Andía JC

Modelo de gestión basado en herramientas de mejora
de procesos para reducir el porcentaje de devoluciones

de prendas de vestir en el e-commerce de moda textil
Item Type info:eu-repo/semantics/bachelorThesis
Authors Andía Jiménez, Claudia Gabriela; Morán Ipanaqué, Diego Josymar

André
Publisher Universidad Peruana de Ciencias Aplicadas (UPC)
Rights info:eu-repo/semantics/openAccess; Attribution-

NonCommercial-ShareAlike 4.0 International
Download date 20/11/2023 18:08:44
Item License http://creativecommons.org/licenses/by-nc-sa/4.0/
Link to Item http://hdl.handle.net/10757/656072

UNIVERSIDAD PERUANA DE CIENCIAS APLICADAS
FACULTAD DE INGENIERÍA
PROGRAMA ACADÉMICO DE INGENIERÍA DE GESTIÓN
EMPRESARIAL
Modelo de gestión basado en herramientas de mejora de procesos

para reducir el porcentaje de devoluciones de prendas de vestir en
el e-commerce de moda textil
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)
Lima, 9 de marzo 2021

DEDICATORIA
A mis padres Willman y Gabriela, por su educación, su amor incondicional, formarme

como soy y el apoyo brindado durante este trabajo; a mis hermanos Will, Chris y Rafi y
a mis mejores amigas Soni, Mery y Nare, por siempre darme aliento a continuar con
mis sueños e incentivar el superarme constantemente; a mi abuela Melba por ser mi
inspiración; y a Diego, por haber soportado conmigo todo este proceso y ser la mejor
pareja de tesis que pude tener.
Claudia Andía.
A mi familia por la confianza y cariño depositado a lo largo de mi vida; a mis mejores

amigos por siempre darme aliento: a la memoria de mi abuela Meibol por enseñarme a
nunca rendirme y cumplir todas mis metas; y a Claudia por todas las amanecidas,
dedicación y paciencia durante este largo proceso.
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
procesos y plantear las mejoras propuestas.

RESUMEN
El presente proyecto de tesis tiene como finalidad dotar a los e-commerce de moda textil
de un modelo de gestión basado en herramientas de mejora de procesos a fin de reducir
el porcentaje de devoluciones de prendas.
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
el análisis del problema de las devoluciones y su impacto en las utilidades del e-
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.
El modelo se valida mediante una simulación con información recolectada de un año de
un e-commerce de moda textil. Luego de ver las posibles mejoras a los procesos, se
plantea la opción de implementar modificaciones a las áreas de Ventas y Logística.
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
option of implementing modifications to the Sales and Logistics areas is proposed.
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
1.2.2 RESUMEN POR ARTÍCULO ................................................................... 6
MARCO TEÓRICO ........................................................................................ 52

1.3.1 VIRTUAL DRESSING ROOM ............................................................... 52
1.3.2 LOGÍSTICA INVERSA ........................................................................... 53
1.3.3 HERRAMIENTA VSM ........................................................................... 55
1.3.4 DIAGRAMA DE SIPOC ......................................................................... 57
1.3.5 DIAGRAMA DE ISHIKAWA................................................................. 59
1.3.6 DIAGRAMA DE PARETO ..................................................................... 61
CASOS DE ÉXITO ......................................................................................... 62

1.4.1 IMPLEMENTACIÓN DE LA HERRAMIENTA VIRTUSIZE EN LA
EMPRESA ASOS .................................................................................................. 62
1.4.2 THREADLESS UN MODELO DE NEGOCIO ÚNICO ......................... 64
1.4.3 CASO DE ÉXITO ECOMMERCE: LA HISTORIA DE LA TIENDA DE

VALENTINA ......................................................................................................... 65
MARCO NORMATIVO ................................................................................. 66

1.5.1 RESOLUCIÓN MINISTERIAL PRODUCE SECTOR TEXTIL ........... 66
1.5.2 NORMATIVA AL COMERCIO ELECTRÓNICO (E-COMMERCE) ... 67
CAPÍTULO II ................................................................................................................. 70
DESCRIPCIÓN DEL SECTOR ...................................................................... 72

DESCRIPCIÓN DEL SUBSECTOR .............................................................. 84
DESCRIPCIÓN DEL PRODUCTO ELEGIDO .............................................. 93
DESCRIPCIÓN DE LOS PROCESOS ........................................................... 94
2.4.1 PROCESO DE VENTAS ......................................................................... 95
2.4.2 PROCESO DE LOGÍSTICA .................................................................... 97
DISEÑO DEL EXPERIMENTO ..................................................................... 99

2.5.1 DEFINIR VARIABLES ........................................................................... 99
2.5.2 HIPÓTESIS PLANTEADAS ................................................................. 101
2.5.3 DISEÑO DE LA ENCUESTA ............................................................... 102
LEVANTAMIENTO DE INFORMACIÓN ................................................. 103

2.6.1 INFORMACIÓN DEL E-COMMERCE DE MODA TEXTIL ............. 103
2.6.2 RESULTADOS DE LA ENCUESTA.................................................... 108
2.6.3 ANÁLISIS DEL CASO DE ESTUDIO ................................................. 120
DIAGNÓSTICO ............................................................................................ 126

CAUSA RAÍZ................................................................................................ 129
DIAGNÓSTICO ATADO A LA PROPUESTA DE SOLUCIÓN ............... 131
CAPÍTULO III ............................................................................................................. 134
DISEÑO DE LA PROPUESTA .................................................................... 134

GUIA DE IMPLEMENTACION .................................................................. 139
DISEÑO DE LOS PROCESOS DE MEJORA ............................................. 140
3.3.1 PROCESO DE VENTAS ....................................................................... 140
3.3.2 PROCESO LOGÍSTICO ........................................................................ 147
3.3.3 SERVICIO POST VENTA .................................................................... 156
DESARROLLO DE LOS PROCEDIMIENTOS .......................................... 160

3.4.1 PROCEDIMIENTO DE VENTAS ........................................................ 160
3.4.2 PROCEDIMIENTO DE REGISTRO DE USUARIOS ......................... 161
3.4.3 PROCEDIMIENTO DE LOGÍSTICA ................................................... 162
3.4.4 PROCEDIMIENTO DE GESTIÓN DE DEVOLUCIONES ................. 164
3.4.5 PROCEDIMIENTO DEL SERVICIO POST VENTA .......................... 165
IDENTIFICACIÓN DE INDICADORES ..................................................... 166

3.5.1 DISPONIBILIDAD DEL SERVICIO .................................................... 167
3.5.2 TIEMPO DE CARGA DE LA PLATAFORMA ................................... 168
3.5.3 NIVEL DE RESPUESTA EN REDES SOCIALES .............................. 169
3.5.4 PORCENTAJE DE AHORRO EN TRASLADOS ................................ 169
3.5.5 PORCENTAJE DE ERRORES DE ENTREGA .................................... 170

3.5.6 TIEMPO DE RETRASO EN INFORMES ............................................ 171
3.5.7 PORCENTAJE DE ERRORES DE DESPACHO ................................. 172
3.5.8 PORCENTAJE DE ERRORES DE EMPAQUETADO ........................ 173
3.5.9 DEVOLUCIONES POR CAMBIOS DE PRENDAS ............................ 174
3.5.10 DEVOLUCIONES POR REEMBOLSO DE DINERO ......................... 175
3.5.11 DEVOLUCIONES POR FALLAS DE FÁBRICA ................................ 176
3.5.12 DEVOLUCIONES ASUMIDAS POR CLIENTES ............................... 177
3.5.13 INTENCIÓN DE COMPRA REAL ....................................................... 178
3.5.14 RECONOCIMIENTO DE MARCA ...................................................... 179
3.5.15 IDENTIFICACIÓN CON LA MARCA................................................. 180
3.5.16 COSTOS DE DEVOLUCIONES ........................................................... 181
MATRIZ DE INDICADORES ...................................................................... 182

PLAN DE IMPLEMENTACIÓN .................................................................. 184
COSTOS DE IMPLEMENTACIÓN ............................................................. 186
ANÁLISIS DE RIESGO DE LA IMPLEMENTACIÓN .............................. 189
CAPÍTULO IV ............................................................................................................. 191
VALIDACIÓN BIBLIOGRÁFICA .............................................................. 191

VALIDACIÓN DE ENTREGABLES ........................................................... 194
VALIDACIÓN DE RESULTADOS ............................................................. 197
4.3.1 MODELO DE MEJORA PROPUESTO ................................................ 197
4.3.2 SITUACIÓN ACTUAL ......................................................................... 199
4.3.3 PROPUESTA DE SOLUCIÓN .............................................................. 201
4.3.4 ANÁLISIS DE RESULTADOS ............................................................. 202
VALIDACIÓN DE USUARIOS ................................................................... 206

ANÁLISIS ECONÓMICO ............................................................................ 208
4.5.1 INVERSIÓN........................................................................................... 208
4.5.2 FLUJO DE CAJA ................................................................................... 210
ANÁLISIS DE IMPACTOS .......................................................................... 216

4.6.1 DEFINIR STAKEHOLDERS ................................................................ 216
4.6.2 IMPACTOS ESPERADOS .................................................................... 216
CAPÍTULO V .............................................................................................................. 219
CONCLUSIONES ......................................................................................... 219

RECOMENDACIONES ................................................................................ 224
FUTURAS INVESTIGACIONES ................................................................ 224
BILIOGRAFÍA ............................................................................................................. 225
ANEXOS ...................................................................................................................... 231
ANEXO 1: ENCUESTA SOBRE INTENCIÓN DE COMPRA E-COMMERCE.. 231

