la rentabilidad de la empresa.
13
En la investigación adicional, se pueden proponer modelos adicionales de nivel inferior
para el cálculo de indicadores de desempeño de actividades relacionadas con la logística
(transporte, servicio, almacenamiento).
Los autores buscan poder medir la rentabilidad de las empresas y los puntos débiles dentro
de sus procesos que pueden generarle mayores pérdidas dentro de empresas del rubro
textil. Se da a conocer que la falta de innovación como mantener equipo desfasado genera
mayores costos que la mantener los procesos actualizados y automatizados. Hasta el
proceso de transporte o empaquetado afectan directamente en la rentabilidad de una
empresa. La aplicación del modelo DuPont nos ayuda a poder medir el impacto de las
devoluciones sobre la rentabilidad bruta de las empresas del rubro textil y la forma de
replicarlo en cualquier empresa que quiera usar el modelo.
Por ello, se puede llegar a medir la inversión que se aplica en ciertas mejoras y los costos
asociados en todos los procesos para medir la rentabilidad final de las empresas.
CONCLUSIÓN TIPOLOGÍA 1:
Un tercio de las empresas del rubro textil ha migrado a un modelo de e-commerce y
adoptan las TIC como parte de su modelo de negocio ya que presenta ventajas frente a
otras que se mantienen como un modelo tradicional de ventas presenciales. El e-
commerce por el propio giro que tiene, no presentan muchos costos incurridos como en
una tienda física. Además, pueden contactar con un mayor número de clientes al no estar
limitada al lugar geográfico ni horarios de atención. También, el factor intersectorial del
e-commerce es horizontal debido a que su principal elemento de ventaja competitiva es
la diversidad de encontrar una alta oferta de productos al alcance de una búsqueda en
línea. La conectividad instantánea y la atención directa a tus consultas del producto
aumentan la intención de compra por este medio. A pesar de ello, algunas de estas
empresas aumentan sus precios en despachos y transporte, publicidad y personal,
trasladando el costo al cliente, lo que puede ser un error y desprestigio para la marca. Otro
punto encontrado es muchas empresas no tienen en claro los costos que generan sus
procesos y que afectan directamente la rentabilidad del negocio. Por ende, el principal
aporte de estos papers es tomar en cuenta los costos que incurre el e-commece y su
rentabilidad, que será medida por el modelo DuPont modificado.
14
1.2.2.2 TIPOLOGÍA N°02: MODELO DE GESTIÓN COMERCIAL
Los autores realizaron una investigación para analizar los factores que influyen en la
confianza, la intención de compra y la seguridad de la transacción para mejorar las
decisiones de compra de los consumidores de los sitios de comercio electrónico C2C en
Java Central. Utilizando datos de ciento sesenta encuestados que habían realizado
compras en el sitio de comercio electrónico C2C durante 2019, diez hipótesis se
propusieron mediante el análisis del Modelo de Ecuación Estructural (SEM). Los
resultados muestran que las decisiones de compra estaban influenciadas por la confianza.
La confianza del consumidor aumenta si la calidad de los productos proporcionados por
el sitio web son adecuados, por lo que se generará la confianza del cliente.
Los sitios de comercio electrónico C2C son superiores en comparación con otros, porque
proporcionan una política de que los consumidores no solo compran, sino que también
venden sus productos, lo que lleva a un aumento en transacciones online. Aunque en el
2019 se demostró que el comercio electrónico C2C experimentó una disminución en los
visitantes de la web, posteriormente se identificó que existen problemas y quejas de los
consumidores (Goutam & Gopalakrishna, 2018) frente a su nivel de confianza y
satisfacción en las transacciones online.
Los autores presentan diez variables e hipótesis relacionadas para medir la intención de
compra de los usuarios:
15
4. El efecto de la seguridad de las transacciones en la confianza
H4: Cuanto mayor sea la seguridad de la transacción, mayor será el nivel de confianza.
Figura 8. Modelo teórico propuesto por Santosa para propuesto para validar la confianza del cliente al
proveedor, adaptado de (Santosa et al., 2020)
16
Estas variables tienen indicadores que permitirá medir la intención de compra final de los
usuarios y la posibilidad de encontrar problemas que deben ser remediados para mejorar
la experiencia de estos.
Indicador de confianza:
1. Competencia
Confianza (Y1) (Oliveira et al., 2017)
2. Integridad
3. Virtud
17
Variable Indicador Referencia
Esta investigación da como resultado seis pasos o procesos que se pueden utilizar para
incrementar la decisión de compra. Se elige el mejor paso para aumentarla decisión de
compra del sitio de comercio electrónico C2C en Java Central.
Los autores desean validar los factores que afectan la decisión de compra de usuarios en
el e-commerce y qué tan significativa son estas variables frente al proceso de compra.
18
Estos pasos nos ayudarán a mejorar el proceso de venta para poder percibir las principales
variables que los clientes consideran al momento de las compras online y estará
directamente relacionado a la confianza y satisfacción del cliente.
Los minoristas que utilizan tiendas en línea tienen como objetivo retener a los clientes
existentes y ganar nuevos clientes en el entorno minorista cada vez más competitivo
(Kabadayi et al., 2007). Sin embargo, la idoneidad de los diferentes productos o servicios
para la venta minorista en línea es diferente. Los auotres (Koch & Cebula, 2002) señalan
cuatro categorías de productos que tienen menos probabilidades de venderse en línea:
(I) productos que implican tacto, sabor u olor, (II) la venta que requiere un ajuste
personalizado, (III) la venta que es de un catálogo o (IV) la venta que es acompañado de
consejo o consejo. Las dos principales características importantes que afectan
positivamente la idoneidad de los productos o servicios para la venta minorista en línea
son el potencial para la reducción de costos de transacción y la autonomía del comprador.
19
Del grupo denominado “Otros”, 57,1% de los encuestados están interesados en compras
online, mientras que el 77,1% de las madres trabajadoras, el 92,7% de los jóvenes
profesionales y el 85,7% de los SilverSurfers muestran interés en las compras en línea.
Según la encuesta, el 57,1% de los grupos de consumidores medios e incluso el 85,5% de
los grupos de consumidores objetivo realmente pueden imaginar comprar en línea.
Debido a sus limitaciones de tiempo, la compra online parece ser especialmente atractiva
para los jóvenes profesionales y madres trabajadoras. Con base en los resultados del
modelado PLS-SEM identificamos que la disposición a comprar en línea es mayor cuando
la conveniencia de comprar es más alta también.
El estudio también revela que los consumidores se muestran escépticos ante el nuevo
canal de distribución. Por tanto, es posible que no perdonen los errores. Los errores
imperdonables incluyen, en particular, la calidad del producto, condiciones de entrega
insatisfactorias y experiencia de usuario negativa. Así mismo, los autores buscan poder
segmentar el mercado de personas que realizan compras online y sus principales
características o preferencias.
Este estudio nos permite verificar parte de la segmentación del mercado al que estará el
público objetivo de los e-commerce para el análisis del comportamiento de compra, como
las preferencias que tienen frente al proceso de compra. Con ello, poder gestionar las
mejores estrategias ante una posible implementación de una plataforma online.
20
El método de evaluación web (WAM) identifica la fase de interacción (comunidad) de
información, acuerdos, liquidación y posventa como los cuatro componentes que pueden
afectar las decisiones de compra en línea. En la fase de información, la abundancia de
información y la variedad de productos detallan cómo los clientes recopilan información
sobre los productos para reducir la incertidumbre de comprar un producto. En la fase de
acuerdo, exploramos las interacciones entre vendedores y compradores analizando el
impacto de los comentarios y la capacidad de respuesta en el comportamiento de compra
en línea.
Figura 9. Modelo de investigación y desarrollo teórico propuesto por Kim & Ammeter, adaptado de (Kim
& Ammeter, 2018)
21
Estas variables plantean hipótesis sobre la intención de compra de la población en estudio.
Los resultados del estudio muestran que las seis compras online determinantes (variedad
de productos, comentarios, capacidad de respuesta, personalización, aceptación de quejas
y disfrute) son más importantes para los generadores Net que para los generadores preNet.
El modelo propuesto describe un conjunto concreto de factores que ayuda a los
profesionales a establecer estrategias que varían entre generaciones.
Los resultados de este estudio informan a los profesionales que los Net-geners están
buscando un atractivo en línea shopping mall, lo que no significa necesariamente que
esperen un sitio web fácil y eficaz; más bien, parecen estar buscando e-commerce que
ofrezcan diversión.
De acuerdo a la investigación de los autores, los clientes valoran también que los negocios
presenten una ética intachable y que tengan una política de responsabilidad social. Estos
puntos también presentan una ventaja competitiva y principal diferenciador frente a otras
que solo presentan sus productos en línea.
22
El ahorro de tiempo que las compras en línea y la facilidad de encontrar productos y la
seguridad en las transacciones debe ser uno de los principales indicadores que deben estar
presentes en todo comercio en línea.
Las características de los productos también son importantes para aumentar la intención
de compra y mientras mayor información y visualización tenga un producto, será mayor
la probabilidad de compra.
Figura 10. Ejemplos de la tecnología del modelamiento tridimensional textil, tomado de (Cöşkun &
Akpinarli, 2019)
23
De esta manera, en el artículo se analizó el caso de la empresa Threadless, la cual fue
fundada el año 2000 en Chicago por Jake Nickell y Jacop deHart como un sitio web de
co-diseño de camisetas. La empresa ofrece al usuario la oportunidad de adquirir productos
aplicando diseños existentes a los productos, abrir una tienda de diseño sin pagar tarifa
alguna, presentar los diseños a la evaluación de otros usuarios, así como evaluar y
comentar otros diseños. Adicionalmente, es posible que los usuarios se registren en la
plataforma, carguen fotos, se comuniquen e interactúen con otros miembros registrados
en la web. En consecuencia, como resultado del análisis de la empresa Threadless, se creó
un diagrama de flujo que muestra el funcionamiento del sitio web con mayor claridad.
Figura 11. Flujograma del funcionamiento de la plataforma “Threadless”, adaptado de (Cöşkun &
Akpinarli, 2019)
A medida que los consumidores se vuelven más expuestos y abiertos a los mercados
extranjeros en línea, se crea una conciencia colectiva de los problemas internacionales lo
que aumenta las presiones sobre las empresas que ofrecen productos y/o servicios en línea
para que se comprometan con la responsabilidad social corporativa (RSE).
24
Según investigaciones anteriores que miden las percepciones de los consumidores, el 87%
de los consumidores espera que las empresas consideren su impacto en la sociedad cuando
persiguen sus objetivos organizacionales. Asimismo, el 70% expresa la intención de
adquirir productos de empresas que tengan ética, valores y demuestren una sólida
responsabilidad social (Cone Communications, 2017).
Figura 12. Diseño de las variables e hipótesis del modelo teórico propuesto por Anastasiodou para el
análisis de información, tomado de (Anastasiadou et al., 2019)
Esta tendencia implica que la RSE se está convirtiendo en un tema estratégico para las
empresas de todo el mundo, especialmente para aquellas que adoptan el comercio
electrónico, puesto que los consumidores consideran el propósito social de una empresa,
o la falta del mismo, al tomar una decisión de compra.
25
En este contexto, y a medida que se intensifican las compras internacionales en línea, es
cada vez más pertinente investigar si la compra en línea de los consumidores está
vinculada al compromiso con el minorista, así como el efecto de esto junto con la RSE
en la intención de compra.
Además, se prueba un modelo estructural para ofrecer una imagen holística del impacto
potencial de los esfuerzos de RSE y la propensión a realizar compras en línea
transfronterizas sobre la intención de compra de los consumidores en el entorno en línea.
Figura 13. Análisis de datos estadísticos en el modelo LISREL, tomado de (Anastasiadou et al., 2019)
La idea del modelo en este estudio es arrojar luz sobre las características de las relaciones
en línea exitosas en un entorno internacional. Por lo tanto, los vínculos entre conceptos
como compromiso e intención de compra, que son importantes en las relaciones, las
actividades de RSE de las empresas, que surgen como muy relevantes para los
consumidores de hoy.
26
Artículo N°10: From Fabric Design to the Dress Manufacturing Considering the
Fabric’s Suitability with the End Use
Considerada un nicho específico, la ropa de mujer está fuertemente influenciada por las
tendencias en colores, patrones y moda, pero también por los sentimientos sobre una
durabilidad adecuada, un grado satisfactorio de comodidad en el uso y, finalmente, pero
lo más importante, una gran apariencia estética.
De esta manera, cuando la calidad de la prenda para mujeres se define desde la perspectiva
de las empresas de tejido, hay un enfoque en las características generales que se pueden
medir en un laboratorio o mediante cálculos científicos. Sin embargo, una perspectiva
reconocida como la retroalimentación del mercado para la cadena de valor textil fue la
conciencia sobre la perspectiva de las mujeres sobre la calidad, como punto de vista del
consumidor (Harpa, 2017).
Por lo tanto, predecir la idoneidad general para el uso final diseñado y el éxito de los
productos en el mercado puede ser un tema difícil para los fabricantes de tejidos y prendas
de vestir y para los minoristas, por lo que la mejora de la estrategia de diseño de tejidos
debería ser la principal tarea obligatoria en las empresas textiles.
Este estudio cubre una investigación sobre dos tejidos de tipo lana seleccionados como
adecuados para vestidos de temporada fría. Desde el principio, se esperaba que las dos
telas tuvieran características diversas en los vestidos debido a los diferentes patrones y
estructuras, pero adecuadas para el uso final. Las telas se probaron siguiendo los
estándares para las propiedades vinculadas al uso real de los vestidos, algunas de las
características están relacionadas también con el aspecto general esperado por cualquier
cliente de ropa, independientemente de la forma de compra (venta minorista o comercio
electrónico).
Esta opinión fue señalada por una encuesta sobre las preferencias de las mujeres sobre la
compra de prendas de vestir. A continuación, se logró la simulación de ropa en 3D para
visualizar el vestido de la estación fría, combinando el boceto, la tela (con materia prima,
patrón, colores y características generales esperadas para llevar) y finalmente, el cuerpo
del usuario (D. Zhang et al., 2014). Este enfoque permitió avanzar desde los resultados
experimentales alcanzados para la calidad general de las telas después de las pruebas de
laboratorio hasta la simulación del vestido, para brindar a los clientes percepciones
virtuales sobre la idoneidad de las telas para atuendos particulares
27
Por lo tanto, dentro de la cadena de valor textil, las empresas de tejido deben actualizar el
proceso de diseño al incluir los beneficios de la simulación de ropa en 3D. Esta estrategia
avanzaría hacia el alcance de la perspectiva del consumidor sobre la idoneidad de los
tejidos para la fabricación de prendas de vestir como productos de éxito en el mercado
(D. Zhang et al., 2014).
De esta manera, el estudio propuesto por los autores se llevó a cabo una investigación
experimental sobre dos tejidos tipo lana seleccionados como adecuados para vestidos de
temporada fría (otoño a invierno), considerando la posibilidad de actualizar la estrategia
de diseño del tejido al incluir la simulación de ropa en 3D, para atender a los usuarios.
preferencias y necesidades, que son difíciles de alcanzar en el comercio electrónico.
Figura 14. Principales factores en la decisión de compra textil, tomado de (Harpa & Visileanu, 2018)
28
CONCLUSIÓN TIPOLOGÍA 2 – ESCENARIO 2:
Existen diversas herramientas aplicadas a la gestión comercial que mejoran la experiencia
al cliente y la satisfacción de ellos frente a compras de e-commerce. Muchas de las
empresas de e-commerce del rubro textil tienden a tener mayores retos frente a la venta
de sus prendas ya que anteriormente este tipo de compras eran presenciales y era
importante la interacción que las personas tenían con las prendas de vestir en el proceso
de compra. Bajo este punto, muchas empresas buscan tener opciones que permitan que
los clientes tengan una preferencia de poder realizar sus compras en línea en vez de forma
presencial.
La mayoría de las estrategias están enfocadas en un público femenino que tienden a ser
el mayor número de clientes en este rubro. Ellas valoran mucho la durabilidad y
comodidad de las prendas e indican que estos factores afectan directamente a la intención
de compra. Por ello, las herramientas aplicadas en el e-commerce enfrentan un principal
desafío para poder mostrar calidad y durabilidad a través de una imagen. Por ello, la
estrategia tiene que estar enfocada en poder darle seguridad a la usuaria frente a la compra
que está realizando para asegurar la venta.
29
El análisis muestra que el permiso de devolución provoca un aumento en el precio
minorista y la comisión de la plataforma, pero no estimular necesariamente las ventas.
El costo de adquisición unitario afecta las ventas y las ganancias y se divide en tres casos:
Cuando el costo unitario es suficientemente alto, permitir devoluciones siempre mejora
la situación de los minoristas y las plataformas P2P. Cuando es lo suficientemente bajo,
los retornos hacen que ambos incurran en pérdidas. Cuando es medio, mantener la tasa
de devoluciones a un nivel relativamente bajo genera un mayor beneficio para todos los
interesados (Ma et al., 2020).
La plataforma P2P reducirá las comisiones para estimular las ventas del primer período,
y con la garantía de devolución, mejorará la voluntad de compra de los consumidores, y
los minoristas pueden subir los precios ahora. Desde el punto de vista de la plataforma
P2P, el monto de la transacción en el segundo período puede compensar la disminución
de las comisiones y los beneficios se dividen por los rendimientos. Por lo tanto, el
minorista debe elegir la política de “devolución liberal” (Ma et al., 2020) si el costo
unitario es alto. En realidad, la mayoría de las plataformas P2P apuntan a artículos de alto
costo como ropa, joyas y productos electrónicos. Muchos minoristas convencionales
rechazan las devoluciones que no son de calidad, pero los efectos integrales de la
plataforma P2P pueden cambiar esta situación. La política de devolución liberal puede
volverse más favorable.
30
Otra conclusión importante es que permitir el retorno, pero mantener una tasa de retorno
baja es bueno para los minoristas, las plataformas y los consumidores. cuando el costo
unitario está en el nivel medio. La tasa de retorno más baja reduce muchos problemas y
significa el precio minorista más bajo del primer período y comisión del segundo período,
que son buenas para los consumidores, e incrementar las ventas en dos períodos también
beneficiará al minorista y la plataforma. Por lo tanto, los minoristas deben restringir
estratégicamente las devoluciones, mientras las plataformas reducen su tarifa de comisión
para atraer consumidores, y los consumidores deben evitar devoluciones innecesarias
como "guardarropa".
En el artículo, asumimos que las plataformas P2P son independientes, pero en realidad
hay muchos minoristas plataformas dominadas, donde los minoristas deben tomar
decisiones generales al considerar los beneficios y las políticas de devolución, y puede
llegar a una diferencia resultado diferente que la conclusión de este artículo. Seguiremos
explorar esta posibilidad en el futuro. Otro desarrollo interesante dirección es estudiar los
contratos de cooperación entre minoristas y Plataformas P2P considerando la
incertidumbre de la utilidad del consumidor.
31
Además, el mercado hipotetizado en este artículo es un monopolio mercado con un
minorista y una plataforma P2P que maximiza los beneficios. Sí hay son múltiples
minoristas de diferentes escalas y múltiples plataformas P2P de diferentes naturalezas,
los consumidores con diferentes riesgos pueden tener otras opciones. Las políticas de
devolución y las ganancias del minorista pueden cambiar más. El margen de beneficio de
la plataforma P2P también será diferente.
Los autores buscan validar las opciones devoluciones y la rentabilidad final de las
empresas cuando los costos de retorno son elevados, medianos o bajos y saber cómo
impacta a los mercados de primera y segunda mano.
Este documento nos permite poder validar las opciones de precios y preferencias de una
plataforma P2P (tipo mercado libre) y las políticas de devoluciones que nos permita poder
llegar a más clientes si una de las empresas utiliza este tipo de plataforma para sus ventas.
32
Figura 15. Cadena de suministro que engloba a los actores del e-commerce, tomado de (Zair et al., 2018)
Figura 16. Diagrama de la cadena de suministro electrónica, tomado de (Zair et al., 2018)
33
De esta manera, con la modelación de las variables, las operaciones paralelas e híbridas,
así como los diferentes escenarios que se presentan en la distribución, los autores
presentaron un modelo de optimización basado en el análisis de la asignación de recursos
en las cadenas de suministro B2C y aplicable a cualquier minorista electrónico B2C.
Figura 17. Representación gráfica de las iteración de operaciones paralelas y operaciones híbridas de la
cadena de suministro electrónica, tomado de (Zair et al., 2018)
El modelo permite elegir los recursos más óptimos para cada pedido, puesto que tiene un
enfoque de optimización multiobjetivo que toma en consideración la colaboración de
recursos en todo el proceso de operaciones de la cadena de suministro, incluidos los costos
dinámicos y las capacidades de los colaboradores, así como los riesgos asociados y la
calidad de los servicios prestados.
Los tiempos de devolución, rapidez de cambio y/o reintegro de dinero son uno de los
principales factores que están presentes en el proceso de devoluciones y afectan
directamente a la intención de compra de los usuarios.
34
La estimación de recursos para el proceso de devolución debe ser realizado correctamente
para que no perjudique la experiencia del usuario. Por ello se debe tener en cuenta
variables como cantidad de pedidos, tiempo de ejecución y cantidad de los operadores
logísticos. Los tiempos de devolución también afectan directamente a los precios de este
proceso. Por ello, un costo de devolución alto, medio o bajo afectará a la intención de
compra de un usuario y a la imagen de marca de la empresa.
Los hallazgos mostraron que, en la mayoría de las circunstancias, las compras en línea
resultan menos contaminantes, pero los factores que intervienen, como el embalaje
excesivo, la velocidad de envío y/o las devoluciones de ropa, agregan más huella de
carbono y desperdicio al medio ambiente. Por tal motivo, enfocando el estudio del artículo
con el proyecto de investigación, se detallarán las propuestas de solución aplicadas al
tópico de la devolución de los productos.
En primer lugar, los minoristas en línea adoptan con mayor flexibilidad y predisposición
la tecnología que mejorará la experiencia de compra de sus clientes y aumentará la
eficiencia de la empresa. Por ejemplo, la empresa de moda rápida ASOS ha implementado
la herramienta “Virtusize”, una tecnología de ajuste que permite a los clientes comparar
las medidas de un artículo que poseen actualmente con las de un artículo que buscan
comprar en el sitio web y/o plataforma móvil.
35
Figura 18. Interfaz de la plataforma "VirtuSize", tomado de (Bertram & Chi, 2018)
36
Figura 19. Flujograma del proceso "Ready-Returns", tomado de (Bertram & Chi, 2018)
A medida que las compras en línea se vuelven cada vez más eficientes a medida que
avanza la tecnología, los minoristas electrónicos de indumentaria se han adaptado para
crear modelos comerciales ecológicos que reducen o incluso revierten los efectos
ambientales negativos. Finalmente, si bien las devoluciones no se pueden evitar en su
totalidad, pero las empresas pueden integrar “tecnología verde” para aumentar la
eficiencia con la que se gestionan.
37
Figura 20. Datos de la evaluación de la investigación de Hurtado, tomado de (Hurtado et al., 2019)
Por lo tanto, este artículo evalúa la operación de distribución del comercio electrónico y
propone un modelo conceptual novedoso que abarca la anticipación de la demanda del
comercio electrónico sobre los datos recopilados por el marketing digital, para permitir
la planificación predictiva para la distribución de productos.
38
Figura 21. Diseño del modelo teórico propuesto por Hurtado, tomado de (Hurtado et al., 2019)
Además, las devoluciones no necesitan ser realizadas por la misma empresa, ya que hay
empresas especializadas tercerizadas que están dedicadas a este proceso. Es aquí donde
vemos que otro tipo de empresas se integran como mercados B2B, B2C y P2P.
39
CONCLUSIÓN TIPOLOGÍA 3 – ESCENARIO 2:
Debido al crecimiento continuo del e-commerce, se debe asumir diferentes retos en el
proceso logístico como un mayor número de ventas, problemas de despacho, impacto
ambiental y esto afecta al servicio que reciben los usuarios. Se busca explorar mediante
herramientas tecnológicas y Big Data obtener un análisis predictivo para plantear un
modelo que mejore a las operaciones logísticas y que aumente la satisfacción del cliente.
Esto se hace mediante un análisis de intención de compra y proyección de venta.
Aunque los modelos de variables teóricas se ven limitados al proceso de despacho que
son variables no correlacionas con el diseño teórico. En la práctica es totalmente distinta
porque a medida que se desarrolla el servicio se presentan problemas. Debe gestionarse
planes de contingencia frente a factores externos para evitar las devoluciones y que no
afecte la satisfacción del cliente.
Las devoluciones son una de las principales causas que afectan a la logística y costos de
la empresa. Estas afectan directamente el medio ambiente por la cantidad de desperdicios
que generan al reempaquetado, transporte y eliminación de los productos que ya no serán
usados.
Muchas tecnologías generadas en los últimos años buscan dar solución a la contaminación
que generan las devoluciones usando empaques ecológicos, menores costos de transporte,
tracking y empaquetado. Ello, con el fin de tener operaciones más sostenibles y gestionar
el impacto ambiental de forma más eficiente para que aumente la satisfacción del cliente.
Se propone un modelo de Virtual Try-On basado solo en imágenes RGB sin desarrollar
las imágenes 3D. El propósito es dar una realidad visual en 2D encajando la imagen del
producto que se desea “probar” sin problema alguno en la parte del cuerpo
correspondiente de la persona.
40
Con ello, se espera que la imagen generada una réplica de ver una imagen 2D de la
persona como si tuviese la prenda puesta, que las partes del cuerpo y la pose de la persona
sean las mismas que la persona real; la prenda elegida en la imagen del producto se
deforme de manera natural y de acuerdo a la forma del cuerpo de la persona. Se conserva
los patrones visuales a detalle del producto de manera clara y visibles, incluyendo no solo
características de bajo nivel como el color y la textura, sino también gráficos complejos
como el bordado o logotipo.
Herramienta IS Human
PRGAN 2.688 ± 0.098 27.30%
CAGAN 2.981 ± 0.087 21.80%
CRN 2.449 ± 0.070 69.10%
Encoder-Decoder 2.455 ± 0.110 58.40%
Non-parametric 3.373 ± 0.142 46.40%
VITON 2.514 ± 0.130 77.20%
Real Data 3.312 ± 0.098 -
El propósito de VITON es dar como referencia una imagen (I) con una persona vestida y
una prenda objetivo (R), para generar una nueva imagen (I’) en donde la prenda (R) se
superpone de manera natural sobre la región correspondiente de la persona; además que
la forma del cuerpo y la pose se mantienen. La clave para la alta calidad de superposición
de la prenda sobre la imagen de la persona ingresada.
41
Para ello, se aprovechan los datos de entrenamiento (training data) de una persona con
una pose fija utilizando diferentes vestimentas y las imágenes de productos
correspondientes, que, muchas veces, son complicadas de conseguir. Esto se convierte en
un escenario virtual de pruebas, donde solo una imagen de referencia y una imagen del
producto deseado están disponibles al momento del testeo.
El propósito final es lograr una combinación precisa basada en imágenes 2D que se puede
utilizar como una alternativa a los costosos métodos basados en 3D para pruebas Try-On
de prendas de vestir en e-commerce. Por lo tanto, los autores plantean que no se necesita
una herramienta de modelado 3D para realizar un virtual Try- On Experience., puesto que
el propósito de este paper el poder brindar una alternativa de prueba de ropa Try-On
virtual de imágenes 2D. Esta herramienta busca que sea lo suficientemente precisa para
reemplazar a herramientas 3D y los altos costos que involucran su implementación.
Artículo N°16: The Role of Virtual Try-On Technology in Online Purchase Decision
from Consumers’ Aspect
Los autores presentan cómo mejora el papel de la tecnología VTO en la compra online de
los consumidores. proceso de toma de decisiones debido al valor utilitario y hedónico y
reduce el riesgo asociado con esta tecnología. Es importante que los minoristas de ropa
en línea aprovechen al máximo tecnologías avanzadas como la investigada en este estudio
para ayudar a los clientes con sus decisiones de compra. Además, los minoristas de ropa
en línea deben esforzarse por aumentarla actitud positiva de los consumidores hacia la
tecnología VTO, ya que una actitud mejorada es significativa para promover la intención
de compra.