ANEXO 2: FLUJOGRAMA DEL PROCESO DE VENTAS ................................. 235
ANEXO 3: FLUJOGRAMA DEL SUBPROCESO DE REGISTRO DE USUARIOS
.................................................................................................................................. 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
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
ANEXO 10: MATRIZ DE RIESGOS ...................................................................... 242
ANEXO 11: MATRIZ DE VALIDACIÓN BIBLIOGRÁFICA ............................. 243
ANEXO 12: MATRIZ DE VALIDACIÓN DE ENTREGABLES.......................... 245
ANEXO 13: FLUJOGRAMA DE LA SIMULACIÓN (SITUACIÓN ACTUAL) . 246
ANEXO 14: FLUJOGRAMA DE LA SIMULACIÓN (MEJORA PROPUESTA) 247
ÍNDICE DE FIGURAS
Figura 1. Relación por sectores entre el comercio electrónico y el comercio en general,
tomado de Fuente: (Cheong & Yoo, 2020) ...................................................................... 6
Figura 2. Ventaja del comercio intersectorial y la balanza comercial, tomado de (Cheong
& Yoo, 2020) .................................................................................................................... 7
Figura 3. Framework del modelo teórico propuesto por Alderete, tomado de (Alderete,
2019) ................................................................................................................................. 8
Figura 4. Análisis factorial de los indicadores del uso de las TIC, tomado de (Alderete,
2019) ................................................................................................................................. 9
Figura 5. Comparativa de las principales características de las compras móviles en China
y Corea del Sur, tomado de (Wen et al., 2019) .............................................................. 10
Figura 6. Diseño del modelo teórico propuesto por Wen, tomado de (Wen et al., 2019)
........................................................................................................................................ 11
Figura 7. Modelo de DuPont modificado para determinar el análisis de la rentabilidad de
la empresa, adaptado (Hilmola et al., 2019) ................................................................... 13
Figura 8. Modelo teórico propuesto por Santosa para propuesto para validar la confianza
del cliente al proveedor, adaptado de (Santosa et al., 2020) .......................................... 16
Figura 9. Modelo de investigación y desarrollo teórico propuesto por Kim & Ammeter,
adaptado de (Kim & Ammeter, 2018) ............................................................................ 21
Figura 10. Ejemplos de la tecnología del modelamiento tridimensional textil, tomado de
(Cöşkun & Akpinarli, 2019) ........................................................................................... 23
Figura 11. Flujograma del funcionamiento de la plataforma “Threadless”, adaptado de
(Cöşkun & Akpinarli, 2019) ........................................................................................... 24
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).. 25
Figura 13. Análisis de datos estadísticos en el modelo LISREL, tomado de (Anastasiadou
et al., 2019) ..................................................................................................................... 26
Figura 14. Principales factores en la decisión de compra textil, tomado de (Harpa &
Visileanu, 2018) ............................................................................................................. 28
Figura 15. Cadena de suministro que engloba a los actores del e-commerce, tomado de
(Zair et al., 2018) ............................................................................................................ 33
Figura 16. Diagrama de la cadena de suministro electrónica, tomado de (Zair et al., 2018)
........................................................................................................................................ 33
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) ............. 34
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)
........................................................................................................................................ 37
Figura 20. Datos de la evaluación de la investigación de Hurtado, tomado de (Hurtado et
al., 2019) ......................................................................................................................... 38
Figura 21. Diseño del modelo teórico propuesto por Hurtado, tomado de (Hurtado et al.,
2019) ............................................................................................................................... 39
Figura 22. Modelo de investigación y significancia frente a la intención de compra,
adaptado de (T. Zhang et al., 2019) ................................................................................ 43
Figura 23. Esquema de las funciones de aplicación VTO, adaptado de (Kunkhet, 2017)
........................................................................................................................................ 45
Figura 24. Diseño de la arquitectura del sistema teórico propuesto por Shinkar & Bogiri,
adaptado de adaptado de (Shinkar & Bogiri, 2019) ....................................................... 48
Figura 25. Esquema del diseño del Value Stream Mapping, adaptado de (Rother &
Shook, 2003)................................................................................................................... 55
Figura 26. Descripción de las simbologías en el diseño del Value Stream Mapping,
adaptado de (Rother & Shook, 2003) ............................................................................. 56
Figura 27. Representación gráfica del diagrama de SIPOC, adaptado de (Brown, 2019)
........................................................................................................................................ 58
Figura 28. Enfoque de los insumos y variables que influyen en el resultado del proceso,
adaptado de (Murdock & Murdock, 2018) ..................................................................... 59
Figura 29. Representación gráfica del diagrama de Ishikawa con las 6M, adaptado de
(Voelkel & Ishikawa, 1989) ........................................................................................... 60
Figura 30. Representación gráfica del diagrama de Pareto, adaptado de (Lockwood, 2011)
........................................................................................................................................ 61
Figura 31. Interfaz de la plataforma “Fit Visualiser”, tomado de (Moth, 2020) ............ 63
Figura 32. Diseño experimental de la investigación, elaboración propia ....................... 70
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). ................................................................................. 72
Figura 34. PBD desestacionalizado (índice, 4T19=100), por Estudios Económicos – BCP
(2020) ............................................................................................................................. 73
Figura 35. PBD desestacionalizado por categorías (índice, 4T19=100), por Estudios
Económicos – BCP (2020). ............................................................................................ 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)................................................................................................ 75
Figura 37. Proceso de ventas en los e-commerce, adaptado de Skitsko (2015). ............ 78
Figura 38. Proceso logístico en los e-commerce, adaptado de Skitsko (2015) .............. 79
Figura 39. Distribución del e-commerce en el Perú durante el año 2019, adaptado de BS
Latam (2020). ................................................................................................................. 82
Figura 40. Principales países con mayor margen de ingresos del e-commerce registrados
en millones de dólares en Latinoamérica, adaptado de Statista (2019). ......................... 83
Figura 41. Fases del “megachoque” y riesgos económicos hacia adelante, por Estudios
Económicos – BCP (2020). ............................................................................................ 84
Figura 42. Variación porcentual de la producción industrial entre 2012 y 2019, por la
Sociedad Nacional de Industrias (2020). ........................................................................ 85
Figura 43. Variación Porcentual de las Industrias por categorías en febrero del 2020, por
la Sociedad Nacional de Industrias (2020). .................................................................... 85
Figura 44. Principales categorías manufacturares según rama industrial en el año 2019,
por la Sociedad Nacional de Industrias (2020). .............................................................. 86
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). ............................................................................................................................ 87
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).................. 88
Figura 47. Variación porcentual de las principales categorías del e-commerce en Perú
durante el año 2019, adaptado de Data Reportal (2020). ............................................... 88
Figura 48. Mapa de procesos de la empresa en estudio, elaboración propia. ................. 95
Figura 49. Flujograma del proceso de ventas del caso de estudio, elaboración propia. . 96
Figura 50. Flujograma del proceso de entrega de productos del caso de estudio,
elaboración propia. ......................................................................................................... 97
Figura 51. Flujograma del proceso de devolución de productos del caso de estudio,
elaboración propia. ......................................................................................................... 98
Figura 52. Diseño del experimento de investigación ..................................................... 99
Figura 53. Tipología de las variables de estudio, elaboración propia. ........................... 99
Figura 54. Fórmula para calcular el tamaño de la muestra, por Survey Money tomado de
Bain & Company, Inc., Freud Reicheld y Satmetrix Systems (2020). ......................... 102
Figura 55. Efectos de la pandemia en los principales sectores económicos peruanos, por
Estudios Económicos – BCP (2020). ........................................................................... 104
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
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). .......................................................................................................................... 107
Figura 58. Distribución de la población encuestada que realiza compras en línea,
elaboración propia. ....................................................................................................... 109
Figura 59. Distribución por género de la población encuestada, elaboración propia. .. 109
Figura 60. Principales motivos por los que la población encuestada no realiza compras en
línea, elaboración propia............................................................................................... 110
Figura 61. Frecuencia con la que la población encuestada realiza compras en línea,
Figura 62. Distribución por rango de edad de la población que realizas compras online,
Figura 63. Principales categorías del e-commerce en Lima, elaboración propia. ........ 112
Figura 64. Principales categorías del e-commerce en Lima, elaboración propia. ........ 113
Figura 65. Factores que prioriza el consumidor limeño al realizar compras en línea,
Figura 66. Distribución de la población encuestada que ha devuelto productos de compras
en línea, elaboración propia. ......................................................................................... 115
Figura 67. Complejidad del proceso de devolución, elaboración propia. .................... 116
Figura 68. Principales motivos de la devolución de productos en el e-commerce de moda
textil, elaboración propia. ............................................................................................. 117
Figura 69. Nivel de influencia de las herramientas Virtual Room en el e-commerce sobre
la decisión de compra, elaboración propia. .................................................................. 118
Figura 70. Nivel de influencia de las herramientas Virtual Room en el e-commerce para
disminuir las posibles devoluciones, elaboración propia. ............................................ 119
Figura 71. Nivel de influencia de la logística inversa en la decisión de compra en el e-
commerce de moda textil, elaboración propia. ............................................................. 119
Figura 72. Resumen económico del caso de estudio, elaboración propia. ................... 120
Figura 73. Matriz de indicadores, elaboración propia. ................................................. 121
Figura 74. Diagrama de Ishikawa del caso de estudio, elaboración propia.................. 127
Figura 75. Árbol de problemas del caso de estudio, elaboración propia. ..................... 128
Figura 76. Causas raíz involucradas en los procesos del caso de estudio, elaboración
propia. ........................................................................................................................... 129
Figura 77. Diagrama de Pareto de las causas raíz del caso de estudio, elaboración propia.
...................................................................................................................................... 131
Figura 78. Aplicación de las herramientas de solución a las causas raíz, elaboración
propia. ........................................................................................................................... 132
Figura 79. Modelo de gestión para reducir el porcentaje de devoluciones en el e-
commerce textil de moda, elaboración propia. ............................................................. 135
Figura 80. Detalle del flujograma del proceso de Ventas - Parte 1, elaboración propia.
...................................................................................................................................... 142
...................................................................................................................................... 142
Figura 82. Detalle del flujograma del Proceso de Ventas - Parte 3, elaboración propia.
...................................................................................................................................... 143
Figura 83. Detalle del flujograma del subproceso de Registro de Usuarios - Parte 1,
Figura 88. Detalle del flujograma del proceso Logístico - Parte 1, elaboración propia.
...................................................................................................................................... 149
...................................................................................................................................... 149
...................................................................................................................................... 150
...................................................................................................................................... 150
Figura 92. Flujograma del proceso Logístico - Parte 5, elaboración propia. ............... 151
Figura 93. Detalle del flujograma del subproceso de Gestión de Devoluciones - Parte 1,
Figura 98. Detalle del flujograma del proceso del Servicio Post Venta- Parte 1,
Figura 102. Diagrama de Gantt de la Implementación de la Propuesta de Solución teórica,
Figura 103. Diagrama de Gantt de la Implementación de la Propuesta de Solución,
Figura 104. Costos de Implementación de la herramienta Virtual Try On, elaboración
propia. ........................................................................................................................... 187
Figura 105. Costos de Implementación de alternativa al Virtual Try On, elaboración
propia. ........................................................................................................................... 188
Figura 106. Distribución de los artículos científicos por año de publicación, elaboración
propia. ........................................................................................................................... 191
Figura 107. Distribución de los países de publicación de los artículos científicos,
Figura 108. Distribución de las bases de datos utilizadas para la búsqueda de artículos
científicos, elaboración propia. ..................................................................................... 193
Figura 109. Distribución por cuartil de los artículos científicos según SJR, elaboración
propia. ........................................................................................................................... 194
Figura 110. Modelo de gestión de gestión para reducir el porcentaje de devoluciones en
el e-commerce textil de moda, elaboración propia. ...................................................... 198
Figura 111. Resultados de la herramienta Output Analyzer por los datos ingresados en la
simulación, elaboración propia. .................................................................................... 203
Figura 112. Matriz de validación de usuarios, tomado de R. Likert (Likert, 1932),
Figura 113. Resultados de la matriz de evaluación de usuarios, elaboración propia. .. 208
Figura 114. Resumen del flujo proyectado de la propuesta Virtual Try On, elaboración
propia. ........................................................................................................................... 213
Figura 115. Resumen del flujo proyectado financiero de la alternativa Virtual Try On
...................................................................................................................................... 214
Figura 116. Resumen del flujo proyectado de la propuesta alternativa, elaboración propia.
...................................................................................................................................... 215
Figura 117. Evaluación de los impactos sobre los stakeholders, elaboración propia. .. 218
ÍNDICE DE TABLAS
Tabla 1. Clasificación de artículos por tipología y escenario ........................................... 3
Tabla 2. Indicador de variables e investigación ............................................................. 17
Tabla 3. Evaluación cuantitativa del conjunto de datos de prueba virtual ..................... 41
Tabla 4. Situación comparativa de los sistemas ............................................................. 49
Tabla 5. Número de compradores digitales en el Mundo (2014-2019).......................... 76
Tabla 6. Número de compradores digitales en Latinoamérica (2014-2015) ................. 76
Tabla 7. Ventas de retail de e-commerce en el Mundo (2015-2019) ............................. 77
Tabla 8. Ventas de retail de e-commerce por zonas (2015-2019) .................................. 80
Tabla 9. Ventas de retail de e-commerce en Latinoamérica (2015-2019) ..................... 80
Tabla 10. Promedio de Ingresos por Usuarios (2017-2018) ......................................... 81
Tabla 11. Usuarios mundiales que compran productos seleccionados (2018-2019) .... 89
Tabla 12. Ingresos Totales por Categorías - Proyección (2017-2023).......................... 90
Tabla 13. Valor del Internet Retailing por Categorías (2013-2019) ............................. 90
Tabla 14. Pronóstico de Valor del Internet Retailing por Categorías (2020-2023) ...... 92
Tabla 15. Principales motivos de las devoluciones en el e-commerce ......................... 106
Tabla 16. Efectos directos sobre variables ................................................................... 107
Tabla 17. Cantidad de devoluciones en periodo de estudio ......................................... 122
Tabla 18. Top 5 productos con mayor cantidad de devoluciones ................................ 122
Tabla 19. Top 5 productos con mayores costos de devueltos ...................................... 123
Tabla 20. Impacto del costo de devoluciones en la rentabilidad de la empresa
(redondeado) ................................................................................................................. 123
Tabla 21. Impacto de las devoluciones frente al total de ingresos por prendas ........... 124
Tabla 22. Componentes del Costo de Devoluciones .................................................... 124
Tabla 23. Resultados del levantamiento de información .............................................. 125
Tabla 24. Principales causas de la devolución de ropa en el e-commerce de moda .... 126
Tabla 25. Principales causas de la devolución de ropa en el e-commerce de moda textil
...................................................................................................................................... 126
Tabla 26. Principales causas raíz a desarrollar en el proyecto de investigación .......... 127
Tabla 27. Matriz de prioridad de las causas raíz del caso de estudio ........................... 130
Tabla 28. Matriz de frecuencia y acumulado de las causas raíz ................................... 130
Tabla 29. Matriz de causas raíz y herramientas de solución ........................................ 132
Tabla 30. Aporte de las herramientas de solución ........................................................ 133
Tabla 31. Resumen de las propuestas de mejoras realizadas ....................................... 138
Tabla 32. SIPOC Proceso de Ventas Inicial ................................................................. 141
Tabla 33. SIPOC Proceso de Ventas Final ................................................................... 141
Tabla 34. SIPOC Proceso de Logística Almacenes Inicial .......................................... 147
Tabla 35. SIPOC Proceso de Logística Almacenes Final ............................................ 147
Tabla 36. SIPOC Proceso de Logística Traslado Inicial .............................................. 147
Tabla 37. SIPOC Proceso de Logística Traslado Final ................................................ 148
Tabla 38. SIPOC Proceso de Devoluciones Inicial ...................................................... 151
Tabla 39. SIPOC Proceso de Devoluciones Final ........................................................ 152
Tabla 40. SIPOC Proceso de Servicio Post Venta Final .............................................. 156
Tabla 41. Procedimiento de Ventas .............................................................................. 160
Tabla 42. Procedimiento de Registro de Usuarios ....................................................... 161
Tabla 43. Procedimiento de Logística .......................................................................... 162
Tabla 44. Procedimiento de Gestión de Devoluciones ................................................. 164
Tabla 45. Procedimiento del Servicio Post Venta ........................................................ 165
Tabla 46. Indicador N°01: Disponibilidad de Servicio ................................................ 167
Tabla 47. Indicador N°02: Tiempo de Carga de la Plataforma .................................... 168
Tabla 48. Indicador N°03: Nivel de Respuesta en Redes Sociales .............................. 169
Tabla 49. Indicador N°04: Porcentaje de Ahorro en Traslados .................................... 169
Tabla 50. Indicador N°05: Porcentaje de Errores de Entrega ...................................... 170
Tabla 51. Indicador N°06: Tiempo de Retraso en Informes ........................................ 171
Tabla 52. Indicador N°07: Porcentaje de Errores de Despacho de Productos Finales . 172
Tabla 53. Indicador N°08: Porcentaje de Errores de Empaquetado ............................. 173
Tabla 54. Indicador N°09: Devoluciones por Cambios de Prendas ............................. 174
Tabla 55. Indicador N°10: Devoluciones por Reembolso de Dinero ........................... 175
Tabla 56. Indicador N°11: Devoluciones por Fallas de Fábrica .................................. 176
Tabla 57. Indicador N°12: Devoluciones Asumidas por Clientes ................................ 177
Tabla 58. Indicador N°12: Intención de Compra Real ................................................. 178
Tabla 59. Indicador N°14: Reconocimiento de Marca ................................................. 179
Tabla 60. Indicador N°15: Identificación con la Marca ............................................... 180
Tabla 61. Indicador N°16: Costos de Devoluciones .................................................... 181
Tabla 62. Matriz de Indicadores de Gestión de la Propuesta de Solución ................... 182
Tabla 63. Resumen de la Matriz de Riesgos de Implementación ................................. 189
Tabla 64. Entregables del Capítulo 1............................................................................ 194
Tabla 65. Entregables del Capítulo 2 ........................................................................... 195
Tabla 69. Relación de los inputs con cada proceso (Situación Actual) ........................ 198
Tabla 70. Promedio de los valores inputs del periodo en estudio (Situación Actual) .. 199
Tabla 71. Valores estadísticos del input durante el periodo de Covid-19 (Situación Actual)
...................................................................................................................................... 200
Tabla 72. Relación de las herramientas e inputs de mejora con los procesos involucrados
(Mejora) ........................................................................................................................ 201
Tabla 73. Promedio de los valores inputs del periodo en estudio (Mejora) ................. 201
Tabla 74. Valores estadísticos del input durante el periodo de Covid-19 (Mejora) ..... 202
Tabla 75. Comparativo de outputs resultados de la simulación del proceso actual y
mejorado ....................................................................................................................... 203
Tabla 76. Resumen de los resultados de las hipótesis planteadas ................................ 205
Tabla 77. Descripción de los criterios a evaluar sobre el modelo de solución ............. 207
Tabla 78. Resultados de la matriz de evaluación de usuarios ...................................... 207
Tabla 79. Costos de inversión de la propuesta Virtual Try On .................................... 209
Tabla 80. Costos de inversión de la propuesta alternativa ........................................... 210
Tabla 81. Cálculo del COK .......................................................................................... 211
Tabla 82. WACC de la propuesta Virtual Try On ........................................................ 212
Tabla 83. WACC de la propuesta alternativa ............................................................... 212
Tabla 84. Flujo proyectado de la propuesta Virtual Try On ......................................... 213
Tabla 85. Flujo proyectado financiero de la alternativa Virtual Try On ...................... 214
Tabla 86. Flujo proyectado de la propuesta alternativa ................................................ 215
Tabla 87. Principales impactos en la Empresa ............................................................. 216
Tabla 88. Principales impactos en los Clientes ............................................................ 217
Tabla 89. Principales impactos en los Colaboradores .................................................. 217
Tabla 90. Principales impactos en la Competencia ...................................................... 217
Tabla 91. Principales impactos en los Proveedores...................................................... 217
Tabla 92. Nivel de impacto del modelo de solución .................................................... 218
CAPÍTULO I
INFORMACIÓN GENERAL
El diseño de moda y confecciones textiles pertenece a un sector complejo, exigente y

tecnológicamente saturado, lo cual resulta crítico para la economía global, formado por
consumidores, empresas dispersas y por modelos de producción no lineales, distribuidos
en una cadena de suministro extendida (Inditex, 2017). Caracterizados por la
obsolescencia programada, los productos de moda presentan ciclos de vida cortos y una
gran diferenciación, por lo que la lealtad a la marca es una necesidad. Por tal motivo, con
la finalidad de retener la lealtad de los consumidores, las marcas de moda deben cautivar
a sus consumidores continuamente.
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).
En consecuencia, el sector de moda y de confecciones textil se beneficia de la penetración

móvil y de las revisiones de las redes sociales, puesto que las marcas de moda capitalizan
la creación conjunta, la personalización a través del análisis de datos, la inteligencia
artificial o la realidad virtual, la calidad del producto y la sostenibilidad a través de la
tecnología 3D, lo que crea lealtad a la marca reflejada en la intención de compra.
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.
La metodología usada fue un proceso de planificación, búsqueda, análisis y desarrollo en

torno al e-commerce y el rubro de moda y confecciones textiles. Esto tuvo como objetivo
encontrar las principales características asociadas a estas principales tipologías de
búsqueda, así como el uso de las herramientas y tecnologías que se aplican en el sector.
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 segundo lugar, al realizar la búsqueda con las tipologías mencionadas anteriormente,

se procedió a limitar la cantidad de artículos a través de los siguientes criterios:
 Artículos de investigación con una antigüedad no menor de 4 años.

 Artículos de investigación incluidos en el área temática de “Engineering” y
“Business, Management and Accounting”.
 Artículos de investigación de tipo de documento “Article” y “Conference Paper”.
 Artículos de investigación de tipo de fuente “Journal”.
 Artículos de investigación del idioma inglés.
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
Performance in María Verónica

2 2019 Argentina Económicas y
Manufacturing Firms: A Alderete
e-commerce
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
Global Corporations and

Hilmola O.-P.,
Smaller Actors in Textile Economy of
4 Tolli A. & 2019 Estonia
Business: European Region
Panova Yu
Perspective.
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
Textile Printing and a Gökçe Coskun Journal of

gestión
textil
8 Case Study of an E- & H. Feriha 2019 Turquía Textiles and

Commerce Company Akpinarli Engineer
Website
3
Fuente de
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
Retailer's return policy in Ma, W., Zhao,

Commer. Res.
11 the presence of P2P C., Ke, H., & 2020 China
Appl., 39,
secondary market Chen, Z.
100899
Advanced Optimization Firdaous Zair,

Engineering
Model Of Resource Naoufal Sefiani
12 2018 EE. UU. Review, Vol.
Location in The B2C & Mohamed
Supply Chain
Management
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
Big Data Application for Paula A.

IFAC
E-Commerce Logistics: A Hurtado, Carina
14 2019 Brazil PapersOnLine
Research Assessment and Dorneles &
52-13
Conceptual Model Enzo Frazzon
IEEE/CVF
Diseño y desarrollo de herramientas
Virtual Try-On en el rubro de
moda y confecciones textiles
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
R., & Davis, L Pattern

Try-On para
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
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
Dressing Room Innovative

19 Shinkar & 2019 India
Application Using Technology
Nagaraju Bogiri
el e-commerce
Opencv and Exploring

Engineering
Applicability of a single Adikari, S. B.,

depth sensor in real-time Ganegoda, N. Advances in
3D clothes simulation: C., Meegama, Human-
20 2020 Sri Lanka
Augmented reality virtual R. G. N., & Computer
dressing room using Wanniarachchi, Interaction
kinect sensor I. L.
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
Nota: Resumen de la clasificación de los artículos científicos utilizados, elaboración propia.
Por último, se realizaron las conclusiones por tipología y escenarios buscando la

correlación entre las propuestas y aporte de los autores para determinar la contribución
teórica al proyecto de investigación.
5
1.2.2 RESUMEN POR ARTÍCULO
1.2.2.1 TIPOLOGÍA N°01: MODELO DE GESTIÓN E-COMMERCE
ESCENARIO 1: APLICACIÓN EN EL RUBRO DE MODA Y CONFECCIONES

TEXTIL
Artículo N°01: A Study on the characteristics of Intra-Industry Trade for Korea’s e-
commerce Trade
Actualmente, los estudios completos que examinan cómo funciona el comercio

electrónico coreano son limitados. Este estudio busca explorar si el comercio electrónico
de Corea es más aplicable a la teoría del comercio tradicional o a las teorías modernas.
De acuerdo al análisis de los autores, la participación del comercio intersectorial (IIT) en

la teoría comercial moderna es menor que la del comercio general para el comercio
electrónico coreano (Gallucci et al., 2019). Por lo tanto, el comercio basado en la ventaja
comparativa puede ser más válido para explicar el comercio electrónico en los países en
vías de desarrollo (Ambroziak, 2017). De esta manera, en base al modelo propuesto, se
analizaron los datos recolectados, tanto en el comercio general como en el e-commerce,
en el cual se obtuvieron los siguientes resultados.
En primer lugar, se analizó la relación intersectorial de las principales industrias por

categorías y se evidenció que en el sector textil y calzado hay una diferencia de 47.70%
a favor del comercio en general, lo cual se refleja en que muchas veces, los compradores
desconfían de la calidad del producto, de las tallas o de la fecha de entrega.
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.
Así mismo, para que se desarrolle el comercio electrónico de Corea, se necesita un

enfoque más estratégico. En lugar de fijar precios altos basados en ventajas de calidad,
también debe utilizarse una estrategia de ventaja de precios. Dado que el comercio
electrónico ha reducido radicalmente los costos operativos de ventas y marketing de las
empresas, es necesario reflejar esa reducción de precios de los bienes y aumentar las
ganancias netas de las empresas mediante el aumento de las ventas.
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.
Al estimar un modelo de ecuación estructural, obtenemos que la adopción del comercio

electrónico tiene una influencia positiva y significativa en las ventas de las PyMEs que
es reforzado por el nivel de uso de las TIC. Otros factores organizacionales, como el
tamaño de la empresa y los programas públicos, explican el desempeño, pero no son
predictores significativos de la adopción del comercio electrónico (Bernardes & Da Silva,
2016).
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.
De esta manera, enfocando el artículo al proyecto de investigación se hace énfasis en el

uso de las TIC para el desempeño del comercio electrónico mediante el contacto con
clientes antiguos y potenciales, así como la comercialización de productos en línea.
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)
La motivación hedonista se puede obtener a través de la diversión, la fantasía, el

entretenimiento y el disfrute que se generan durante el proceso de compra. La motivación
utilitaria es un tipo de actividad psicológica racional relacionada con las tareas (Ye et al.,
2019). Los académicos que sostienen este punto de vista consideran a los consumidores
como solucionadores racionales de problemas y creen que el consumo es en realidad un
medio para lograr "objetivos predeterminados". El objetivo de investigación de este
estudio es analizar los factores que influyen en las percepciones de los consumidores
sobre el uso de servicios de comercio móvil para compras en línea en China y Corea del
Sur mediante análisis de regresión logística ordenada. Por tal motivo, los autores
diseñaron el modelo de investigación utilizando las principales dimensiones de las
características individuales: Las motivaciones de compra y las características de la
compra móvil.
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)
Asimismo, la frecuencia de compra, el hedonismo, el utilitarismo, la conectividad

instantánea y la accesibilidad a los servicios de redes sociales afectan positivamente la
intención de utilizar Internet para las compras móviles de los consumidores surcoreanos.
Sin embargo, la intención de adopción de los consumidores surcoreanos disminuirá
cuando el utilitarismo y la accesibilidad a las redes sociales alcancen ciertos valores. Estos
resultados proporcionan importantes implicaciones para la literatura y la práctica del
comercio móvil.
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 bajo costo no siempre ha sido la mejor estrategia de venta en el mercado y muchas

veces se ha vuelto perjudicial para la industria, ya que terminaba impactando directamente
a las condiciones de producción. La innovación en la industria textil genera mayor
crecimiento en la industria en los países que han apostado por ello. El bajo rendimiento
en la industria textil tiene como factor común el equipamiento antiguo y la poca inversión
en innovación y mejora.
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.
A través de los métodos-operaciones teóricos experimentados, el fenómeno / objeto de

investigación (es decir, corporaciones globales y pequeños actores en el negocio textil)
fue considerado desde el punto de vista de los sistemas, un llamado espectro
multifacético, que permitió proceder con la tercera fase de elaboración de conclusiones.
Figura 7. Modelo de DuPont modificado para determinar el análisis de la rentabilidad de la empresa,

adaptado (Hilmola et al., 2019)
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.
En particular, el modelo de DuPont modificado proporcionado identifica el indicador de

rentabilidad. Este enfoque para el análisis de la eficiencia económica de las empresas
ayuda a rastrear el impacto de los componentes de las operaciones logísticas (por ejemplo,
la gestión de inventarios) desde el nivel más bajo hasta el más alto, afectando el
desempeño financiero de las empresas.
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
ESCENARIO 1: MODELO DE GESTIÓN COMERCIAL APLICADO AL E-

COMMERCE
Artículo N°05: Increasing Consumers To Consumers (C2C) e-commerce in Central
Java, Indonesia
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:
1. El efecto de la calidad de la información en la confianza

H1: Cuanto mayor sea la calidad de la información, mayor será el nivel de confianza.
2. El efecto de la calidad del producto en la confianza

H2: Cuanto mayor sea la calidad del producto, mayor será el nivel de confianza.
3. El efecto de la calidad del servicio en la confianza

H3: Cuanto mayor sea la calidad del servicio, mayor será el nivel de confianza.
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.
5. El efecto de la confianza en el riesgo percibido

H5: Cuanto mayor es el nivel de confianza, menor es la percepción.
6. El efecto de la confianza en la intención de compra

H6: Cuanto mayor sea la confianza, mayor será la intención de compra.
7. El efecto de la confianza en la decisión de compra.

H7: Cuanto mayor sea la confianza, mayor será la decisión de compra.
8. El efecto del riesgo percibido en la intención de compra

H8: Cuanto mayor es el riesgo percibido, menor es la intención de compra.
9. El efecto de la intención de compra en la decisión de compra.

H9: Cuanto mayor sea la intención de compra, mayor será la decisión de compra.
10. El efecto de la seguridad de la transacción en la decisión de compra

H10: Cuanto mayor sea la seguridad de la transacción, mayor será la decisión de
compra.
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.
Tabla 2. Indicador de variables e investigación
Variable Indicador Referencia
Indicador de decisión de compra:

(Katawetawaraks y
Decisión de compra 1. Decisión de constancia
Wang, 2011; Widiyanto
(Y4) 2. Decisión rápida
y Prasilowati, 2015)
3. Confiado en la decisión correcta
Indicador de intención de compra:

1. Intención transaccional
Intención de compra (Ferdinand, 2002;
2. Intención referencial
(Y3) Pourkhani et al., 2019)
3. Intención preferencial
4. Intención exploratoria
Indicador de percepción de riesgo:

1. Riesgo de rendimiento
2. Riesgo financiero
Riesgo de percepción 3. Riesgo de tiempo
(Sharma y Kurien 2017)
(Y2) 4. Riesgo psicológico
5. Riesgo social
6. Riesgo de privacidad
7. Riesgo del sistema
Indicador de confianza:
1. Competencia
Confianza (Y1) (Oliveira et al., 2017)
2. Integridad
3. Virtud
Indicador de seguridad de transacciones:

Seguridad de 1. Autenticación
(Kumar y Goyal 2016).
transacciones (X4) 2. Autorización
3. Cifrado
Indicador de calidad del servicio:

1. Eficiencia
Calidad de servicio
2. Disponibilidad del sistema (Ghosh, 2018)
(X3)
3. Cumplimiento
4. Intimidad
17
Variable Indicador Referencia
Indicador de calidad del producto

1. Actuación
Calidad del producto (Rimawan et al., 2017;
2. Características
(X2) Sukma, 2019)
3. Conformidad
4. Durabilidad
Indicador de calidad de la información:

1. Proporciona información sobre beneficios
Calidad de la 2. Información precisa
(Bao y Huang 2018)
información (X1) 3. La información es fácil de entender
4. Información relacionada con productos y
servicios
Nota: Principales variables de investigación, adaptado de (Santosa et al., 2020)
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.
1. El comercio electrónico C2C debe proporcionar características en la información

del producto, como indicar que el producto está clasificado como original. o falso,
el producto debe ser el mismo que la imagen y la descripción, y se puede ver más
información en el testimonio. Si el testimonio resulta negativo varias veces y
podría dañar a los consumidores, el comercio electrónico puede poner en lista
negra al vendedor para arreglarlo.
2. Mejorar la seguridad de la aplicación de comercio electrónico mediante cifrado,

notificación por correo electrónico y contactos registrados, y Brindar un servicio
completo si los bienes no llegan al comprador o no son apropiados, como
reembolso o negociación de servicios.
3. Otorgue recompensas o puntos a los vendedores que sean honestos sobre la

garantía de calidad para que tenga un impacto en otros vendedores para seguirlo.
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.
Artículo N°06: Online Grocery Retailing In Germany: An Explorative Analysis
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.
El potencial de reducción de los costos de transacción se refiere al ahorro en los costos

de transacción de las compras en línea en relación con las compras convencionales. La
autonomía del comprador puede definirse como el potencial de autoservicio del
comprador, o para hasta qué punto el comprador necesita asistencia profesional con la
venta. En general, el mayor potencial de reducción de costos de transacción y mayor
autonomía del comprador, cuanto mejor se adapte el producto al canal de distribución en
línea (Ahlert et al., 2000). De esta manera, se clasificó a las personas encuestadas en los
siguientes grupos de consumidores (Seitz et al., 2017):
 Madres trabajadoras (mujeres, trabajan a tiempo parcial o completo, tienen al

menos un hijo) y están familiarizados con las compras en línea);
 Jóvenes profesionales (hasta 39 años, los ingresos son al menos promedio o más
altos, sin niños y están familiarizados con las compras en línea);
 SilverSurfers (mayores de 65 años, familiarizados con las compras en línea)
 Otros (cada encuestado no identificado como madre trabajadora, joven
profesional o SilverSurfer)
 Grupos combinados (madres trabajadoras, jóvenes profesionales y SilverSurfers).
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.
Por lo tanto, el modelo de negocio basado en la entrega directa al consumidor es el más

preferido, ellos están dispuestos a pagar una tarifa adicional por el servicio de entrega a
domicilio que recogerlo en tienda física. Pero también esperan que el servicio sea muy
conveniente y valga la pena - costo, especialmente en términos de calidad, plazos y
condiciones de entrega. El motivo principal para comprar en línea es el resultado de la
conveniencia de los canales: la compra en línea ahorra tiempo y reduce el estrés físico.
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.
Artículo N°07: Shifts In Online Consumer Behavior: A Preliminary Investigation Of

The Net Generation
Los autores presentan un modelo de investigación de 9 variables independientes para

poder comparar el comportamiento de la ciber – generación versus la generación antes de
la red. El modelo de investigación incorpora cuatro fases del proceso de transacciones
comerciales en Internet según lo detallado por los autores (Selz & Schubert, 1998).
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.
En la fase de liquidación, la facilidad de devolución y la aceptación de las quejas

describen la entrega de los productos solicitados y se producen interacciones posventa;
mientras que la fase medioambiental analiza el proceso de transacción general resumido
por disfrute y compra. intervención.
De acuerdo con investigaciones anteriores sobre compras en línea y comercio electrónico,

la factibilidad de intención de compra evalúa la probabilidad de un sujeto de usar un sitio
web para comprar un producto. Aquí, hemos optado por utilizar la intención conductual
como sustituto de la conducta real. La siguiente sección analiza cada uno de estos en
profundidad y se desarrollan hipótesis para cada factor.
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.
Primero, la variedad de presentaciones de productos puede mejorar contenido del sitio

web y brindar oportunidades para que los generadores de redes personalicen sus
experiencias. En segundo lugar, los sitios web también deberían ofrecer mecanismos de
retroalimentación y respuesta a las preguntas de los usuarios. A medida que se difunden
las tecnologías de Internet y las redes sociales, estas estrategias interactivas de experiencia
en línea, incluidas las redes, se vuelven aún más críticas. En tercer lugar, se sugiere la
importancia de los servicios posventa como una política de devolución sencilla y rápida.
Este resultado sostiene que los sitios web deberían ofrecer no solo servicio al cliente en
fase de acuerdo, pero también en fase de liquidación para establecer relaciones a largo
plazo con los clientes y mantener buenas reputaciones.
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.
CONCLUSIÓN TIPOLOGÍA 2 – ESCENARIO 1:

La segmentación de mercado y las preferencias del público objetivo nos permite gestionar
estrategias de ventas para aumentar la intención de compra y la confianza de los usuarios
frente al e-commerce. A través de variables e indicadores que están relacionados al tipo
de comprador de e-commerce se puede diseñar una web que presente las principales
características que desean los usuarios: Seguridad, facilidad, diversidad, tiempo de
procesamiento y despacho, comodidad y diversión durante el proceso de compra.
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.
ESCENARIO 2: MODELO DE GESTIÓN COMERCIAL APLICADO AL E-

COMMERCE DE MODA Y CONFECCIONES TEXTIL
Artículo N°08: Co-Design Approach in Textile Printing and a Case Study of an e-
commerce Company Website
El enfoque de "co-diseño", que transforma al consumidor en un fabricante, es cada vez

más importante, especialmente en la industria de la impresión textil, al permitir la
integración de sistemas de fabricación y diseño asistidos por computadora (CAD / CAM)
con las tecnologías de Internet y que los consumidores participen en el proceso de diseño
a través de aplicaciones de comercio electrónico (Cileroglu & Nadasbas, 2018).
Figura 10. Ejemplos de la tecnología del modelamiento tridimensional textil, tomado de (Cöşkun &
Akpinarli, 2019)
En este artículo, se discute el concepto de diseño colaborativo en el contexto del diseño

textil y se investiga a las empresas de comercio electrónico que ofrecen oportunidades de
co-diseño para diseños de impresión digital. El objetivo de este estudio es ofrecer una
hoja de ruta para atraer la atención de los diseñadores y emprendedores locales sobre el
potencial del comercio electrónico en términos de co-diseño.
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)
Artículo N°09: Are Consumers International? A Study Of CSR, Cross-Border

Shopping, Commitment And Purchase Intent Among Online Consumers
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).
En base a la información recolectada, se analizaron los datos y variables mediante un

modelo de ecuaciones estructural utilizando el programa LISREL, probando la
importancia de la RSE, la intención a comprar a proveedores online internacionales y el
compromiso con la intención de compra como variable dependiente.
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)
El propósito de este estudio es investigar la intención de compra en los mercados online

como fenómeno internacional. Se establece un perfil del consumidor internacional en
línea, teniendo en cuenta factores como los indicadores del desarrollo socioeconómico de
sus países de origen. De esta manera, los autores recolectaron y analizaron un conjunto
de datos transnacionales de 804 encuestados de 57 países, lo cual indica que las
actividades de RSE por sí solas no aumentan la intención de compra, pero lo hacen cuando
están impulsadas por el compromiso y/o enfoque de la organización.
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.
Con el propósito de investigar el comportamiento de compra en línea como una tendencia

internacional, este estudio utiliza un conjunto de datos internacionales, analizados
descriptivamente para examinar los factores que gobiernan el grado de
“internacionalidad” del consumidor y su conciencia de RSE.
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)
En cuanto a la encuesta a consumidores en línea sobre el comportamiento de las mujeres

al comprar prendas de vestir, de los nueve factores considerados (precio, apariencia
general, calidad de los tejidos, marca extranjera, marca nacional, productor desconocido,
moda, recomendado por otros / vendedor y publicidad), la apariencia general de la ropa
(94,81% de los encuestados) y la calidad de las telas (91,34% de los encuestados)
resultaron ser los incentivos clave para las mujeres dispuestas a comprar una prenda de
vestir.
28
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.
Muchas de las estrategias usadas están ambientadas a un concepto de “co-diseño” que

hace que todos los stakeholders adquieran nuevos conocimientos, prácticas y
herramientas dentro del rubro textil. El conocimiento llega a ser compartido y juntos
diseñan mejores estrategias para mejorar la experiencia al cliente.
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.
1.2.2.3 TIPOLOGÍA N°03: SUPPLY CHAIN MANAGEMENT
ESCENARIO 1: GESTIÓN DE LAS DEVOLUCIONES

Artículo N°11: Retailer's Return Policy in the presence of P2P Secondary Market
La incertidumbre del consumidor es un factor importante en la era del e-commerce.