42
Los minoristas en línea que se centran en un grupo de edad en particular pueden
considerar estrategias de implementación personalizadas de la tecnología VTO. Por
ejemplo, para clientes jóvenes, los minoristas de ropa en línea podrían enfatizar las
características avanzadas de socialización de la tecnología que permite compartir
presentaciones de prueba con amigos a través de varias redes sociales. Para los clientes
mayores, los minoristas en línea podrían reconocer de manera proactiva y explícita la
política de privacidad del uso de dicha tecnología para garantizar a los clientes su
seguridad.
En el modelo EKB para la toma de decisiones de los autores (Engel et al., 1995) se
definen cinco pasos que incluye el reconocimiento del problema, búsqueda de
información, la evaluación, la decisión y el comportamiento post compra. Para entender
el impacto que podría causar la herramienta en los compradores online consideran tres
aspectos: el utilitario (posibilidad de combinar, probarse, adecuarse a la imagen), la
satisfacción de uso y el riesgo de usar el aplicativo.
La socialización es otro factor que se ha demostrado dentro del estudio que influye en el
contexto de compra de ropa online, lo que indica que cuando se integra con las redes
sociales les proporciona una experiencia de compra más satisfactoria., ya que la
privacidad de la información del cuerpo es un factor importante que debe considerarse.
El riesgo de privacidad de información del cuerpo influye directamente en la actitud de
compradores.
Figura 22. Modelo de investigación y significancia frente a la intención de compra, adaptado de (T. Zhang
et al., 2019)
43
Por ende, este paper nos brinda la visión de las variables que están involucradas en
aumentar la intención de compra de un usuario mediante el uso de una herramienta Try-
On. Estas variables dan a conocer a los posibles minoristas los puntos más importantes
que deben tener en cuenta antes de implementar este tipo de herramienta en los negocios
e-commerce para obtener el máximo provecho de esta.
Los primeros objetivos de este estudio es diseñar y desarrollar la aplicación del modelado
de personas tridimensionales en la compra de ropa online para ofrecer soluciones y crear
confianza al cliente aplicando la tecnología como herramienta promocional de ventas, la
aplicación de la aplicación del modelo de personas 3D para modelar tipo de indumentaria
y tamaño corporal especifico del comprado, ya que no es suficiente las ilustraciones y
especificaciones de los productos de la indumentaria, creando así confianza en la
selección del producto para el comprador.
Los autores tratan de enfocar el proceso principal para el diseño de una aplicación para la
prueba de ropa virtual. Se plantea una serie de funcionalidades principales para
simplificar el proceso de Room Virtual y mejorar la experiencia del cliente.
Al no ser suficiente las imágenes de las ropas que venden los e-commerce, se busca
mejorar la experiencia de prueba sin necesidad de ir presencialmente a una tienda y
ahorrando los tiempos de testeo. Por ende, esta aplicación busca generar esa satisfacción
de una manera sencilla y automatizada.
44
Figura 23. Esquema de las funciones de aplicación VTO, adaptado de (Kunkhet, 2017)
45
Mediante la detección de la pose, tamaño de cuerpo y musculatura, se busca encajar de
forma precisa la prenda en el cuerpo de la persona para imitar cómo le quedaría a una
persona si es que se probara la prenda de forma presencial.
Si bien, aún están perfeccionando las aplicaciones disponibles, se puede ver actualmente
opciones de imágenes 2D o 3D que pueden ser usados en el e-commerce y que permitan
a los usuarios el “probarse” productos antes de comprarlos. Estas herramientas permiten
aumentar la intención de compra de los usuarios y las opciones 2D tienen a ser más
económicas y bastante precisas frente a una opción 3D.
La gente al comprar ropa en tiendas puede tardar mucho en probarse las prendas y en las
compras online no hay posibilidad de que la gente se pruebe la ropa que quiere comprar.
De esta manera, el propósito del artículo es crear un ambiente de probador virtual en el
cual no se pierda tiempo (Wu et al., 2016). Para el desarrollo del modelo se necesita tener
la medida correcta del usuario y el modelo de vestimenta con la rotación, medida y
ubicación correctas.
Así mismo, se detectó que, en la actualidad, los usuarios son más propensos a las compras
en línea, puesto que tienen una mayor diversidad de productos. Sin embargo, el proceso
de compra en línea todavía se considera ineficaz porque los usuarios no tienen suficiente
conocimiento sobre los accesorios de vestir en las compras en línea y tampoco pueden
probarse las prendas (Hsu et al., 2007). Para resolver este inconveniente, los autores
proponen utilizar el probador virtual que proporcionaría a los clientes en línea una amplia
gama de opciones y un gran deleite para los proveedores en línea.
Este concepto de ropa electrónica te ayuda a decidir si el vestido te queda bien de una
manera fácil y eficiente. De acuerdo a la revisión bibliográfica, el modelado 3D y la
imagen 2D son los dos métodos principales en el modelo de ajuste virtual existente.
Ciertos sistemas dan resultados de simulaciones en 3D del modelo humano y el atuendo
usando las limitaciones de tamaño del atuendo (Albert Mayan et al., 2017).
46
Así mismo, en simulaciones de vestimenta recientes se puede generar un ajuste perfecto
en varias formas corporales diferentes. En los sistemas anteriores, la generación de ropa
se realiza con la ayuda de un modelo humano predefinido. La cámara de profundidad se
utiliza para dar un buen modelo tridimensional del cuerpo humano. El concepto de
probador virtual funciona imponiendo el modelo 3D o la imagen con video en vivo del
cliente. De esta manera, en la visualización del video, el cliente puede sentir el atuendo o
el accesorio virtualmente de acuerdo con el movimiento del cliente con la ayuda de una
imagen o modelo 3D superpuesto (Wang et al., 2012).
El análisis sobre los clientes proporciona un gran ajuste de vestimenta a la persona según
sus necesidades. Para identificar a un humano se usa la detección de esqueleto, mientras
que, para encontrar el contorno de un humano se usa el método de detección de contorno
humano. Adicionalmente, se detectan diferentes posiciones del cuerpo humano utilizando
el método de clasificación en cascada de Haar y el proceso de diseño se utiliza para
cambiar el tamaño del atuendo de acuerdo al tamaño del cuerpo humano.
En síntesis, el modelo sostiene que el esqueleto del cliente debe ser detectado por el
dispositivo Kinect usando una cámara IR y una cámara RGB basada en las articulaciones
esqueléticas del cuerpo. Después de conocer las articulaciones enmarcaremos la
estructura humana. Acto seguido, las prendas son vistas en la estructura humana en una
forma tridimensional para dar una apariencia viva del vestido al cliente. Finalmente, con
la prenda puesta la imagen se mueve de acuerdo con el movimiento del ser humano.
Artículo N°19: A Real Time Virtual Dressing Room Application Using OpenCV
En las tiendas suele llevar más tiempo al cambiarse de ropa o probando ropa, mientras
que, en las compras online, los clientes no pueden probarse las prendes de vestir. En la
actualidad, la búsqueda de ropa en línea no garantiza el tamaño correcto de la prenda.
47
Esto da como resultado la devolución de varios productos y el tiempo necesario para
reemplazarlos por uno del tamaño correcto es largo, lo cual refleja un gran problema para
la industria de las compras en línea (Nakamura et al., 2013). De esta manera, los autores
proponen un sistema tecnológico con sensores de movimiento, luz y cámara, en el cual el
procesamiento de los datos del cliente permite tener in aspecto exacto al esqueleto, al usar
la altura, el color de la piel, etc. (Gahlot et al., 2016).
Figura 24. Diseño de la arquitectura del sistema teórico propuesto por Shinkar & Bogiri, adaptado de
adaptado de (Shinkar & Bogiri, 2019)
48
Tabla 4. Situación comparativa de los sistemas
Nota: Parámetros y criterios de comparación de los sistemas, a daptado de (Shinkar & Bogiri, 2019)
La aplicación WPF fue desarrollada para obtener información sin contacto de medidas de
parámetros corporales. Esta aplicación reúne los parámetros corporales necesarios del
usuario al pararse frente al dispositivo sensor Kinect. Los autores proponen parámetros
en 3D complejos como medidas de pecho, cintura, cadera, muslo y rodilla que son
considerados para seleccionar el tamaño de la ropa tipo y manipulación del modelo 3D
en el cuerpo del usuario en real-hora. Por tanto, la aplicación guía al usuario a mantener
una postura en T mirando al sensor a una distancia durante cinco segundos cada uno para
capturar la información del cuerpo de la persona.
49
Después de capturar la información 3D, los parámetros corporales necesarios se calculan
mediante ecuaciones para determinar la talla de ropa. Finalmente, la aplicación de
superposición se lanza con todos los parámetros recopilados para filtrar los modelos de
tela 3D según el género y la talla. Aquí, el usuario puede seleccionar y probar virtualmente
las prendas disponibles en la tienda minorista, filtradas según sus parámetros corporales.
Los autores indican que solo un sensor Kinect RGB-D fue usado para obtener el cuerpo
de las mediciones de parámetros de los usuarios que incluyen mediciones 3D como
medidas de pecho, cintura, cadera, muslo y rodilla para desarrollar un camerino virtual
de realidad aumentada con una simulación de tela 3D en tiempo real y un resultado de
menos del 10% de error de medición promedio (Adikari et al., 2020).
Los autores desean demostrar que aplicaciones como WPF pueden mejorar la experiencia
al cliente que realizan compras de ropa online. Esta aplicación puede ayudar a usuarios
en ahorrar tiempo de ir a las tiendas a probarse atuendos que también pueden hacerlo en
línea. La precisión que se presenta en la simulación 3D permite obtener una mejor
experiencia del cliente al tener una forma más real y precisa de poder notar cómo le
quedaría la ropa sin necesidad de probarse físicamente las prendas y ahorrando tiempo en
búsqueda y pruebas. Al ser virtual, los cambios de ropa y búsqueda serían más simples y
directos.
Artículo N°21: FashionFit: Analysis of Mapping 3D Pose and Neural Body Fit for
Custom Virtual Try-On
Los métodos existentes no pudieron lograr niveles de alta precisión en prueba Try-On
personalizada donde el usuario puede subir y probarse diferentes telas y trajes de imagen
para obtener la sensación de realidad en la pantalla. Muchos conjuntos de datos públicos
están disponibles pero el retraso en obtener el poder del acceso completo en la punta de
los dedos de los usuarios no es posible. Por tanto, los autores proponen una arquitectura
novedosa donde el usuario puede probarse diferentes conjuntos por sí mismo con da la
máxima realidad en las pantallas visuales (Hashmi et al., 2020).
50
Este descanso puede abrir muchas puertas para que los clientes obtengan la sensación de
prueba real como suelen hacerlo en los centros comerciales y cierra la brecha entre la
realidad y la sensación real a través de una imagen por computadora.
El ajuste perfecto del cuerpo había sido un desafío hasta hace poco había sido un punto
débil debido a la falta de disponibilidad de datos que se retrasa en la creación de una
imagen fotorrealista. Ahora como DeepFashion2 y muchas otras herramientas de
conjuntos de datos han aparecido, es más fácil para las pruebas, ya que se está entrenando
en un conjunto de datos a gran escala.
Posición de la persona
Reconocimiento de partes del cuerpo
Variedad de estilos de ropa y tela
Integración de las imágenes en una sola de acuerdo a la posición y talla de la
persona.
Esto sería muy útil para cualquier minorista, especialmente en los lugares turísticos.
Aparte del ámbito de la moda, la implementación en el entretenimiento y los juegos
impulsaría la industria por el entretenimiento que ofrece. Adicionalmente, esta
herramienta puede ayudar en campañas de marketing y anuncios para una simulación más
real de las personas que pueden usar la vestimenta (Hashmi et al., 2020).
Por ende, este paper nos da un aporte de las herramientas que existen en el mercado y la
precisión que cuentan para mejorar la experiencia y la intención de compra de los
usuarios, validando que lo que están decidiendo adquirir satisfaga sus verdaderas
necesidades y evitando a largo plazo las devoluciones por inconformidades.
51
CONCLUSIÓN TIPOLOGÍA 4 – ESCENARIO 2:
Si bien, la satisfacción del cliente se puede ver reflejado directamente en una mayor
cantidad de ventas, también se ven reflejadas en disminuir la cantidad de devoluciones
que tienen los productos de empresas e-commerce.
Todo esto, afecta directamente a la posibilidad de una futura devolución por insatisfacción
frente a la prenda comprada o equivocaciones en la compra de tallas. Si bien, aún están
perfeccionando las herramientas, ya existe muchas opciones en línea que comercios
minoristas, medianos o grandes pueden usar para poder enfrentar el problema de posibles
devoluciones en sus e-commerce.
MARCO TEÓRICO
1.3.1 VIRTUAL DRESSING ROOM
52
modelo del cuerpo del usuario basado en un segundo conjunto de datos espaciales
recibidos por segunda vez. La máquina de acción puede determinar además que una
diferencia detectada entre el primer y el segundo modelo corresponde a un gesto del
usuario, y que este gesto representa un comando del usuario para iniciar una acción
dentro del mercado electrónico en nombre del usuario” (Holte, 2013).
La literatura afirma que la tecnología Virtual Try-On tiene valores utilitarios y hedónicos.
El valor utilitario implica ayudar a los consumidores a abordar el dilema del traje, el ajuste
y la combinación. Por ejemplo, los autores encuentran que, dada las aplicaciones que el
Virtual Try-On podría proporcionar a los consumidores información relevante que influye
en la intención de compra en línea como el tamaño, el color y si la ropa le queda al usuario,
los consumidores están interesados en esta aplicación para la evaluación del ajuste de la
ropa (Masri & Al-Jabi, 2019). El valor hedónico está relacionado a la satisfacción directa
del usuario que proporciona la herramienta durante el la prueba virtual de las prendas de
vestir (Yaoyuneyong et al., 2018).
En la década de los años 70 aparecen los primeros trabajos que analizan procesos de
recuperación y reutilización de productos que no se usaban más y muchos entraban en
categoría de posible pérdida. De acuerdo a la bibliografía revisada, los primeros pasos en
este sentido analizando la estructura de los canales de distribución para el reciclaje, los,
nuevas funciones que surgen, entre otros. Sin embargo, no es hasta los años 90 cuando se
comienza a estudiar con mayor profundidad la gestión de los productos fuera de uso y los
sistemas logísticos asociados (Andel, 1997; Ginter & Starling, 1978).
53
control eficiente del sistema logístico. Sólo mediante una visión integral de la función
logística se obtendrán ventajas competitivas sostenibles y con ello la consecución de los
objetivos propuestos (Bañegil Palacios & Rubio Lacoba, 2005). En general, los autores
que han estudiado el concepto de Logística Inversa suelen definirla con independencia
del flujo regular de la logística (Stock, 1992). El flujo inverso o hacia atrás, que hace
referencia tanto a la recuperación como a la devolución de los productos, subproductos y
materiales susceptibles de ser reintroducidos en el proceso productivo de la empresa o en
otros procesos diferentes, a las actividades necesarias para ello y al flujo de información
que se establece desde el consumidor hasta el recuperador (Fleischmann et al., 2000).
Por ende, se puede definir a la logística inversa como el proceso de recuperar el valor,
materia prima u otros para evitar la contaminación, dando un nuevo uso, logrando mayor
productividad, y rentabilidad. Adicional, se debe entender que la logística inversa también
refiere a la devolución en términos económicos de un producto o servicio al poder
reutilizar, reparar, restaurar, refabricar o reciclar el mismo y recibiendo un beneficio
económico o de valor agregado al realizar el proceso (Bouzon & Govindan, 2015).
La importancia de logística inversa radica en que viene siendo usada por gran variedad
de empresas debido a que reduce el impacto en el medio ambiente y también, logran
minimizar costos. Asimismo, se crea una mejor relación con el cliente, produce mayor
rentabilidad y crea una mejor imagen de la marca o empresa (Pohlen & Farris, 1992).
54
1.3.3 HERRAMIENTA VSM
El acrónimo VSM proviene del inglés Value Stream Mapping, el cual se traduce como
“Mapeo de flujo de Valor”. De esta manera, se define al VSM como la herramienta que
permite desarrollar de manera visual un mapa del flujo de valor de una organización, en
el cual se identifican todas las actividades necesarias para desarrollar un producto y/o
servicio, desde los proveedores de materia prima hasta el despacho y entrega final al
cliente (Paciarotti et al., 2011). Bajo el enfoque del Lean Manufacturing, se define al
VSM como un sistema que engloba las herramientas necesarias que permiten eliminar
todas las actividades que no generan valor al producto y/o servicio final (Irani & Zhou,
2011). En suma, el VSM es una de las herramientas con la cual se originan todos los
planes de diseño e implementación de los sistemas de productos y/o servicios esbeltos.
Figura 25. Esquema del diseño del Value Stream Mapping, adaptado de (Rother & Shook, 2003)
Por un lado, los autores definen el concepto de “valor” como el producto, servicio o
información por el cual un cliente está dispuesto a pagar un determinado precio. De esta
manera, se deduce que el valor está definido por el cliente y es creado por el productor.
Por otro lado, el desperdicio queda definido como toda actividad que consume recursos
sin agregar ningún valor al producto (Vendan & Sakthidhasan, 2010). En consecuencia,
con la finalidad de darle competitividad y sostenibilidad a las empresas, se deben eliminar
todas las actividades que no generar valor al producto y/o servicio final.
55
No obstante, se debe mantener la eficiencia de los procesos, puesto que las actividades
como el transporte, almacenamiento y todo aquello que no transforma materiales no
agrega valor al producto y/o servicio; sin embargo, contribuyen para llevar a cabo las
actividades administrativas del negocio.
Figura 26. Descripción de las simbologías en el diseño del Value Stream Mapping, adaptado de (Rother
& Shook, 2003)
El objetivo principal del VSM es resolver todos los problemas existentes en el proceso de
producción para aumentar la productividad, reduciendo o eliminando desperdicios. En
consecuencia, se debe analizar proceso por proceso, evaluando las actividades que
generan valor, así como aquellas que no lo hacen (Vendan & Sakthidhasan, 2010). Este
enfoque en el valor es el que permite a las empresas ser más sostenibles y competitivas.
De esta manera, el VSM se utiliza para producir el mayor valor para el cliente de la
manera más eficiente posible, puesto que el VSM permite ver no sólo el desperdicio, sino
también la fuente o causa del mismo. Además, el VSM es una herramienta que se debe
tener presente y de manera activa para implementar la mejora continua, ya que siempre
se pueden obtener oportunidades de mejora (Irani & Zhou, 2011).
56
Aunque su objetivo principal es eliminar desperdicios, el VSM también se puede ser
aplicado desde la perspectiva de agregar valor al producto, lo cual se refleja como una
ventaja competitiva hacia los clientes (Kuhlang et al., 2011). La herramienta VSM puede
aplicarse en varios campos, tal como se detalla a continuación:
El término SIPOC se origina en la década de los años 80 y forma parte del movimiento
de calidad total. Las siglas SIPOC hacen referencias a los términos de Suppliers, Inputs,
Process, Outputs, y Customers, los cuales se traducen del inglés como Proveedores,
Entradas, Procesos, Salidas y Clientes.
Hoy en día, el diagrama de SIPOC es una de las principales herramientas de las disciplinas
de Six Sigma, Lean manufacturing y gestión de procesos de negocio. La caracterización
del diagrama de SIPOC se representa como entrada en los proyectos de mejora tales como
los eventos Kaizen, durante el proceso de gestión de calidad en gestión de proyectos o
durante la fase de definición del proceso DMAIC (Mo-Ching Yeung, 2009).
57
No obstante, la mayoría de las personas encuentran más fácil comenzar identificando la
salida, o el producto o servicio final que el proceso provee. Sin embargo, la salida y el
punto final identificado de los límites del proceso deben ser el mismo.
Figura 27. Representación gráfica del diagrama de SIPOC, adaptado de (Brown, 2019)
58
Salidas: Las salidas tangibles de un proceso. Cada salida del proceso debe tener
una medida o ser medible, con el fin de verificar la calidad del proceso.
Clientes: Las personas o entidades para quien la salida es creada, ya sean parte de
la empresa o externos a la empresa. El objetivo es obtener la satisfacción por parte
de los clientes.
Figura 28. Enfoque de los insumos y variables que influyen en el resultado del proceso, adaptado de
(Murdock & Murdock, 2018)
59
Se trata de una técnica gráfica que se puede utilizar en equipos para identificar y arreglar
las causas de un acontecimiento, problema o resultado, puesto que ilustra gráficamente la
relación jerárquica entre las causas según su nivel de importancia o detalle, y dado un
resultado específico (Wong et al., 2016).
El diagrama de Ishikawa se elabora mediante el método de las 6M, puesto que consiste
en agrupar las causas potenciales en seis ramas principales: Métodos de trabajo, mano o
mente de obra, materiales, maquinaria, medición y medio ambiente. Estos seis elementos
definen de manera global todo el proceso y cada uno aporta parte de la variabilidad del
producto final, por lo que resulta natural esperar que las principales causas de los
problemas se encuentren asociadas con alguna de las 6M (Liliana, 2016).
Figura 29. Representación gráfica del diagrama de Ishikawa con las 6M, adaptado de (Voelkel & Ishikawa,
1989)
60
Utilizar y ordenar, en un formato fácil de comprender, las relaciones del diagrama
causa - efecto.
Incrementar el conocimiento sobre el proceso, ayudando a todos a aprender más
sobre los factores referentes a su trabajo, y cómo éstos se relacionan.
Identificar las áreas de trabajo para el estudio adicional donde hay una carencia
de información suficiente.
Figura 30. Representación gráfica del diagrama de Pareto, adaptado de (Lockwood, 2011)
61
Después del diagrama de Pareto para problemas, el análisis debe orientarse
exclusivamente hacia la búsqueda de las causas del problema de mayor impacto.
Para ello es preciso descubrir si este problema se presenta con la misma intensidad en
todos los modelos, materiales, turnos, máquinas, operadores, etc. ya que, si en alguno de
ellos se encuentran diferencias importantes, se estarán localizando pistas específicas
sobre las causas más importantes del problema (Sales, 2013).
Finalmente, las ventajas del Diagrama de Pareto (Harvey & Sotardi, 2018; Westcott,
2009) pueden resumirse en:
Enfocarse en los aspectos cuya mejora tendrá más impacto, optimizando los
esfuerzos.
Identificar y dar prioridad a los problemas más significativos de un proceso.
Evaluar el comportamiento de un problema, comparando los datos entre el "antes"
y el "después".
Proporcionar una visión simple y rápida a la importancia de los problemas.
La visión gráfica del análisis es fácil de comprender y estimula al equipo para
continuar con la mejora.
CASOS DE ÉXITO
1
Moth, D. (2020, 13 enero). ASOS launches new virtual fitting tool in bid to reduce returns. Econsultancy.
https://econsultancy.com/asos-launches-new-virtual-fitting-tool-in-bid-to-reduce-returns/
62
La herramienta permite a los clientes comparar medidas específicas de un artículo que
buscan comprar con un artículo similar que ya poseen al mostrar y superponer siluetas de
ambas prendas. Así mismo, VirtuSize ya está disponible en 23 minoristas en línea
diferentes en Escandinavia, Alemania, Austria y el Reino Unido, y los compradores en
línea lo utilizan alrededor de 50.000 veces al mes.
Con la adición de nuevas marcas en proceso, existe una gran posibilidad de que la
herramienta se convierta pronto en una característica común en los sitios de e-commerce
de moda y confecciones textil.
Finalmente, en la actualidad, ASOS cuenta con un sitio web y sede únicamente en nueve
países, pero recibe órdenes de compra de 237 países, que es donde se encuentran sus 13,2
63
millones de usuarios. De esta cifra, más de la mitad, concretamente 7,1 millones han
hecho algún tipo de desembolso en el último año2, según comunica la compañía, fundada
en 2001 y que hoy emplea a más de 1500 colaboradores.
En un entorno competitivo donde parece que ya todo está inventado, es bueno encontrar
modelos innovadores de negocios como el de Threadless, una empresa que ha sabido
aprovechar muy bien el potencial de Internet3.
La empresa Threadless nació en el año 2000 como un proyecto de Jake Nickell, un joven
estudiante de diseño gráfico al que le pareció interesante realizar un concurso de diseños
de camisetas aprovechando la web, pero tal vez nunca imagino el tremendo impacto que
tendría su iniciativa años más tarde. Al ver el potencial de su idea, Jake junto a su amigo
y socio Jacob DeHart, empezaron a atraer diseñadores a su comunidad proponiéndoles un
modelo “ganar - ganar” 4. No obstante, en septiembre de 2007, la empresa Threadless se
lanzó al retail y abrió su propia tienda en Chicago. Esta tienda funcionaba relativamente
bien, pero no obtuvo los resultados esperados, puesto que el contexto económico que no
era el mejor debido a la gran recesión internacional que empezó en 2008. De esta manera,
en el año 2014, Threadless cerró su tienda física y se vio forzado a despedir al 27% de su
planilla.
2
EAE Business School. ASOS, el éxito de la venta online que se expande por España
https://www.eaeprogramas.es/blog/negocio/empresa/asos-el-exito-de-la-venta-online-que-se-
expande-por-espana
3
Nicolás, M. (2017, 29 noviembre). Caso de éxito e-commerce: La historia de Threadless. Oleoshop.
https://www.oleoshop.com/blog/historia-de-threadless
4
Escovedo, P. (2013, 4 octubre). Threadless.com: La plataforma para que diseñadores independientes
lleguen a la industria global | Escuela de Periodismo – Universidad Adolfo Ibáñez – Viña del Mar.
http://jhcnewmedia.org/periodismodigital-vina1/2013/10/04/throadless-com-la-plataforma-para-que-
disenadores-independientes-lleguen-a-la-industria-
global/#:%7E:text=%C2%ABThreadless%20es%20una%20p%C3%A1gina%20que,otras%20prendas%20co
n%20estampados%20%C3%BAnicos
64
De esta manera, la principal ventaja del modelo de negocio radica en garantizar el impacto
de los diseños, ya que son los mismos clientes quienes eligen las camisetas que deben
imprimirse. Esto origina que la tasa de devolución de los productos adquiridos sea
mínima.
A veces una pequeña compañía puede pasar de 200€ de inversión a facturar millones.
Con todos ustedes, la historia de La Tienda de Valentina5. Basado en el nombre de un
personaje del Cirque du Solei, los hermanos Sánchez comenzaron su negocio adquirieron
prendas de vestir por un monto de 200 euros y las comercializaron a través de Facebook.
Hasta ese momento, los hermanos Sánchez no tenían una cantidad considerable de
pedidos ni un modelo de negocio de e-commerce que les permitiese despegar como
deseaban.
A su vez, tampoco habían realizado una fuerte inversión en la marca, pero sí tenían claro
los siguientes puntos:
5
Ordoñez, L. (2019, 26 abril). Caso de éxito e-commerce: La historia de La Tienda de Valentina. Oleoshop.
https://www.oleoshop.com/blog/historia-de-valentina
65
Apostar por la mujer real y diversa, pues presentaron una alta variedad de
modelos, lo que les permitió reducir el número de devoluciones por
disconformidad en tallas.
MARCO NORMATIVO
1.5.1 RESOLUCIÓN MINISTERIAL PRODUCE SECTOR TEXTIL
6
Ministerio de la Producción (6 mayo de 2020). Protocolo sanitario de operación ante el COVID-19 en
materia Textil y confecciones. https://www.gob.pe/institucion/produce/informes-publicaciones/558863-
protocolo-sanitario-de-operacion-ante-el-covid-19-en-materia-textil-y-confecciones
66
1.5.2 NORMATIVA AL COMERCIO ELECTRÓNICO (E-COMMERCE)
La Ley Nº 27291, que modifica el Código Civil permitiendo la utilización de los medios
electrónicos para la manifestación de voluntad y la utilización de la firma electrónica.