Además de los canales de devolución tradicionales, la plataforma secundaria peer-to-peer
(P2P) se convierte gradualmente en otra forma de deshacerse de productos inapropiados.
Al analizar la política de devolución del minorista y su influencia, establecemos un
modelo de dos períodos en el que un minorista vende nuevos productos en el primer
período y una plataforma P2P opera un mercado de bienes usados basado en la web en el
segundo período.
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 principal conclusión es que el impacto de permitir el retorno está relacionado al costo

unitario de adquisición de los productos. Cuando el costo unitario es suficientemente bajo,
la probabilidad adecuada de nuevos bienes y la tasa devaluada de los viejos bienes son
altos (generalmente, estos productos son baratos y representan bajo riesgo de servicios
públicos), el aumento de los precios minoristas y las comisiones de plataforma porque
permitir devoluciones haría que los consumidores elijan alternativas más baratas,
perjudicando los beneficios del minorista. La caída de las ventasen el primer período
significa menos volumen de transacciones en la plataforma P2P, induciendo una mayor
pérdida en la plataforma P2P. Entonces el minorista debe elegirla política de "no
devolución" en este momento. Cuando el costo unitario es suficientemente alto, la mejora
del valor de los productos básicos reduce el precio al consumidor sensibilidad y transfiere
su atención a la utilidad real del pro-conducto.
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".
La tercera conclusión es que la plataforma P2P siempre ganará menos margen de

beneficio que el minorista monopolista si permite rendimientos. La razón también es
obvia. La fuente de ganancias de la plataforma P2P es esencialmente el volumen de ventas
del minorista en el primer período, y el minorista tiene una relación directa con la
confianza del consumidor. Esto significa que es difícil de sobrevivir para las plataformas
de segunda mano que compiten con los minoristas monopolistas de primera mano. En
realidad, muchas plataformas de segunda mano están considerando más métodos
lucrativos. Este papel tiene muchos espacios de expansión. Primero, para simplificar el
modelo, este documento asume que el producto devuelto tiene un alto valor residual, y el
costo de procesamiento es pequeño. Sin embargo, algunos costos no se pueden ser
ignorados. Si se consideran estos costos, el espacio de ganancias del minorista puede ser
diferente. Además, este artículo asume que una relación de sustitución nono existen entre
los productos nuevos y viejos, e ignora la competencia real entre la plataforma y el
minorista. Sin embargo, hay muchos consumidores en espera estratégica que pospondrán
la compra de nuevos productos a la segunda etapa para comprar el anterior de valor
similar, por lo que puede relajar los supuestos y considerar factores competitivos para
analizar los cambios en las políticas de devolución de los minoristas.
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.
Artículo N°12: Advanced Optimization Model Of Resource Location in The B2C

Supply Chain
La asignación de recursos juega un papel fundamental en la planificación estratégica,

táctica y operativa de la cadena de suministro de todo tipo de organización (Yao, 2017).
Así mismo, la flexibilidad del comercio electrónico permite una variedad de aspectos de
intermediación, como los mercados B2B (Business-to-Business) y B2C (Business-to-
Consumer).
Por tal motivo, el rendimiento y la sostenibilidad del comercio electrónico dependen de

su capacidad para adoptar procesos de cadena de suministro simples, flexibles,
económicos y ecológicos (Tsai et al., 2013). Para mantener una ventaja competitiva y
proporcionar una oferta diferenciada, los minoristas electrónicos deben asegurarse de
brindar diversidad, calidad de servicios y desarrollar el nivel de confianza de sus clientes.
32
Figura 15. Cadena de suministro que engloba a los actores del e-commerce, tomado de (Zair et al., 2018)
El objetivo de la investigación consiste en explorar un enfoque concreto para mejorar la

satisfacción del cliente, reducir los costos y riesgos con el propósito de mantener e
incrementar los beneficios económicos de los comerciantes electrónico mediante un
sistema de apoyo para la toma de decisiones y una herramienta para mejorar la asignación
de recursos operativos en las cadenas de suministro B2C (Business-to-Consumer),
tomando en cuenta las variables como el número de órdenes recibidos, el número de
órdenes sin procesar, el tiempo de ejecución y la cantidad de operadores logísticos.
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.

Las devoluciones son parte de muchos de los e-commerce y afectan directamente a la
satisfacción de los clientes. La experiencia de los usuarios de e-commerce llega a ser
mayor si una empresa muestra más de un tipo de opciones de devolución.
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.
ESCENARIO 2: LOGÍSTICA INVERSA
Artículo N°13: A Study of Companies’ Business Responses to Fashion e-commerce’s

El modo de negocio de comercio electrónico emergente afronta desafíos logísticos,

especialmente en lo que respecta a la sostenibilidad ambiental. Utilizando los datos
secundarios, este estudio analizó y comparó estudios previos sobre los diferentes efectos
ambientales del comercio electrónico de prendas de vestir frente al comercio minorista
tradicional (Schöder et al., 2016).
De esta manera, en el comercio electrónico de indumentaria textil, se identificaron las

cuatro partes principales de la cadena de suministro: el embalaje, el transporte, la
devolución y la eliminación.
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)
En consecuencia, los compradores al ingresar a la plataforma de comercio electrónico

pueden ver una comparación virtual de su artículo con el artículo en línea, lo cual les
permitirá decidir la talla y/o modelo que les queda mejor.
Adicionalmente, al proporcionar a los clientes una mejor comprensión de cómo les

quedará la ropa, la empresa ASOS redujo las devoluciones en aproximadamente un 50%.
En segundo lugar, la empresa TrueShop ofrece a los minoristas en línea un software

llamado Ready-Returns, el cual permite a los clientes imprimir su propia etiqueta de
devolución y devolver el producto en el empaque original.
Al implementar esta tecnología, las empresas reducen la cantidad de etiquetas de envío

preimpresas que producen y los clientes ya no tienen que comprar otra caja o paquete de
envío para devolver su artículo. En consecuencia, los minoristas se vuelven “ecológicos”.
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.
Artículo N°14: Big Data Application for E-Commerce Logistics: A Research

Assessment and Conceptual Model
El comercio electrónico crece continuamente como consecuencia de las ventajas que

brinda a los consumidores y empresas. A medida que aumenta el volumen de ventas,
aparecen varios desafíos de logística operativa, principalmente relacionados con brindar
niveles de servicio adecuados que cumplan con las expectativas de los consumidores
(Arnold et al., 2018). La exploración de datos de comportamiento del consumidor para
realizar análisis predictivos se destaca como una opción para superar dificultades
logísticas. De esta manera, con el fin de mejorar la eficiencia de la logística de
distribución del comercio electrónico, mediante el uso de datos de comportamiento del
consumidor se concibió un modelo teórico basado en los siguientes conceptos
fundamentales: E-commerce, marketing, logística y Big Data, así como la evaluación de
la investigación y la experiencia práctica previa en empresas de tecnología.
37
Figura 20. Datos de la evaluación de la investigación de Hurtado, tomado de (Hurtado et al., 2019)
El modelo propuesto en este documento es ambicioso y pretende aportar eficiencia a la

cadena de suministro. La búsqueda incluirá la prueba de métodos científicos en entornos
simulados y conjuntos de datos históricos reales, para más tarde ser probado en
operaciones reales (Prockl et al., 2017).
La evaluación presentada confirma que incluso cuando los problemas de la cadena de

suministro se han explorado ampliamente en la literatura, los problemas relacionados con
la aplicación de las nuevas tecnologías permanecen inexploradas, a pesar de la creciente
tendencia tecnológica, lo cual representa grandes oportunidades para futuras
investigaciones.
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)
De esta manera, para algunas empresas, la información estructurada puede ser lo

suficientemente representativa para inferir la información necesaria, mientras que, para
otros, representa una visión general holística que incluye información no estructurada
puede ser necesaria para obtener resultados significativos. Asimismo, esa condición de
los datos heterogéneos es representativa de todas las otras etapas de la distribución
oportuna de la operación real.
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.
Cada uno de ellos se interrelacionan y se afectan directamente a los costos de las

devoluciones, retratamiento de pedidos devueltos y/o ventas en mercados alternativos,
puesto que muchos e-commerce presentan una política de devoluciones sin costo, pero no
necesariamente esto llega a ser beneficioso si el proceso llega a ser lento y complicado
para el comprador en línea.
39
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.
1.2.2.4 TIPOLOGÍA N°04: VIRTUAL TRY-ON EN EL RUBRO DE MODA Y

CONFECCIONES TEXTIL
ESCENARIO 1: DISEÑO Y DESARROLLO DE HERRAMIENTAS TRY-ON

PARA EL E-COMMERCE
Artículo N°15: VITON: An Image-Based Virtual Try-On Network
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.
Primero se genera una muestra burda con un codificador-decodificador multitarea

condicionado a una representación detallada de una persona independiente de la ropa. Los
resultados toscos se mejoran aún más con una red de refinamiento que aprende la
composición óptima. Se realizaron experimentos datos recolectados y se logró resultados
prometedores tanto cuantitativa como cualitativamente. Se llega a hacer pruebas con
distintas herramientas como PRGAN, CRN, EncoderDecoder, VITON y CAGAN y los
resultados tras simulaciones de distintas imágenes de personas con diversa ropa puesta y
a todas ellas se les aplica las prendas deseadas en cada una de las herramientas. Los
resultados muestran que VITON tiene un mayor porcentaje de realismo y encaje de las
prendas sobre las imágenes de las personas.
Tabla 3. Evaluación cuantitativa del conjunto de datos de prueba virtual
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 -
Nota: Principales criterios de evaluación, adaptado de (Han et al., 2018)
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
Se propone simular la experiencia de compra del sector de e-commerce minorita de ropa

para determinar el comportamiento de compra de los compradores online a través de
Virtual Try-On que consiste en una aplicación web que permite la generación y
manipulación de productos reales virtualizados y/o simular un entorno real con el
producto. Algunos modelos virtuales Try-On utilizan avatares genéricos no
personalizados, mientras que otros sí son más personalizados, donde se puede ajustar el
tamaño de cintura, pecho, caderas, etc.
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.
Artículo N°17: Designing an application of 3D character modelling in trialling size of

clothes on online clothing shopping
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.
El objetivo del autor en esta investigación es desarrollar un modelo de virtual Try-On

para la compra de ropa en línea con la finalidad de ofrecer servicios y generar confianza
al cliente utilizando la tecnología actual para promocionar las ventas. La aplicación consta
de tres partes principales de la siguiente manera: la parte de los datos de entrada del
comprador, la parte del modelo y la generación de ropa y la parte de los resultados de
salida.
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)

A lo largo de los años se han desarrollado diferentes herramientas que simulen las formas
del cuerpo humano o las características de una persona para volverla virtual. Esta
virtualización de las personas permite que se pueda reflejar un usuario en un tipo de
“avatar” o en una imagen directa de ellos de forma digital. Muchas de estas herramientas
han sido desarrolladas para los negocios del e-commerce con el objetivo de mejorar la
experiencia del usuario frente a diversas compras en línea que anteriormente se hacían de
forma presencial.
Aunque ya existen muchas herramientas en el mercado, no todas muestran una imagen

exacta y precisa al tratar de superponer productos que usuarios desean comprar en línea
con su “avatar” o imagen de ellos, lo que puede afectar directamente a la satisfacción de
estos en el uso de la herramienta. Esta tecnología busca la detección esquelética para
poder precisar cómo encaja una prenda frente a la imagen del cuerpo de la persona.
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.
ESCENARIO 2: APLICACIÓN DE HERRAMIENTAS TRY-ON PARA

INCREMENTAR LA SATISFACCIÓN DEL CLIENTE EN EL E-COMMERCE
Artículo N°18: Virtual Fitting Space for Dress Trials
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).
Los probadores 3D reales tienen las propiedades de los modelos tridimensionales y la

adaptación fotográfica precisa. Se genera una figura en 3D a partir de la foto y medidas
corporales simples, en la que el cliente puede visualizarse con el atuendo elegido.
Adicionalmente, mediante la detección de contorno humano, se detectarán los bordes con
respecto a las coordenadas o el valor pico alto, puesto que es necesario establecer la
misma posición del cuerpo con la posición de la prenda de vestir (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)
En el modelo propuesto, una de las mejores características es la aplicación de la

herramienta Microsoft Kinect para Windows SDK Skeletal Tracking. Al usar la cámara
de infrarrojos (IR), el sensor puede rastrear a las personas y seguir las acciones del cuerpo.
El método Skeletal Tracking puede reconocer hasta seis personas presentes en la vista de
campo. De seis personas, el método puede rastrear hasta dos personas en detalle. En el
sistema propuesto, solo se rastrea a una persona a la vez, una vez que se confirma la pose,
los modelos 3D de ropa se imponen a las representaciones corpóreas de los clientes.
48
Tabla 4. Situación comparativa de los sistemas
Parámetro Sistema Actual Sistema Propuesto

Rastreo del cuerpo humano Sí Sí
Imagen de profundidad 3D Algo Sí
Controles de gestos No Sí
Simulación en tiempo real No Sí
Ajuste dinámico de tela No Sí
Nota: Parámetros y criterios de comparación de los sistemas, a daptado de (Shinkar & Bogiri, 2019)
En consecuencia, solo se requiere una imagen frontal en la aplicación de vestuario virtual.

Para cada producto, estos deberán ser colocados sobre el usuario y los gráficos
bidimensionales generados serán comparativamente aceptables y reales para múltiples
usos. El enfoque dado se utiliza para clasificar los modelos con el usuario y para probar
el sistema en muchos estados (Gültepe & Güdükbay, 2014). Este sistema cubrió todos los
inconvenientes y las demostraciones han dado como resultado tasas de presentación
permitidas para los puestos generales. Esto debería ser posible para usar una variación
similar a las imágenes en lugar de la capacidad simple de rotación de escala para hacer
coincidir muchas articulaciones en conjunto, aunque sería necesaria una estimación
adicional. Cualquiera debería lograr el mismo efecto utilizando modelos tridimensionales
y también proporcionarlos de acuerdo con el ángulo y la posición en curso.
Artículo N°20: Applicability of a single Depth Sensor in Real-Time 3D Clothes

Simulation: Augmented Reality Virtual Dressing Room using Kinect Sensor
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
Por un lado, los autores presentan la automatización completa de la prueba virtual en

humanos y objetos personalizados elegidos con casi del 80% de precisión en el conjunto
de datos. Por otro lado, establecen un nuevo punto de referencia para el Virtual Try-On
de forma personalizada y completa de prendas en cuerpos humanos (Hashmi et al., 2020).
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.
Por ello, se tiene presente los siguientes puntos de estudio:
 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.
El modelo está limitado a las clases presentes en el conjunto de datos DeepFashion2 y se

debe implementar mayores pruebas con diferente tipo de personas para aumentar la
precisión de la herramienta y el almacenaje de datos de los tipos de cuerpos observados.
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
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.
Las herramientas Try-On aplicadas al proceso de ventas del e-commerce aumentan la

satisfacción del cliente al permitir la simulación de uso de los productos antes de
comprarlos. Anteriormente, las empresas de moda y confecciones textil en el e-commerce
enfrentaban el gran problema que muchos de los clientes compraban productos que
terminaban devolviendo por diferentes razones como tallas incorrectas, no cumplir con
sus expectativas y/o no ser lo que esperaban. Los “Virtual Room” donde una persona
puede probarse un producto antes de comprarlo llega a mostrarle al cliente cómo puede
quedarle una prenda de acuerdo a su contextura, tamaño y diseño sin necesidad de ir a
una tienda física a probársela.
La eliminación de problemas que se presenta en tiendas físicas como tiempos de espera

en probadores, colas, caminatas y costos de transporte llegan a influir directamente en la
satisfacción del cliente. Estas opciones de Try-On permiten a su vez validar el tipo de
tela, textura y combinaciones para poder gestionar los outfits antes de tenerlos
físicamente.
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
“Se proporciona un método y un sistema para facilitar el reconocimiento de gestos que

representan comandos para iniciar acciones dentro de un mercado electrónico en
nombre de un usuario. Una máquina de acción puede recibir datos espaciales sobre un
entorno externo a un sensor de profundidad. La máquina de acción puede generar un
primer modelo del cuerpo del usuario en base a un primer conjunto de datos espaciales
recibidos por primera vez. La máquina de acción puede generar entonces un segundo
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).
1.3.2 LOGÍSTICA INVERSA
“La logística Inversa es el proceso de planificación, desarrollo y control eficiente del

flujo de materiales, productos e información desde el lugar de origen hasta el de
consumo, de manera que se satisfagan las necesidades del consumidor, recuperando el
residuo obtenido y gestionándolo de modo que sea posible su reintroducción en la cadena
de suministro, obteniendo un valor agregado y/o consiguiendo una adecuada eliminación
de este.” (Bañegil Palacios & Rubio Lacoba, 2005).
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).
Esta función inversa de la logística está presente en la formulación de la estrategia de

operaciones de las empresas donde se analiza detenidamente el diseño, desarrollo y
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).
 Reutilización: Dar un segundo uso a un producto o insumo mientras este brinde

los mismos beneficios o propiedades.
 Reparación: Someter a reparación a un material o producto para que pueda estar
en funcionamiento nuevamente.
 Restauración: Devolución del valor de un producto para ser reutilizado,
alargando su periodo de uso o vida útil.
 Re fabricación: Se recuperan los componentes de un producto utilizado en
procesos de fabricación.
 Reciclaje: Recuperación de insumos para su reúso en un nuevo producto
 Incineración: Se pone fin al ciclo de vida de un producto o material.
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.
A continuación, se detallan las principales simbologías para el diseño de los mapas de

flujo de valor.
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:
 Producción: Encontrar desperdicios en el proceso de producción analizando cada