Igualmente, se cuenta con el TLC Perú/USA – Capítulo de Comercio Electrónico; el TLC
Perú/Canadá – Capítulo de Comercio Electrónico; el TLC Perú/Singapur – Capítulo de
Comercio Electrónico; el TLC Perú/Corea del Sur – Capítulo de Comercio Electrónico.
La Ley Nº 27309, que incorpora los delitos informáticos al Código Penal como el
intrusismo y cracking; Ley Nº 29316, que modifica, incorpora y regula diversas
disposiciones a fin de implementar el acuerdo de promoción comercial suscrito entre el
Perú y USA; Ley Nº 29499, que fija la vigilancia electrónica personal e incorpora el
artículo 29A y modifica el artículo 52 del Código Penal; el DS Nº 013-2010-JUS, que
aprueba el reglamento para la implementación de la vigilancia electrónica personal
establecida mediante la Ley Nº 29499.
67
1.5.2.3 NORMATIVA PROTECCIÓN DE DATOS Y PRIVACIDAD
Según la normativa de datos personales, el titular del banco de datos personales es aquel
que determina la finalidad y contenido del banco de datos personales, el tratamiento de
estos y las medidas de seguridad. Constitución Política de 1993, art. 2; la Ley Nº 27489,
que regula las centrales privadas de información de riesgos y de protección al titular de
la Información; la Ley Nº 27863, que modifica varios artículos de la ley que regula las
centrales privadas de información de riesgos y de protección al titular de la información;
la Ley Nº 27697, que otorga facultad al fiscal para la intervención y control de
comunicaciones y documentos privados en caso excepcional; el DL 991, que modifica la
Ley Nº 27697, que otorga facultad al fiscal para la intervención y control de
comunicaciones y documentos privados en caso excepcional; y, la Directiva Nº 005-
2009/COD-INDECOPI, del funcionamiento del registro de números telefónicos y
direcciones de correo electrónico excluidos de ser destinatarios de publicidad masiva –
Registro “Gracias… No Insista”: Ley Nº 29733, de Protección de Datos Personales.
La RM Nº 197-2011-PCM, que establece fecha límite para que las diversas entidades de
la administración pública implementen el plan de seguridad de la información dispuesto
en la Norma Técnica Peruana “NTP-ISO/IEC 17799:2007 EDI. Tecnología de la
Información. Código de Buenas Prácticas para la Gestión de la Seguridad de la
Información”; la RM Nº 129-2012-PCM, que aprueba el uso obligatorio de la Norma
Técnica Peruana “NTP ISO/IEC 27001:2008 EDI Tecnología de la Información.
Técnicas de Seguridad. Sistemas de gestión de seguridad de la Información. Requisitos”
en todas las entidades integrantes del Sistema Nacional de Informática.
68
1.5.2.6 DECRETO LIBRO DE RECLAMACIONES
Cuando dicho tipo de documentos electrónicos, y sus respectivos formatos que aseguran
la característica de perdurabilidad de la firma digital, deban ser conservados de modo
permanente, estos se archivarán observando las disposiciones legales sobre la materia.
Desde 2000, con la creación del sistema SUNAT Operaciones en Línea, existe en Perú
un entorno legal y fiscal apto para enviar y recibir comprobantes electrónicos. A partir de
esa fecha numerosas empresas han utilizado la facturación electrónica. Hoy en día en Perú
se intercambian millones de facturas entre empresas de todos los sectores y tamaños.
Desde el 3 de diciembre de 2013 a raíz de la Resolución N° 374-2013/SUNAT, la factura
electrónica empezó a ser obligatoria en Perú para aquellos grupos de contribuyentes
designados por la SUNAT7.
7
Presidencia del Consejo de Ministros. “Normativa sobre Gobierno Digital”.
https://www.gob.pe/institucion/pcm/colecciones/147-normativa-sobre-gobierno-digital
69
CAPÍTULO II
Para iniciar este proyecto de investigación y encontrar las principales problemáticas y sus
causas raíz en el e-commerce de moda textil, se diseñó un proceso que contiene las cinco
fases sugeridas en la Gestión de proyectos según el PMBOK8.
FASE 1: INICIO
Definir el sector: Al inicio de la investigación se definió el sector al que estaría
enfocado el proyecto. En este caso de estudio corresponde al e-commerce.
Definir el subsector: Al inicio de la investigación se definió el sub-sector al que
estaría enfocado el proyecto. En este caso de estudio corresponde al e-commerce
de moda textil.
Definir el producto: Para este proyecto y tras consulta de información validada
por expertos, se definió el “producto” al que estaría enfocado el proyecto
corresponde a las devoluciones de productos en el e-commerce de moda textil.
8
PMBOK: Son las siglas de Project Management Body of Knowledge, que es la guía de los fundamentos
para la Gestión de Proyectos, estándar internacional para la dirección profesional de Proyectos.
70
FASE 2: PLANIFICACIÓN
FASE 3 - EJECUCIÓN
FASE 4: CONTROL
71
FASE 5: CIERRE
Las grandes, medianas y pequeñas empresas se han visto afectadas por los efectos que ha
traído el COVID-199 y la economía nacional ha sido una de las más golpeadas, generando
que muchas empresas no puedan seguir con sus operaciones hoy en día y otras terminen
innovando para poder sobrevivir a la situación actual.
Figura 33. Rentabilidad anual de accionistas por sector, por Corporate Performance Analytics, S&CF
Insights, S&P Global, presentado en el Informe de Respuesta ante Crisis por Mckinsey & Company (2020).
9
COVID-19: Enfermedad infecciosa causada por el coronavirus que se ha descubierto más recientemente.
Ambos eran desconocidos antes de que estallara el brote en Wuhan (China) en diciembre de 2019.
72
El ancho de las gráficas representa la inversión inicial en dólares realizada por los
accionistas y el porcentaje representa la rentabilidad de las mismas luego de los sucesos
del COVID-19, según estudios de Mckinsey & CO. (2020). Aquí, se evidencia que todos
los sectores llegaron a ser fuertemente golpeados por la coyuntura actual y depende de la
innovación y acciones de cada empresa para disminuir el impacto de pérdidas que se ha
registrado en el último año.
Figura 34. PBD desestacionalizado (índice, 4T19=100), por Estudios Económicos – BCP (2020)
73
Adicionalmente, el COVID en Perú ha llegado a impactar todos los sectores como
comercio, servicios, construcción, manufactura y minería.
Figura 35. PBD desestacionalizado por categorías (índice, 4T19=100), por Estudios Económicos – BCP
(2020).
El sector construcción ha sido el más afectado en esta época de crisis, pero las
proyecciones indican que será uno de los que tendrán una rápida recuperación a finales
del último trimestre del 2021. Sin embargo, el sector manufactura es uno de los que ha
sido más afectado durante la pandemia y las proyecciones indican que si bien, tendrá una
recuperación en lo que resta el año, su crecimiento no regresará a tener los mismos
ingresos que antes de la coyuntura actual.
Las grandes, medianas y pequeñas empresas se han visto forzadas a cerrar temporalmente
muchos de sus negocios y hasta cambiar su modelo de venta para seguir atendiendo a sus
clientes. Es aquí donde el e-commerce y venta online han tenido mayor repique para
ayudar a que muchas empresas puedan seguir manteniendo sus operaciones o comenzar
nuevos negocios.
74
Figura 36. Evolución Trimestral del volumen de negocio del e-commerce y la variación interanual
expresa en millones de euros por CNMC y Alfaro, mostrado en la página oficial de KPMG España
(2018).
Latinoamérica tiene una población actual de más de 634 millones de habitantes, repartida
en 20 países y siete dependencias, representando aproximadamente el 9% de los
habitantes mundiales, según las cifras reportadas por la Organización de las Naciones
Unidas (ONU10). Así mismo, de acuerdo a los estudios y datos recolectados por el portal
de estadísticas alemán Statista11, se proyecta que de los casi 2000 millones de personas
que han adquirido productos y servicios en línea durante 2019, más de 155,5 millones
corresponden a Latinoamérica. Es decir, aproximadamente uno de cada cuatro habitantes
en la región utiliza actualmente Internet para adquirir bienes y/o servicios.
10
ONU: Organización fundada en el año 1945 por 51 países con el fin de mantener la paz y la seguridad
en el mundo, mejorar el nivel de vida y defender los derechos humanos. (Fuente:
https://www.un.org/es/)
11
Statista: Portal de estadísticas en línea alemán que pone al alcance del usuario datos procedentes de
estudios de mercado y de opinión, así como indicadores económicos y estadísticas oficiales en alemán,
inglés, español y francés. (Fuente: https://es.statista.com/)
75
En la tabla 5, se muestra que en los últimos años ha incrementado el número de
compradores digitales en línea a nivel mundial. Por lo cual, en el año 2019 se tuvo un
total de 1.92 MM de compradores digitales en todo el mundo. Así mismo, en la tabla 6,
respecto a Latinoamérica, para el año 2019 se registró un total de 155.50 millones de
compradores digitales.
Por tal motivo, con el crecimiento significativo del número de compradores digitales de
los últimos años en todo el mundo, Statista pronostica que las ventas en retail de comercio
electrónico en Latinoamérica pasen de 29.800 millones de dólares en 2015 a 64.400
millones en 2019, duplicando el total en menos de un quinquenio. Sin embargo, la cuota
del aporte total de la región latinoamericana a la gran torta global es baja, según reportes
de Statista, siendo solamente del 1,9%, lo que refleja la potencial oportunidad de
inversión y desarrollo que tiene el e-commerce en esta parte del mundo.
76
Así mismo, en la tabla 7, se visualiza que entre los años 2018 y 2019, el monto acumulado
a nivel mundial por las ventas retail del e-commerce tuvo un incremento de 22%, por lo
cual llegó a un total de 3.45 billones de dólares
Por un lado, según Stanton, Etzel y Walker, autores del libro "Fundamentos de
Marketing", el proceso de venta es: "una secuencia lógica de cuatro pasos que emprende
el vendedor para tratar con un comprador potencial y que tiene por objeto producir alguna
reacción deseada en el cliente (usualmente la compra)":
Según Philip Kotler (2014) "este paso consiste en contarle la historia del producto al
consumidor, siguiendo la fórmula AIDA de captar la Atención, conservar el Interés,
provocar un Deseo y obtener la Acción (compra)".
77
Bajo este diseño, el autor Skitsko V.I., (2016) ha diseñado este proceso estándar
presentado en los e-commerce que resume los pasos en la compra de un producto.
- Servicios posventa: etapa final del proceso de venta es una serie de actividades
posventa que fomentan la buena voluntad del cliente y echan los cimientos para
negocios futuros.
Por otro lado, la e-logística son todos los procesos logísticos que se llevan a cabo en un
e-commerce, con la finalidad de ofrecerles a los clientes online una experiencia de compra
satisfactoria. Así, la e-logística hace que etapas como la gestión de inventarios, el
almacenamiento, el transporte logístico, entre otros, estén más adaptadas a las nuevas
exigencias de la era digital.
78
Figura 38. Proceso logístico en los e-commerce, adaptado de Skitsko (2015)
La logística es el gran elemento oculto que encierra muchas de las claves para que un
proyecto e-commerce funcione y, muy especialmente, para que el cliente esté satisfecho
con el resultado final.
De esta manera, en la tabla 8, se realizó un comparativo del monto total acumulado de las
ventas retail del e-commerce por zonas y se obtuvo que la zona de Asia y Pacífico es la
que ha generado mayor cantidad de ingresos con un total de 2.30 billones de dólares,
mientras que, en la región, el monto total facturado de Estados Unidos es casi diez veces
el de toda Latinoamérica.
79
Tabla 8. Ventas de retail de e-commerce por zonas (2015-2019)
En la actualidad, Perú cuenta con una población total de 32,9 millones de habitantes,
según Worldometers12, aunque solo 24 millones tienen acceso a Internet. Esto quiere decir
que, en la actualidad, solo el 72,9% de los peruanos tienen acceso a la red, lo cual ubica
al país en una posición “privilegiada” con respecto a los demás mercados que destacan
como líderes de e-commerce en Latinoamérica. No obstante, hace falta más que solo una
buena tasa de usuarios activos en Internet para catapultar al país como un mercado
atractivo y sólido para el e-commerce.
12
Worldometers: Sitio web de referencia que proporciona estimaciones y estadísticas en tiempo real
para diversos temas basados en diferentes algoritmos. (Fuente: https://www.worldometers.info/)
80
Tabla 10. Promedio de Ingresos por Usuarios (2017-2018)
De esta manera, durante los últimos años, el crecimiento del comercio electrónico en
Latinoamérica, entre los países más aportantes, demostró que no existe una tendencia
clara, puesto que países como Argentina, Colombia y Chile presentaron una ligera
disminución porcentual entre el crecimiento de 2017 y 2018; mientras que, en Brasil,
México y Perú, el de mayor crecimiento porcentual el último año, el caso fue el opuesto,
según datos reportados por Statista.
En el año 2019, el e-commerce, registró un crecimiento del 30%, una de las tasas más
altas de la región. No obstante, Perú sigue ocupando el sexto lugar en Latinoamérica en
cuanto al volumen del e-commerce. Para Helmut Cáceda, presidente de la Cámara
Peruana de Comercio Electrónico (CAPECE), al cierre del año 2019, el e-commerce ha
superado los US$ 4,000 millones, lo que representa un 30% más que el año pasado. Así
mismo, Cáceda señaló que si los actores del ecosistema de e-commerce en Perú trabajan
de manera conjunta para “construir la confianza online” se podría alcanzar un crecimiento
de 40% para el cierre del año 2020.
81
Lima Trujillo Arequipa Callao Otros
9%
8%
11%
57%
15%
Figura 39. Distribución del e-commerce en el Perú durante el año 2019, adaptado de BS Latam (2020).
Para poder graficarlo, en el año 2009 el e-commerce en Perú tan solo representaba el
1.27% del valor del comercio electrónico en Latinoamérica, mientras que en el año 2019
pasó a representar el 5% de este mercado. Según el Instituto Nacional de Estadística, los
consumidores prefieren comprar electrónicamente por la comodidad que ofrece (78%),
porque encuentran ofertas y artículos a un mejor precio (73,2%) y por el ahorro de tiempo
que supone, al evitarles desplazamientos físicos (65,5%) (Instituto Peruano de Economía,
2020).
En el año 2019, el e-commerce en el Perú, registró un crecimiento del 30%, una de las
tasas más altas de la región. Para Helmut Cáceda, presidente de la Cámara Peruana de
Comercio Electrónico (CAPECE), al cierre del año 2019, el e-commerce ha superado los
US$ 4,000 millones, lo que representa un 30% más que el año anterior. Así mismo,
Cáceda señaló que si los actores del ecosistema de e-commerce en Perú trabajan de
manera conjunta para “construir la confianza online” se podría alcanzar un crecimiento
de 40% para el cierre del año 2020 (eMarketer, 2019).
82
Para poder graficarlo, en el año 2009 el e-commerce en Perú tan solo representaba el
1.27% del valor del comercio electrónico en Latinoamérica, mientras que en el año 2019
pasó a representar el 5% de este mercado.
Brasil $149.10
México $88.00
Argentina $41.50
Colombia $34.00
Perú $24.00
Venezuela $19.50
Chile $15.00
Ecuador $13.40
Bolivia $8.80
Guatemala $7.80
Figura 40. Principales países con mayor margen de ingresos del e-commerce registrados en millones de
dólares en Latinoamérica, adaptado de Statista (2019).
De esta manera, frente al contexto del COVID-19, el desafío para este año 2020, es que
el Gobierno impulse y priorice el comercio electrónico como medida para incentivar el
movimiento económico y evitar la propagación de la pandemia. En consecuencia, con la
adopción de estas medidas, el e-commerce podría crecer un 200% y convertirse en motor
de la reactivación económica del Perú (Cámara de Comercio de Lima, 2020).
Aunque el Perú esté planteando mecanismos para la recuperación económica, los estudios
indican que se evidencian tres fases puntuales en la economía.
83
Figura 41. Fases del “megachoque” y riesgos económicos hacia adelante, por Estudios Económicos – BCP
(2020).
La fase I marca una un alto choque de oferta (altos inventarios y pocas ventas), lo
que provocará que empresas comiencen a despedir empleados y tratar de obtener
liquidez a través del endeudamiento.
La fase III demuestra una fuerte deuda y pocos ingresos en las empresas. Las
moras generarán mayor endeudamiento y se mostrará problemas de insolvencia
de muchas compañías. Muchas empresas terminarán en quiebra o
reestructuración.
Perú no ha sido ajeno a los impactos del COVID-19. La caída del PBI producto de la
pandemia hasta junio del 2020 ha sido de 12.9% lo que representa una pérdida de más de
S/ 131 mil millones o S/1.2 mil millones diarios (Instituto Peruano de Economía, 2020;
Pérez et al., 2010). De acuerdo a los estudios realizados por la Sociedad Nacional de
Industrias (SNI), la actividad industrial crecería 5,3% en febrero 2020, con un incremento
acumulado de 3,0% en los dos primeros meses del año (IEES, 2017).
84
Figura 42. Variación porcentual de la producción industrial entre 2012 y 2019, por la Sociedad Nacional
de Industrias (2020).
Las actividades industriales que tuvieron un mejor desempeño en febrero 2020 fueron la
maquinaria y equipo (82,8%), bebidas (8,8%) y minerales no metálicos (3,4%). Sin
embargo, entre las principales industrias que experimentaron un retroceso en el mes,
fueron: equipo eléctrico (-36,7%), productos de refinación de petróleo (-12,4%) y prendas
de vestir (-7,5%), entre otros (Instituto Peruano de Economía, 2020).
Figura 43. Variación Porcentual de las Industrias por categorías en febrero del 2020, por la Sociedad
Nacional de Industrias (2020).
85
No obstante, en los últimos años, la producción de textiles y confecciones ha mostrado
un gran crecimiento en el Perú y en el mercado internacional que ha estado basado en
ventajas competitivas entre las que podemos mencionar la alta calidad y prestigio de las
fibras peruanas y el alto nivel de integración del sector a lo largo del proceso productivo
(Catalán, 2019; Pérez et al., 2017).
Figura 44. Principales categorías manufacturares según rama industrial en el año 2019, por la Sociedad
Nacional de Industrias (2020).
Gestión (2020a) señala que el Ministerio de Economía y Finanzas explica que la industria
textil se ha convertido fundamental para el crecimiento del país, debido a su efecto
multiplicador sobre otras industrias. La ex ministra de la Producción, Rocío Barrios,
indica que la industria manufacturera en el Perú representa el 13% del PBI nacional y
genera alrededor de 1.5 millones de empleos al año. (Vidal, 2020).
Según datos del BCRP (Banco Central de Reserva del Perú, 2020), el sector
manufacturero - prendas de vestir, se ha visto fuertemente afectado en los últimos meses
producto de la pandemia e inmovilización de la población.
86
40
20 17.1
12.4 14.2
7.7 10.7
3.5 3.7 5.2 3.7
0 0.7 -0.1 0.9 0.1
-3.5 -3.1
-9.7 -10.2-13.6 -8.7
-13.2
-20
-40 -41.2
-53.1
-60
-64.8
-80
-100 -97
-120
Figura 45. Variación porcentual del crecimiento del sector manufactura de prendas de vestir durante los
años 2018 y 2020, adaptado del Banco Central de Reserva del Perú (2020).
La informalidad ha proliferado más que nunca, lo que llega a afectar los negocios
formales y ser una de las principales amenazas de las empresas que recién empiezan. La
única forma de reabrir operaciones de forma legal es acogerse a las disposiciones del
Estado para reiniciar procesos.
Según el reporte Digital 2020 Perú, el comercio electrónico en el país ascendió a US$ 4
mil millones en el 2019. De las cuales, las categorías con mayor tamaño de mercado,
según Statista, fueron el sector viajes incluido alojamiento (US$ 2.52 mil millones),
electrónica y tecnología (US$ 691 millones) y Moda y belleza (US$ 561 millones).
87
Electrónica de consumo (Tecnología) $691.00
Videojuegos $230.00
Figura 46. Gasto acumulado en miles de dólares de las principales categorías del e-commerce en Perú
durante el año 2019, adaptado de Data Reportal (2020).
Por el lado del crecimiento, los sectores que registraron un mayor desempeño superiores
al 20% se encuentran: muebles y electrodomésticos (23%), juegos y hobbies (22%),
cuidado personal y comida (22%), categoría de mayor crecimiento en Lima, gracias a los
aplicativos delivery, y moda (20%).
Videojuegos 9.60%
Figura 47. Variación porcentual de las principales categorías del e-commerce en Perú durante el año 2019,
adaptado de Data Reportal (2020).
88
El e-commerce en el mundo se encuentra dominado, principalmente, por cinco grandes
categorías: Comida y cuidado personal, muebles y electrodomésticos, juguetes y hobbies,
electrónica de consumo (tecnología), y moda (ropa y calzado). Por tal motivo, un informe
de Statista discrimina estas categorías por productos específicos, remarcando la intención
de compra mundial, balanceando cifras de finales del año 2018 y principios del 2019.
13
CAGR: Acrónimo de Compound Annual Growth Rate, traducido como “Tasa de Crecimiento Anual
Compuesto”.
89
El segmento más grande del mercado es el de la moda, con un volumen de
aproximadamente 9.580 millones de dólares al cierre del cálculo del año 2019.
El ingreso promedio por usuario (ARPU14) ascenderá a 125.9 dólares al cierre del
cálculo del año 2019.
Comida y cuidado personal 2.291 2.560 2.925 3.294 3.639 3.912 4.118
Por otra parte, en los últimos cinco años, el retail por Internet en Perú ha crecido
notablemente. De esta manera, analizando las cifras del comercio por retail en el año
2013 y los comparamos con cifras actuales, es evidente que los peruanos cada año
apuestan mucho más por los canales digitales para satisfacer sus necesidades, sean bienes
o servicios. Así mismo, una investigación de Euromonitor International agrupa los
valores que el retail online ha dejado anualmente en cada categoría e industria en el país,
desde 2013 hasta este año, permitiendo ver el crecimiento constante que ha tenido,
además de algunas proyecciones hasta 2023.
Moda (Ropa y Calzado) 18.3 51.8 81.4 124.3 180.6 260.8 358
14
ARPU: Acrónimo de Average Revenue Per User, traducido como “Promedio de Ingresos por Usuario”.
90
Productos Año Año Año Año Año Año Año
Seleccionados (*) 2013 2014 2015 2016 2017 2018 2019
Electrónica de consumo
243.1 285.1 320.8 363.3 416 511.5 600.4
(Tecnología)
Salud 3.5 4.6 5.8 7.6 14.5 18.1 22.6
De esta manera, según los datos explicados en la tabla anterior, se concluye lo siguiente:
Desde 2013 hasta 2019, el retail en Perú casi cuadruplicó su valor total, pasando
de 611.6 millones de soles a 2,339 millones.
En 2013, las tres categorías líderes del retail online fueron la electrónica de
consumo (tecnología), los productos multimedia, y los accesorios personales.
En 2019, las tres categorías líderes del retail online fueron la electrónica de
consumo (tecnología), productos multimedia, y la moda (ropa y calzado).
En 2019, las tres categorías que menos aportaron al valor total fueron los juguetes
y artículos para niños/bebés, los videojuegos, y los artículos y/o muebles para el
hogar.
Así mismo, en base con los datos anteriores se realizó la siguiente proyección por el valor
de retailing en internet por categorías hasta el año 2023.
91
Tabla 14. Pronóstico de Valor del Internet Retailing por Categorías (2020-2023)
Solo para el 2018, el comercio online tuvo un crecimiento del 18% frente al año anterior.
No es de extrañar que hayan proliferado los e-commerce y que cada vez más empresas
incluyan una estrategia de venta online. Según Alfaro, P (2018) muestra que se realizan
92
una media de tres compras online al mes que se concentra en la franja de los consumidores
entre 24 y 30 años, según el estudio anual de e-commerce 2018 realizado por IAB, que
incluye la compra tanto de productos como de servicios online. Una de las variables a
nivel mundial para la compra online es el precio (57%), pero otros aspectos como las
opciones de entrega (43%), una política de devoluciones sencilla (40%) o las opciones de
pago (34%) son también muy relevantes a la hora de atraer a los consumidores (Alfaro,
2018; Kpmg, 2018).
En Perú, la realidad del e-commerce tiene factores adicionales para la decisión de compra.
Jhoan Vega, director comercial de Arellano Marketing, comenta que “el incumplimiento
de una venta (54%), el temor al fraude (47%) y la preferencia de probar lo que se va a
comprar (43%)” (Gestión, 2017) son los principales obstáculos del desarrollo de la venta
electrónica; y así mismo, de la venta de ropa por internet. La distribución de productos de
moda en el rubro textil a través del e-commerce presenta dificultades relacionadas a las
demoras en el tiempo de entrega, envíos de productos erróneos y devolución de productos
no conformes.
Según KPMG, (2018), que los e-commerce de moda textil que tengan una política de
devoluciones influye en un 40% sobre la decisión de compra y la correcta gestión de ese
proceso garantiza la fidelización y ventas futuras. Las devoluciones terminan siendo una
de las principales causas que afectan a los negocios y su posibilidad de éxito o fracaso.
En base al total de compras que se realizan, las devoluciones ascienden,
aproximadamente, a un tercio de las ventas, lo cual se refleja en sobrecostos que afectan
el margen de ganancia de las empresas. La consultora KPMG señala que alrededor de un
25% de los productos o servicios comprados online se devuelven (lo que incluye, por
ejemplo, reservas de hotel o avión), porcentaje que se eleva a más del 30% si se trata de
ropa. Este porcentaje de devoluciones llega a afectar a cualquier empresa y estas
representan un 4.4% del total de sus ventas según Enrique Porta, socio responsable de
Retail y Consumo de KPMG. Un 4% del total de sus ventas como costos adicionales
puede significar la continuidad o no de una pequeña empresa, lo que también se expresa
en un menor o nulo margen de ganancias frente a cada prenda que vendan.
93
La empresa en estudio es una MyPE15 que se encuentra en Lima, Perú y fue fundada por
dos socias que buscaban exclusividad en los productos que adquirían. Su ventaja
competitiva radica en la calidad y diferenciación en el modelo sus productos. Se encuentra
operando en el mercado desde abril de 2019 y se encuentra debidamente
institucionalizada de acuerdo a la Ley General de Sociedades (Ley N°26887). La empresa
vende los productos a través de su página web y a través de páginas como Facebook e
Instagram; por lo cual, es una empresa dedicada al e-commerce de la categoría de moda
(ropa y calzado).
15
MyPE: La Micro y Pequeña Empresa (MYPE) es la unidad económica constituida por una persona natural
o jurídica (empresa), bajo cualquier forma de organización que tiene como objeto desarrollar actividades
de extracción, transformación, producción, comercialización de bienes o prestación de servicios.
94
En base a la información proporcionada, se identificaron los siguientes procesos:
El proceso de ventas se realiza en tres canales: Página web propia, página web multimarca
y redes sociales. Para el caso de estudio, se analizará el proceso de ventas mediante la
página web y la página multimarca, puesto que son los principales canales de ventas.
95
Figura 49. Flujograma del proceso de ventas del caso de estudio, elaboración propia.
El proceso de ventas es el principal medio de contacto con los clientes, por lo cual gran
parte de su diseño se encuentra influenciado en los estándares del e-commerce a nivel
internacional. El nivel de incertidumbre y satisfacción que genera el proceso en el cliente
impacta directamente en los ingresos, así como en la atracción de posibles nuevos
clientes. El método de pago que emplea la empresa de estudio es mediante las
transacciones de depósitos de pago en línea mediante banca móvil, transferencia
interbancaria y aplicaciones como Yape16 o Plin17. No obstante, cabe recalcar que no se
realizan pagos contra entrega, ya que la empresa terceriza el servicio de transporte
(despacho de productos).
16
Yape: Yape es un aplicativo móvil con el que puedes hacer transacciones gratuitas las 24h del día con
tan solo el número de celular de tus contactos o escaneando códigos QR de Yape o Visa.