paso del manejo de materiales y el flujo de la información.
 Logística: Eliminar los desperdicios y el sobrecosto asociado a los retrasos en los
distintos puntos de la cadena de suministro que conducen al producto acabado.
 Ingeniería de Software: Para encontrar ineficiencias en el desarrollo de software,
desde la idea hasta la implementación, incluyendo circuitos de retroalimentación
y retrabajo.
 Industrias de Servicios: Mejorar el valor y encontrar desperdicios en las
actividades necesarias para la prestación de cualquier servicio a clientes externos.
 Atención Sanitaria: Mejorar los pasos necesarios para tratar a los pacientes de la
manera más eficaz, oportuna, rentable y de alta calidad posible.
 Oficina y Administración: Encontrar los pasos inútiles y mejorar el servicio
prestado dentro de una empresa a los clientes internos.
1.3.4 DIAGRAMA DE SIPOC
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).
Para usar el diagrama de SIPOC se recomienda reordenar los pasos establecidos en la

aplicación de la herramienta. De esta manera, primero, se debe identificar la salida o el
resultado esperado del proceso (Murdock & Murdock, 2018).
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)
En síntesis, el diagrama de SIPOC es un sistema de ordenamiento o herramienta en

formato tabular que permite la caracterización o asignación lógica de una serie de
actividades y procesos. En dicho diagrama se involucran una serie de parámetros
elementales como lo son un proveedor, una entrada, un proceso o una serie de
procedimientos con una salida y un resultado final, que represente en forma de producto
y satisfaga a un cliente. Así mismo, el diagrama de SIPOC es representación gráfica de
un proceso de gestión. Esta herramienta permite visualizar el proceso de manera sencilla,
identificando a las partes implicadas en el mismo:
 Proveedores: Entidades que aportan los recursos necesarios y proveen entradas

al proceso tales como materiales, información, y recursos.
 Entradas: Todo lo que se requiere para llevar a cabo el proceso. Se consideran
entre los principales recursos a la materia prima (materiales), la información
(datos), el conocimiento (habilidades y aptitudes), personas (factor humano) y el
soporte (tangible o intangible).
 Proceso: Estas son las actividades o acciones necesarias para convertir las
entradas en salidas, dándoles un valor añadido
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)
La principal ventaja de utilizar el diagrama de SIPOC radica en que se trata de un sistema

de ayuda que permite establecer de mejor manera una serie de ideas y actividades, con el
propósito de satisfacer las necesidades de los clientes, pues que facilita el entendimiento
entre ambas partes para generar una mayor efectividad desde el momento de la
recopilación o ingreso de datos, hasta la salida o muestreo a los usuarios finales (Brown,
2019). A su vez, permite tener un mayor entendimiento de la manera en que se trabaja y
se efectúan los procedimientos, dando una descripción asertiva de lo que se hace,
impidiendo así también la aparición de posibles errores o fallas durante los procesos,
siguiendo una serie de normas establecidas para mejorar la gestión en calidad (Spinks,
2013).
1.3.5 DIAGRAMA DE ISHIKAWA
El diagrama de Ishikawa o de “causa – efecto” es un método gráfico que relaciona un

problema o efecto con las factores o causas que posiblemente lo generan. La importancia
de este diagrama radica en que se debe analizar y buscar las diferentes causas que afectan
al problema para evitar el error de manera directa (Voelkel & Ishikawa, 1989).
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)
Aplicar el diagrama de causa - efecto de manera exitosa conlleva los siguientes

beneficios:
 Encontrar y considerar todas a las causas posibles del problema, más que apenas
aquellas que son las más obvias.
 Determinar la causa raíz de un problema o característica de calidad, de manera
estructurada.
 Fomentar la participación grupal y utiliza el conocimiento del proceso que tiene
el grupo.
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.
1.3.6 DIAGRAMA DE PARETO
El diagrama de Pareto el cual es un gráfico especial de barras cuyo campo de análisis o

aplicación son los datos categóricos, y tiene como objetivo ayudar a localizar el o los
problemas vitales, así como sus principales causas El diagrama se sustenta en el llamado
principio de Pareto conocido como “Ley 80/20” o “Pocos vitales, muchos triviales”, el
cual reconoce que solo unos pocos elementos (20%) generan la mayor parte del efecto
(80%) el resto genera muy poco del efecto total (Harvey & Sotardi, 2018).
De esta manera, el diagrama de Pareto no es más que un histograma en el que se han

ordenado cada una de las "clases" o elementos por orden de mayor a menor frecuencia de
aparición. A veces sobre este diagrama se superpone un diagrama de frecuencias
acumuladas.
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
1.4.1 IMPLEMENTACIÓN DE LA HERRAMIENTA VIRTUSIZE EN LA

EMPRESA ASOS
La devolución de productos son un problema importante para los minoristas en línea, ya

que cada pedido no deseado obviamente incurre en un costo, lo que plantea el dilema de
quién debe pagar el franqueo. Pasar el costo a los clientes seguramente desanimará a las
personas a realizar pedidos nuevamente en el futuro, pero absorber el costo podría no ser
factible para todas las empresas. En consecuencia, la empresa británica ASOS ha lanzado
una nueva herramienta, VirtuSize, que tiene el potencial de lograr una tasa de éxito aún
mayor frente a la problemática de las devoluciones, puesto que ya ha conseguido reducir
las devoluciones de hasta en un 50%1.
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.
Figura 31. Interfaz de la plataforma “Fit Visualiser”, tomado de (Moth, 2020)
El uso de la herramienta “VirtuSize” reduce considerablemente la cantidad de

devoluciones de productos que no satisfacen la necesidad de los clientes como son la talla
y el diseño. A su vez la herramienta inspira confianza durante el proceso de compra,
especialmente cuando se comparan productos con prendas que han sido comprados
previamente en ASOS.Por lo tanto, VirtuSize se vuelve cada vez más valioso y útil para
el cliente a medida que se incorporan más minoristas.
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.
1.4.2 THREADLESS UN MODELO DE NEGOCIO ÚNICO
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.
Actualmente, más de una década después de su creación, debido al impacto de Threadless

en el e-commerce, la plataforma se encuentra disponible en 6 idiomas distintos y con más
de 1 millón y medio de usuarios a nivel mundial. La compañía está fundamentada en el
modelo de negocios llamado Crowdsourcing, un modelo muy rentable que busca
aprovechar el potencial de los públicos masivos.
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.
1.4.3 CASO DE ÉXITO ECOMMERCE: LA HISTORIA DE LA TIENDA DE

VALENTINA
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.
Inicialmente, la estrategia de la empresa se enfocó en analizar la competencia y ser uno

de los pioneros en asociarse con influencers como estrategia de marca, por lo que
comenzaron a posicionarse en las redes sociales como Facebook e Instagram.
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:
 Apostar por un canal barato como las redes sociales.

 Integrarse con influencers para la difusión de la marca.
 Apostar por la calidad de las prendes de vestir, asociándose con proveedores de
prestigio para producir su primera línea de ropa.
 Crecimiento e inversión de acuerdo a la demanda, pues comenzaron vendiendo en
redes sociales (Tasa de 1€ por día en Facebook Ads), luego en e-commerce y al
final en retail.
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.
De esta manera, mediante los puntos explicados anteriormente, la empresa de los

hermanos Sánchez logró obtener un nivel de satisfacción del 90% en sus clientes con una
alta tasa de recompra. Asimismo, se obtuvo estos resultados se obtuvieron debido a que
desde un inicio apostaron por la calidad, la correcta inversión y velar por la experiencia
de compra y la satisfacción del cliente.
MARCO NORMATIVO
1.5.1 RESOLUCIÓN MINISTERIAL PRODUCE SECTOR TEXTIL
Establecer lineamientos y directivas con enfoque preventivo a fin de proteger la salud de

todas las personas vinculadas en la cadena productiva del sector textil. A partir de este
protocolo las empresas ligadas al sector textil Confecciones deberán definir mecanismos
específicos de acción, así como las precauciones necesarias, antes de su reapertura y
continuar aplicándolo posteriormente en todas sus operaciones.
Según las resoluciones ministeriales N°137-2020-PRODUCE y N°138-2020-

PRODUCE, publicadas en el diario oficial “El Peruano”, el Ministerio de la Producción
(Produce6) detalló los lineamientos que deberán cumplir las compañías de cada sector
para su reinserción económica. Asimismo, las compañías que resulten autorizadas a
reanudar sus actividades de producción y comercialización deberán realizarlo a puerta
cerrada. Este documento abarca medidas básicas, sanitarias, de operaciones, control de
capital humano, capacitación y sensibilización para que las empresas del sector textil
puedan comenzar operaciones a puerta cerrada y comercializar sus productos.
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.
Resolución Nº 1971-2016/CC2. Sanción 0.5 UIT. Medida correctiva: entrega de un

producto de similares condiciones. Pago de costos y costas del procedimiento.
1.5.2.1 NORMATIVA A DELITOS INFORMÁTICOS Y TICS
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.
1.5.2.2 NORMATIVA PROPIEDAD INTELECTUAL
Tenemos el Tratado de Derecho de Autor (WIPO); Tratado sobre Interpretación o

Ejecución y Fonogramas (WIPO); TLC Perú/USA – Capítulo de Propiedad Intelectual;
Ley 29263, que modifica diversos artículos del Código Penal y de la Ley General del
Ambiente; TLC Perú/China – Capítulo de Propiedad Intelectual; 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; TLC Perú/Costa Rica – Capítulo de
Propiedad Intelectual; TLC Perú/Guatemala – Capítulo de Propiedad Intelectual; TLC
Perú/Corea del Sur – Capítulo de Propiedad Intelectual; TLC Perú/Japón – Capítulo de
Propiedad Intelectual; TLC Perú/Panamá – Capítulo de Propiedad Intelectual; TLC
Perú/Comunidad Europea – Capítulo de Propiedad Intelectual; Tratado de Beijing sobre
Interpretaciones y Ejecuciones Audiovisuales (WIPO).
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.
1.5.2.4 NORMATIVA SEGURIDAD DE LA INFORMACIÓN
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.
1.5.2.5 NORMATIVA DE PROTECCIÓN Y DEFENSA DEL CONSUMIDOR
Ley N°29571 – Código de Protección y Defensa del Consumidor. El presente Código

tiene la finalidad de que los consumidores accedan a productos y servicios idóneos y que
gocen de los derechos y los mecanismos efectivos para su protección, reduciendo la
asimetría informativa, corrigiendo, previniendo o eliminando las conductas y prácticas
que afecten sus legítimos intereses.
68
1.5.2.6 DECRETO LIBRO DE RECLAMACIONES
Decreto Supremo N° 011-2011-PCM que aprueba el Reglamento del Libro de

Reclamaciones del Código de Protección y Defensa del Consumidor. El artículo 150 de
la Ley Nº 29571, Código de Protección y Defensa del Consumidor, dispone que los
establecimientos comerciales deben contar con un Libro de Reclamaciones, en forma
física o virtual y que el Reglamento establece las condiciones, los supuestos y las demás
especificaciones para el cumplimiento de la obligación señalada en el mencionado
artículo.
1.5.2.7 NORMATIVA PODERES Y FIRMAS DIGITALES
Ley Nº 31024 que dispone el uso de la firma digital en la remisión de la información a la

comisión de presupuesto y cuenta general de la república del congreso de la república.
Para conservar documentos electrónicos y garantizar la perdurabilidad en el tiempo de la
firma digital incorporada en aquellos, se emplean sellos de tiempo y mecanismos basados
en estándares internacionalmente aceptados que permitan verificar el estado del
certificado digital asociado.
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.
1.5.2.8 NORMATIVA DE FACTURA ELECTRÓNICA EN PERÚ
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.
Figura 32. Diseño experimental de la investigación, elaboración propia
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
 Levantamiento de información: Se consultó fuentes primarias y secundarias de

investigaciones y estudios relacionados al e-commerce, procesos involucrados,
problemáticas encontradas y soluciones empleadas. Así mismo, se consolidó la
información proporcionada por una empresa que formará parte del caso de estudio
 Definir variables: Luego del levantamiento de información, se separaron las
variables en cuatro categorías (Dependientes, Independientes, Cuantitativas y
Cualitativas).
 Diseñar encuesta: El diseño de la encuesta se basó en la información primaria y
secundaria recolectada para validar los datos obtenidos desde la perspectiva del
consumir peruano.
FASE 3 - EJECUCIÓN
 Analizar encuesta: Se recolectó información durante tres semanas del consumidor

peruano en el e-commerce a fin de complementar la información obtenida en el
levantamiento de información para diseñar el árbol del problema.
 Analizar problemática: La problemática encontrada en el e-commerce de moda
textil fue el impacto económico de un alto número de devoluciones en la
rentabilidad final.
 Definir árbol del problema: En base a los puntos previos, se definió el problema
central y las posibles causas raíces y consecuencias.
 Realizar el Ishikawa: Se busca determinar las principales causas raíces que afectan
al e-commerce de moda textil.
FASE 4: CONTROL
 Ponderar las causas raíces: Con la información obtenida en el Diagrama de

Ishikawa, se elabora una tabla de frecuencia con las principales causas raíces.
 Realizar el Pareto: En base a la encuesta realizada, se compara la frecuencia de
los datos obtenidos en el Ishikawa. Se asigna un orden de prioridad para la toma
de decisiones.
 Seleccionar las causas raíz: En base a las causas con mayor prioridad determinada,
se determina los problemas más graves que se deben resolver primero.
71
FASE 5: CIERRE
 Benchmark de resultados: Se comparan todos los resultados obtenidos en la etapa

de control.
 Emparejar la propuesta: De las principales causas encontradas, se plantean
posibles soluciones.
 Diseño de la propuesta de solución: Se elabora la propuesta de solución en base a
bibliografía encontrada.
DESCRIPCIÓN DEL SECTOR
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.
El PBI desestacionalizado permite interpretar los datos de la coyuntura COVID al poder

realizarse comparaciones con periodos anteriores. Hacia finales del 2019 en el Perú se
obtuvo el mejor desempeño del PBI desestacionalizado (desvinculando la estacionalidad
por periodos o fechas específicas) con un total de 100 puntos, lo que ha sido el mejor que
el país ha tenido en los últimos 13 años.
La economía se ha visto fuertemente impactada en los últimos meses con un notable

decrecimiento entre marzo y junio del 2020 obteniendo un puntaje de 59 puntos. A partir
del mes de julio del 2020, junto a programas y medidas para la reactivación económica,
el país ha podido aplacar un poco el impacto de lo que era una evidente crisis económica
y social recuperando un poco de la caída inicial provocada por la pandemia y el
detenimiento de la economía y se obtuvo 87 puntos.
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.
Adicionalmente, en poco menos de cinco años, Latinoamérica ha demostrado el enorme

crecimiento que ha tenido el comercio electrónico en la región. De esta manera, se pasó
de un total de casi 105 millones de compradores a más de 155 millones, lo cual demuestra
una evolución sorprendente en tan poco tiempo, aportando, considerablemente. al número
total de compradores mundiales (Statista, 2019).
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.
Tabla 5. Número de compradores digitales en el Mundo (2014-2019)
Número de Compradores (*) Año

1.32 2014
1.46 2015
1.52 2016
1.66 2017
1.79 2018
1.92 2019
Nota: Cifras en miles de millones, adaptado de Statista (2019).
Tabla 6. Número de compradores digitales en Latinoamérica (2014-2015)
Número de Compradores (*) Año

103.90 2014
115.80 2015
126.90 2016
137.10 2017
147.20 2018
155.50 2019
Nota: Cifras en millones, adaptado de Statista (2019).
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
Tabla 7. Ventas de retail de e-commerce en el Mundo (2015-2019)
Acumulado de Ventas (*) Año

1.54 2015
1.84 2016
2.30 2017
2.84 2018
3.45 2019
Nota: Cifras en billones de dólares, adaptado de Statista (2019).
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)":
 Prospección: primer paso del proceso de venta y consiste en la búsqueda de

clientes en perspectiva; es decir, aquellos que aún no son clientes de la empresa
pero que tienen grandes posibilidades de serlo.
 El acercamiento previo o "pre entrada": la obtención de información más detallada

de cada cliente en perspectiva y la preparación de la presentación de ventas
adaptada a las particularidades de cada cliente.
 La presentación del mensaje de ventas: presentación del producto o servicio

ofrecido para que llegue al cliente.
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.
Figura 37. Proceso de ventas en los e-commerce, adaptado de Skitsko (2015).
- 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)
Zona Reportada Monto Acumulado (*)
Estados Unidos 560.70

Europa Occidental 448.60
Latinoamérica 64.60
Asia - Pacífico 2.30 (**)
Nota: Cifras en miles de millones(*) y billones de dólares(**), adaptado de Statista (2019).
Adicionalmente, en la tabla 8, el monto total acumulado de Latinoamérica asciende a

64.60 miles de millones de dólares. De esta manera, en la tabla 9 se analizó el
comportamiento de la facturación de las ventas por retail del e-commerce entre los años
2015 y 2019, lo cual nos indica que el comercio online ha crecido significativamente a
una tasa de, aproximadamente, 10% anual.
Tabla 9. Ventas de retail de e-commerce en Latinoamérica (2015-2019)
Acumulado de Ventas (*) Año

29.80 2015
36.90 2016
45.40 2017
54 2018
64.60 2019
Nota: Cifras en miles de millones de dólares, adaptado de Statista (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)
País Año 2017 (*) Año 2018 (*)
Argentina 20.4 17.8

Brasil 22.8 23.7
Colombia 27.1 34.5
Chile 27.3 25.8
México 27.3 28.4
Perú 27.1 30.2
Nota: Cifras en dólares, adaptado de Statista (2019).
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).
Adicionalmente, el e-commerce en Perú todavía es considerado “pequeño” comparado

con los demás países de la región; sin embargo, ha tenido un aumento significativo. Tal
es así que ha crecido casi 15 veces en la última década, pasando de US$276 millones en
2009 a US$4 mil millones en el año pasado 2019.
Para poder graficarlo, en el año 2009 el e-commerce en Perú tan solo representaba el
1.27% del valor del comercio electrónico en Latinoamérica, mientras que en el año 2019
pasó a representar el 5% de este mercado. Según el Instituto Nacional de Estadística, los
consumidores prefieren comprar electrónicamente por la comodidad que ofrece (78%),
porque encuentran ofertas y artículos a un mejor precio (73,2%) y por el ahorro de tiempo
que supone, al evitarles desplazamientos físicos (65,5%) (Instituto Peruano de Economía,
2020).
En el año 2019, el e-commerce en el Perú, registró un crecimiento del 30%, una de las
tasas más altas de la región. Para Helmut Cáceda, presidente de la Cámara Peruana de
Comercio Electrónico (CAPECE), al cierre del año 2019, el e-commerce ha superado los
US$ 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
$0.00 $60.00 $120.00 $180.00
Figura 40. Principales países con mayor margen de ingresos del e-commerce registrados en millones de
dólares en Latinoamérica, adaptado de Statista (2019).
Según las resoluciones ministeriales N°137-2020-PRODUCE y N°138-2020-

PRODUCE, publicadas en el diario oficial “El Peruano”, el Ministerio de la Producción
(Produce) detalló los lineamientos que deberán cumplir las compañías de cada sector para
su reinserción económica. Asimismo, las compañías que resulten autorizadas a reanudar
sus actividades de producción y comercialización deberán realizarlo a “puertas cerradas”
(El Peruano, 2020).
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 II denota un alto choque de demanda (pocos empleos y escases en el

mercado de insumos). Las ventas van a ser pocas y los productos aumentarán sus
precios. La inversión como el empleo bajarán.
 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.
DESCRIPCIÓN DEL SUBSECTOR
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).
El sector textil y de confecciones peruano representa gran parte de las empresas

manufactureras según rama industrial en el país. Por lo cual, el rubro de textiles y cuero
tiene un total de 30.8% de participación en el mercado (IEES, 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).
El COVID ha generado un notable decrecimiento en los últimos meses de empresas en el

sector textil y el posible crecimiento que se refleja en la gráfica se debe a los planes de
reactivación económica e innovación de las diversas empresas para mantener sus
operaciones y continuar con la supervivencia de sus marcas.
Hoy en día, el Emporio Comercial de Gamarra, principal centro de producción y venta de

ropa en nuestro país se ha visto inmovilizado y afectado a causa del COVID-19 y el estado
de emergencia.
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
Moda (Ropa y Calzado) $561.00
Muebles y decoración $471.00
Juguetes y artículos para niños/bebés $253.00
Videojuegos $230.00
Comida y cuidado personal $205.00
Música Digital $30.00
Viajes y Hospedaje $2.52
$0.00 $300.00 $600.00 $900.00
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%).
Muebles y decoración 23.00%
Juguetes y artículos para niños/bebés 22.00%
Comida y cuidado personal 22.00%
Moda (Ropa y Calzado) 18.00%
Electrónica de consumo (Tecnología) 15.00%
Música Digital 12.00%
Videojuegos 9.60%
Viajes y Hospedaje 7.90%
0.00% 10.00% 20.00% 30.00%
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.
Tabla 11. Usuarios mundiales que compran productos seleccionados (2018-2019)
Productos Seleccionados Porcentaje (*)

Ropa 0.57
Zapatos 0.47
Electrónica de consumo (tecnología) 0.40
Libros, películas, música y videojuegos 0.36
Belleza y cuidado personal 0.32
Maletas y accesorios 0.29
Comida y bebidas 0.28
Electrodomésticos 0.27
Muebles y decoración 0.19
Deportes y actividades al aire libre 0.18
Juguetes y artículos para niños/bebés 0.18
Hobbies 0.17
Bricolaje, jardinería y mascotas 0.13
Nota: Cifras en porcentajes, adaptado de Statista (2019).
Por un lado, un reporte de Statista ahonda particularmente en las categorías líderes en

América del Sur, permitiendo analizar más al detalle el comportamiento de esta zona
geográfica, sacando de la ecuación a México, uno de los mercados que más aportan al e-
Commerce en Latinoamérica. De dicho informe, estos son los resultados más relevantes:
 Los ingresos totales en el mercado de e-commerce en América del Sur ascenderán

a 32.224 millones de dólares al cierre del cálculo del año 2019.
 Los ingresos tendrán una tasa de crecimiento anual (CAGR13 2019-2023) de
6.5%, proyectando un volumen de mercado de 41.441 millones de dólares para
2023.
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.
Tabla 12. Ingresos Totales por Categorías - Proyección (2017-2023)
Productos Año Año Año Año Año Año Año

Seleccionados (*) 2017 2018 2019 2020 2021 2022 2023
Comida y cuidado personal 2.291 2.560 2.925 3.294 3.639 3.912 4.118
Muebles y electrodomésticos 3.696 4.080 4.628 5.216 5.738 6.143 6.450
Juguetes y hobbies 5.104 5.671 6.200 6.665 7.124 7.475 7.733

Electrónica de consumo
7.533 8.096 8.890 9.708 10.318 10.743 11.076
(Tecnología)
Moda
7.706 8.538 9.579 10.458 11.164 11.687 12.062
(Ropa y calzado)
Nota: Cifras en millones de dólares, adaptado de Statista (2019).
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.
Tabla 13. Valor del Internet Retailing por Categorías (2013-2019)

Seleccionados (*) 2013 2014 2015 2016 2017 2018 2019
Moda (Ropa y Calzado) 18.3 51.8 81.4 124.3 180.6 260.8 358
Belleza y cuidado personal - 7.4 17.8 31.8 37.9 46.2 52.3
Electrodomésticos 9.3 10.9 12.6 14.6 16.7 20.3 23.7
14
ARPU: Acrónimo de Average Revenue Per User, traducido como “Promedio de Ingresos por Usuario”.
90
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
Comida y bebidas 9.7 10.6 32.9 45.1 58.9 80 98.7

Artículos y muebles para
1.5 1.8 2.1 2.4 2.7 3.3 3.8
hogar
Productos multimedia 98.3 116.2 134.3 154.9 177.1 212.6 242.7
Accesorios personales 45.5 51.2 57.4 64.7 74.2 89.4 103.6

Cuidado y artículos para
- - 1.3 1.9 2.9 3.8 4.8
mascotas
Juguetes y artículos para
0.6 0.7 0.7 0.8 0.9 1 1.2
niños
Videojuegos 0.7 0.9 1 1.2 1.5 1.8 2.2
Otros 181 239.2 332.4 434.3 535.7 679.1 816
Total 611.6 780.4 1,001.4 1,248.7 1,522.1 1,933.1 2,339
Nota: Cifras en millones de soles, adaptado de Euromonitor Internacional (2019).
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)
Productos Año Año Año Año

Seleccionados (*) 2020 2021 2022 2023
Moda (Ropa y Calzado) 472.9 601.4 738.5 898.8
Belleza y cuidado personal 57.9 63.1 112.9 202.3
Electrodomésticos 26.7 29.8 33.3 36.9
Electrónica de consumo (Tecnología) 672.8 752.9 833 913.4
Salud 25.1 27.8 31.7 35.7
Comida y bebidas 116.7 137.6 159.7 183.8
Artículos y muebles para hogar 4.2 4.7 5.2 5.7
Productos multimedia 266.3 290.7 315.7 339.9
Accesorios personales 115.8 129.1 143.6 158.2
Cuidado y artículos para mascotas 6.1 7.6 8.8 9.9
Juguetes y artículos para niños 1.3 1.3 1.4 1.5
Videojuegos 2.5 2.9 3.4 3.8
Otros 909.1 995.6 1,044.6 1,043.9
Total 2,689.9 3,060.7 3,448.9 3,851.6
Nota: Cifras en millones de soles, adaptado de Euromonitor Internacional (2019).
De la tabla anterior, se concluye lo siguiente:
 En 2023, las tres categorías líderes serán la electrónica de consumo (tecnología),

la moda (ropa y calzado) y los productos multimedia.
 De las categorías líderes, la moda (ropa y calzado) será la categoría que tendrá un
mayor crecimiento entre 2019 y 2023, lo suficiente para ubicarse como la segunda
que más valor aportará.
 En 2023, las tres categorías que menos aportarán al valor total serán los juguetes
y artículos para niños/bebés, los videojuegos y los artículos y/o muebles para el
hogar.
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.
DESCRIPCIÓN DEL PRODUCTO ELEGIDO
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).
Las principales operaciones de la empresa son el diseño, promoción y la venta de prendas

de vestir y calzado, por lo cual terceriza la producción con un aliado estratégico. Así
mismo, respecto a la logística de transporte y/o distribución de productos vendidos, este
proceso es tercerizado mediante una empresa especializada en dicho rubro.
De esta manera, para el caso de estudio, la empresa ha proporcionado data histórica

relacionada a las prendas de vestir vendidas entre setiembre del 2019 a agosto del 2020
para un año de análisis. La información contiene las ventas generadas, temporada de
prenda, tipo de prenda, costos relacionados, cantidad de devoluciones y costos de
devoluciones. Por lo indicado anteriormente, se analizará el impacto de las devoluciones
de prendas de vestir durante un año de estudio, con la finalidad de encontrar las causas
raíces que lo originan. En base a lo señalado, el producto elegido para esta investigación
será las devoluciones en el e-commerce de moda textil por su alto porcentaje de
devoluciones y por su impacto directo sobre la rentabilidad de la empresa.
DESCRIPCIÓN DE LOS PROCESOS
Para el caso de estudio, la empresa no contaba con un mapa de procesos documentado,

por lo cual, se tuvo que recabar la información mediante entrevistas con las socias
fundadoras.
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:
 Procesos Estratégicos: Diseño de productos, gestión financiera, negociación de

compras.
 Procesos Operativos: Control de calidad, gestión de ventas, gestión de almacenes,
gestión de plataforma y gestión de devoluciones.
 Procesos de Soporte: Administración, producción y logística de transporte.
Figura 48. Mapa de procesos de la empresa en estudio, elaboración propia.
De esta manera, en base a la revisión bibliográfica, el proceso de ventas y el proceso de

logística (Transporte y almacenes) influye directamente en la devolución de productos
vendidos en el e-commerce. Por tal motivo, se detallarán los procesos mencionados
anteriormente.
2.4.1 PROCESO DE VENTAS
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
El proceso de logística aborda diversas aristas como: logística de almacenes, logística de

transporte, logística inversa, etc. No obstante, para el caso de estudio, se abordará el
proceso de despacho de productos, el cual forma parte de la logística de transporte.
El transporte de los productos se encuentra tercerizado mediante una empresa

especializada, la cual se encarga de recoger los productos del almacén y dejarlos en el
domicilio o dirección especificada por los clientes.
Figura 50. Flujograma del proceso de entrega de productos del caso de estudio, elaboración propia.
Por un lado, en el proceso logístico de entrega de productos, la empresa del caso de

estudio elabora un protocolo para el envío de los productos para asegurar la calidad del
servicio. Así mismo, para que los productos sean despachados del almacén a la empresa
logística, se debe tener una cantidad mínima de productos por repartir (aproximadamente
cinco por día), para que la empresa logística diseñe la ruta de envío de productos de la
manera más eficiente posible.
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.
En el flujograma del proceso de devoluciones, en primer lugar, el cliente se pone en

contacto con la empresa comercializadora y se genera la orden de devolución. En caso no
se tenga stock del producto adquirido inicialmente, se procede con el reembolso del
producto. Así mismo, en caso de tener stock, la empresa tercerizada recoge el producto
en el almacén de la empresa comercializadora y realiza el cambio. Acto seguido, si el
producto tiene fallas de origen, la empresa tercerizada envía el producto al taller; caso
contrario, lo retorna al almacén.
98
DISEÑO DEL EXPERIMENTO
El diseño del experimento para el levantamiento de la información se encuentra dividido

en tres etapas:
 Definir las variables del caso de estudio.
 Definir las hipótesis de validación para el caso de estudio.
 Diseñar y calcular el tamaño de la encuesta.
Figura 52. Diseño del experimento de investigación
2.5.1 DEFINIR VARIABLES
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:
Figura 53. Tipología de las variables de estudio, elaboración propia.
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
VARIABLES CUALITATIVAS NOMINALES

 Género de compradores en el e-commerce.
 Factores que influyen en la decisión de compra en el e-commerce.
 Frecuencia de compras online de universo encuestado.
 Motivos por los cuales no hacen compras Online
 Principales categorías del e-commerce en Lima.
 Principales motivos de devoluciones de moda textil.
 Intención de compra
 Decisión de compra
 Perspectiva de Riesgo
 Seguridad de la transacción
VARIABLES CUANTITATIVAS DISCRETAS

 Cantidad de unidades producidas
 Cantidad de productos vendidos
 Cantidad de devoluciones
 Costos de producción
 Costo de devoluciones
 Costo de packing
 Costo de traslado
100
 Precio de venta
 Fecha de venta
VARIABLES CUANTITATIVAS CONTINUAS

 Rango de edad
 Margen de ganancia
 Tallas de prendas
 Stock de remate
2.5.2 HIPÓTESIS PLANTEADAS
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.
2.5.3 DISEÑO DE LA ENCUESTA
Para la encuesta se ha realizado un total de 16 preguntas en base a revisión bibliográfica

de problemáticas similares y las variables definidas anteriormente. Así mismo, el total de
la población de los consumidores del e-commerce en Lima, Perú es de tres millones de
habitantes (eMarketer, 2019). Para el cálculo del tamaño de la muestra en estudio se han
definido las siguientes variables:
 N = Tamaño de la población: 3MM

 e = Margen de error (porcentaje expresado con decimales): 5%
 Nivel de confianza = 95% (Para calcular el valor “z” a ingresar en la fórmula)
 z = Puntuación z: 1.96
 p = Heterogeneidad o nivel de proporción que se tiene de la población: 50%
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.
Las preguntas realizadas en la encuesta se detallan en el Anexo 1 del 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
En el levantamiento de información, los datos relacionados sobre el e-commerce de moda

textil permitirán conocer la problemática que han detallado otras investigaciones frente
al problema seleccionado. Así mismo, la encuesta y la información del caso de estudio
nos permitirán corroborar si la información obtenida a través de las fuentes primarias y
secundarias se replica desde el punto de vista del consumidor y en el caso de estudio de
una empresa del sector e-commerce de moda textil.
2.6.1 INFORMACIÓN DEL E-COMMERCE DE MODA TEXTIL
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.
DIAGNÓSTICO DEL E-COMMERCE EN EL PERÚ

Según información compartida por el Banco de Crédito del Perú (2020) el e-commerce
ha sido uno de los sectores con resultados positivos durante la coyuntura COVID-19. Esto
se debe a que, con la situación de cuarentena y miedo ante un posible contagio, el
comercio en línea ha sido uno de los principales medios de obtención de suministros o
servicios. Así mismo, las formas de pago están cambiando rápidamente durante la
pandemia. En este sentido, la implementación de modelos de pago sin contacto durante
el COVID-19 se ha convertido en una solución que permite los procesos comerciales y
proteger la higiene de las personas durante la pandemia (Perú Retail, 2020).
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).
DIAGNÓSTICO DE LAS DEVOLUCIONES EN EL E-COMMERCE DE MODA

TEXTIL
 INFLUENCIA DE LAS DEVOLUCIONES EN LA INTENCIÓN DE COMPRA

Los consumidores tienen muy claro cómo las políticas de devoluciones generosas
afectan sus gastos futuros de compras en línea. Los hallazgos de diversas encuestas
de consumidores revelaron que las políticas de devoluciones generosas tienen más
probabilidades de afectar positivamente el nivel de satisfacción del cliente y, en última
instancia, impulsar las ventas y fidelizar a los clientes a largo plazo.
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).
 CANTIDAD DE DEVOLUCIONES EL E-COMMERCE DE MODA TEXTIL
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.
Según el Barómetro del Comprador Online de DPD, la multinacional a la que

pertenece Seur, la moda registra la mayor tasa de devoluciones, con un 26%, por
delante de la electrónica (15%) y el deporte y el calzado (12%)”. (Salvatierra, J, 2019).
105
 COSTOS ASOCIADOS A LAS DEVOLUCIONES EN EL E-COMMERCE
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.
Los costos aplicados a las devoluciones son los costos del servicio por reproceso
logístico, destrucción, reparación o envasado del producto. Según Alfaro, P (2018) no
es raro ver que el proceso de devolución termine costando el doble que una entrega.
“Si vendes online, tienes que pensar que tendrás un 10 ó un 15% de

devoluciones. Pensar que la venta termina con la entrega es un error. Si no
lo tienes bien controlado, puede tener un impacto en la rentabilidad brutal”,
dice Karen Thouret, responsable de comercio electrónico en Seur
(Salvatierra, J, 2019).
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.
 CAUSAS DE LAS DEVOLUCIONES
Según un estudio de la consultora Cetelem - Nielsen (2014), los principales motivos

para las devoluciones son:
Tabla 15. Principales motivos de las devoluciones en el e-commerce
Descripción Acumulado
Producto erróneo 0.49
Desperfecto en el producto 0.26
Demora en el despacho 0.16
Otros 0.09
Nota: Cifras en porcentajes, adaptado de Nielsen (2014).
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.
Por último, la confianza, la intención de compra y la seguridad en las transacciones

influyen directa y significativamente en la decisión de compra que tenga una persona
frente a un comercio online.
Tabla 16. Efectos directos sobre variables
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.
2.6.2 RESULTADOS DE LA ENCUESTA
Tras la validación de las variables por la información de la bibliografía, se realizó una

encuesta a una muestra de 385 personas de Lima, Perú en un periodo de 3 semanas del
mes de setiembre 2020 y se obtuvo los siguientes resultados para cada una de las hipótesis
planteadas.
 H1: MÁS DEL 50% DE LA POBLACIÓN REALIZA COMPRAS EN