(https://www.viabcp.com/canales/yape)
17
Plin: Es la nueva funcionalidad de Interbank, BBVA, Scotiabank y BanBif para enviar y recibir dinero usando
solo tu número de celular sin números de cuenta, gratis e inmediato. (https://interbank.pe/centro-de-
ayuda/banca-digital/que-es-plin)
96
2.4.2 PROCESO DE LOGÍSTICA
Figura 50. Flujograma del proceso de entrega de productos del caso de estudio, elaboración propia.
97
Por otro lado, para el caso de la devolución de productos, la empresa tercerizada sigue un
protocolo para la ejecución del servicio, la cual se detalla en el flujograma de
devoluciones. Cabe indicar que la empresa tercerizada cobra por cada traslado realizado
(envío, reposición, etc.).
Figura 51. Flujograma del proceso de devolución de productos del caso de estudio, elaboración propia.
98
DISEÑO DEL EXPERIMENTO
Las variables son los conceptos que forman enunciados de un tipo particular denominado
hipótesis. En el presente caso de estudio, en base a la información recopilada, se
definieron las siguientes variables:
99
VARIABLES CUALITATIVAS ORDINALES
Clasificación de muestra a encuestar como posibles compradores
Nivel de complejidad del proceso de devolución.
Nivel de incertidumbre frente a las compras en el e-commerce.
Nivel de satisfacción frente a las compras en el e-commerce.
Influencia de herramientas Room virtual en el e-commerce sobre la decisión de
compra.
Influencia de herramientas Room virtual para disminuir posibles devoluciones
Influencia de la logística inversa en el e-commerce sobre la decisión de compra
Influencia de la política de devoluciones en el e-commerce sobre la decisión de
compra
100
Precio de venta
Fecha de venta
Para el presente estudio se han realizado las siguientes hipótesis que serán validadas en
la encuesta como en el caso de estudio para la población de Lima, Perú.
HIPÓTESIS DE LA ENCUESTA
H1: Más del 50% de la población realiza compras en línea más de una vez al mes.
H2: El e-commerce de moda textil es la categoría más vendida.
H3: La política de devoluciones influye en la intención de compra.
H4: La política de devoluciones es uno de los factores por la que los usuarios
deciden realizar una compra en una web determinada.
H5: Menos del 30% de las personas que realizan compras en línea ha devuelto un
producto.
H6: El proceso de devoluciones es complicado o complejo.
H7: El principal motivo de las devoluciones en el e-commerce de moda textil es
por la compra de tallas incorrectas (no son las medidas esperadas).
H8: El virtual Room influye en la decisión de compra del e-commerce de moda
textil.
H9: El virtual Room influye en las devoluciones del e-commerce de moda textil.
H10: La logística inversa influye en la decisión de compra del e-commerce de
moda textil.
101
HIPÓTESIS DEL CASO DE ESTUDIO
H11: Menos del 25% de los productos vendidos en línea por la empresa ha sido
devueltos.
H12: Los costos de las devoluciones representan menos de un 5% de los ingresos
brutos por ventas.
Figura 54. Fórmula para calcular el tamaño de la muestra, por Survey Money tomado de Bain &
Company, Inc., Freud Reicheld y Satmetrix Systems (2020).
Tras el cálculo realizado con la fórmula, se detalla que la muestra a encuestar es de 384
personas. En total, se obtuvo 385 encuestas para el presente estudio.
102
Finalmente, para el levantamiento de información, dividiremos el análisis en tres etapas:
Información relacionada sobre el e-commerce de moda textil por estudios anteriores
(fuentes primarias y secundarias), análisis de los resultados de la encuesta (fuente
primaria) e información de una empresa como caso de estudio (fuente primaria).
LEVANTAMIENTO DE INFORMACIÓN
Para las fuentes primarias y secundarias se consultaron estudios de empresas como Banco
de Crédito del Peru, Cámara de Comercio de Lima, Mckinsey and Co y KPMG sobre el
impacto económico del COVID. También, se buscaron fuentes de Mckinsey and Co.
como KPMG sobre el e-commerce y las devoluciones, su impacto económico y
porcentaje de transacciones generadas por este proceso. De esta manera, mediante el
juicio de expertos, se ha comparado los resultados obtenidos en el e-commerce, el
subsector de moda textil y las devoluciones.
103
De esta manera, los pagos digitales han tenido un mayor impulso desde el brote del
coronavirus en la capital peruana. En consecuencia, la inclusión financiera beneficia a las
economías y a la sociedad, ya que su crecimiento asocia con un crecimiento mayor del
PBI.
Figura 55. Efectos de la pandemia en los principales sectores económicos peruanos, por Estudios
Económicos – BCP (2020).
104
Entre los principales hallazgos específicos se encuentra que los clientes que
devuelven artículos comprados en línea tienden a ser compradores en línea
permanentes y con altos gastos.
De esta manera, las tasas de retorno para la industria minorista en línea convergen en
alrededor del 7% de costos adicionales. Finalmente, según Forrester Consulting
(2008) las devoluciones de productos han sido uno de los principales obstáculos para
adquirir productos en línea.
Figura 56. Las devoluciones como principal obstáculo en el e-commerce, tomado de ‘Crafting a
Returns Policy that Creates a Competitive Advantage Online’ por Forrester Consulting (2008).
105
COSTOS ASOCIADOS A LAS DEVOLUCIONES EN EL E-COMMERCE
Es por ello que el principal problema que debe enfrentar una empresa de venta de
moda textil online en esta coyuntura debe ser la devolución de sus productos, ya que
el 4 a 5% de los costos adicionales que generan las devoluciones implica un menor
margen de ganancia y reinversión, hasta una posible quiebra. A una menor tasa de
devoluciones, se genera una mayor identificación con la marca y una directa
fidelización con ella.
Descripción Acumulado
Producto erróneo 0.49
Desperfecto en el producto 0.26
Demora en el despacho 0.16
Otros 0.09
106
Además, un estudio de Forrester Consulting (2008) indica que los principales
motivos de las devoluciones son que el producto era incorrecto y depende más de
factores atribuibles a los e-commerce que del consumidor (razones fuera del alcance
del cliente).
Figura 57. Principales razones de las devoluciones en el e-commerce tomado de ‘Crafting a Returns
Policy that Creates a Competitive Advantage Online’ por Forrester Consulting (2008).
VALIDACIÓN DE VARIABLES
Según Santosa et al. (2020) las variables información, calidad, servicio y seguridad
de la transacción influyen significativamente en la confianza al momento de la compra
en línea. Además, la confianza llega a disminuir significativamente la perspectiva de
riesgo y ambas aumentan la intención de compra.
Variable Variable
P(significancia) Explicación
dependiente independiente
Confianza ← Información 0.030 Significativo
Confianza ← Calidad 0.040 Significativo
Confianza ← Servicio 0.045 Significativo
Seguridad de
Confianza ← 0.019 Significativo
transacción
Perspectiva de riesgo ← Confianza 0.026 Significativo
107
Variable Variable
P(significancia) Explicación
dependiente independiente
Intención de compra ← Confianza 0.000 Significativo
Intención de compra ← Perspectiva de riesgo 0.014 Significativo
Decisión de compra ← Confianza 0.042 Significativo
Decisión de compra ← Intención de compra 0.000 Significativo
Seguridad de
Decisión de compra ← 0.040 Significativo
transacción
Nota: Valores del P menos al 0.05, lo que indica que las variables expresadas son significativas entre
sí de Santosa et al. (2020).
Como este, otros estudios han validado el nivel de significancia de las variables
planteadas y la correlación que tienen las mismas frente a la incertidumbre
(confianza), la intención y decisión de compra en los e-commerce.
108
11%
Sí
No
89%
Figura 58. Distribución de la población encuestada que realiza compras en línea, elaboración propia.
Los comercios que apliquen un sistema de venta online tendrán mayor alcance a
posibles compradores. Adicional, se muestra que no hay una diferencia notable entre
género para la compra en línea. Sin embargo, en la muestra encuestada hubo un mayor
número de mujeres.
Esto no implica que solo deban dedicarse alternativas enfocadas al género femenino,
pero sí puede realizarse estrategias de ventas online dependiendo del público al que
irá dirigido el producto.
2%
Mujeres
42% Hombres
Prefiero no especificar
56%
Parte del 11% de los encuestados que indicaron que no compran productos por medio
de un e-commerce manifestaron que las principales razones de ello es el miedo ante
la inseguridad de las transacciones y/o método de pago (41%), falta de una política
de devoluciones (20%) y calidad de los productos (15%).
109
Estas tres principales razones abarcan cerca del 80% de las causas principales por las
que las personas no compran en línea y coincide con la bibliografía encontrada.
Otros 4 (7%)
Figura 60. Principales motivos por los que la población encuestada no realiza compras en línea,
elaboración propia.
11%
Una vez al mes
41% Semanalmente
Una vez al año
34%
Más de una vez al año
No realiza compras online
12%
2%
Figura 61. Frecuencia con la que la población encuestada realiza compras en línea, elaboración propia.
110
Así mismo, el 2% de la población que realiza compras de forma online semanalmente
irá incrementándose a medida que el comercio en línea siga siendo el principal medio
de adquisición de productos hoy en día. También, según la muestra encuestada, el
principal rango de edad de personas que compran en línea es entre los 21 años hasta
los 35 años (millennials18) con un 79% de la muestra.
14%
25% 21 a 25 años
7%
26 a 30 años
31 a 35 años
13% 36 a 40 años
41 a más
41%
Figura 62. Distribución por rango de edad de la población que realizas compras online, elaboración
propia.
18
Millennials: Se llama millennial a cada miembro de la Generación del Milenio o Generación Y, un grupo
que integran las personas nacidas entre el comienzo de la década de 1980 y el inicio de la década de 2000.
Los millennials, de acuerdo con los sociólogos, comparten determinadas características más allá de las
diferencias individuales y culturales.
111
H2: EL E-COMMERCE DE MODA TEXTIL ES LA CATEGORÍA MÁS
VENDIDA
Electrodomésticos 65 (17%)
Otros 33 (9%)
Al ser la categoría más consumida por la muestra encuestada, nos indica que las
empresas que deseen entrar en este rubro de e-commerce, pueden encontrar un posible
mercado en el cual se pueden desarrollar. Por lo anteriormente mencionado y los
resultados de la encuesta, la hipótesis 2 planteada es válida para la población peruana.
112
Esto muestra que las personas sí consideran relevante que un e-commerce tenga una
política de devoluciones establecida e influye directamente en su intención de compra.
21%
Sí
No
79%
Esto implica que no solo las personas se sienten más seguros al comprar en una tienda
que tenga una política de devoluciones, sino que el no tenerla puede afectar
directamente en la intención de compra. Por ende, la hipótesis 3 planteada es válida
asumiendo que el 79% de la población indica que una página web tenga una política
de devoluciones influye en que sean más propensos a comprar en ella.
Estas razones son las principales para que una persona decida comprar en una página
específica antes que intentarlo en otras.
113
Facilidad y seguridad en método de pago 274 (71%)
Figura 65. Factores que prioriza el consumidor limeño al realizar compras en línea, elaboración propia.
Por lo que cada vez más personas no compran por solo conocer una marca, sino que
su seguridad ante la compra y formas de poder devolver un producto también son
determinantes por las que hoy en día alguien escoge alguna web en específico.
Un ejemplo de este caso es que un mismo producto se vendan en 2 páginas webs. Una
de ellas tiene una garantía de 3 meses y la otra tiene una garantía de un año con
posibilidad de cambio y devolución en todo ese periodo. Las personas terminan
escogiendo como preferencia de compra la segunda página.
114
32% Sí
No
68%
Figura 66. Distribución de la población encuestada que ha devuelto productos de compras en línea,
elaboración propia.
Por ello, la hipótesis 5 es inválida, ya que más del número promedio de devoluciones
es realizado en la realidad de la muestra encuestada y significa que sí es un problema
que enfrentan los e-commerce en Lima, Perú al demostrar que cada vez más personas
que compran en línea terminan decidiendo devolver un producto o esperan poder tener
la opción de devolverlo.
115
27 (24%) 28 (25%)
21 (19%) 20 (18%)
15 (14%)
Cabe señalar que hay un 33% de los encuestados que indica que el proceso de
devoluciones y su experiencia ha sido sencillo o muy poco complicado, lo que
demuestra que sí se puede obtener una política de devoluciones que satisfaga a los
clientes y poder tener una fidelización hacia la marca. Si bien, la hipótesis 6 es válida
porque el 77% de la población dice que el proceso de devoluciones experimentado ha
tenido ha sido difícil, esto puede variar con el paso de los años si las empresas
comienzan a aplicar mejores prácticas o procesos más sencillos que facilite la
experiencia al cliente.
Dentro de la encuesta, el principal motivo por el que una persona termina realizando
una devolución es porque la talla del producto no era la adecuada (46%). Existen
diversas razones por la que la talla no es la adecuada, así como que las empresas
manejan sus propios lineamientos de tallas o que el comprador escogió mal la talla.
116
Talla del producto no es la adecuada 176 (46%)
117
153 (40%) 148 (38%)
71 (18%)
10 (3%)
3 (1%)
Figura 69. Nivel de influencia de las herramientas Virtual Room en el e-commerce sobre la decisión
de compra, elaboración propia.
118
168 (44%)
134 (34%)
69 (18%)
10 (3%)
4 (1%)
Figura 70. Nivel de influencia de las herramientas Virtual Room en el e-commerce para disminuir las
posibles devoluciones, elaboración propia.
De acuerdo a la población encuestada, el 88% indica que el saber que una empresa de
e-commerce aplica alternativas de logística inversa para la reutilización,
transformación y/o disminución de desperdicios aumenta la intención de compra
frente a comercios que no las apliquen.
70 (30%) 72 (31%)
62 (27%)
16 (7%) 13 (6%)
Esto indica que las empresas que apliquen alternativas innovadoras para reutilizar sus
mermas, desperdicios, generen mejores políticas de devoluciones y se muestren como
una empresa interesada en la innovación y socialmente responsable terminará
generando un aumento en la intención de compra en sus posibles compradores. Por
ello, la hipótesis 10 es válida.
119
2.6.3 ANÁLISIS DEL CASO DE ESTUDIO
La empresa ha proporcionado data histórica del periodo setiembre 2019 a agosto 2020
para un año de análisis respecto a sus ventas generadas en dicho periodo, tipo de prenda,
costos relacionados, cantidad de devoluciones y costos de devoluciones.
Periodo de Cantidad Cantidad Stock Cantidad Ingreso Total Costos de Costos de Margen de
Ventas Producida Vendida Vendido Devuelta por Ventas Producción Devolución Utilidad
Antes de la
1,305 993 312 246 S/85,908.60 S/52,514.50 S/5,990.25 S/27,403.85
pandemia
Durante la
1,040 871 169 243 S/76,139.90 S/49,146.00 S/7,537.13 S/19,456.78
pandemia
120
Indicador de Ventas: Muestra el porcentaje de eficiencia de las ventas de estreno,
respecto al total de la cantidad producida.
𝑪𝒂𝒏𝒕𝒊𝒅𝒂𝒅 𝑽𝒆𝒏𝒅𝒊𝒅𝒂
𝑸𝒗 /𝑸𝒑 =
𝑪𝒂𝒏𝒕𝒊𝒅𝒂𝒅 𝑷𝒓𝒐𝒅𝒖𝒄𝒊𝒅𝒂
𝑪𝒂𝒏𝒕𝒊𝒅𝒂𝒅 𝑫𝒆𝒗𝒖𝒆𝒍𝒕𝒂
𝑸𝒅 /𝑸𝒗 =
𝑪𝒂𝒏𝒕𝒊𝒅𝒂𝒅 𝑽𝒆𝒏𝒅𝒊𝒅𝒂
𝑼𝒕𝒊𝒍𝒊𝒅𝒂𝒅
𝑼/𝑰𝒗 =
𝑰𝒏𝒈𝒓𝒆𝒔𝒐𝒔 𝒑𝒐𝒓 𝑽𝒆𝒏𝒕𝒂𝒔
𝑪𝒐𝒔𝒕𝒐𝒔 𝒅𝒆 𝑫𝒆𝒗𝒐𝒍𝒖𝒄𝒊𝒐𝒏𝒆𝒔
𝑪𝒅 /𝑰𝒗 =
𝑰𝒏𝒈𝒓𝒆𝒔𝒐𝒔 𝒑𝒐𝒓 𝑽𝒆𝒏𝒕𝒂𝒔
Adicional, base a esta información bibliográfica, se elaboraron dos hipótesis que serán
validadas con la información proporciona por la empresa para validar de acuerdo a la
información presentada por la empresa
121
H11: MENOS DEL 25% DE LOS PRODUCTOS VENDIDOS EN LÍNEA POR
LA EMPRESA HA SIDO DEVUELTOS
El análisis de las ventas realizadas por la empresa del caso de estudio, indica que,
durante un año, muestra que el 26.23% del total de las ventas terminó siendo devuelto.
La revisión bibliográfica indica que al tratarse de comercios de prenda de vestir se
devuelve, en promedio el 25% del total de las ventas, por lo que la hipótesis 11
planteada es inválida y representa un problema para la empresa.
Nota: porcentaje de devoluciones frente a la cantidad por producto vendida, fuente elaboración propia.
122
Adicionalmente, dentro del top 5 de productos con mayores costos de devolución,
también coincide la polera y jogger tie dye del mes de junio del 2020 como uno de los
productos más costosos del proceso de devoluciones.
Nota: porcentaje de devoluciones frente a la cantidad por producto vendida, fuente elaboración propia.
El proceso de producción está fuera del alcance de este proyecto, por lo que no se
ahondará en las razones por las que esta polera y jogger tiene altos costos de
devolución y se encuentra dentro del top de productos más vendidos.
Nota: Porcentaje de impacto del costo de las devoluciones frente a los ingresos, fuente elaboración
propia.
123
Adicional, se ha evaluado la prenda que genera mayor impacto sobre los ingresos
totales por prenda y se ve que el jogger y polera tie dye del mes de junio del 2020
fueron las prendas con mayor impacto de devoluciones frente a sus ingresos.
Tabla 21. Impacto de las devoluciones frente al total de ingresos por prendas
Nota: Porcentaje de impacto del costo de las devoluciones frente a los ingresos, fuente elaboración
propia.
Al ser los costos de devoluciones mayores al promedio, se analiza los componentes que
influyen en el costo de devoluciones en la empresa de estudio:
124
La fórmula usada por la empresa es la siguiente:
Donde:
𝑪𝑹 = 𝟎. 𝟑 × 𝑪𝑷
𝑪𝑻𝒓𝒂𝒔 = 𝟎. 𝟐𝟓 × 𝑪𝑬
Al estar los costos de producción fuera del alcance de este proyecto, solo se abordará los
costos de traslados que son tercerizados y que su cantidad impacta directamente a los
costos de devolución. Finalmente, el resumen del levantamiento de información arrojó
los siguientes resultados:
Nota: Resumen del análisis del levantamiento de información, fuente elaboración propia.
125
DIAGNÓSTICO
Nota: Puntajes basado en la revisión bibliográfica y el análisis del caso de estudio, elaboración propia.
126
De acuerdo a las causas explicadas en la tabla anterior, se obtuvo que la principal causa
de las devoluciones se debe a que la talla del producto no es la adecuada (38%); en
segundo lugar, se obtuvo que el producto adquirido no es el solicitado (29%); en tercer
lugar, la calidad del producto no es la esperada (24%) y, por último, la demora en el
despacho del producto (9%). De esta manera, en el diagrama de Ishikawa se muestra las
causas raíces que generan las devoluciones en el e-commerce de moda textil.
Debido al alcance del proyecto, la investigación solo se enfocará en los procesos de ventas
y logística. Por tal motivo, el proceso de producción, el cual se encuentra tercerizado, no
formará parte del diagnóstico para desarrollar la propuesta de solución. Por ello, las
causas raíz asociadas a la calidad del producto no serán tomadas en cuenta en el estudio.
Nota: Causas raíz obtenidas en el análisis del árbol de problemas, elaboración propia.
127
En el análisis del árbol de problemas, los principales efectos del problema central radican
en el reprocesamiento de pedidos devueltos, el incremento de los costos logísticos y el
reembolso de dinero por pedidos devueltos que no fueron intercambiados. En
consecuencia, los efectos del problema repercuten en las utilidades de la empresa, debido
al impacto del costo de las devoluciones.
No obstante, si bien se indicó que las causas raíz asociadas al proceso productivo no
forman parte del alcance del proyecto de estudio, la falta de información en la página web
asociada a la calidad del producto se encuentra relacionada con la información
proporcionada en los catálogos que forman parte del proceso de ventas. Por tal motivo,
en el análisis de la causa raíz se considerará esta causa, puesto que puede ser controlada
mediante la información proporcionada en el proceso de ventas.
128
CAUSA RAÍZ
Para determinar el puntaje que se asignará a las causas raíz encontradas, las analizaremos
desde la perspectiva de los procesos que engloban las operaciones del caso de estudio. De
donde, se tiene lo siguiente:
Figura 76. Causas raíz involucradas en los procesos del caso de estudio, elaboración propia.
Para realizar la puntuación de las causas raíz, se tomará como criterio el impacto
económico que generan en las posibles devoluciones. De esta manera, cada causa raíz
tendrá una puntuación posible de 1 a 10 puntos, la cual será multiplicada por el peso
porcentual de cada causa del problema. Así mismo, para el criterio de puntuación se
tomará en cuenta si la causa es aplicable directamente sobre la empresa (proceso de ventas
y logística de almacén) del caso de estudio o sobre un proceso tercerizado (logística de
transporte).
129
Tabla 27. Matriz de prioridad de las causas raíz del caso de estudio
Nota: Puntajes basados del 1 al 10 en base a la influencia de la causa raíz sobre el problema de estudio, su
impacto económico y el nivel de control sobre el proceso afectado, fuente elaboración propia.
Adicionalmente, para determinar las principales causas raíz que serán solucionadas, se
realizó un diagrama de Pareto con la frecuencia y el acumulado de los datos obtenidos en
la matriz de prioridad.
130
Por último, de la matriz de frecuencias y acumulado de las causas raíz, se concluye que
las cinco primeras causas (CR1, CR2, CR3, CR4 y CR5) corresponden al 80% de la
priorización asignada mediante el criterio de puntuación. De esta manera, solucionando
las cinco primeras causas mencionadas se reducirá el porcentaje de devoluciones de
prendas de vestir en el e-commerce de moda textil.
98% 100%
93%
87%
80%
70%
55%
40%
25%
Frecuencia Acumulado
Figura 77. Diagrama de Pareto de las causas raíz del caso de estudio, elaboración propia.
Por lo tanto, las cinco causas raíz elegidas ocurren en los tres procesos mencionados
anteriormente, por lo que las herramientas de la propuesta de solución estarán enfocadas
en aplicar mejoras en estos procesos.
Para la propuesta de solución que afectan a las cinco principales causas raíz del problema
del alto porcentaje de devoluciones, se consulta al Estado del Arte y Marco Teórico
referente a las soluciones desarrolladas por otros autores y las herramientas que controlan
el desempeño de los procesos. Por tal motivo, se ha diseñado un modelo de mejora
aplicando las siguientes herramientas: Virtual Try On, Logística Inversa, Value Stream
Mapping y Diagrama SIPOC.
131
Estas herramientas serán aplicadas a las causas raíz y visualizaremos la relación entre las
herramientas y su impacto en las causas raíz que solucionan. Por ello, es importante
determinar su integración para que pueda ser replicado en otros e-commerce del sector.
A continuación, se detallan los componentes del esquema de relación entre las
herramientas de solución y las causas raíz, donde:
Código Código
Descripción Descripción
Causa Raíz Herramienta
Falta de información en la página web
CR1 H1 Virtual Try On
(tallas)
Falta de información en la página web
CR2 H2 Logística Inversa
(calidad)
Value Stream
CR3 Error por parte del transportista H3
Mapping
El producto no cumple con las
CR4 H4 Diagrama SIPOC
expectativas
CR5 Error en el despacho de la mercadería H5 Poka Yoke
Nota: Componentes del esquema de relación entre las herramientas de solución y las causas raíz del
problema de estudio, elaboración propia.
Figura 78. Aplicación de las herramientas de solución a las causas raíz, elaboración propia.
132
Por último, en base al diagrama de relaciones, se explicará cómo cada herramienta
busca solucionar las causas raíz descritas.
Códigos
Herramienta Aporte de la Herramienta de Solución
Causas raíz
Nota: Resumen bibliográfico de las propuestas de solución aplicados del proyecto de investigación y su
aporte frente a las causas raíz del caso de estudio, elaboración propia.
133
CAPÍTULO III
DISEÑO DE LA PROPUESTA
La herramienta SIPOC permite dar el marco conceptual para poder categorizar los
suppliers (aportantes a los procesos), los inputs (información relevante de entrada)
para los procesos, los process (procesos) que afectan directamente a las
devoluciones, los outputs (resultados de salida) que se obtienen luego de la
transformación de los procesos y el costumer (usuario final) que se busca obtener.
El fin es poder identificar los inputs que entrarán a los procesos y que serán
afectados durante los mismos para obtener los outputs deseados, dependiendo de
la priorización que les brinden a los objetivos de mejora (Mo-Ching Yeung, 2009).
El Value Stream Mapping (VSM) permite poder desagregar los procesos para
poder rediseñarlos y luego implementarlos con las mejoras propuestas. Este será
aplicado dentro de los procesos previamente seleccionados en el SIPOC y
generará la transformación con la que se obtendrán los outputs esperados (Albert
Mayan et al., 2017).
134
La logística inversa permite poder diseñar, planificar, implantar y controlar de
forma eficiente y con un costeo óptimo el flujo de las prendas desde los clientes
hasta el retorno al almacén en el momento de realizarse una devolución (Andel,
1997).
Figura 79. Modelo para reducir el porcentaje de devoluciones en el e-commerce textil de moda, elaboración
propia.
Cada factor afectará directamente a los procesos principales detectados que son el proceso
de ventas y los procesos logísticos de almacén y traslados.
135
Dentro de los procesos, se aplica el Value Stream Mapping donde se permitirá rediseñar
cada uno de ellos para su posterior implementación. Este rediseño se aplicará en:
136
En el rediseño del proceso de traslado se plantea implementar la logística inversa,
donde la planificación intervendrá en la anticipación de que toda prenda puede ser
devuelta y buscar la reducción de costos que esto implica en el doble despacho
del producto (Bertram & Chi, 2018). Durante el proceso de ventas se
implementará la opción de selección de prendas de “talla indecisa - multitalla”
que permitirá brindar hasta dos tallas adicionales por si una persona tiene dudas
de la talla que está solicitado. Esto generará solo un traslado de ida y uno de
regreso al almacén, lo que disminuye un gran número de traslados por objeto de
las devoluciones. Adicional, el control de rutas permitirá planificar la ruta de
despacho de un producto lo que disminuirá los costos de traslados al tener diversos
puntos de despacho no planificados con anterioridad.
Los outputs del SIPOC que se obtendrán de este proceso son mayor satisfacción del
cliente, reducción de costos logísticos, ahorro en devoluciones, y el Servicio Post Venta.
Así mismo, dentro del proceso del Servicio Post Venta estará incluido un Community
Manager que brinda atención ante consultas o dudas que se tenga.
137
Todo lo anteriormente planteado dará como objetivo brindar de costumer la satisfacción
del cliente, que deberá verse reflejada en la fidelización e identificación con la marca para
aumentar la recompra futura.
Mediante este modelo, se busca que pueda replicarse en cualquier e-commerce de moda
textil para reducir costos asociados a las devoluciones y disminuir la contaminación
generada por las prendas devueltas y no reutilizadas. El ahorro en costos de devoluciones
le permitirá a la empresa en poder generar donaciones de prendas, dando soporte social a
la comunidad.
Herramienta
Proceso Aplicación de mejora
de Aplicación
Mayor visualización de la información de las
VTO o alternativa
Ventas prendas o diversas tallas de productos
Opción multitalla VSM
Ventas y
Banco de fotos de clientes de prendas compradas VTO o alternativa
Servicio Post venta
Nota: Resumen de las propuestas de mejora realizadas luego de la aplicación del modelo de gestión,
elaboración propia.