LÍNEA MÁS DE UNA VEZ AL MES
En base a la información recolectada en la encuesta, se evidencia que el 89% de la

población realiza o ha realizado compras en línea. Este porcentaje nos indica la
relevancia del e-commerce y que es uno de los sectores más importantes en la
coyuntura actual y la reactivación económica del país.
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%
Figura 59. Distribución por género de la población encuestada, elaboración propia.
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.
Inseguridad transacción y/o método de pago 24 (41%)
El vendedor no ofrece política devoluciones 12 (20%)
Calidad de productos 9 (15%)
Poca fiabilidad en el vendedor 8 (14%)
Tiempo de entrega 2 (3%)
Otros 4 (7%)
Figura 60. Principales motivos por los que la población encuestada no realiza compras en línea,
elaboración propia.
Actualmente, la empresa cuenta con métodos de prevención de fraudes para compras

en línea por medio de métodos de pagos seguros, por lo que, para el caso de estudio,
no estará dentro del alcance de desarrollo. El segundo punto por los que una persona
no realiza una compra por internet es la falta de políticas de devoluciones (20%).
También, el 89% de los encuestados que indicaron que realizan compras en línea
tienen una frecuencia de compra de mínimo una vez al año (2%), más de una vez al
año (34%), una vez al mes (41%) y semanalmente (2%).
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.
Un dato relevante es ver que un porcentaje de la población encuestada muestra que

las personas de 41 años a más ya generan compras en línea. Esto indica que las
estrategias o el mercado online no debe ser solo delimitado a personas de la
generación millennials, sino que hoy en día personas de más de 40 años ya se han
vuelto compradores activos en línea y es posible encontrar un nicho de mercado para
este sector.
Por ende, la hipótesis 1 expresada es válida y las características principales de la

población encuetada que realiza compras en línea son mujeres entre 26 a 30 años y
que realizan compras en línea semanalmente. El 11% de la población que no realiza
compras indica que es por falta de un método de pago seguro o una política de
devoluciones.
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
La principal categoría en el e-commerce es la venta online de moda (ropa y calzado),

obteniendo un 61% del total de la población encuestada. Esto indica que, en Lima,
Perú, más del 50% de la población realiza compras en línea de ropa y calzado y que
un comercio de este tipo que tenga una estrategia de venta online tendrá un mayor
volumen de ventas que solo tenerla presencialmente.
Moda (ropa y calzado) 235 (61%)
Comidas y bebidas 232 (60%)
Electrónica de consumo (Tecnología) 135 (35%)
Electrodomésticos 65 (17%)
Otros 33 (9%)
Figura 63. Principales categorías del e-commerce en Lima, elaboración propia.
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.
 H3: LA POLÍTICA DE DEVOLUCIONES INFLUYE EN LA INTENCIÓN

DE COMPRA
Según la población encuestada, el 79% de las personas indican que, si el comercio

tiene una política de devoluciones, es probable que se sientan más confiados en
realizar compras en esa web, mientras que el 21% de los encuestados indicaban que
la política de devoluciones no era relevante para su decisión de compra.
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%
Figura 64. Principales categorías del e-commerce en Lima, elaboración propia.
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.
 H4: LA POLÍTICA DE DEVOLUCIONES ES UNO DE LOS FACTORES

POR LAS QUE EL USUARIO DECIDE REALIZAR UNA COMPRA EN
UNA WEB DETERMINADA
En la siguiente imagen se ve que la política de devoluciones es uno de los tres

principales factores al momento que una persona decida comprar en una web
determinada (19%), también están como principales razones la reputación de la marca
(55%) y las facilidades de pago (71%).
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%)
Reputación de marca 212 (55%)
Política de devoluciones 73 (19%)
Otros factores 37 (10%)
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.
Por ende, la hipótesis 4 es válida ya que la política de devoluciones no solo influye

en la intención de compra en determinada página, sino que es una de las tres razones
principales por las que una persona termina escogiendo una página web para comprar
en ella.
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.
 H5: MENOS DEL 30% DE LAS PERSONAS QUE REALIZAN COMPRAS

EN LÍNEA HA DEVUELTO UN PRODUCTO
Según la encuesta, el 32% de la muestra encuesta ha devuelto un producto comprado

en línea en algún momento.
114
32% Sí
No
68%
Figura 66. Distribución de la población encuestada que ha devuelto productos de compras en línea,
La información de la bibliografía presentada que indica que el 25% de las compras

realizadas en línea terminan siendo devueltas. Adicional, este punto es relevante al
ver que no cualquier empresa puede soportar un 30% de su producción devuelta por
los costos asociados al proceso.
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.
 H6: EL PROCESO DE DEVOLUCIONES ES COMPLICADO O

COMPLEJO
Sobre el 32% de la muestra que indicó que ha realizado devoluciones anunciados en

la hipótesis 5, el 49% de ellos afirma que el proceso llegó a ser complicado. Esto se
debe a que las empresas no tienen procesos estandarizados para la devolución de
productos o que sus procesos son suficientemente complicados o difíciles para los
clientes, lo que puede afectar en la satisfacción final que tenga una persona frente a
su interacción con esa página.
115
27 (24%) 28 (25%)
21 (19%) 20 (18%)
15 (14%)
Muy simple Poco complicado Indiferente Muy complicado Totalmente

complicado
Figura 67. Complejidad del proceso de devolución, elaboración propia.
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.
 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).
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%)
Producto adquirido no es el solicitado 138 (36%)
Calidad del producto no es la esperada 113 (29%)
Demora en el despacho del producto 32 (8%)
Otros motivos 11 (3%)
Figura 68. Principales motivos de la devolución de productos en el e-commerce de moda textil,

Otra de las razones principales es que el producto adquirido no es el solicitado y esto

se puede originar por errores en el almacén o por errores del operador logístico.
De esta manera, la hipótesis 7 es válida ya que la principal razón de las devoluciones

en compras online es la talla inadecuada de las prendas. Al ser la razón principal en
la muestra encuestada no significa que sea la única razón en la muestra encuestada
para que devuelvan productos. En el diagnóstico de este documento se detalla las
principales causas que generan las devoluciones y las que se buscarán solución para
este estudio.
 H8: EL VIRTUAL ROOM INFLUYE EN LA DECISIÓN DE COMPRA DEL

E-COMMERCE DE MODA TEXTIL
La población encuestada sugiere que la aplicación de las herramientas Virtual Room

influyen de manera positiva en la decisión de compra (78%), ya que genera más
confianza en los posibles compradores al momento de adquirir una prenda de vestir.
117
153 (40%) 148 (38%)
71 (18%)
10 (3%)
3 (1%)
Nada Poco Regular Mucho Totalmente
Figura 69. Nivel de influencia de las herramientas Virtual Room en el e-commerce sobre la decisión
de compra, elaboración propia.
La aceptación de esta herramienta dentro de la población encuestada al momento de

consultarles sobre su intención de compra en las webs que la apliquen llega a mostrar
la importancia de que los e-commerce brinden mejores maneras de que una persona
esté seguro de lo que esté comprando antes de adquirirlo (disminución de la
incertidumbre), como también en la mejora de la experiencia y satisfacción del cliente
frente a su interacción con la web. Por ello, la hipótesis 8 es válida.
 H9: EL VIRTUAL ROOM INFLUYE EN LAS DEVOLUCIONES EN EL E-

COMMERCE DE MODA TEXTIL
El 78% de la población encuestada afirma que la aplicación de las herramientas

Virtual Room disminuiría considerablemente la posibilidad de devoluciones ante la
compra de prendas de vestir online. Esto se debe porque se tiene una perspectiva más
cercana a la realidad de cómo le quedaría la prenda de vestir ante una posible compra,
lo cual evitaría que se termine devolviendo la prenda.
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.
 H10: LA LOGÍSTICA INVERSA INFLUYE EN LA DECISIÓN DE

COMPRA DEL E-COMMERCE DE MODA TEXTIL
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%)
Figura 71. Nivel de influencia de la logística inversa en la decisión de compra en el e-commerce de

moda textil, elaboración propia.
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.
Se adjunta el cuadro resumen económico de la información presentada. No obstante, para

el caso de estudio, el alcance del análisis económico solo abarcará la comercialización y
envío del producto (despacho).
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
2019-09 250 191 59 40 S/15,433.60 S/9,725.00 S/955.00 S/4,753.60
2019-10 150 120 30 31 S/9,777.60 S/5,985.00 S/753.63 S/3,038.98
2019-11 150 120 30 35 S/9,932.80 S/6,035.00 S/853.63 S/3,044.18
2019-12 190 133 57 31 S/13,258.90 S/8,291.00 S/803.13 S/4,164.78
2020-01 230 174 56 35 S/16,792.00 S/10,347.00 S/880.63 S/5,564.38
2020-02 200 151 49 48 S/13,301.70 S/7,730.00 S/1,146.00 S/4,425.70
2020-03 135 104 31 26 S/7,412.00 S/4,401.50 S/598.25 S/2,412.25
Durante la
1,040 871 169 243 S/76,139.90 S/49,146.00 S/7,537.13 S/19,456.78
pandemia
2020-04 155 115 40 36 S/10,813.50 S/7,409.50 S/1,099.50 S/2,304.50
2020-05 170 151 19 37 S/12,367.40 S/8,333.00 S/1,238.88 S/2,795.53
2020-06 125 107 18 43 S/9,538.20 S/6,112.50 S/1,350.63 S/2,075.08
2020-07 500 420 80 100 S/36,503.00 S/22,850.00 S/3,014.50 S/10,638.50
2020-08 90 78 12 27 S/6,917.80 S/4,441.00 S/833.63 S/1,643.18
Total 2,345 1,864 481 489 S/162,048.50 S/101,660.50 S/13,527.38 S/46,860.63
Figura 72. Resumen económico del caso de estudio, elaboración propia.
Para analizar el comportamiento de la data, se diseñaron los siguientes indicadores de

desempeño.
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
 Indicador de Devoluciones: Muestra el porcentaje de las prendas devueltas, respecto

al total de ventas realizadas.
𝑪𝒂𝒏𝒕𝒊𝒅𝒂𝒅 𝑫𝒆𝒗𝒖𝒆𝒍𝒕𝒂
𝑸𝒅 /𝑸𝒗 =
𝑪𝒂𝒏𝒕𝒊𝒅𝒂𝒅 𝑽𝒆𝒏𝒅𝒊𝒅𝒂
 Indicador de Utilidad: Muestra el porcentaje de utilidad, respecto al ingreso de

ventas con el costo de producción y los costos de devoluciones.
𝑼𝒕𝒊𝒍𝒊𝒅𝒂𝒅
𝑼/𝑰𝒗 =
𝑰𝒏𝒈𝒓𝒆𝒔𝒐𝒔 𝒑𝒐𝒓 𝑽𝒆𝒏𝒕𝒂𝒔
 Impacto económico de las devoluciones: Muestra el porcentaje que representa el

costo de devoluciones, respecto al total de ingreso por ventas.
𝑪𝒐𝒔𝒕𝒐𝒔 𝒅𝒆 𝑫𝒆𝒗𝒐𝒍𝒖𝒄𝒊𝒐𝒏𝒆𝒔
𝑪𝒅 /𝑰𝒗 =
𝑰𝒏𝒈𝒓𝒆𝒔𝒐𝒔 𝒑𝒐𝒓 𝑽𝒆𝒏𝒕𝒂𝒔
A continuación, se detalla la matriz de indicadores realizada.
Periodo de análisis Matriz de Indicadores

de las Ventas Qv / Qp Qd / Qv Mg / IxV Cd / IxV
Antes de la pandemia 76.09% 24.77% 31.90% 6.97%
Durante la pandemia 83.75% 27.90% 25.55% 9.90%
Total 79.49% 26.23% 28.92% 8.35%
Figura 73. Matriz de indicadores, elaboración propia.
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.
Tabla 17. Cantidad de devoluciones en periodo de estudio
Cantidad Cantidad Stock Cantidad

Periodo de Ventas Qd / Qv
Producida Vendida Vendido Devuelta
Antes de la pandemia 1,305 993 312 246 24.77%
Durante la pandemia 1,040 871 168 243 27.90%
Total 2,345 1,864 480 489 26.23%

Nota: Cantidad de porcentaje de devolcuiones situado antes y después de cuarentena, fuente
Si bien, la cantidad producida durante la cuarentena fue menor que antes de la

pandemia del COVID-19, la cantidad proporcional de devoluciones aumentó. Esto
puede deberse al tipo de prenda generada. Dentro de las coincidencias encontradas de
los productos devueltos, las poleras tie dye en el mes de junio del 2020 fueron los
productos más devueltos y con un alto coso de devolución.
Tabla 18. Top 5 productos con mayor cantidad de devoluciones
Periodo Mes Producto QD QV CT Dev % Dev CU Dev
Durante la pandemia 6 Polera tie dye 11 21 S/361.63 52% S/32.88

Durante la pandemia 6 Jogger tie dye 11 21 S/361.63 52% S/32.88
Antes de pandemia 3 Cafarena dama 10 22 S/208.75 45% S/20.88
Antes de pandemia 11 Vestido anastasia 18 40 S/429.75 45% S/23.88
Antes de pandemia 3 Jean dama clásico 7 17 S/209.13 41% S/29.88
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.
Tabla 19. Top 5 productos con mayores costos de devueltos
Periodo Mes Producto QD QV CT Dev % Dev CU Dev
Durante la pandemia 5 Casaca jean clásica 16 50 S/622.00 32% S/38.88

Durante la pandemia 5 Jean dama clásico 7 21 S/358.75 33% S/35.88
Durante la pandemia 4 Jean dama clásico 10 33 S/251.13 30% S/35.88
Durante la pandemia 6 Polera tie dye 11 21 S/361.63 52% S/32.88
Durante la pandemia 6 Jogger tie dye 11 21 S/361.63 40% S/32.88
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.
 H12: LOS COSTOS DE LAS DEVOLUCIONES REPRESENTAN MENOS DE

UN 5% DE LOS INGRESOS BRUTOS POR VENTAS
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 de la empresa del caso de estudio. 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.
Tabla 20. Impacto del costo de devoluciones en la rentabilidad de la empresa (redondeado)
Periodo de Ventas Q Dev Q Vendido CT Dev IT Vtas Cd / IV
Antes de la pandemia 246 993 S/5,990 S/85,909 6.97%

Durante la pandemia 243 871 S/7,537 S/76,140 9.90%
Total 489 1,864 S/13,527 S/162,049 8.35%
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
Periodo Mes Producto CT DEV ITxVT % Impacto
Durante la pandemia 6 Jogger tie dye S/ 438 S/ 1,806 24.23%

Durante la pandemia 6 Polera tie dye S/ 471 S/ 2,050 22.96%
Antes de pandemia 3 Cafarena dama S/ 308 S/ 1,440 21.37%
Durante la pandemia 4 Cafarena dama S/ 257 S/ 1,220 21.10%
Durante la pandemia 5 Cafarena dama S/ 257 S/ 1,220 21.10%
Nota: Porcentaje de impacto del costo de las devoluciones frente a los ingresos, fuente elaboración
propia.
Al representar los costos de devoluciones en el caso de estudio más del 4% indicado

en la bibliografía y al ser más elevado dependiendo del tipo de prenda, la hipótesis
planteada es inválida y se asume como problema evidente presentado en el caso de
estudio.
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:
Tabla 22. Componentes del Costo de Devoluciones
Costos fijos Costos Variables
Cotos de producción (CP) Cantidad Devuelta (Qd)
Costos de arreglo en el taller y/o

Costos de packing (CPaq)
remachado (CR)
Costos de envío del producto desde el
Costos Covid (CC19)
almacén al cliente (CE)
Costos de traslados del producto desde
el cliente al almacén (CTras)
Nota: Factores relacionados al costo de decoluciones, fuente elaboración propia.
124
La fórmula usada por la empresa es la siguiente:
𝑪𝑫𝒆𝒗 = 𝑸𝒅 × (𝑪𝑬 + 𝑪𝑻𝒓𝒂𝒔 + 𝑪𝑹 + 𝑪𝑷𝒂𝒒 + 𝑪𝑪𝟏𝟗)
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:
Tabla 23. Resultados del levantamiento de información
Puntos de análisis Resultados