138
Además, se plantean una serie de hipótesis para poder validar estos objetivos en la sección
“4.3.1 Modelo De Mejora Propuesto” del presente documento.
GUIA DE IMPLEMENTACION
Como guía de implementación de este modelo, se deberá aplicar los siguientes pasos a
fin de que pueda dar los resultados deseados.
II. Segundo, se debe identificar los procesos que generan estos problemas en la
empresa, ya sea el proceso de ventas, proceso logístico de almacenes o proceso de
traslados.
III. Tercero, se debe realizar el SIPOC donde se deberá identificar el supplier, inputs y
process en base a los procesos que se han definido previamente. Se debe tener un
nivel de detalle necesario que permita poder identificar cada stakeholder del e-
commerce donde se aplicará el modelo.
IV. Cuarto, de los procesos detallados en el SIPOC, se deberá aplicar VSM para el
rediseño del proceso. Este rediseño permitirá detectar el tipo de mejora que se debe
aplicar de acuerdo al tipo de proceso.
VI. Sexto, se deberá definir las mejoras a aplicar dentro del proceso logístico,
dependiendo de los procesos donde se detecten mayor porcentaje de incidencias
para las devoluciones.
139
VII. Séptimo, se deberá aplicar logística inversa a los procesos logísticos detallados
previamente. El objetivo es poder planificar con antelación la ruta total que puede
realizar una prenda con la posibilidad de ser devuelta.
VIII. Octavo, se deberá identificar los outputs esperados para las mejoras propuestas en
los procesos. Estos outputs deberán ser medibles para poder determinar el nivel del
alcance que se tiene sobre el costumer.
Cabe indicar que este modelo es una guía y debe ser modificado a la necesidad de cada
negocio. Se brindan alternativas diferentes entendiendo que cada e-commerce de moda
textil tiene una realidad distinta.
El modelo de solución sugiere mejoras en los procesos de ventas y logística, así como el
diseño del proceso del Servicio Post Venta y los subprocesos para el registro de usuarios
y la gestión de devoluciones. Por tal motivo, de acuerdo a lo explicado anteriormente, se
detallará a continuación los rediseños en los procesos mencionados.
140
Tabla 32. SIPOC Proceso de Ventas Inicial
El rediseño del proceso de ventas está definido principalmente por la aplicación de las
herramientas VTO y VSM, puesto que se busca reducir aquellas actividades que no
generan valor al cliente con la finalidad de reducir el porcentaje de las devoluciones y su
impacto económico. De esta manera, el proceso de ventas se inicia cuando los clientes
ingresan a la página web de la empresa. En este punto, se añade el subproceso de registro
de usuarios en la página web, donde los clientes registran sus datos personales, tallas y
medidas, con la finalidad de adquirir prendas de vestir que se ajusten a sus necesidades.
Una vez registrados, los clientes ingresan a la plataforma con el usuario y contraseña
proporcionados por la plataforma, acto seguido ingresan al menú principal y se dirigen a
la opción de catálogo online, en el cual tendrán como preferencias de visualización
aquellas prendas de vestir que tengan disponibles las tallas y medidas registradas por cada
cliente.
Al finalizar con la selección de los productos, en caso de no tener stock, el cliente puede
optar por elegir una prenda de vestir distinta o dar por finalizada su visita en la plata forma
web. En consecuencia, al elegir las prendes deseadas, se procede a registrar el pedido en
la plataforma con el pago correspondiente.
141
Figura 80. Detalle del flujograma del proceso de Ventas - Parte 1, elaboración propia.
Figura 81. Detalle del flujograma del proceso de Ventas - Parte 2, elaboración propia.
Finalmente, el cliente valida que los datos procesados en la compra sean correctos y se
programa el despacho de los productos adquiridos de acuerdo a la disponibilidad del
cliente.
142
Figura 82. Detalle del flujograma del Proceso de Ventas - Parte 3, elaboración propia.
Asimismo, una vez procesados los datos personales, el cliente procede a seleccionar el
género (Femenino o Masculino), ya que la propuesta busca la inclusión de género para
aquellas personas de la comunidad LGTBIQ+19 que tengan problemas al adquirir prendas
de vestir de su gusto y/o preferencia.
19
Comunidad LGTBIQ+: El término LGBTIQ+ está formado por las siglas de las palabras lesbiana, gay,
bisexual, transgénero, transexual, travesti, intersexual y queer. Al final se suele añadir el símbolo + para
incluir todos los colectivos que no están representados en las siglas anteriores.
(https://www.lavanguardia.com/vida/junior-report/20190627/463124839887/lgbtiq-definiciones.html)
143
Figura 83. Detalle del flujograma del subproceso de Registro de Usuarios - Parte 1, elaboración propia.
Una vez registrados los datos de cada cliente, se procede a seleccionar las tallas de las
prendas de vestir, de acuerdo a la tabla con medidas en centímetros (largo, ancho y alto).
En caso de que el usuario no se encuentre seguro, puede optar por elegir, como máximo,
dos tallas de back up, de preferencia una menor y otra mayor, las cuales serán registradas
como parte de cada pedido, para evitar posibles devoluciones por error en la talla. Acto
seguido, se procede a grabar los datos ingresados en las etapas previas.
Figura 84. Detalle del flujograma del subproceso de Registro de Usuarios - Parte 2, elaboración propia.
144
Adicionalmente, se genera el usuario para ingresar a la página web en base al nombre y
apellido de cada cliente mediante una concatenación de datos y se registra una clave única
por cada cliente, la que luego puede ser reestablecida a criterio de cada usuario. Todos
los datos registrados y procesados son almacenados en la base de datos de clientes de la
plataforma.
Figura 85. Detalle del flujograma del subproceso de Registro de Usuarios - Parte 3, elaboración propia.
Así mismo, como parte del subproceso, se genera una guía de uso para el registro de
compras en la plataforma web, la cual se completa en automático en base a los datos
registrados por cada usuario. En este guía se especifican los términos y condiciones del
servicio, así como la cantidad de días hábiles para el despacho de productos desde la fecha
de programación hasta la fecha pactada de entrega, la cantidad máxima de días permitidos
para registrar una solicitud de cambio y/o reembolso por errores de entrega de producto
y/o errores de fábrica.
No obstante, para los usuarios que hayan registrado en sus datos “tallas de back up”, se
enviarán las tallas referidas, con la finalidad de agilizar el proceso de ventas y reducir la
cantidad de viajes (ahorro en los traslados y costos de devolución).
145
Figura 86. Detalle del flujograma del subproceso de Registro de Usuarios - Parte 4, elaboración propia.
Figura 87. Detalle del flujograma del subproceso de Registro de Usuarios - Parte 5, elaboración propia.
146
3.3.2 PROCESO LOGÍSTICO
147
Tabla 37. SIPOC Proceso de Logística Traslado Final
Primero, que el cliente se encuentre seguro de las tallas que haya seleccionado
dentro del proceso de entrega y se procede a generar la orden de despacho
Segundo, que el cliente tenga dudas sobre la talla que ha seleccionado y, en caso
haya seleccionado las tallas de back up correspondientes, se asignan los nuevos
productos y se procede a generar la orden de despacho.
148
Figura 88. Detalle del flujograma del proceso Logístico - Parte 1, elaboración propia.
Figura 89. Detalle del flujograma del proceso Logístico - Parte 2, elaboración propia.
Una vez finalizado el despacho de productos, el cliente procede a revisar el empaque del
producto para validar si el producto es solicitado, en caso de que el producto sea el
correspondiente, se procede a validar si las tallas son las adecuadas, en caso de que la
talla esté conforme, el cliente procede a revisar si existe alguna falla de fábrica y/o
remachado en los detalles del producto, en caso de que no se haya presentado alguna
149
inconformidad en el producto, el cliente procede a validar la compra mediante un correo
de confirmación y se inicia el proceso del Servicio Post Venta.
Figura 90. Detalle del flujograma del proceso Logístico - Parte 3, elaboración propia.
Figura 91. Detalle del flujograma del proceso Logístico - Parte 4, elaboración propia.
150
Por último, la empresa de e-commerce recibe el correo y registra la información para
llevar un control interno de los productos vendidos, enviados y recibidos.
151
Tabla 39. SIPOC Proceso de Devoluciones Final
Por tal motivo, este protocolo actualizado se documenta y envía por correo electrónico a
la empresa encargada de ejecutar las devoluciones para que sea repartido con sus
colaboradores.
Figura 93. Detalle del flujograma del subproceso de Gestión de Devoluciones - Parte 1, elaboración propia.
152
Dentro del subproceso de gestión de devoluciones, se presentan dos opciones:
153
Figura 94. Detalle del flujograma del subproceso de Gestión de Devoluciones - Parte 2, elaboración propia.
154
Figura 95. Detalle del flujograma del subproceso de Gestión de Devoluciones - Parte 3, elaboración propia.
Figura 96. Detalle del flujograma del subproceso de Gestión de Devoluciones - Parte 4, elaboración propia.
155
Figura 97. Detalle del flujograma del subproceso de Gestión de Devoluciones - Parte 5, elaboración propia.
Nota: Principales actividades en el proceso de Servicio Post Venta en la situación Final, mejoras resaltadas
en negrita.
El diseño del proceso del Servicio Post Venta se encuentra definido por la aplicación de
las herramientas VTO y VSM. El proceso inicia con la empresa de e-commcerce al
registrar el estado de las compras realizadas en la plataforma web. En este punto, se
presentan dos opciones:
156
Primero, las ventas registradas como “conformes” son procesadas y validadas en
el sistema y se procede a contactar al cliente, de acuerdo con el procedimiento
definido en el subproceso de Registro de Usuarios.
Figura 98. Detalle del flujograma del proceso del Servicio Post Venta- Parte 1, elaboración propia.
En este punto, en el proceso del Servicio Post Venta, se consideran las acciones a tomar
en cuenta para las órdenes de compras “no conformes” y que forman parte del subproceso
de Gestión de Devoluciones. Si la reposición de productos no ha sido conforme, el cliente
revisa el instructivo de compra y solicita el reembolso de dinero mediante el registro de
la solicitud de reembolso. Acto seguido, la empresa ejecuta el desembolso y notifica
mediante correo electrónico y/o al número telefónico proporcionado en el registro de
datos personales; en consecuencia, el cliente valida que el pago haya sido procesado y
confirma el desembolso a la empresa de e-commerce, la cual luego la cual registra el
desembolso en el control de desembolsos ejecutados.
157
Figura 99. Detalle del flujograma del proceso del Servicio Post Venta- Parte 2, elaboración propia.
En este punto, el cliente con estado “conforme”, recibe la notificación y se presentan dos
opciones:
158
Figura 100. Detalle del flujograma del proceso del Servicio Post Venta- Parte 3, elaboración propia.
Figura 101. Detalle del flujograma del proceso del Servicio Post Venta- Parte 4, elaboración propia.
El flujograma del servicio post venta incluido en los procesos de ventas y logístico se
detalla en el Anexo 6 del presente estudio.
159
DESARROLLO DE LOS PROCEDIMIENTOS
Los procedimientos son los pasos puntuales para la ejecución de tareas de un determinado
proceso. Su correcta documentación permite poder controlar las actividades que deben
realizarse y los objetivos que deben conseguir para completar una tarea. De esta manera,
el desarrollo de los procedimientos debe de estar documentado de manera formal con el
fin de que se pueda estandarizar los procesos y se puedan aplicar mejoras futuras al
mismo. Por tal motivo, a continuación, se detallarán los procedimientos de los procesos
mencionados anteriormente.
1. OBJETIVO:
El presente de proceso de Ventas tiene como objetivo generar la venta de las prendas de vestir
mediante una plataforma web de forma segura y práctica para los usuarios y/o clientes. Así mismo, se
busca la fidelización de los clientes mediante la aplicación de herramientas VTO.
2. ALCANCE:
El alcance del proceso de Ventas se determina desde el ingreso de los usuarios y/o clientes web, hasta
la adquisición de productos y la programación de la fecha de despacho (entrega).
3. DOCUMENTOS A CONSULTAR:
Base de datos de clientes registrados en la Plataforma Web
Registro de pedidos en la Plataforma Web
Catálogo online de prendas de vestir
Base de datos de productos en stock (Almacén)
Base de datos por Ingresos por Ventas (Validaciones de Pago)
4. DEFINICIONES:
Plataforma Web: Herramienta virtual en la que los usuarios y/o clientes realizan los pedidos de las
prendas que desean adquirir.
Catálogo Online: Repositorio de imágenes que contiene las prendas de vestir que serán
seleccionadas por los usuarios y/o clientes durante el proceso de venta.
5. RESPONSABILIDADES:
Community Manager: Colaborador encargado de atender las consultas y dudas realizadas a
través de la Plataforma Web.
Developer de la Plataforma Web: Colaborador encargado de realizar el mantenimiento mensual
de la página, actualizaciones y upgrades al sistema de acuerdo al fee mensual que se le paga.
160
Título: Procedimiento de Ventas Código: PM-VTA Versión 1.0
6. PROCEDIMIENTO:
Mantener el catálogo de prendes de vestir debidamente actualizado en stock y temporada.
Consolidar información correspondiente a los pedidos registrados en la Plataforma Web.
Programar los despachos de entrega de productos adquiridos.
7. REGISTROS:
Registro de productos vendidos
Cronograma de despachos de entrega programados
1. OBJETIVO:
El presente subproceso de Registro de Usuarios tiene como objetivo recopilar los datos personales e
información relevante respecto a las tallas y medidas de cada usuario registrado en la Plataforma Web,
para intentar reducir las devoluciones por errores de talla.
2. ALCANCE:
El alcance del subproceso de Registro de Usuarios se determina desde la creación del usuario dentro de
la Plataforma Web hasta la confirmación de los datos registrados.
3. DOCUMENTOS A CONSULTAR:
Fichas técnicas con las tallas y medidas de las prendas de vestir de la Plataforma Web.
Base de datos de Usuarios registrados.
Ficha de Térmicos y Condiciones Generarles para el uso de la Plataforma Web.
Correos de confirmación con el acceso al Usuario y Contraseña.
4. DEFINICIONES:
Tallas Back Up: Tallas de apoyo en caso el usuario y/o cliente no se encuentre seguro de las
medidas del producto adquirido.
Manual de Uso: Términos y condiciones asociados al uso de la Plataforma Web, al despacho de
delivery y la gestión de devoluciones.
161
Título: Procedimiento de Registro de Usuarios Código: PM-REG Versión 1.0
5. RESPONSABILIDADES:
Administrador de la Página Web: Colaboradores encargados de gestionar los datos personales e
información sensible registrada por cada usuario (protección de datos personales).
Cliente: Persona natural que proporciona información sensible (datos personales), la cual será
utilizada para el proceso de ventas.
6. PROCEDIMIENTO:
Recibir y procesar datos personales de los clientes registrados en la Plataforma Web.
Categorizar al usuario de acuerdo a la talla seleccionada.
Elaborar y compartir el manual de uso (términos y condiciones) con los usuarios registrados.
Generar el usuario y contraseña para cada usuario registrado en la Plataforma Web.
7. REGISTROS:
Base de datos de los usuarios registrados en la página web.
Base de datos de las tallas seleccionadas por cada usuario.
Base de datos de las tallas back up registradas por cada usuario.
Registro de correos de confirmación sobre el manual de uso (términos y condiciones)
Elaborado por: Fecha de Elaboración:
C. ANDÍA & D. MORÁN 28/10/2020
Aprobado por: Fecha de Aprobación:
V°B° N. FLORES 30/10/2020
1. OBJETIVO:
El presente proceso de Logística tiene como objetivo optimizar las actividades en el almacén y traslados,
con la finalidad de reducir los errores de despacho y entrega mediante la aplicación de las herramientas
VSM y logística inversa. Así mismo, promueve el diseño de rutas óptimas para reducir costos logísticos
asociados a las entregas.
2. ALCANCE:
El alcance del proceso de Logística se determina desde que se generan las órdenes de despacho y sus
correspondientes empaquetados, hasta el traslado y la recepción por parte del cliente. Así mismo, se
realizan controles en las etapas de despacho y entrega.
162
Título: Procedimiento de Registro de Usuarios Código: PM-LOG Versión 1.0
3. DOCUMENTOS A CONSULTAR:
Protocolo de repartos de despacho de almacén y entrega de productos.
Base de datos de pedidos (Productos y tallas asociadas por cada cliente).
Registro de salida y despacho de productos.
Registro de productos recibidos para entrega.
Registro de repartos de productos por georreferenciación local (Diseño de rutas óptimas).
Registro de productos entregados (Productos conformes).
Registro de confirmación de productos entregados (Compradas validadas por el Cliente).
Registro de productos retornados al almacén (Tallas de back up no utilizadas).
Registro de cumplimiento de los envíos programados.
Registro de los productos enviados y recibidos.
4. DEFINICIONES:
Ruta óptima: Viajes programados de acuerdo a georreferenciación local.
Cantidad mínima de viajes: Cantidad de viajes que no generan sobrecostos logísticos durante el
traslado de productos
5. RESPONSABILIDADES:
Encargado de Almacén: Colaborador de la empresa responsable del correcto empaquetado y
despacho de los productos hacia el contratista logístico
Contratista Logístico: Colaborador tercerizado responsable del correcto traslado de los productos
desde el almacén hasta el usuario final (Clientes u otros)
Cliente: Persona natural responsable de verificar el producto, las tallas y estado de la prenda de
vestir un lapso mínimo de tiempo; caso contario, no procederá la solicitud de devolución.
6. PROCEDIMIENTO:
Recibir y procesar órdenes de despacho para la salida de productos del almacén.
Empaquetado y despacho de los productos de almacén hacia el contratista logístico.
Recepción y traslado de los productos desde el almacén hacia el usuario final.
Revisión minuciosa del producto recibido.
Documentación de los productos entregados y/o devueltos.
Notificación del estado de cumplimiento de los envíos programados.
Procesamiento de información de los productos entregados y retornados.
7. REGISTROS:
Registro de las órdenes de despacho de productos adquiridos.
Registro de empaquetado y despacho de salida de productos.
Registro de recepción de productos para traslado.
Registro de rutas óptimas por georreferenciación local.
Registro de productos enviados y recibidos.
Registro de productos enviados y conformes (Compradas validadas).
Registro de productos retornados a almacén por el operador logístico (Tallas de Back Up).
Registro del reporte de cumplimiento de traslados programados.
Registro de productos enviados y retornados al almacén de la Empresa.
163
3.4.4 PROCEDIMIENTO DE GESTIÓN DE DEVOLUCIONES
1. OBJETIVO:
El presente subproceso de Gestión de Devoluciones tiene como objetivo aumentar la satisfacción del
cliente y brindarle alternativas óptimas que no generen mayores sobrecostos a la empresa. Así mismo,
las prendas devueltas deberán clasificadas para su posterior tratamiento (reutilización, donación y/o
ventas mediante ferias vintage).
2. ALCANCE:
El alcance del subproceso de Gestión de Devoluciones se determina desde el registro de la solicitud de
devolución, el análisis de la solicitud registrada y las acciones pertinentes. Así mismo, se contempla el
tratamiento y clasificación de las prendas de vueltas.
3. DOCUMENTOS A CONSULTAR:
Protocolo de gestión de devoluciones.
Base de datos de solicitudes de devolución.
Registro de salida y despacho de nuevos productos (Reposiciones).
Registro de productos recibidos para entrega (Reposiciones).
Registro de productos entregados (Productos conformes)
Registro de confirmación de productos entregados (Compradas validadas por el Cliente)
Registro de productos recogidos por devoluciones.
4. DEFINICIONES:
Solicitud de Devolución: Registro mediante un formulario web en el que el cliente insatisfecho
detalla los motivos por los cuales desea reprogramar la reposición de un producto adquirido.
Solicitud de Reembolso: Registro mediante un formulario web en la que el cliente insatisfecho
detalla los motivos por los cuales desea la reprogramación del reembolso y confirma la entrega
del producto no deseado.
5. RESPONSABILIDADES:
Responsables de las Solicitudes de Devolución: Colaborador de la empresa que analiza y
gestiona las solicitudes de devolución en base a los criterios proporcionados.
Encargado de Almacén: Colaborador de la empresa responsable del correcto empaquetado y
despacho de los productos hacia el contratista logístico para la reposición de prendas de vestir.
Contratista Logístico: Colaborador tercerizado responsable del correcto traslado de los productos
desde el almacén hasta el usuario final (Clientes u otros) y/o taller.
Cliente: Persona natural responsable de verificar el producto, las tallas y estado de la prenda de
vestir; caso contario, procederá a registrar la solicitud de reembolso.
6. PROCEDIMIENTO:
Analizar, procesar y gestionar las solicitudes de devolución registradas.
Recibir y procesar órdenes de devoluciones para la salida y/o retorno de productos del almacén.
Empaquetado y despacho de los productos de almacén hacia el contratista logístico.
Recepción y traslado de los productos desde el almacén hacia el usuario final.
Revisión minuciosa del producto recibido.
Recepción y traslado de los productos desde el usuario final hacia el almacén o taller.
Documentación de los productos entregados y/o devueltos.
164
Título: Procedimiento de Registro de Usuarios Código: PM-DEV Versión 1.0
7. REGISTROS:
Registro de las órdenes de devolución de productos.
Registro de empaquetado y despacho de salida de productos.
Registro de recepción de productos para traslado e intercambio.
Registro de productos enviados y recibidos.
Registro de productos enviados y conformes (Compradas validadas).
Registro de productos enviados y no conformes (Solicitudes de reembolso).
Registro de productos retornados a almacén por el operador logístico (Reposición de prendas).
Registro del reporte de cumplimiento de traslados programados.
Registro de productos enviados y retornados al almacén de la Empresa.
1. OBJETIVO:
El presente proceso de Servicio Post Venta tiene como objetivo aumentar la satisfacción del cliente
mediante una atención personalizada tanto para las ventas registradas como conformes e inconformes.
Así mismo, se aplica conceptos de las herramientas VTO para el soporte del repositorio fotográfico de
prendas adquiridas y para la resolución de consultas con dudas durante el proceso de ventas.
2. ALCANCE:
El alcance del proceso de Gestión de Devoluciones se determina desde el registro de las ventas
clasificadas como “conformes” e “inconformes”, así como el contacto del Community Manager con los
clientes satisfechos para la recopilación de material fotográfico (repositorio de imágenes) y el
seguimiento de las solicitudes de reembolso registradas por los clientes insatisfechos que no pudieron
realizar una reposición exitosa de las prendas adquiridas.
3. DOCUMENTOS A CONSULTAR:
Registro general del estado de compras.
Registro de compras “conformes” efectuadas.
Base de datos de clientes registrados en la Plataforma Web.
Registro fotográfico de prendas de vestir puestas en los clientes.
Registro de formularios con los motivos por el cual el cliente no desea compartir fotos.
Base de datos re registros fotográficos (Repositorio de imágenes).
Base de datos de principales motivos por los que el cliente no comparte registros fotográficos.
Registro de solicitudes de reembolso.
Registro de reembolsos ejecutados.
Base de datos de reembolsos ejecutados (Control de retorno de dinero).
165
Título: Procedimiento de Registro de Usuarios Código: PM-SPV Versión 1.0
4. DEFINICIONES:
Repositorio de Imágenes: Registros fotográficos compartidos por los clientes en los cuales
muestran cómo les quedan las prendas de vestir adquiridas para que retroalimente el catálogo
online de la Plataforma Web.
5. RESPONSABILIDADES:
Community Manager: Colaborador encargado del seguimiento de las ventas “conformes” e
“inconformes”, así como la atención de consultas y dudas durante el proceso.
Cliente Satisfecho: Persona natural que tiene la posibilidad de compartir registros fotográficos
para retroalimentar el repositorio de imágenes que formará parte del catálogo online.
Cliente Insatisfecho: Persona natural encargada de registrar la solicitud de reembolso y verificar
que el monto abonado corresponda al valor de la compra registrada como “inconforme”.
Administrador de la Empresa: Colaborador encargado de ejecutar el reembolso dentro de los
plazos establecidos en los términos y condiciones, así como verificar que el monto corresponda al
valor de la compra registrada como “inconforme”.
6. PROCEDIMIENTO:
Validar y clasificar el estado de las ventas (“Conformes” o “Inconformes”).
Realizar el seguimiento por cada usuario y el estado de la compra.
Cliente Insatisfecho: Registrar solicitudes de reembolso.
Empresa: Ejecutar reembolso y registrar abono al cliente.
Cliente Satisfecho: Recepcionar notificación para compartir fotografías con las prendas.
Empresa: Almacenar registros fotográficos y/o solicitudes de negación por parte del cliente.
Empresa: Retroalimentar el catálogo online con los registros fotográficos recibidos.
7. REGISTROS:
Registro del estado de las ventas (“Conformes” o “Inconformes”).
Registro de solicitudes de reembolso recibidas y ejecutadas.
Repositorio de imágenes con fotografías compartidas.
Registro de solicitudes de rechazo para compartir fotos.
Elaborado por: Fecha de Elaboración:
C. ANDÍA & D. MORÁN 28/10/2020
Aprobado por: Fecha de Aprobación:
V°B° N. FLORES 30/10/2020
IDENTIFICACIÓN DE INDICADORES
166
En el caso de la empresa del caso en estudio, posterior a la mejora implementada en cada
proceso, se determinó los indicadores que permitan medir si las mejoras empleadas
disminuyen las causas raíces detectadas o las llegan a eliminar. Por ello, es relevante
poder definir a detalle estos indicadores y comprobar que puedan ser medibles para que
no genere posibles inconvenientes futuros.
Los dieciséis (16) indicadores detectados en las diez (10) propuestas de mejora
determinan si la aplicación de las mismas contribuye a disminuir o eliminar las causas
raíces del problema detectado. En los siguientes puntos de indicará el proceso en el cual
se aplica cada uno de los indicadores, el objetivo de medición, la fórmula de cálculo y el
nivel de referencia para determinar si la actividad desarrollada es realizada de manera
correcta o no.
Código: TC-DS
FICHA TÉCNICA DE INDICADOR
Versión: 01
1. NOMBRE: Disponibilidad del servicio.
2. OBJETIVO: Mostar la disponibilidad de tiempo de la plataforma web.
3. TIPO DE INDICADOR: Tiempo de ciclo.
4. PROCESO A APLICAR: Proceso de ventas.
5. FÓRMULA DE CÁLCULO:
𝑻𝑫
𝑫𝑺 = × 𝟏𝟎𝟎
𝑻𝑻
Donde:
𝐷𝑆 = Disponibilidad
𝑇𝐷 = Tiempo de disponibilidad
𝑇𝑇 = Tiempo total
Nota: Cálculo en minutos, considerando la sumatoria total de las caídas por los componentes.
6. NIVEL DE REFERENCIA:
Mayor a 85%
Entre 70 a 85 %
Menor a 70%
La frecuencia de indicadores menores a 70% nos indica que no se está gestionando de manera eficiente
la plataforma web en el servicio de ventas y/o atención de usuarios.
7. RESPONSABLE DE GESTIÓN: Ventas y Servicio Post Venta.
8. FUENTE DE INFORMACIÓN: Plataforma web de Ventas.
9. FRECUENCIA DE MEDICIÓN: Mensual.
167
Código: TC-DS
FICHA TÉCNICA DE INDICADOR
Versión: 01
10. FRECUENCIA DE REPORTE: Mensual.
11. RESPONSABLE DEL REPORTE: Encargado del proceso de ventas.
12. OBSERVACIONES: Se deben considerar la cantidad de usuarios que ingresan a la plataforma web
en fechas de descuentos y/o promociones.
Código: TC-CP
FICHA TÉCNICA DE INDICADOR
Versión: 01
1. NOMBRE: Tiempo de carga de la Plataforma.
2. OBJETIVO: Medir el tiempo de carga de la plataforma para entrar al home principal, vistas en
cada etapa del proceso de ventas y sus demás componentes.
3. TIPO DE INDICADOR: Tiempo de ciclo.
4. PROCESO A APLICAR: Proceso de ventas.
5. FÓRMULA DE CÁLCULO:
𝑸𝑻𝑷𝑬
𝑪𝑷 = × 𝟏𝟎𝟎
𝑸𝑻𝑷𝑹
Donde:
𝐶𝑃 = Carga de plataforma
𝑄𝑇𝑃𝐸 = Cantidad total de pruebas exitosas
𝑄𝑇𝑃𝑅 = Cantidad total de pruebas realizadas
6. NIVEL DE REFERENCIA:
Mayor a 90%
Entre 75 a 90 %
Menor a 75%
La frecuencia de indicadores menores a 75% nos indica que no se está gestionando de manera eficiente
la plataforma web en el servicio de ventas y/o atención de usuarios.
7. RESPONSABLE DE GESTIÓN: Ventas y Servicio Post Venta.
8. FUENTE DE INFORMACIÓN: Plataforma web de Ventas.
9. FRECUENCIA DE MEDICIÓN: Mensual.
10. FRECUENCIA DE REPORTE: Mensual.
11. RESPONSABLE DEL REPORTE: Encargado del proceso de ventas.
12. OBSERVACIONES: Se deben considerar la cantidad de usuarios que ingresan a la plataforma web
en fechas de descuentos y/o promociones.
Nota: Especificaciones técnicas del indicador de “Tiempo de Carga de la Plataforma”, elaboración propia.
168
3.5.3 NIVEL DE RESPUESTA EN REDES SOCIALES
Código: TR-NR
FICHA TÉCNICA DE INDICADOR
Versión: 01
1. NOMBRE: Nivel de respuesta en redes sociales.
2. OBJETIVO: Medir la cantidad de iteraciones del Community Manager sobre la plataforma web y
las consultas realizadas por cada cliente durante el proceso de venta y/o servicio post venta.
3. TIPO DE INDICADOR: Tiempo de respuesta.
4. PROCESO A APLICAR: Proceso de ventas / Servicio Post Venta.
5. FÓRMULA DE CÁLCULO:
𝑸𝑻𝑪𝑨
𝑵𝑹 = × 𝟏𝟎𝟎
𝑸𝑻𝑪𝑹
Donde:
𝑁𝑅 = Nivel de respuestas
𝑄𝑇𝐶𝐴 = Cantidad total de consultas atendidas
𝑄𝑇𝐶𝑅 = Cantidad total de consultas recibidas
6. NIVEL DE REFERENCIA:
Mayor a 90%
Entre 75 a 90%
Menor a 75%
La frecuencia de indicadores menores a 75% nos indica que el Community Manager no está gestionando
de manera eficiente las consultas recibidas por parte de los clientes.
7. RESPONSABLE DE GESTIÓN: Ventas y Servicio Post Venta.
8. FUENTE DE INFORMACIÓN: Plataforma web de Ventas.
9. FRECUENCIA DE MEDICIÓN: Mensual.
10. FRECUENCIA DE REPORTE: Mensual.
11. RESPONSABLE DEL REPORTE: Encargado del proceso de ventas.
12. OBSERVACIONES: Se deben considerar como “consultas” todas aquellas que no se encuentren
detalladas en el manual de atención al usuario que será proporcionado a cada cliente.
Nota: Especificaciones técnicas del indicador de “Nivel de Respuesta en Redes Sociales”, elaboración
propia.
Código: TL-TA
FICHA TÉCNICA DE INDICADOR
Versión: 01
1. NOMBRE: Porcentaje de ahorro en los traslados.
169
Código: TL-TA
FICHA TÉCNICA DE INDICADOR
Versión: 01
2. OBJETIVO: Mostar el porcentaje de ahorro en los traslados de la nueva política de repartos
comparado con la cantidad de traslados que se realizarían tradicionalmente (sin optimización).
3. TIPO DE INDICADOR: Traslados.
4. PROCESO A APLICAR: Proceso de Logística (traslados).
5. FÓRMULA DE CÁLCULO:
𝑸𝑻𝑻𝑵𝑷
𝑻𝑨 = 𝟏 −
𝑸𝑻𝑻𝑹𝑻
Donde:
𝑇𝐴 = Tasa de ahorro
𝑄𝑇𝑇𝑁𝑃 = Cantidad total de traslados con la nueva política de repartos
𝑄𝑇𝑇𝑅𝑇 = Cantidad total de traslados teóricos que se realizarían tradicionalmente
6. NIVEL DE REFERENCIA:
Mayor a 75%
Entre 50 a 75%
Menor a 50%
La frecuencia de indicadores menores a 50% nos indica que no se está asignando eficientemente los
repartos por parte del proveedor logístico.
7. RESPONSABLE DE GESTIÓN: Administración.
8. FUENTE DE INFORMACIÓN: Reportes de despachos.
9. FRECUENCIA DE MEDICIÓN: Mensual.
10. FRECUENCIA DE REPORTE: Mensual.
11. RESPONSABLE DEL REPORTE: Administración.
12. OBSERVACIONES: Administración será la responsable de la gestión y del reporte, ya que el
servicio de despacho se encuentra tercerizado y deberá estar controlado.
Código: TL-PEL
FICHA TÉCNICA DE INDICADOR
Versión: 01
1. NOMBRE: Porcentaje de errores de entrega de productos finales.
2. OBJETIVO: Medir el porcentaje de devoluciones por errores de despacho de productos por parte
del operador logístico tercerizado.
3. TIPO DE INDICADOR: Traslados.
4. PROCESO A APLICAR: Proceso de Logística (traslados).
170
Código: TL-PEL
FICHA TÉCNICA DE INDICADOR
Versión: 01
5. FÓRMULA DE CÁLCULO:
𝑸𝑻𝑬𝑳
𝑷𝑬𝑳 = × 𝟏𝟎𝟎
𝑸𝑻𝑷𝑫
Donde:
PEL = Porcentaje de errores de entrega por parte del operador logístico
QTEL = Cantidad total de productos con errores de entrega por parte del operador logístico
QTPD = Cantidad total de productos despachados por parte del operador logístico
6. NIVEL DE REFERENCIA:
Menor a 5%
Entre 5 a 15%
Mayor a 15%
La frecuencia de indicadores mayores a 15% nos indica que el operador logístico está realizando de
manera ineficiente los envíos, por lo cual se debe analizar el protocolo de repartos diseñado.
7. RESPONSABLE DE GESTIÓN: Administración.
8. FUENTE DE INFORMACIÓN: Reportes de despachos.
9. FRECUENCIA DE MEDICIÓN: Mensual.
10. FRECUENCIA DE REPORTE: Mensual.
11. RESPONSABLE DEL REPORTE: Administración.
12. OBSERVACIONES: En caso los errores no sean atribuibles a una mala práctica realizada por el
operario logístico, se debe encontrar la causa raíz para encontrar una posible solución.
Nota: Especificaciones técnicas del indicador de “Porcentaje de Errores de Entrega”, elaboración propia.
Código: TL-TR
FICHA TÉCNICA DE INDICADOR
Versión: 01
1. NOMBRE: Tiempo de retraso en informes.
2. OBJETIVO: Medir el cumplimiento del proveedor logístico respecto a las entregas pactadas.
3. TIPO DE INDICADOR: Traslados.
4. PROCESO A APLICAR: Proceso de Logística (traslados).
5. FÓRMULA DE CÁLCULO:
𝑻𝑹 = 𝑭𝑷𝑬 − 𝑭𝑷𝑷
Donde:
𝑇𝑅 = Tiempo de retraso
𝐹𝑃𝐸 = Fecha pactada de entrega
𝐹𝑃𝑃 = Fecha pactada programada
171
Código: TL-TR
FICHA TÉCNICA DE INDICADOR
Versión: 01
6. NIVEL DE REFERENCIA:
Entre 0 a 2 días
Entre 3 a 5 días
Mayor a 5 días
La frecuencia de indicadores mayores a cinco días nos indica que el contratista logístico no está
cumpliendo con los plazos establecidos en el protocolo de entregas.
7. RESPONSABLE DE GESTIÓN: Administración.
8. FUENTE DE INFORMACIÓN: Reportes de despachos.
9. FRECUENCIA DE MEDICIÓN: Semanal.
10. FRECUENCIA DE REPORTE: Semanal.
11. RESPONSABLE DEL REPORTE: Administración.
12. OBSERVACIONES: En caso una entregue supere la cantidad mínima de días pactados, se deberá
analizar la causa raíz del problema (operador logístico, errores de coordinación, etc.).
Nota: Especificaciones técnicas del indicador de “Tiempo de Retraso de Informes”, elaboración propia.
Código: AM-PED
FICHA TÉCNICA DE INDICADOR
Versión: 01
1. NOMBRE: Porcentaje de errores de despacho de productos finales.
2. OBJETIVO: Medir la cantidad de errores registrados durante el despacho de productos en el
almacén de mercadería.
3. TIPO DE INDICADOR: Almacén.
4. PROCESO A APLICAR: Proceso de Logística (Almacenes).
5. FÓRMULA DE CÁLCULO:
𝑸𝑻𝑬𝑨
𝑷𝑬𝑫 = × 𝟏𝟎𝟎
𝑸𝑻𝑷𝑫
Donde:
𝑃𝐸𝐷 = Porcentaje de errores de despacho
𝑄𝑇𝐸𝐴 = Cantidad total de productos con errores de despacho de almacén
𝑄𝑇𝑃𝐷 = Cantidad total de productos despachados por el operador logístico
172
Código: AM-PED
FICHA TÉCNICA DE INDICADOR
Versión: 01
6. NIVEL DE REFERENCIA:
Entre 0 a 5%
Entre 5 a 10%
Mayor a 10%
La frecuencia de indicadores mayores a 10% nos indica que no hay una correcta manipulación de los
productos en el almacén de productos.
7. RESPONSABLE DE GESTIÓN: Administración.
8. FUENTE DE INFORMACIÓN: Reportes de despachos y de almacenes.
9. FRECUENCIA DE MEDICIÓN: Mensual.
10. FRECUENCIA DE REPORTE: Mensual.
11. RESPONSABLE DEL REPORTE: Administración.
12. OBSERVACIONES: Actualmente, la empresa no cuenta con un sistema de prevención para
reducir la cantidad de errores de despacho y/o empaquetado.
Código: AM-PEE
FICHA TÉCNICA DE INDICADOR
Versión: 01
1. NOMBRE: Porcentaje de errores de empaquetado.
2. OBJETIVO: Medir la cantidad de errores registrados durante el empaquetado de productos.
3. TIPO DE INDICADOR: Almacén.
4. PROCESO A APLICAR: Proceso de Logística (Almacenes).
5. FÓRMULA DE CÁLCULO:
𝑸𝑻𝑷𝑹
𝑷𝑬𝑬 = × 𝟏𝟎𝟎
𝑸𝑻𝑷𝑬
Donde:
𝑃𝐸𝐸 = Porcentaje de errores de empaquetado
𝑄𝑇𝑃𝑅 = Cantidad total de productos reempaquetados
𝑄𝑇𝑃𝐸 = Cantidad total de productos empaquetados
173
Código: AM-PEE
FICHA TÉCNICA DE INDICADOR
Versión: 01
6. NIVEL DE REFERENCIA:
Entre 0 a 5%
Entre 5 a 10%
Mayor a 10%
La frecuencia de indicadores mayores a 10% nos indica que no hay una correcta codificación de los
productos o que el etiquetado de las prendas de vestir no es el adecuado.
7. RESPONSABLE DE GESTIÓN: Administración
8. FUENTE DE INFORMACIÓN: Reportes de despachos y de almacenes
9. FRECUENCIA DE MEDICIÓN: Mensual
10. FRECUENCIA DE REPORTE: Mensual
11. RESPONSABLE DEL REPORTE: Administración
12. OBSERVACIONES: Actualmente, la empresa no cuenta con un sistema de prevención para
reducir la cantidad de errores de despacho y/o empaquetado
Código: DV-PDC
FICHA TÉCNICA DE INDICADOR
Versión: 01
1. NOMBRE: Devoluciones por cambios de prendas
2. OBJETIVO: Medir el porcentaje de devoluciones por cambios de prendas
3. TIPO DE INDICADOR: Devoluciones
4. PROCESO A APLICAR: Proceso de Logística (Devoluciones).
5. FÓRMULA DE CÁLCULO:
𝑄𝑇𝐷𝐶
𝑃𝐷𝐶 = × 100
𝑄𝑇𝑉
Donde:
𝑃𝐷𝐶 = Porcentaje de devoluciones por cambios de prenda
𝑄𝑇𝐷𝐶 = Cantidad total de devoluciones por cambios de prenda
𝑄𝑇𝑉 = Cantidad total de ventas
174
Código: DV-PDC
FICHA TÉCNICA DE INDICADOR
Versión: 01
6. NIVEL DE REFERENCIA:
Entre 0 a 10%
Entre 10 a 20%
Mayor a 20%
La frecuencia de indicadores mayores a 20% nos indica que la cantidad de devoluciones del total de
prendas vendidas es elevada y se debe mejorar el proceso de gestión de devoluciones
Nota: Especificaciones técnicas del indicador de “Devoluciones por Cambios de Prendas”, elaboración
propia.
Código: DV-PDR
FICHA TÉCNICA DE INDICADOR
Versión: 01
1. NOMBRE: Devoluciones por reembolso de dinero
2. OBJETIVO: Medir el porcentaje de devoluciones por reembolso de dinero
3. TIPO DE INDICADOR: Devoluciones
4. PROCESO A APLICAR: Proceso de Logística (Devoluciones).
5. FÓRMULA DE CÁLCULO:
𝑄𝑇𝐷𝑅
𝑃𝐷𝑅 = × 100
𝑄𝑇𝑉
Donde:
𝑃𝐷𝑅 = Porcentaje de devoluciones por reembolso de dinero
𝑄𝑇𝐷𝑅 = Cantidad total de devoluciones por reembolso de dinero
𝑄𝑇𝑉 = Cantidad total de ventas
175
Código: DV-PDR
FICHA TÉCNICA DE INDICADOR
Versión: 01
6. NIVEL DE REFERENCIA:
Entre 0 a 5%
Entre 5 a 10%
Mayor a 10%
La frecuencia de indicadores mayores a 10% nos indica que las devoluciones por reembolso tienen un
impacto negativo en la rentabilidad de la empresa y en la satisfacción del cliente
Nota: Especificaciones técnicas del indicador de “Devoluciones por Reembolso de Dinero”, elaboración
propia.
Código: DV-PDF
FICHA TÉCNICA DE INDICADOR
Versión: 01
1. NOMBRE: Devoluciones por fallas de fábrica
2. OBJETIVO: Medir el porcentaje de devoluciones por fallas de fábrica
3. TIPO DE INDICADOR: Devoluciones
4. PROCESO A APLICAR: Proceso de Logística (Devoluciones).
5. FÓRMULA DE CÁLCULO:
𝑄𝑇𝐷𝐹
𝑃𝐷𝐹 = × 100
𝑄𝑇𝑉
Donde:
𝑃𝐷𝐹 = Porcentaje de devoluciones por reembolso de dinero
𝑄𝑇𝐷𝐹 = Cantidad total de devoluciones por reembolso de dinero
𝑄𝑇𝑉 = Cantidad total de ventas
176
Código: DV-PDF
FICHA TÉCNICA DE INDICADOR
Versión: 01
6. NIVEL DE REFERENCIA:
Entre 0 a 5%
Entre 5 a 10%
Mayor a 10%
La frecuencia de indicadores mayores a 10% nos indica que las devoluciones por fallas de fábrica tienen
un impacto negativo en la rentabilidad de la empresa y en la satisfacción del cliente
Nota: Especificaciones técnicas del indicador de “Devoluciones por Fallas de Fábrica”, elaboración
propia.
Código: DV-PDS
FICHA TÉCNICA DE INDICADOR
Versión: 01
1. NOMBRE: Devoluciones asumidas por clientes
2. OBJETIVO: Medir el porcentaje de devoluciones asumidas por los clientes
3. TIPO DE INDICADOR: Devoluciones
4. PROCESO A APLICAR: Proceso de Logística (Devoluciones).
5. FÓRMULA DE CÁLCULO:
𝑄𝐷𝑆
𝑃𝐷𝑆 = × 100
𝑄𝑇𝑉
Donde:
𝑃𝐷𝑆 = Porcentaje de devoluciones asumidas por clientes
𝑄𝐷𝑆 = Cantidad total de devoluciones asumidas por clientes
𝑄𝑇𝑉 = Cantidad total de ventas
177
Código: DV-PDS
FICHA TÉCNICA DE INDICADOR
Versión: 01
6. NIVEL DE REFERENCIA:
Entre 0 a 5%
Entre 5 a 10%
Mayor a 10%
La frecuencia de indicadores mayores a 10% nos indica que las devoluciones asumidas por clientes
tienen un impacto negativo en la rentabilidad de la empresa y su reputación como marca
Nota: Especificaciones técnicas del indicador de “Devoluciones Asumidas por Clientes”, elaboración
propia.
Código: IC-NCR
FICHA TÉCNICA DE INDICADOR
Versión: 01
1. NOMBRE: Intención de compra real
2. OBJETIVO: Medir el nivel de intención por compra de prendas de vestir
3. TIPO DE INDICADOR: Intención de compra
4. PROCESO A APLICAR: Proceso de Ventas.
5. FÓRMULA DE CÁLCULO:
𝑄𝑇𝑉𝑃
𝑁𝐶𝑅 = × 100
𝑄𝑉𝑊𝑃
Donde:
𝑁𝐶𝑅 = Nivel de intención de compra real
𝑄𝑇𝑉𝑃 = Cantidad total de ventas por prenda
𝑄𝑉𝑊𝑃 = Cantidad total vistas en la web por prenda
178
Código: IC-NCR
FICHA TÉCNICA DE INDICADOR
Versión: 01
6. NIVEL DE REFERENCIA:
Mayor a 85%
Entre 70 a 85%
Menor a 70%
La frecuencia de indicadores menores a 70% nos indica que algunos clientes solo entran a la plataforma
web para visualizar las prendas y/o ofertas, por lo cual se debe mejorar la estrategia de ventas
Nota: Especificaciones técnicas del indicador de “Intención de Compra Real”, elaboración propia.
Código: SC-NRM
FICHA TÉCNICA DE INDICADOR
Versión: 01
1. NOMBRE: Reconocimiento de marca
2. OBJETIVO: Valida el crecimiento de la marca en comparación con meses anteriores
3. TIPO DE INDICADOR: Satisfacción del cliente
4. PROCESO A APLICAR: Proceso de Ventas / Servicio Post Venta.
5. FÓRMULA DE CÁLCULO:
𝑀𝑇𝐼𝑉𝐴
𝑁𝑅𝑀 = × 100
𝑀𝑇𝐼𝑉𝑀𝐴
Donde:
𝑁𝑅𝑀 = Nivel de reconocimiento de marca
𝑀𝑇𝐼𝑉𝐴 = Monto total de ingresos por ventas del mes actual
𝑀𝑇𝐼𝑉𝑀𝐴 = Monto total de ingresos por ventas del mes anterior
6. NIVEL DE REFERENCIA:
Mayor a 10%
Entre 0 a 10%
Menor 0%
La frecuencia de indicadores menores a 0% nos indica que el ingreso por ventas respecto al mes anterior
ha disminuido, por lo cual se debe mejorar la estrategia de ventas
179
Código: SC-NRM
FICHA TÉCNICA DE INDICADOR
Versión: 01
7. RESPONSABLE DE GESTIÓN: Administración
8. FUENTE DE INFORMACIÓN: Reportes de ventas y plataforma web de Ventas
9. FRECUENCIA DE MEDICIÓN: Mensual
10. FRECUENCIA DE REPORTE: Mensual
11. RESPONSABLE DEL REPORTE: Administración
12. OBSERVACIONES: Actualmente, la empresa tiene una estrategia de ventas tradicional
Código: SC-NIM
FICHA TÉCNICA DE INDICADOR
Versión: 01
1. NOMBRE: Identificación con la marca
2. OBJETIVO: Medir el nivel de intención por compra de prendas de vestir
3. TIPO DE INDICADOR: Satisfacción del cliente
4. PROCESO A APLICAR: Proceso de Ventas / Servicio Post Venta.
5. FÓRMULA DE CÁLCULO:
𝑄𝑈𝐹
𝑁𝐼𝑀 = × 100
𝑄𝑇𝑉
Donde:
𝑁𝐼𝑀 = Nivel de identificación de marca
𝑄𝑈𝐹 = Cantidad total de clientes que registran sus fotos con las prendas de vestir
𝑄𝑇𝑉 = Cantidad total de ventas
6. NIVEL DE REFERENCIA:
Mayor a 35%
Entre 15 a 35%
Entre 0 a 15%
La frecuencia de indicadores mayores a 35% nos indica que algunos clientes confían en la propuesta de
la empresa y comparten sus fotos para generar confianza en potenciales clientes
Nota: Especificaciones técnicas del indicador de “Identificación con la Marca”, elaboración propia.
180
3.5.16 COSTOS DE DEVOLUCIONES
Código: CC-RCD
FICHA TÉCNICA DE INDICADOR
Versión: 01
1. NOMBRE: Costos de devoluciones
2. OBJETIVO: Medir el porcentaje asociado de las devoluciones sobre el total de ingreso de ventas
3. TIPO DE INDICADOR: Costos
4. PROCESO A APLICAR: Proceso de Logística (Devoluciones).
5. FÓRMULA DE CÁLCULO:
𝑪𝑻𝑫
𝑹𝑪𝑫 = × 𝟏𝟎𝟎
𝑴𝑻𝑰𝑽
Donde:
𝑅𝐶𝐷 = Ratio de costos
𝑇𝐶𝐷 = Costo total de devolución
𝑀𝑇𝐼𝑉 = Monto total del ingreso por ventas
6. NIVEL DE REFERENCIA:
Entre 0 a 4%
Entre 5 a 8%
Mayor 8%
La frecuencia de indicadores mayores a 8% nos indica que no se está gestionando de manera los costos
asociados a las devoluciones, lo cual impacta negativamente en la rentabilidad de la empresa
181
MATRIZ DE INDICADORES
𝑇𝐷 Mayor a 85%
DISPONIBILIDAD
1 𝐷𝑆 = × 100 Entre 70 a 85% Mensual
DEL SERVICIO 𝑇𝐷 Menor a 70%
Mayor a 90%
TIEMPO DE CARGA 𝑄𝑇𝑃𝐸
2 𝐶𝑃 = × 100 Entre 75 a 90% Mensual
DE LA PLATAFORMA 𝑄𝑇𝑃𝑅
Menor a 75%
Mayor a 90%
NIVEL DE RESPUESTA 𝑄𝑇𝐶𝐴
3 𝑁𝑅 = × 100 Entre 75 a 90% Mensual
EN REDES SOCIALES 𝑄𝑇𝐶𝑅
Menor a 75%
Mayor a 75%
PORCENTAJE DE 𝑄𝑇𝑇𝑁𝑃
4 AHORRO EN LOS 𝑇𝐴 = 1 − Entre 50 a 75% Mensual
TRASLADOS 𝑄𝑇𝑇𝑅𝑇
Menor a 50%
Menor a 5%
PORCENTAJE DE 𝑄𝑇𝐸𝐿
5 𝑃𝐸𝐿 = × 100 Entre 5 a 15% Mensual
ERRORES DE ENTREGA 𝑄𝑇𝑃𝐷
Mayor a 15%
Entre 0 a 2 días
TIEMPO DE RETRASO
6 𝑇𝑅 = 𝐹𝑃𝐸 − 𝐹𝑃𝑃 Entre 3 a 5 días Semanal
EN INFORMES
Mayor a 5 días
Entre 0 a 5%
PORCENTAJE DE 𝑄𝑇𝑃𝐸
7 ERRORES DE 𝑃𝐸𝐷 = × 100 Entre 5 a 10% Mensual
DESPACHO 𝑄𝑇𝑃𝐷
Mayor a 10%
182
MATRIZ DE INDICADORES FRECUENCIA
N° REFERENCIA
NOMBRE DEL INDICADOR FÓRMULA DE MEDICIÓN
Entre 0 a 5%
PORCENTAJE DE 𝑄𝑇𝑃𝑅
8 ERRORES DE 𝑃𝐸𝐸 = × 100 Entre 5 a 10% Semanal
EMPAQUETADO 𝑄𝑇𝑃𝐸
Mayor a 10%
Entre 0 a 10%
DEVOLUCIONES POR 𝑄𝑇𝐷𝐶
9 𝑃𝐷𝐶 = × 100 Entre 10 a 20% Mensual
CAMBIOS DE PRENDAS 𝑄𝑇𝑉
Mayor a 20%
Entre 0 a 5%
DEVOLUCIONES POR 𝑄𝑇𝐷𝑅
10 𝑃𝐷𝑅 = × 100 Entre 5 a 10% Mensual
REEMBOLSO DE DINERO 𝑄𝑇𝑉
Mayor a 10%
Entre 0 a 5%
DEVOLUCIONES POR 𝑄𝑇𝐷𝐹
11 𝑃𝐷𝐹 = × 100 Entre 5 a 10% Mensual
FALLAS DE FÁBRICA 𝑄𝑇𝑉
Mayor a 10%
Entre 0 a 5%
DEVOLUCIONES 𝑄𝐷𝑆
12 ASUMIDAS POR 𝑃𝐷𝑆 = × 100 Entre 5 a 10% Mensual
𝑄𝑇𝑉
CLIENTES
Mayor a 10%
Mayor a 85%
𝑄𝑇𝑉𝑃
INTENCIÓN DE 𝑁𝐶𝑅 = × 100
13 𝑄𝑉𝑊𝑃 Entre 70 a 85% Mensual
COMPRA REAL
Menor a 70%
Mayor a 10%
RECONOCIMIENTO 𝑀𝑇𝐼𝑉𝐴
14 𝑁𝑅𝑀 = × 100 Entre 0 a 10% Mensual
DE MARCA 𝑀𝑇𝐼𝑉𝑀𝐴
Menor 0%
Mayor a 35%
IDENTIFICACIÓN 𝑄𝑈𝐹
15 𝑁𝐼𝑀 = × 100 Entre 15 a 35% Mensual
CON LA MARCA 𝑄𝑇𝑉
Entre 0 a 15%
Entre 0 a 4%
𝐶𝑇𝐷
COSTOS DE 𝑅𝐶𝐷 = × 100
16 𝑀𝑇𝐼𝑉 Entre 5 a 8% Mensual
DEVOLUCIONES
Mayor 8%
183
PLAN DE IMPLEMENTACIÓN
Para el plan de implementación, se ha determinado los pasos que realizará el equipo del
proyecto para poder aplicar el modelo de mejora dentro de la empresa del caso de estudio
y los entregables dentro del proyecto. Los entregables de la implementación que estarán
dentro del alcance del proyecto son los siguientes:
Los siguientes puntos se encuentran fuera del alcance del proyecto ya que la empresa en
estudio se encuentra con un presupuesto limitado, por la coyuntura actual del COVID-19
y el inicio de la Segunda Ola de esta pandemia. Adicional, los tiempos del proyecto se
extienden más del cronograma total de implementación de esta solución, por lo que los
siguientes puntos fuera del alce son:
Así mismo, respecto a los puntos a desarrollar en el EDT, se realizó un diagrama de Gannt
con las actividades, sus fechas de inicio, duración en días y la fecha de fin.
185
También, se adiciona el diagrama de Gantt de la implementación del proyecto. Si bien,
este cronograma se encuentra fuera del tiempo previsto para este proyecto, se deja
planteado el cronograma que se encontrará en el Anexo 9 del presente documento.
Contratación de desarrolladores
Exploración de la arquitectura necesaria
Compra de servidores y suscripción de…
Análisis de seguridad
Análisis de arquitectura
Planteamiento de Sprints
Roadmap del Proyecto
Creación del código Plataforma Web
Diseño de la Plataforma Web
Creación del código VTO (Python)
Prueba del código en ambiente cerrado
Desarrollo de fases simuladas
Pruebas de estrés
Correción de errores
Testeo Final
Conformidad del desarrollo
Pase a producción
Seguimiento
Contratación del Community Manager
Formación y capacitación de personal
12/20 01/21 02/21 03/21 04/21 05/21 06/21 07/21 08/21
COSTOS DE IMPLEMENTACIÓN
Los costos de implementación en la tarifa hora/hombre (HH) son por un proyecto “Llave
en Mano”, “Offside” (trabajo remoto) y personal nacional no destacado. Si uno de los
componentes previamente mencionados varía, las tarifas pueden ser distintas a las
presentadas en esta propuesta.
También, se detalla el precio de los costos de infraestructura que deben invertirse para
poder soportar la herramienta VTO.
186
Implementación Herramienta Virtual Try On
Infraestructura
IGV S/ 28,443
Figura 104. Costos de Implementación de la herramienta Virtual Try On, elaboración propia.
187
presentado no siempre se adapta a las necesidades de una compañía pequeña y puede
resultar más caro que desarrollarlo por su parte.
Los costos de implementación son por un proyecto “Llave en Mano”, “Offside” (trabajo
remoto) y personal nacional no destacado. Si uno de los componentes previamente
mencionados varía, las tarifas pueden ser distintas a las presentadas en esta propuesta. El
User Experience (UX) tiene una tarifa de S/3.5 adicional al precio de tarifa HH por
cambios en el alcance del proyecto web no gestionados anticipadamente. También, se
detalla el precio de los costos de infraestructura que deben invertirse para poder soportar
la herramienta alternativa al VTO.
Infraestructura
Actualizaciones
IGV S/ 4,878
Figura 105. Costos de Implementación de alternativa al Virtual Try On, elaboración propia.
188
El UX implementará el diseño de la propuesta y las modificaciones web para
implementar esta alternativa
No se obtiene el resultado
4 Malas practicas Medio Transferir
debido a malas practicas
Nota: Elaboración propia, basado en los entregables del proyecto, factores externos e internos al caso de
estudio.
189
De acuerdo al resumen de la matriz de riesgos de implementación, se concluye lo
siguiente:
Segundo, se detectan cuatro riesgos de nivel “Medio” que generan seis problemas
que pueden impactar al proyecto. Este tipo de riesgo busca ser transferidos en
responsabilidad al cliente por revisiones o cumplimiento de los planes preventivos
y de contingencia.
Tercero, se detectaron dos riesgos nivel “Bajo” y uno “Muy Bajo” que generan
tres problemas. Estos tipos de riesgos deben ser retenidos dentro del equipo del
proyecto implementador para gestionarlo y manejarlo, dado que su impacto no es
muy probable o relevante en el mismo. Los planes preventivos y de contingencia
serán gestionados por el equipo implementador.
Por último, cada plan de acción preventivo debe ser realizado al inicio de la
implementación y controlarlo durante todo el proyecto. De esta manera, los planes
de contingencia deben aplicarse solo en los casos que los riesgos sucedan durante
la implementación del proyecto.
190
CAPÍTULO IV
VALIDACIÓN BIBLIOGRÁFICA
En la elaboración del estado del arte, se determinó que se utilizarían, como mínimo, veinte
artículos científicos indexados en revistas académicas con factor de impacto, las cuales
tendría que tener una antigüedad no mayor a tres años.
12
5 5
4
2
0
2017 2018 2019 2020
Figura 106. Distribución de los artículos científicos por año de publicación, elaboración propia.
191
En la distribución de los países de publicación de los artículos científicos
empleados en el estado del arte, se concluye que se ha utilizado información
procedente de catorce países, de los cuales, aproximadamente, la tercera parte
corresponden a Estados Unidos (29%), puesto que es uno de los principales países
con producción científica sobre el caso de estudio. Así mismo, se han encontrado
documentos provenientes de India (10%), Korea (10%) y China (5%) que han
proporcionado valor al modelo, ya que sus comercios electrónicos replican las
herramientas y conceptos teóricos utilizados en la propuesta de solución.
6
6
2 2
2
1 1 1 1 1 1 1 1 1 1 1
Figura 107. Distribución de los países de publicación de los artículos científicos, elaboración propia.
20
Scopus: Base de datos de referencias bibliográficas y citas de la empresa Elsevier, de literatura peer
review y contenido web de calidad, con herramientas para el seguimiento análisis y visualización de la
investigación. (https://www.recursoscientificos.fecyt.es/licencias/productos-contratados/scopus)
21
Web of Science (WOS): Propiedad de la empresa Clarivate Analytics, es la colección de bases de datos
de referencias bibliográficas y citas de publicaciones periódicas que recogen información desde 1900 a
la actualidad. (https://www.recursoscientificos.fecyt.es/licencias/productos-contratados/wos)
192
y, por último, se encuentran Science Direct22 y la IEEE Xplore23 con 14% y 10%,
respectivamente.
15
12
10
5 4
3
2
0
IEEE Xplore Science Direct Scopus Web of Science
Figura 108. Distribución de las bases de datos utilizadas para la búsqueda de artículos científicos,
elaboración propia.
22
Science Direct: Gran base de datos bibliográfica de publicaciones científicas y médicas de la editorial
holandesa Elsevier. Alberga más de 18 millones de piezas de contenido de más de 4 mil revistas
académicas y 30 mil libros electrónicos de esta editorial. El acceso al documento completo requiere de
suscripción de paga mensual; sin embargo, la plataforma también tiene publicaciones de libre acceso.
(https://www.elsevier.com/solutions/sciencedirect)
23
IEEE Xplore: Base de datos de investigación para el descubrimiento y el acceso a artículos de revistas,
actas de conferencias, estándares técnicos y materiales relacionados en ciencias de la computación,
ingeniería eléctrica y electrónica, y campos afines. Contiene material publicado principalmente por el
Instituto de Ingenieros Eléctricos y Electrónicos (IEEE) y otros editores asociados. Cada mes se agregan
aproximadamente 20.000 documentos nuevos, por lo que cualquiera puede buscar y encontrar registros
bibliográficos y resúmenes de su contenido. (https://ieeexplore.ieee.org/Xplore/home.jsp)
193
14% 19%
Not assigned
Q1
14%
Q2
15%
Q3
Q4
38%
Figura 109. Distribución por cuartil de los artículos científicos según SJR, elaboración propia.
VALIDACIÓN DE ENTREGABLES
Nota: Principales entregables del capítulo 1 del proyecto de investigación, elaboración propia.
194
El segundo capítulo consiste en el desarrollo del diagnóstico del caso de estudio. Por tal
motivo, se debe realizar el análisis y descripción del sector (e-commerce), subsector
(categoría moda, roda y calzado) y producto elegido (MyPE que comercializa prendas de
vestir mediante una página web).
En primer lugar, se definieron los principales procesos del producto elegido (procesos de
venta y logística) y mediante el diseño experimental se definieron las variables de estudio
(variables cualitativas, ordinales, nominales, cuantitativas, ordenadas y discretas), las
hipótesis con las que se definió el tamaño de la muestra y el desarrollo de la encuesta para
determinar la viabilidad del caso de estudio.
2.1. Realizar el análisis y descripción del sector, subsector y del producto elegido
2.2. Elaborar la descripción de los procesos de venta y logístico
2.3. Realizar el diseño experimental (Definir variables, plantear hipótesis y diseñar encueta)
Capítulo 2 2.4. Realizar el levantamiento de información
2.5. Realizar el diagnóstico del caso de estudio
2.6. Hallar y definir las causas raíces del problema de estudio
2.7. Enlazar el diagnóstico a una propuesta de solución en base a la revisión bibliográfica
Nota: Principales entregables del capítulo 2 del proyecto de investigación, elaboración propia.
195
Así mismo, se definieron y desarrollaron indicadores de gestión para el desempeño del
modelo de gestión y se elaboró el plan de implementación (cronograma de ejecución del
proyecto), así como la estimación de los costos y los riesgos asociados a la
implementación del proyecto.
Nota: Principales entregables del capítulo 1 del proyecto de investigación, elaboración propia.
Nota: Principales entregables del capítulo 4 del proyecto de investigación, elaboración propia.
196
Tabla 68. Entregables del Capítulo 5
Nota: Principales entregables del capítulo 5 del proyecto de investigación, elaboración propia.
VALIDACIÓN DE RESULTADOS
En el año 2020 en Perú, durante los últimos meses del año, la población se encuentra aún
en cuarentena, producto de la pandemia generada por el COVID-19. Muchos de los
negocios han reabierto sus puertas, pero el aforo a los locales es a menos del 50% de su
capacidad por normas de prevención.
197
Figura 110. Modelo para reducir el porcentaje de devoluciones en el e-commerce textil de moda,
elaboración propia.
Tabla 69. Relación de los inputs con cada proceso (Situación Actual)
Nota: Inputs tomados de la información proporcionada por la empresa del caso de estudio, elaboración
propia.
198
Así mismo, para validar la situación de mejora se debe responder las siguientes hipótesis:
De esta manera, si se aceptan las cuatro hipótesis planteadas como verdaderas, entonces
se determinará que el modelo de solución propuesto es válido.
Tabla 70. Promedio de los valores inputs del periodo en estudio (Situación Actual)
Ítem Actual
Periodo por evaluar 6 meses
Tiempo de entrega de producto (Op. Logístico) 48 H
Total del ingreso por ventas (A) S/85,767
Total de costo de producción (C) S/54,798
Margen de utilidad (A - B - C) S/22,748
Total del costo de devolución (B) S/8,222
Total de productos en el periodo a evaluar 1,175
Total de productos primera salida 975
Total de devoluciones del periodo a evaluar 269
Precio ventas promedio S/72.99
Costo de producción unitario promedio S/47
Costo de envió S/11.68
Cantidad de viaje por devolución 3
Cantidad mínima de viaje por entrega 1
Nota: Información proporcionada por la empresa del caso de estudio, elaboración propia.
199
Adicionalmente, se presenta los datos estadísticos a implementar en la simulación para la
situación actual sin la propuesta de mejora. Esta información está basada en los datos
brindados por la empresa durante los últimos seis meses del periodo (Covid-19).
Tabla 71. Valores estadísticos del input durante el periodo de Covid-19 (Situación Actual)
Ítem Actual
Porcentaje del costo de devoluciones (%) 10%
Reembolso por reposición (%) 15%
Stock de Productos (%) 17%
Cantidad de devoluciones (%) 28%
Probabilidad en seguridad en tallas (%) 65%
Porcentaje de conformidad de productos (%) 72%
Verificación de stock (Probabilidad %) 80%
Porcentaje vendido en primera salida (%) 83%
Conformidad en reposición de productos (%) 85%
Empaquetado correcto (probabilidad) 90%
Nota: Información proporcionada por la empresa del caso de estudio, elaboración propia.
24
Software Arena: Arena simulador es un software de simulación de eventos discretos para la
optimización de procesos complejos. El modelado de eventos discretos es el proceso de representar el
comportamiento de un sistema complejo como una serie de eventos bien definidos y ordenados en el
tiempo. (https://www.arenasimulation.com/what-is-simulation)
200
4.3.3 PROPUESTA DE SOLUCIÓN
Tabla 72. Relación de las herramientas e inputs de mejora con los procesos involucrados (Mejora)
Nota: Mejoras realizadas luego de la aplicación del modelo de gestión, elaboración propia.
Así mismo, los inputs gestionados para la simulación de la propuesta de solución (mejora)
son los siguientes:
Tabla 73. Promedio de los valores inputs del periodo en estudio (Mejora)
Ítem Mejora
Periodo a evaluar Durante Covid-19
Tiempo de entrega de producto (Op. Logístico) 48 h
Total del costo de devolución (B) <= s/ 4000
Total del ingreso por ventas (A) S/85,767.40
Total de costo de producción (C) S/54,798
Margen de utilidad (A - B - C) S/26,470
Total de productos en el periodo a evaluar 1,175
Total de productos primera salida 1,025
Total de devoluciones del periodo a evaluar 150
Costo ticket promedio S/73
Costo de producción unitario promedio S/47
Costo de envío S/11.68
Cantidad de viaje por devolución 1.5
Cantidad mínima de viaje por entrega 1
Nota: Información recolectada por bibliografía y encuesta de usuarios durante el diagnóstico, elaboración
propia.
201
Adicionalmente, se presenta los datos estadísticos a implementar en la simulación para la
situación mejorada.
Tabla 74. Valores estadísticos del input durante el periodo de Covid-19 (Mejora)
Ítem Mejora
Porcentaje del costo de devoluciones (%) 5%
Reembolso por reposición (%) 10%
Stock de Productos (%) 13%
Porcentaje vendido en primera salida (%) 87%
Conformidad en reposición de productos (%) 90%
Verificación de stock (Probabilidad %) 95%
Probabilidad en seguridad en tallas (%) 95%
Empaquetado correcto (Probabilidad %) 98%
Cantidad de devoluciones (%) <= 15%
Porcentaje de conformidad de productos (%) >= 85%
Nota: Información recolectada por bibliografía y encuesta de usuarios durante el diagnóstico, elaboración
propia.
𝒁𝟐 × 𝝈𝟐
𝒏𝒐𝒑𝒕. =
𝑬𝟐
Donde:
z = Puntuación z: 1.96
Nivel de confianza = 95% (Para calcular el valor “z” a ingresar en la fórmula)
𝜎= desviación estándar
𝐸= porcentaje de error aceptado
202
IDENTIFIER AVERAGE STANDARD 0.950 C.I. MINIMUM MAXIMUM NUMBER H* N*
DEVIATION HALF-WIDTH VALUE VALUE OF OBS.
TOTAL COSTOS POR DEVOLUCION 6850 441 244 6.03E+03 7.80E+03 15 685 2
TOTAL DE INGRESOS POR REMATE 11400 379 210 1.07E+04 1.20E+04 15 1140 1
Figura 111. Resultados de la herramienta Output Analyzer por los datos ingresados en la simulación,
elaboración propia.
De acuerdo con las variables a evaluar, se detectó que el número mínimo de corridas por
modelo que se necesita para verificar la información son doce; sin embargo, para el caso
de estudio, se ejecutaron un total de quince veces para confirmar la información
presentada.
De esta manera, los outputs obtenidos luego de realizada la simulación de las quince
corridas en la situación actual y la mejora son los siguientes:
Tabla 75. Comparativo de outputs resultados de la simulación del proceso actual y mejorado
203
Outputs Resultados Actual Mejora Variación
Total costos de envío S/ 159,372 S/ 185,208 16.20%
Total costos Covid S/ 106,248 S/ 105,822 -0.40%
Total costos por devolución S/ 105,210 S/ 46,038 -56.20%
Total de productos en almacén 1,740 743 -57.30%
Total de devoluciones 3,507 1,505 -57.10%
Total de reembolsos 562 152 -73.00%
Primero, la venta de productos en primera salida (Productos 1S), que son los productos
que se venden durante su temporada a precio de lista, han aumentado en 8.20% producto
de la disminución de incertidumbre generada al utilizar la herramienta Virtual Try On.
Ello impacta directamente en los productos que son vendidos en remate, generando mayor
margen de ingresos al vender productos y menos ingresos por recuperación al vender
productos en remate.
204
Por último, la información presentada muestra que en un periodo de seis meses el margen
de utilidad de la empresa aumentaría en 15.40% luego de la aplicación del modelo de
mejora propuesto. Así mismo, con lo resultados obtenidos en la simulación de la situación
actual y la propuesta de solución (mejora), se analizan y comparan los valores obtenidos
de acuerdo con las hipótesis planteadas, así como la variación entre cada una de las
simulaciones para obtener un resultado, los cuales de ser verdaderos serán considerados
como válidos.
Situación Situación
Hipótesis Variación Resultado
Actual Mejorada
De esta manera, los resultados mostrados en la tabla 76, indican que las cuatro hipótesis
planteadas son verdaderas, por lo que el modelo de mejora propuesto se considera válido,
ya que la aplicación de las herramientas propuestas en el modelo de solución propuesto
obtiene resultados significativos:
205
VALIDACIÓN DE USUARIOS
Evaluación
Criterio 1. Totalmente 5. Totalmente
2. Desacuerdo 3. Neutro 4. De acuerdo
en Desacuerdo de acuerdo
Simplicidad
Manejo de Formatos
Aplicación
Medición
Sostenible
Solución
Se ajusta a la realidad
Figura 112. Matriz de validación de usuarios, tomado de R. Likert (Likert, 1932), elaboración propia.
206
Por tal motivo, en base a la matriz desarrollada, a continuación, se detalla la explicación
de cada uno de los criterios propuestos a ser evaluados:
En la siguiente tabla se presenta los resultados de las puntaciones realizadas por las socias
fundadoras, en el cual se puede concluir que los criterios evaluados han obtenido
promedios altos y cercanos a la puntación máxima. Este resultado tiene una relación
directamente proporcional con los primeros resultados obtenidos de la simulación
aplicación de la propuesta.
207
Así mismo, los resultados de la tabla 15 han sido graficados para visualizar la línea de
tendencia del promedio de las respuestas obtenidas. De esta manera, se concluye que las
socias fundadoras de la empresa del caso de estudio perciben de manera positiva los
resultados obtenidos en la simulación de la propuesta de solución, la aplicación de las
herramientas y la documentación de los procesos, procedimientos e indicadores.
6
5.00
5 4.50 4.50 4.50
4.00 4.00 4.00
4
3
5 5 5 5 5
2 4 4 4 4 4 4 4 4 4
0
Manejo de Se ajusta a
Simplicidad Aplicación Medición Sostenible Solución
Formatos la realidad
Usuario 1 4 4 5 4 5 5 4
Usuario 2 5 4 4 4 4 5 4
Promedio 4.50 4.00 4.50 4.00 4.50 5.00 4.00
ANÁLISIS ECONÓMICO
4.5.1 INVERSIÓN
208
Tabla 79. Costos de inversión de la propuesta Virtual Try On
I. ACTIVOS FIJOS
I. Maquinaria, equipo y código
Laptop UN 2 4,130 8,260.00
Project Manager Precio HH 120 208 24,941.42
Developer Especializado Precio HH 140 148 20,688.00
User Experienxce (UX) Precio HH 300 147 43,991.58
Analista QA Precio HH 840 97 81,109.90
Licencias MICROSOFT Power BI UN 2 83 165.20
Sub total S/ 179,156
209
Tabla 80. Costos de inversión de la propuesta alternativa
I. ACTIVOS FIJOS
.
4.5.2 FLUJO DE CAJA
El flujo de caja se elabora para cada propuesta y se presentan los ingresos y egresos
provenientes de la implementación de cada proyecto. Para su elaboración, se toman las
siguientes consideraciones:
210
Para la propuesta VTO se aumenta las ventas proyectadas en el primer año de 200
prendas mensuales a 300 prendas mensuales. (50% de incremento de ventas
mensuales).
Donde:
Indicador Valor
Rf 10.00%
Riesgo País (Rp) 1.22%
(Rm – Rf) 8.45%
β 0.8
COK 17.98%
Nota: Rentabilidad de la empresa respecto a su mercado, elaboración propia.
211
El valor del indicador WACC (Costo Promedio Ponderado del Capital CPPC; para
aplicarse cuando hay financiamiento de terceros) se calcula con la siguiente
fórmula:
𝑪𝒂𝒑𝒊𝒕𝒂𝒍 𝑫𝒆𝒖𝒅𝒂
𝑾𝑨𝑪𝑪 = 𝑪𝑶𝑲 × + 𝒌𝒅𝒆𝒖𝒅𝒂 × (𝟏 − 𝒕) ×
𝑰𝒏𝒗𝒆𝒓𝒔𝒊ó𝒏 𝑰𝒏𝒗𝒆𝒓𝒔𝒊ó𝒏
Indicador Valor
COK 17.98%
Capital 70.27%
Deuda 29.73%
Inversión 1
K deuda 12.19%
T 0.3
WACC 16.26%
Nota: Valores presentados para propuesta Virtual Try On, elaboración propia.
Indicador Valor
COK 17.98%
Capital 85.95%
Deuda 14.05%
Inversión 1
K deuda 7.72%
T 0.3
WACC 16.54%
Nota: Valores presentados para propuesta alternativa, elaboración propia.
212
4.5.2.1 FLUJO PROYECTADO DE LA PROPUESTA VIRTUAL TRY ON
Figura 114. Resumen del flujo proyectado de la propuesta Virtual Try On, elaboración propia.
213
De ser el caso que la empresa solicite financiamiento para este proyecto al ser la
TIRE muy cercana al COK, se emplearía la siguiente tabla adicional:
Figura 115. Resumen del flujo proyectado financiero de la propuesta Virtual Try On
214
4.5.2.2 FLUJO PROYECTADO DE LA PROPUESTA ALTERNATIVA
Figura 116. Resumen del flujo proyectado de la propuesta alternativa, elaboración propia.
215
ANÁLISIS DE IMPACTOS
Impacto Elemento
216
Tabla 88. Principales impactos en los Clientes
Impacto Elemento
Impacto Elemento
Impacto Elemento
Impacto Elemento
217
De acuerdo a los impactos presentados, se asignó una puntuación por cada stakeholder
para determinar la influencia del modelo de solución sobre cada uno de ellos.
Impacto Puntaje
Bajo 1
Leve 2
Medio 3
Alto 4
Muy alto 5
19
17
16
5 14 14
4
5
3 3
5 4
3 3 4
4 5 4 4 2
5 4 4 4 5
Figura 117. Evaluación de los impactos sobre los stakeholders, elaboración propia.
Por tal motivo, se concluye que el modelo de solución genera un mayor impacto sobre la
empresa que lo aplica, puesto que tiene mayores beneficios en comparación con los demás
grupos de interesados. Adicionalmente, los proveedores y clientes también se ven
impactos por el modelo de solución, puesto que se ven beneficados de las mejoras
aplicadas y son parte importante del modelo (inputs y outputs).
218
CAPÍTULO V
CONCLUSIONES
Las ventas del comercio electrónico han aumentado un 10% cada año y han duplicado las
mismas en menos de un quinquenio, por lo cual ascienden a 64.60 miles de millones de
dólares al cierre del año 2019. De esta manera, aproximadamente, uno de cada cuatro
habitantes en la región Latinoamérica utiliza actualmente los servicios de internet para
adquirir bienes y/o servicios. De acuerdo con datos estadísticos, las tres categorías líderes
del retail online fueron la electrónica de consumo (tecnología), productos multimedia y
la moda (ropa y calzado). Así mismo, se proyecta que la categoría de moda (ropa y
calzado) tendrá un mayor crecimiento entre 2019 y 2023, lo suficiente para ubicarse como
la segunda que más valor aportará al mercado. Una de las variables a nivel mundial para
el e-commerce es el precio (57%); sin embargo, en la categoría de moda (ropa y calzado)
las variables más relevantes para los consumidores son las opciones de despacho y entrega
(43%), una política sencilla para la gestión de devoluciones (40%) y, por último, las
opciones en los métodos de pago (34%).
219
El e-commerce del rubro de moda textil y confecciones tienden a tener mayores retos
frente a la venta de sus prendas ya que anteriormente este tipo de compras eran
presenciales y era importante la interacción que las personas tenían con las prendas de
vestir en el proceso de compra. De esta manera, de acuerdo con la bibliografía revisada,
existen diversas herramientas aplicadas a la gestión comercial que mejoran la experiencia
al cliente y la satisfacción de ellos frente a compras de e-commerce. Por tal motivo, en la
actualidad, se han desarrollado diferentes herramientas tecnológicas que escanean y/o
simulan la forma del cuerpo humano, con el objetivo de mejorar la experiencia del usuario
frente a diversas compras en línea que, anteriormente, se hacían de forma presencial. En
consecuencia, las aplicaciones disponibles consisten en visualizar opciones de imágenes
2D o 3D que permitan a los usuarios el “probarse” productos antes de comprarlos, por lo
que contribuyen a aumentar la intención de compra de los usuarios.
Si bien, la satisfacción del cliente se puede ver reflejado directamente en una mayor
cantidad de ventas, también se ven reflejadas en disminuir la cantidad de devoluciones
que tienen los productos de empresas e-commerce. En consecuencia, la implementación
de las herramientas virtual try on aplicadas al proceso de ventas aumentan la satisfacción
del cliente al permitir la simulación de uso de los productos antes de comprarlos. La
ventaja de estas herramientas radica en que una persona puede “probarse” un producto
antes de comprarlo sin necesidad de ir a una tienda física a probársela. Adicionalmente,
de acuerdo al levantamiento de información, el 78% de la población encuestada afirma
que la aplicación de las herramientas virtual try on disminuiría considerablemente la
posibilidad de devoluciones ante la compra de prendas de vestir online.
220
Así mismo, debido al crecimiento continuo del e-commerce, las empresas deben asumir
diferentes retos en el proceso logístico respecto a las devoluciones, puesto que son una de
las principales causas que afectan la rentabilidad de la empresa. La estimación de recursos
para el proceso de devolución debe ser realizada correctamente para que no perjudique la
experiencia del usuario. Por ello se debe tener en cuenta variables como cantidad de
pedidos, tiempo de ejecución y cantidad de los operadores logísticos. Por ello, un costo
de devolución alto, medio o bajo afectará a la intención de compra de un usuario y a la
imagen de marca de la empresa. Adicionalmente, las devoluciones afectan directamente
el medio ambiente por la cantidad de desperdicios que generan al reempaquetado,
transporte y eliminación de los productos que ya no serán usados. Muchas tecnologías
generadas en los últimos años buscan dar solución a la contaminación que generan las
devoluciones usando empaques ecológicos, menores costos de transporte, tracking y
empaquetado, con el fin de tener operaciones más sostenibles y gestionar el impacto
ambiental de forma más eficiente para que aumente la satisfacción del cliente.
Por otro lado, el análisis de las ventas realizadas por la empresa del caso de estudio, indica
que, durante un año, muestra que el 26.23% del total de las ventas terminó siendo
devuelto. Sin embargo, la revisión bibliográfica indica que al tratarse de comercios de
prenda de vestir se devuelve, en promedio el 25% del total de las ventas. Adicionalmente,
el análisis del impacto económico de las devoluciones muestra que, aproximadamente, el
costo de las devoluciones representa un 8.35% del total de los ingresos por ventas; no
obstante, la bibliografía indica que las devoluciones representan máximo un 5% del total
de los ingresos, por lo cual se evidencia que hay un problema en la gestión de las
devoluciones por parte de la empresa en estudio.
221
De esta manera, con la finalidad de solucionar el problema de las devoluciones y su
impacto en la rentabilidad de la empresa del caso de estudio, se diseñó y elaboró el modelo
de gestión para reducir el porcentaje de devoluciones en el e-commerce de moda textil, el
cual contemplará aspectos técnicos, económicos, sociales y ambientales, con el objetivo
de se adapte a la realidad del sector de la empresa en estudio y para que pueda ser
replicable por cualquier empresa de e-commerce que presente la misma problemática.
Dado que el contexto actual no ha permitido realizar una implementación presencial del
modelo, se realizó una simulación mediante el software Arena de la situación actual y la
propuesta de mejora entre los meses de marzo a agosto del año 2020 considerando las
variables cuantitativas del análisis situacional de la empresa, así como de la coyuntura
actual del Perú.
222
Posterior a la ejecución de la simulación de las propuestas, se obtuvo que la venta de
productos en primera salida (Productos 1S), que son los productos que se venden durante
la temporada a precio de lista, han aumentado en 8.20% producto de la disminución de
incertidumbre generada al utilizar la herramienta virtual try on. Segundo, se evidencia un
aumento de 16.20% en costos de envío, producto a que el proveedor de despachos da un
cobro mayor por órdenes de opción multitalla. Este margen no supera el 16%, ya que la
certeza al seleccionar las prendas aumenta y la cantidad de devoluciones disminuye.
Tercero, el porcentaje del costo por devoluciones disminuye en un 57% en comparación
con la situación actual, bajando de un 8.35% a un 3.60%. Esto se debe a que la cantidad
de devoluciones ha disminuido, aproximadamente, en un 60%, bajando del 23.90% de
productos devueltos durante la temporada Covid-19 a solo 9.50%. Por último, la
información presentada muestra que en un periodo de seis meses el margen de utilidad de
la empresa aumentaría en 15.40% luego de la aplicación del modelo de mejora propuesto.
Por un lado, la implementación del proyecto mediante la propuesta de virtual try on, tiene
un valor actual neto positivo, lo que significa que es rentable para la empresa del caso de
estudio. El tiempo de retorno es de cuatro años y la tasa interna de retorno sale mayor que
el COK del proyecto, por lo que no necesita autofinanciamiento. Por otro lado, la
implementación del proyecto mediante la propuesta alternativa, tiene un valor actual neto
también positivo, lo que significa que es rentable para la empresa del caso de estudio, no
necesita autofinanciamiento y el retorno de la inversión se da dentro del segundo año
luego de implementado el proyecto. Si bien, ninguna de las dos alternativas necesitó
autofinanciamiento, los ingresos que presentan ambas empresas luego de implementadas
las alternativas son diferentes, siendo la alternativa virtual try on la que recibe mayores
ingresos en comparación de la propuesta alternativa.
223
RECOMENDACIONES
Si una empresa desea replicar el modelo de solución, pero no cuenta con los
recursos financieros necesarios, se recomienda implementar la propuesta
alternativa de la herramienta virtual try on o tratar de brindar la mayor
información posible sobre los productos ofrecidos de una forma dinámica, segura
y atractiva al cliente.
Antes de aplicar de modelo de solución, se recomienda definir los inputs que
intervienen en los procesos a mejorar para cada tipo de empresa, con la finalidad
de solucionar el problema diagnosticado y controlar los outputs esperados
Para la gestión de la propuesta alternativa de la herramienta virtual try on, se
recomienda mantener actualizado el repositorio de fotos que retroalimenta el
catálogo de la plataforma online, ya que influye directamente en la intención de
compra durante el proceso de ventas.
FUTURAS INVESTIGACIONES
224
BILIOGRAFÍA
Adikari, S. B., Ganegoda, N. C., Meegama, R. G. N., & Wanniarachchi, I. L. (2020).
Applicability of a Single Depth Sensor in Real-Time 3D Clothes Simulation:
Augmented Reality Virtual Dressing Room Using Kinect Sensor. Advances in
Human-Computer Interaction. https://doi.org/10.1155/2020/1314598
Ahlert, D., Kenning, P., Becker, J., Schütte, R., & Meffert, H. (2000). Neue
Herausforderungen für das Marketing durch interaktive elektronische Medien — auf
dem Weg zur Internet-Ökonomie. In Internet & Co. im Handel.
https://doi.org/10.1007/978-3-642-98086-2_7
Albert Mayan, J., Kuldeep Anand, D. S., & Sadhvi, N. (2017). Efficient and secure server
migration on cloud storage with VSM and dropbox services. 2017 International
Conference on Information Communication and Embedded Systems, ICICES 2017.
https://doi.org/10.1109/ICICES.2017.8070725
Alderete, M. V. (2017). Examining the ICT access effect on socioeconomic development:
the moderating role of ICT use and skills. Information Technology for Development.
https://doi.org/10.1080/02681102.2016.1238807
Alderete, M. V. (2019). Electronic commerce contribution to the SME performance in
manufacturing firms: A structural equation model. Contaduria y Administracion.
https://doi.org/10.22201/FCA.24488410E.2019.1922
Alfaro, P. (2019). Claves para la nueva década: {Diversidad} para crecer. In KPMG
Tendencias.
Ambroziak, Ł. (2017). FDI and Intra-industry Trade in the Automotive Industry in the
New EU Member States. International Journal of Management and Economics.
https://doi.org/10.1515/ijme-2016-0025
Anastasiadou, E., Lindh, C., & Vasse, T. (2019). Are Consumers International? A Study
of CSR, Cross-Border Shopping, Commitment and Purchase Intent among Online
Consumers. Journal of Global Marketing.
https://doi.org/10.1080/08911762.2018.1528652
Andel, T. (1997). Reverse logistics: a second chance to profit: whether through
refurbishment or recycling, companies are finding profit in returned products.
Transportation & Distribution.
Arnold, F., Cardenas, I., Sörensen, K., & Dewulf, W. (2018). Simulation of B2C e-
commerce distribution in Antwerp using cargo bikes and delivery points. European
Transport Research Review. https://doi.org/10.1007/s12544-017-0272-6
Banco Central de Reserva del Perú. (2019). Notas de estudios del BCRP. Notas de
Estudios Del BCRP.
Bañegil Palacios, T., & Rubio Lacoba, S. (2005). Sistemas de logística inversa en la
empresa. Dirección y Organización: Revista de Dirección, Organización y
Administración de Empresas.
Bernardes, J., & Da Silva, M. (2016). Structural Equation Models using Partial Least
Squares: an Example of the Application of SmartPLS® in Accounting Research.
Journal of Education and Research in Accounting.
https://doi.org/10.17524/repec.v10i3.1376
225
Bertram, R. F., & Chi, T. (2018). A study of companies’ business responses to fashion e-
commerce’s environmental impact. International Journal of Fashion Design,
Technology and Education. https://doi.org/10.1080/17543266.2017.1406541
Bouzon, M., & Govindan, K. (2015). Reverse logistics as a sustainable supply chain
practice for the fashion industry: An analysis of drivers and the brazilian case. In
Sustainable Fashion Supply Chain Management: From Sourcing to Retailing.
https://doi.org/10.1007/978-3-319-12703-3_5
Cámara de Comercio de Lima. (2020). Propuestas Contra el COVID-19. La Cámara.
Catalán, B. (2019). Las empresas más importantes del Perú: sector textil/calzado y sector
bebidas. 2019.
Cileroglu, B., & Nadasbas, S. E. (2018). Innovative approaches on modular apparel
design. Global Journal of Arts Education. https://doi.org/10.18844/gjae.v7i3.2974
Cone Communications. (2017). 2017 Cone Communications CSR Study. In Cone
Communications.
Cöşkun, G., & Akpinarli, H. F. (2019). Co-design approach in textile printing and a case
study of an e-commerce company website. Tekstil ve Muhendis.
https://doi.org/10.7216/1300759920192611613
El Peruano. (2020). Decreto Supremo que declara Estado de Emergencia Nacional por
las graves circunstancias que afectan la vida de la Nación a consecuencia del brote
del COVID-19. Normas Legales.
eMarketer. (2019). E-commerce share of total global retail sales from 2015 to 2021.
Statista.
Emerson, R. W. (2017). Likert Scales. Journal of Visual Impairment & Blindness.
https://doi.org/10.1177/0145482x1711100511
Engel, J. F., Blackwell, R. D., & Miniard, P. W. (1995). Consumer Behavior (8th Eds.),
NY. New York, The Dryden Press Evanschitzky, H. and Wunderlich, M.(2006). An
Examination of Moderator Effects in the Four-Stage Loyalty Model, Journal of
Service Research.
Fleischmann, M., Krikke, H. R., Dekker, R., & Flapper, S. D. P. (2000). A
characterisation of logistics networks for product recovery. Omega.
https://doi.org/10.1016/S0305-0483(00)00022-0
Gahlot, A., Agarwal, P., Agarwal, A., Singh, V., & Gautam, A. K. (2016). Skeleton based
Human Action Recognition using Kinect. International Journal of Computer
Applications.
Gallucci, T., Dimitrova, V., & Marinov, G. (2019). Interrelation between eco-innovation
and intra-industry trade-A proposal for a proxy indicator of sustainability in the EU
countries. Sustainability (Switzerland). https://doi.org/10.3390/su11236641
Ginter, P. M., & Starling, J. M. (1978). Reverse Distribution Channels for Recycling.
California Management Review. https://doi.org/10.2307/41165284
Goutam, D., & Gopalakrishna, B. V. (2018). Customer loyalty development in online
shopping: An integration of e-service quality model and commitment-trust theory.
Management Science Letters. https://doi.org/10.5267/j.msl.2018.8.009
226
Guedes, M. G., & Buest, A. (2018). Fashion designer, fashion consumer, fashion learner.
IOP Conference Series: Materials Science and Engineering.
https://doi.org/10.1088/1757-899X/459/1/012043
Gültepe, U., & Güdükbay, U. (2014). Real-time virtual fitting with body measurement
and motion smoothing. Computers and Graphics (Pergamon).
https://doi.org/10.1016/j.cag.2014.06.001
Han, X., Wu, Z., Wu, Z., Yu, R., & Davis, L. S. (2018). VITON: An Image-Based Virtual
Try-on Network. Proceedings of the IEEE Computer Society Conference on
Computer Vision and Pattern Recognition.
https://doi.org/10.1109/CVPR.2018.00787
Harpa, R. (2017). Selecting wool-type fabrics for sensorial comfort in women office
clothing for the cold season, using the multi-criteria decision analysis. IOP
Conference Series: Materials Science and Engineering.
https://doi.org/10.1088/1757-899X/254/14/142009
Harpa, R., & Visileanu, E. (2018). From fabric design to the dress manufacturing
considering the fabric’s suitability with the end use. Industria Textila.
https://doi.org/10.35530/it.069.06.1570
Harvey, H. B., & Sotardi, S. T. (2018). The Pareto Principle. Journal of the American
College of Radiology. https://doi.org/10.1016/j.jacr.2018.02.026
Hashmi, M. F., Ashish, B. K. K., Keskar, A. G., Bokde, N. D., & Geem, Z. W. (2020).
FashionFit: Analysis of Mapping 3D Pose and Neural Body Fit for Custom Virtual
Try-On. IEEE Access. https://doi.org/10.1109/ACCESS.2020.2993574
Hilmola, O. P., Tolli, A., & Panova, Y. (2019). Global corporations and smaller actors in
textile business: European perspective. Economy of Region.
https://doi.org/10.17059/2019-1-17
Holte, M. B. (2013). The virtual dressing room: A perspective on recent developments.
Lecture Notes in Computer Science (Including Subseries Lecture Notes in Artificial
Intelligence and Lecture Notes in Bioinformatics). https://doi.org/10.1007/978-3-
642-39420-1-26
Hsu, W. H., Kennedy, L. S., & Chang, S. F. (2007). Reranking methods for visual search.
IEEE Multimedia. https://doi.org/10.1109/MMUL.2007.61
Hurtado, P. A., Dorneles, C., & Frazzon, E. (2019). Big Data application for E-
commerce’s Logistics: A research assessment and conceptual model. IFAC-
PapersOnLine. https://doi.org/10.1016/j.ifacol.2019.11.234
IEES. (2017). Reporte Sectorial. Instituto de Estudios Económicos y Sociales-Sociedad
Nacional de Industrias.
Inditex. (2017). Global Fashion Agenda. 2017.
Instituto Peruano de Economía. (2020). Informe ipe. In Décimo sexto informe: análisis
del impacto económico del Covid-19 en el Perú- JUNIO 2020.
Irani, S. a, & Zhou, J. (2011). Value Stream Mapping of a Complete Product. White Paper
of Lean Manufacturing Japan. https://doi.org/DOI 10.1016/j.tetlet.2007.05.003
227
Joshi, A., Kale, S., Chandel, S., & Pal, D. (2015). Likert Scale: Explored and Explained.
British Journal of Applied Science & Technology.
https://doi.org/10.9734/bjast/2015/14975
Kabadayi, S., Eyuboglu, N., & Thomas, G. P. (2007). The performance implications of
designing multiple channels to fit with strategy and environment. Journal of
Marketing. https://doi.org/10.1509/jmkg.71.4.195
Ki-Heung, Y. (2015). A Study on the Effect of Mobile Shopping Applications Features
Following by Applications Preference - Mediating Effect of Price Sensitivity. Indian
Journal of Science and Technology. https://doi.org/10.17485/ijst/2015/v8i18/78365
Kim, D., & Ammeter, A. P. (2018). Shifts in online consumer behavior: A preliminary
investigation of the net generation. Journal of Theoretical and Applied Electronic
Commerce Research. https://doi.org/10.4067/S0718-18762018000100102
Koch, J. V., & Cebula, R. J. (2002). Price, quality, and service on the Internet: Sense and
nonsense. Contemporary Economic Policy. https://doi.org/10.1093/cep/20.1.25
Kpmg. (2012). Consumer Markets - Trends im Handel 2020. KPMG AG (Hrsg.).
Kuhlang, P., Edtmayr, T., & Sihn, W. (2011). Methodical approach to increase
productivity and reduce lead time in assembly and production-logistic processes.
CIRP Journal of Manufacturing Science and Technology.
https://doi.org/10.1016/j.cirpj.2011.02.001
Kunkhet, A. (2017). Designing an application of 3D character modelling in trialling size
of clothes on online clothing shopping. 2nd Joint International Conference on
Digital Arts, Media and Technology 2017: Digital Economy for Sustainable Growth,
ICDAMT 2017. https://doi.org/10.1109/ICDAMT.2017.7904975
Likert, R. (1932). A technique for the measurement of attitudes. Archives of Psychology.
Liliana, L. (2016). A new model of Ishikawa diagram for quality assessment. IOP
Conference Series: Materials Science and Engineering.
https://doi.org/10.1088/1757-899X/161/1/012099
Lockwood, B. (2011). Pareto efficiency. In The New Palgrave Dictionary of Economics.
https://doi.org/10.1057/9780230226203.3246
Lukinskiy, V. S., Panova, Y., and Soletskiy, R. (2016). Simulation modelling of supply
chain with allowance of reliability. Russian Journal of Logistics & Transport
Management, 49–60.
Ma, W., Zhao, C., Ke, H., & Chen, Z. (2020). Retailer’s return policy in the presence of
P2P secondary market. Electronic Commerce Research and Applications.
https://doi.org/10.1016/j.elerap.2019.100899
Masri, A., & Al-Jabi, M. (2019). Virtual dressing room application. 2019 IEEE Jordan
International Joint Conference on Electrical Engineering and Information
Technology, JEEIT 2019 - Proceedings.
https://doi.org/10.1109/JEEIT.2019.8717410
Mo-Ching Yeung, S. (2009). Using Six Sigma – SIPOC for customer satisfaction.
International Journal of Six Sigma and Competitive Advantage.
https://doi.org/10.1504/IJSSCA.2009.029912
228
Murdock, D. H., & Murdock, D. H. (2018). SIPOC Diagrams. In Auditor Essentials.
https://doi.org/10.1201/9781315178141-91
Nakamura, R., Izutsu, M., & Hatakeyama, S. (2013). Estimation method of clothes size
for virtual fitting room with Kinect sensor. Proceedings - 2013 IEEE International
Conference on Systems, Man, and Cybernetics, SMC 2013.
https://doi.org/10.1109/SMC.2013.636
Paciarotti, C., Ciatteo, V., & Giacchetta, G. (2011). Value stream mapping
implementation in the third sector. Operations Management Research.
https://doi.org/10.1007/s12063-011-0052-8
Pérez, V., Court, E., Rodríguez, C., Panez, M., & Ingar, B. (2010). Reporte Financiero
Burkenroad Perú – Sector Textil del Perú. In 2010.
Pohlen, T. L., & Farris, M. T. (1992). Reverse Logistics in Plastics Recycling.
International Journal of Physical Distribution & Logistics Management.
https://doi.org/10.1108/09600039210022051
Prockl, G., Bhakoo, V., & Wong, C. (2017). Supply chains and electronic markets -
impulses for value co-creation across the disciplines. In Electronic Markets.
https://doi.org/10.1007/s12525-017-0253-6
Rother, M., & Shook, J. (2003). Learning to See Value Stream Mapping to Create Value
and Eliminate Muda. Lean Enterprise Institute Brookline.
https://doi.org/10.1109/6.490058
Sales, M. (2013). Diagrama de pareto. EALDE Business School.
Santosa, S. B., Mudiantono, M., Murniyono, C. F., Hersugondo, H., & Soesanto, H.
(2020). Increasing consumers to consumers (C2C) e-commerce in Central Java,
Indonesia. Accounting. https://doi.org/10.5267/j.ac.2020.6.008
Schöder, D., Ding, F., & Campos, J. K. (2016). The Impact of E-Commerce Development
on Urban Logistics Sustainability. Open Journal of Social Sciences.
https://doi.org/10.4236/jss.2016.43001
Seitz, C., Pokrivčák, J., Tóth, M., & Plevný, M. (2017). Online grocery retailing in
Germany: an explorative analysis. Journal of Business Economics and Management.
https://doi.org/10.3846/16111699.2017.1410218
Selz, D., & Schubert, P. (1998). Web assessment - a model for the evaluation and the
assessment of successful electronic commerce applications. Proceedings of the
Hawaii International Conference on System Sciences.
https://doi.org/10.1080/10196789700000038
Shinkar, R. S., & Bogiri, N. (2019). A real time virtual dressing room application using
opencv. International Journal of Innovative Technology and Exploring Engineering.
https://doi.org/10.35940/ijitee.H7396.0981119
Spinks, N. (2013). Managing Processes and Systems. Study Guide. https://doi.org/MPS-
SG-7B
Statista. (2019). Retail e-commerce sales worldwide from 2014 to 2023 (in billion U.S.
dollars). J.Clement.
229
Stock, J. R. (1992). Reverse logistics: White paper. In Council of Logistics Management.
Tsai, J. Y., Raghu, T. S., & Shao, B. B. M. (2013). Information systems and technology
sourcing strategies of e-Retailers for value chain enablement. Journal of Operations
Management. https://doi.org/10.1016/j.jom.2013.07.009
Vendan, S. P., & Sakthidhasan, K. (2010). Reduction of Wastages in Motor
Manufacturing Industry. Jordan Journal of Mechanical and Industrial Engineering.
Voelkel, J. G., & Ishikawa, K. (1989). Guide to Quality Control. Technometrics.
https://doi.org/10.2307/1268827
Wang, M., Li, H., Tao, D., Lu, K., & Wu, X. (2012). Multimodal graph-based reranking
for web image search. IEEE Transactions on Image Processing.
https://doi.org/10.1109/TIP.2012.2207397
Wen, X., Li, Y., & Yin, C. (2019). Factors influencing purchase intention on mobile
shopping web site in china and South Korea: An empirical study. Tehnicki Vjesnik.
https://doi.org/10.17559/TV-20190112042354
Westcott, R. (2009). Pareto analysis. In Quality Progress.
https://doi.org/10.4324/9781003022022-68
Wong, K. C., Woo, K. Z., & Woo, K. H. (2016). Ishikawa diagram. In Quality
Improvement in Behavioral Health. https://doi.org/10.1007/978-3-319-26209-3_9
Wu, B., Mei, T., Cheng, W. H., & Zhang, Y. (2016). Unfolding temporal dynamics:
Predicting social media popularity using multi-scale temporal decomposition. 30th
AAAI Conference on Artificial Intelligence, AAAI 2016.
Yao, J. M. (2017). Supply chain resources integration optimisation in B2C online
shopping. International Journal of Production Research.
https://doi.org/10.1080/00207543.2015.1074298
Yaoyuneyong, G. S., Pollitte, W. A., Foster, J. K., & Flynn, L. R. (2018). Virtual dressing
room media, buying intention and mediation. Journal of Research in Interactive
Marketing. https://doi.org/10.1108/JRIM-06-2017-0042
Ye, Y., Zhao, Y., Shang, J., & Zhang, L. (2019). A hybrid IT framework for identifying
high-quality physicians using big data analytics. International Journal of
Information Management. https://doi.org/10.1016/j.ijinfomgt.2019.01.005
Zair, F., Sefiani, N., & Fourka, M. (2018). Advanced optimization model of resource
allocation in the B2C supply chain. Engineering Review.
https://doi.org/10.30765/er.38.3.10
Zhang, D., Wang, J., & Yang, Y. (2014). Design 3D garments for scanned human bodies.
Journal of Mechanical Science and Technology. https://doi.org/10.1007/s12206-
014-0605-5
Zhang, T., Wang, W. Y. C., Cao, L., & Wang, Y. (2019). The role of virtual try-on
technology in online purchase decision from consumers’ aspect. Internet Research.
https://doi.org/10.1108/IntR-12-2017-0540
Zheng, Q. (2009). Introduction to E-commerce. In Introduction to E-commerce.
https://doi.org/10.1007/978-3-540-49645-8
230
ANEXOS
1. Género
a. Femenino
b. Masculino
c. Prefiero no decirlo
2. Rango de Edad
a. 21 a 25 años
b. 26 a 30 años
c. 31 a 35 años
d. 36 a 40 años
e. 41 años a más
231
PARTE 2: VALIDACIÓN DE HERRAMIENTAS VIRTUAL TRY-ON Y SU
INFLUENCIA EN EL E-COMMERCE Y EN LA INTENCIÓN DE COMPRA.
232
PARTE 3: COMPORTAMIENTO DE LOS CONSUMIDORES DEL E-COMMERCE
11. ¿Has devuelto alguna vez una prenda de vestir que adquiriste en una compra en
línea?
a. Sí
b. No
233
12. ¿Cuáles serían los principales motivos por los que devolverías una prenda de
vestir?
a. El producto adquirido no es el solicitado
b. La talla del producto no es la adecuada
c. La calidad del producto no es la esperada
d. Demora en el despacho del producto
e. Otro (Especificar)
14. Si la ropa que devuelves tuviese una política de reutilización (reciclar la ropa,
donarla y/o revenderla en ferias vintage), ¿qué tan probable es que realices la
compra en esa tienda?
234
ANEXO 2: FLUJOGRAMA DEL PROCESO DE VENTAS
235
ANEXO 4: FLUJOGRAMA DEL PROCESO LOGÍSTICO
236
ANEXO 5: FLUJOGRAMA DEL SUBPOCESO DE GESTIÓN DE DEVOLUCIONES
237
ANEXO 6: FLUJOGRAMA DEL PROCESO DEL SERVICIO POST VENTA
238
ESTRUCTURA DE DESGLOSE DE TRABAJO EDT
PROYECTO: Proyecto de implementación mejora en los procesos venta y logística para reducir el número de devoluciones en el e-commerce textil de moda
1.1. Acta de 1.2. Plan de dirección 1.3. Acta de cierre del 1.4. Lecciones 2.1. Documentación de 2.2. Monitoreo y
ENTREGABLES 2.3. Implementación
Constitución del proyecto proyecto Aprendidas la Propuesta control
1.1.1. Elaboración del Acta 1.2.1. Estructura de 1.3.1. Elaboración del acta 1.4.1. Manual de lecciones 2.1.1. Procedimiento del 2.2.1 Elaboración de los
2.3.1. Plan de capacitación
de Constitución desglose del trabajo (EDT) de cierre del Proyecto aprendidas Proceso de Ventas flujogramas
1.2.2. Cronograma del 1.3.2. Resultados del cierre 2.1.2. Procedimiento de 2.2.2. Diseño de indicadores 2.3.2. Acta de inducción y
1.1.2. Matriz de Interesados
Proyecto del Proyecto Registro de Usuarios de desempeño capacitación
1.2.3. Presupuesto del 2.1.3. Procedimiento del 2.2.3. Registro y monitoreo 2.3.3. Reporte de
Proyecto Proceso Logístico de los indicadores desemepeño
ACCIONES
2.1.4. Procedimiento de 2.3.4. Análisis de
1.2.4. Matriz de Riesgos
Gestión de Devoluciones rentabilidad
2.1.5. Procedimiento de
Servicio Post-Venta
ANEXO 7: EDT DE LA IMPLEMENTACIÓN DE LA PROPUESTA DE SOLUCIÓN
239
ANEXO 8: CRONOGRAMA DEL PROYECTO DE IMPLEMENTACIÓN TEÓRICO
240
ANEXO 9: CRONOGRAMA DEL PROYECTO DE IMPLEMENTACIÓN
241
MATRIZ DE RIESGOS
EVALUACIÓN DEL RIESGO ACCIONES
N° PROBLEMA RIESGO CAUSA RAÍZ Aparición Valor de Nivel de Acciones de Estrategia
Gravedad Acciones Preventivas
(Probabilidad) Riesgo Riesgo Contingencia
Control de entregables y
Desviación de Cambios de alcance Cobro por cambios no
1 Falta de claridad del proyecto 0.8 5 4 Muy Alto diseño de siguiente Reducir
cronograma constantes planidicados
avance
2 Resistencia al cambio 0.5 5 2.5 Medio Concientizar a los
No se ejecute el proyecto Inseguridades Brindar los procedicientos Transferir
3 Falta de confianza 0.5 5 2.5 Medio trabajadores de la
No se obtiene el resultado Control y monitoreo de Control interactivo a los
4 Malas practicas Inadecuada 0.5 5 2.5 Medio Transferir
debido a malas practicas los trabajadores trabajadores
capacitación a los
5 Formatos escasos Imposibilidad de recolectar 0.7 4 2.8 Medio Entrega de formatos Capacitaciones extras al
trabajadores Transferir
ANEXO 10: MATRIZ DE RIESGOS
242
ANEXO 11: MATRIZ DE VALIDACIÓN BIBLIOGRÁFICA
243
N° Título Autor País Año Journal Base de Datos Cuartil Valor
International
A Study of Companies’
Journal of
Business Responses to Rose Francoise
Fashion
13 Fashion Bertram & Ting EE. UU. 2018
Design, Scopus Q1 0.39
E-Commerce’s Chi
Technology
Environmental Impact
and Education
Big Data Application for Paula A.
IFAC
E-Commerce Logistics: A Hurtado, Carina Web of
14
Research Assessment and Dorneles & Enzo
Brazil 2019 PapersOnLine
Science
Q2 0.33
52-13
Conceptual Model Frazzon
IEEE/CVF
Conference on
Han, X., Wu, Z., Computer
VITON: An Image-Based IEEE Not
15
Virtual Try-on Network
Wu, Z., Yu, R., EE. UU. 2018 Vision and
assigned 13.4
& Davis, L Pattern Xplore
Recognition,
7543-7552.
Tingting Zhang,
The role of virtual tryon Internet
William Yu
technology in online Research, Vol.
16
purchase decision from
Chung Wang, EE. UU. 2019
29 No. 3, pp. Scopus Q1 1.61
Ling Cao, Yan
consumers’ aspect 529-551.
Wang
International
Conference on
Designing an application
Digital Arts,
of 3D character modelling
Media and Not
17 in trialling size of clothes Kunkhet, A. Thailand 2017
Technology Scopus assigned 0.15
on online clothing
(ICDAMT),
shopping
Chiang Mai,
2017
International
Dr.K. Mohan
Conference on
Prasad, R. Sri
Virtual Fitting Space for Frontiers in Web of Not
18
Dress Trials
Kavya & India 2019
Materials and assigned 0.2
S.Bhuvaneswari Science
Smart System
Devi
Technologies
International
Journal of
A Real Time Virtual Rshami S.
Innovative
19 Dressing Room Shinkar & India 2019
Technology Scopus Q4 0.1
Application Using Opencv Nagaraju Bogiri
and Exploring
Engineering
Applicability of a single Adikari, S. B.,
depth sensor in real-time Ganegoda, N. C., Advances in
3D clothes simulation: Meegama, R. G. Human- Science
20
Augmented reality virtual N., &
Sri Lanka 2020
Computer Direct
Q3 0.29
dressing room using Wanniarachchi, Interaction
kinect sensor I. L.
M. F. Hashmi, B.
FashionFit: Analysis of
K. K. Ashish, A. IEEE Access,
Mapping 3D Pose and IEEE
21
Neural Body Fit for
G. Keskar, N. D. Dinamarca 2020 vol. 8, pp. Q1 0.78
Bokde and Z. W. 91603-91615 Xplore
Custom Virtual Try-On
Geem
244
ANEXO 12: MATRIZ DE VALIDACIÓN DE ENTREGABLES
2.1. Realizar el análisis y descripción del sector, subsector y del producto elegido
2.2. Elaborar la descripción de los procesos de venta y logístico
2.3. Realizar el diseño experimental (Definir variables, plantear hipótesis y diseñar encueta)
Capítulo 2 2.4. Realizar el levantamiento de información
2.5. Realizar el diagnóstico del caso de estudio
2.6. Hallar y definir las causas raíces del problema de estudio
2.7. Enlazar el diagnóstico a una propuesta de solución en base a la revisión bibliográfica
245
ANEXO 13: FLUJOGRAMA DE LA SIMULACIÓN (SITUACIÓN ACTUAL)
246
ANEXO 14: FLUJOGRAMA DE LA SIMULACIÓN (MEJORA PROPUESTA)
247