El e-commerce es el sector con mayor proyección de crecimiento en cuarentena y
Verdadero
para los siguientes años.
H1: Más del 50% de la población realiza compras en línea más de una vez al mes. Verdadero
H2: El e-commerce de moda textil es la categoría más vendida. Verdadero
H3: La política de devoluciones influye en la intención de compra. Verdadero
H4: La política de devoluciones es uno de los factores por la que los usuarios deciden
Verdadero
realizar una compra en una web determinada.
H5: Menos del 30% de las personas que realizan compras en línea ha devuelto un
Falso
producto.
H6: El proceso de devoluciones es complicado o complejo. Verdadero
H7: El principal motivo de las devoluciones en el e-commerce de moda textil es por
Verdadero
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. Verdadero
H9: El virtual Room influye en las devoluciones del e-commerce de moda textil. Verdadero
H10: La logística inversa influye en la decisión de compra del e-commerce de moda
Verdadero
textil.
H11: Menos del 25% de los productos vendidos en línea por la empresa ha sido
Falso
devuelto.
H12: Los costos de las devoluciones representan menos de un 5% de los ingresos
Falso
brutos por ventas.
El costo de los envíos realizados por el tercerizado de transportes no impacta
Falso
directamente en los costos de devoluciones
Nota: Resumen del análisis del levantamiento de información, fuente elaboración propia.
125
DIAGNÓSTICO
En base al levantamiento de la información, se obtuvo que el alto porcentaje de la

devolución de prendas de vestir y el alto costo logístico de las devoluciones impactan
directamente en las utilidades de la empresa en estudio. Por tal motivo, el diagnóstico del
proyecto de investigación tiene como propósito encontrar las causas raíz que originan las
devoluciones para reducirlas y disminuir su impacto económico.
Tabla 24. Principales causas de la devolución de ropa en el e-commerce de moda
Criterio de comparación Estándar Empresa
Porcentaje de productos devueltos ≤ 25% 26.23%
Impacto del costo de devoluciones

≤ 4% 8.35%
sobre el total de los ingresos por ventas
Nota: Puntajes basado en la revisión bibliográfica y el análisis del caso de estudio, elaboración propia.
De esta manera, para el diagnóstico, se hará un primer análisis mediante un diagrama de

Ishikawa para encontrar las principales causas de las devoluciones de prendas de vestir
en el e-commerce de moda textil. Luego, se realizará un segundo análisis para determinar
las causas raíz que impactan en las devoluciones de la empresa en estudio.
No obstante, debido a que la empresa en estudio no cuenta con la información detallada

de las causas de las devoluciones; en base a los resultados del levantamiento de la
información, se plantearon cuatro principales causas que originan la devolución de ropa
en el e-commerce de moda textil.
Tabla 25. Principales causas de la devolución de ropa en el e-commerce de moda textil
Causas de devolución Puntaje
C1. Demora en el despacho del producto 0.09

C2. La talla del producto no es la adecuada 0.38
C3. La calidad del producto no es la esperada 0.24
C4. El producto adquirido no es el solicitado 0.29
Total 1.00
Nota: Puntajes basado en la encuesta realizada, 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.
Figura 74. Diagrama de Ishikawa del caso de estudio, elaboración propia.
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.
Tabla 26. Principales causas raíz a desarrollar en el proyecto de investigación
Demora en el despacho del La talla del producto no es la El producto adquirido no es el

producto adecuada solicitado
Error en la planificación de Falta de información en la El producto no cumple con las
envíos del producto página web (tallas) expectativas
Demora de salida de los Error en el despacho de
Error por parte del transportista
productos del almacén mercadería
Demora en la entrega por el Error en la codificación de
transportista productos
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.
Figura 75. Árbol de problemas del caso de estudio, elaboración propia.
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:
 C1: Demora en el despacho del producto (9%).

 C2: La talla del producto no es la adecuada (38%).
 C3: La calidad del producto no es la esperada (24%).
 C4: El producto adquirido no es el solicitado (29%).
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
Código Criterio de comparación Peso % Puntaje Prioridad
CR1 Falta de información en la página web (tallas) 0.38 10.00 3.80
CR2 Falta de información en la página web (calidad) 0.24 10.00 2.40
CR3 Error por parte del transportista 0.29 8.00 2.32
CR4 El producto no cumple con las expectativas 0.29 8.00 2.32
CR5 Error en el despacho de la mercadería 0.38 4.00 1.52
CR6 Error en la codificación de productos 0.29 4.00 1.16
CR7 Error en la planificación del envío de productos 0.09 10.00 0.90
CR8 Demora en la entrega por el transportista 0.09 8.00 0.72
CR9 Demora de lo salida de los productos de almacén 0.09 4.00 0.36
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.
Tabla 28. Matriz de frecuencia y acumulado de las causas raíz
Código Causas Raíz Frecuencia Acumulado
CR1 Falta de información en la página web (tallas) 0.2452 0.2452
CR2 Falta de información en la página web (calidad) 0.1548 0.4000
CR3 Error por parte del transportista 0.1497 0.5497
CR4 El producto no cumple con las expectativas 0.1497 0.6994
CR5 Error en el despacho de la mercadería 0.0981 0.7974
CR6 Error en la codificación de productos 0.0748 0.8723
CR7 Error en la planificación del envío de productos 0.0581 0.9303
CR8 Demora en la entrega por el transportista 0.0465 0.9768
CR9 Demora de lo salida de los productos de almacén 0.0232 1.000
Nota: Causas raíz de acuerdo a la frecuencia y acumulado, fuente elaboración propia.
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%
CR1 CR2 CR3 CR4 CR5 CR6 CR7 CR8 CR9
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.
DIAGNÓSTICO ATADO A LA PROPUESTA DE SOLUCIÓN
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:
Tabla 29. Matriz de causas raíz y herramientas de solución
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.
En consecuencia, de la matriz anterior, se diseñó el siguiente diagrama de relaciones para

visualizar la interacción de las herramientas de solución propuestas con las causas raíz
del alto porcentaje de devolución de prendas de vestir en el e-commerce de moda textil.
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.
Tabla 30. Aporte de las herramientas de solución
Códigos
Herramienta Aporte de la Herramienta de Solución
Causas raíz
Herramienta digital que permite visualizar mediante

una página web o aplicativo móvil el diseño y
características de una prenda de vestir mediante la
Virtual Try On CR1, CR2 y CR4 simulación de la prenda puesta en el cuerpo del usuario.
Esta herramienta permite solucionar la falta de
información (tallas y calidad) y brinda una expectativa
más real del producto a comprar.
La aplicación de la logística inversa permite diseñar,

planificar, implantar y controlar de forma eficiente y el
costeo óptimo desde el usuario (cliente o consumidor)
hasta el punto de origen (almacén o taller) para
Logística recuperar el valor de las prendas de vestir.
CR3 y CR5
Inversa Esta herramienta permite solucionar el error de
despacho de la mercadería al adelantarse a las posibles
devoluciones; así mismo, pronosticar la cantidad de
viajes del transportista mediante la planificación de
rutas.
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.
Value Stream
Mapping CR4 y CR5 Por lo cual, su aplicación nos permitirá analizar los
(VSM) procesos de ventas (expectativas del cliente) y
logísticos (error en el despacho de la mercadería) donde
no se genera valor y rediseñarlos para disminuir los
sobrecostos asociados a las devoluciones.
El diagrama de SIPOC es una herramienta en formato

tabular que permite la caracterización o asignación
lógica de una serie de actividades y procesos.
Por lo cual, su aplicación se relaciona directamente con
Diagrama los procesos de ventas (expectativas e incertidumbre
CR3, CR4 y CR5
SIPOC del cliente) y logística (error por parte del transportista
y/o en el despacho de mercadería), analizando cada
componente (entradas) y los resultados (salidas) que se
esperan obtener (satisfacción del cliente y reducir las
devoluciones).
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
El modelo propuesto en base a las herramientas mencionadas en el capítulo anterior busca

eliminar o minimizar las causas raíces que generan el alto porcentaje de las devoluciones
en el e-commerce de moda textil.
Las herramientas y la aplicación de sus componentes son los siguientes:
 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).
 La herramienta Virtual Try On (VTO) es una de las mejoras implementadas dentro

del proceso de ventas en el e-commerce de moda textil y su objetivo es poder darle
mayor información al usuario, de forma visual, sobre el producto que va a
adquirir. Esto se logra mediante la visualización de imágenes, mayor enfoque en
las texturas y la combinación de cómo quedaría una prenda en determinado tipo
de cuerpo (Hashmi et al., 2020).
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.
En el SIPOC se detecta que el supplier es el cliente o usuario. El cliente brindará los

inputs (factores) que afectan directamente a las devoluciones. Estos inputs son la
intención de compra, medición de expectativas, alto porcentaje de devoluciones, errores
en el despacho e incertidumbre del cliente.
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:
 El rediseño del proceso de ventas se plantea implementar Virtual Try-On. Según

encuentran que el VTO 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 e intervendrá directamente en
la satisfacción del cliente (Han et al., 2018). Adicionalmente, se aumentará la
opción de “talla indecisa - multitalla” que permitirá solicitar dos tallas adicionales
a la talla que se solicita de una prenda al momento de entrega del pedido. El fin
es que se escoja la prenda exacta que desee adquirir en el momento de la entrega
y las otras dos se terminen devolviendo.
No obstante, si un e-commerce no tiene la posibilidad de implementar una herramienta

VTO, puede basarse en sus principios que son mayor visibilidad de la prenda en
distintos tipos de cuerpo y mayor información de la prenda (Holte, 2013). Es aquí
donde se pueden presentar diferentes modelos con distintas tallas de prenda y la
visualización de cómo le quedaría a cada tipo de cuerpo determinada talla. Aquí
también se plantea como parte output al Servicio Post Venta que los clientes manden
fotos de ellos con los productos comprados para retroalimentar el banco de imágenes
que brindará mayor visualización de cómo queda una prenda en diferentes tipos de
cuerpo. El nivel de satisfacción no será el mismo que aplicando la herramienta VTO,
pero reducirá significativamente el porcentaje de devoluciones.
 En el rediseño de proceso logístico de almacenes se plantea un rediseño en el

empaquetado que evite que se generen confusiones al momento de despachar un
producto. Para ello, se aplicaría un poka yoke dentro del control de empaquetado
antes de entregar el producto al proveedor de traslados. Este poka yoke se realizará
al mostrar una imagen visual y talla del producto de forma directa en una pantalla
al momento de seleccionar el producto para su empaquetado.
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.
 En el rediseño del proceso de devoluciones se modificará la política de

devoluciones. Se busca disminuir las devoluciones y la empresa cubre con los
costos si luego de las opciones propuestas aún se deba solicitar la devolución. Si
se realiza una devolución luego de brindar la opción de “talla indecisa - multitalla”
por omisión de solicitud del usuario, el cliente deberá cubrir con los gastos de este
servicio.
Adicionalmente, la logística inversa también será aplicada en el proceso de gestión de

devoluciones para la aplicación de los productos devueltos. Todo producto que regrese
por devoluciones y tenga que ser reparado, deberá ser devuelto a almacén para su
corrección y posterior reventa en una feria vintage o una donación. Si la prenda no puede
ser reparada, esta pasará por un proceso de transformación para evitar el desperdicio de
esta. La merma que se genere dentro del proceso de transformación o reparación será
reutilizada para la producción de otros productos, con el fin de generar menor
contaminación.
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.
A continuación, se detallan las mejores que se aplican en la propuesta:
Tabla 31. Resumen de las propuestas de mejoras realizadas
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
Logística de  Poka Yoke en el proceso de empaquetado y

Poka Yoke
Almacenes despacho
 Planificación de rutas Logística Inversa

Logística de Traslado
 Despacho de prendas en opción multitalla Logística Inversa
 Rediseño de política de devoluciones
(Empresa asume a menos que sea omisión del cliente VSM
a menos que sea por cambio de talla)
Devoluciones
 Ventas Feria Vintage o donaciones Logística Inversa
 Refabricación o transformación de productos y
Logística Inversa
reutilización de merma
Ventas y
 Community Manager para la atención al cliente VSM
Servicio Post venta
Nota: Resumen de las propuestas de mejora realizadas luego de la aplicación del modelo de gestión,
La finalidad del modelo es poder llegar a los siguientes objetivos:
 Tener menos del 20% de productos devueltos.

 Que el costo de las devoluciones por el porcentaje de productos devueltos no
represente más del 4% del total de los ingresos de ventas.
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.
I. Primero, se debe identificar el problema que se presenta en la empresa, ya sea alto

porcentaje de devoluciones, altos costos de devoluciones, poca fidelización con la
marca o baja intención de compra por parte de los clientes. Esta solución puede
mejorar los puntos comentados previamente.
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.
V. Quinto, se determina si se aplica la herramienta VTO dentro del proceso de ventas

o los conceptos que esta implica (mayor información de la prenda y visualización
de la misma en distintos tipos de cuerpo).
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.
IX. Noveno, se deberá validar posteriormente el costumer obtenido de todo el proceso

de transformación.
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.
DISEÑO DE LOS PROCESOS DE MEJORA
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.
3.3.1 PROCESO DE VENTAS
Se parte del comparativo de imágenes del SIPOC de la situación inicial y el proceso de

mejora. En ellos, se evidenciará las actividades a implementar dentro de la mejora y los
factores (inputs y outputs) que varían en el proceso y que generan la mejora del proceso.
140
Tabla 32. SIPOC Proceso de Ventas Inicial
Suppliers Input Process Output Customers
Intención de Compra Registrar el Usuario

Orden de Compra
Clientes Decisión de Compra Iniciar Sesión
Comprobante de Pago Almacenes
Potenciales Método de Pago Seleccionar el Producto
Orden de Despacho Transporte
Clientes Catálogo de Registrar el Pedido
Fecha de Entrega
Productos Confirmar el Pedido
Nota: Principales actividades en el proceso de Ventas en la situación inicial
Tabla 33. SIPOC Proceso de Ventas Final

Registrar el Usuario
Iniciar Sesión
Catálogo de Productos Orden de Compra
Probar prenda VTO Almacenes
Clientes Repositorio WEB Comprobante de Pago
Seleccionar el Producto Transporte
Potenciales Intención de Compra Orden de Despacho
Seleccionar Opción Repositorio
Clientes Decisión de Compra Fecha de Entrega
Multitalla WEB
Método de Pago Registro de ventas
Registrar el Pedido
Confirmar el Pedido
Nota: Principales actividades en el proceso de Ventas en la situación Final, mejoras resaltadas en negrita.
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
Al procesar el pedido, la empresa recibe una notificación en su rol de administrador de la

plataforma y se registra en automático los pedidos en el sistema y se contabiliza un
registro de pedidos para el control interno. Adicionalmente, se procede a validar el estado
de la transacción (depósito bancario) en la cuenta corriente asociada al método de pago y
se genera el comprobante de pago (voucher de compra), el cual es enviado al correo y
número telefónico registrado por cada cliente.
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.
El flujograma del proceso de ventas se detalla en el Anexo 2 del presente estudio.
3.3.1.1 SUBPROCESO DE REGISTRO DE USUARIOS
En el proceso de ventas explicado anteriormente, como parte del proceso de mejora, se

añade el subproceso de registro de usuarios, el cual será el principal input para aplicar la
herramienta VTO dentro del modelo de gestión para reducir el porcentaje de devoluciones
en el e-commerce de moda textil. De esta manera, el subproceso inicia cuando el cliente
ingresa sus datos personales como: Nombres y apellidos, correo electrónico, dirección
del domicilio y número de celular. El registro de estos datos personales permitirá tener
una base datos por cada usuario registrado en la plataforma web, lo cual también servirá
como input para el diseño de rutas óptimas para la entrega de productos en base a la
georreferenciación de cada domicilio.
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.
En consecuencia, la empresa de e-commerce registra los datos en la plataforma web de

ventas y se genera una nueva base datos con las características y datos personales de cada
cliente, para que el sistema de la plataforma web pueda personalizar el catálogo de
prendas online en base al stock disponible de las prendas de vestir, preferencias y tallas
de cada cliente registrado.
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.
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
Finalmente, se notifica por correo a los usuarios la creación y activación de sus

respectivos usuarios y contraseñas, así como el manual de guía de usuarios.
Posteriormente, el cliente verifica que los datos enviados sean los correctos y procede a
ingresar a la web para seguir con el proceso de ventas.
El flujograma del subproceso para el registro de usuarios se detalla en el Anexo 3 del

presente estudio.
146
3.3.2 PROCESO LOGÍSTICO

Tabla 34. SIPOC Proceso de Logística Almacenes Inicial

Validar Stock
Orden de Productos listados Productos
Seleccionar productos
Compra (Venta en compra empaquetados Transporte
Empaquetar Productos
realizada) Stock de Productos Orden de despacho
Despachar productos
Nota: Principales actividades en el proceso de Logística Almacenes en la situación inicial
Tabla 35. SIPOC Proceso de Logística Almacenes Final

Validar Prenda (Poka
Yoke)
Productos listados en
Validar Stock
compra Productos
Seleccionar productos
Stock de Productos empaquetados
Orden de Validar productos
Pantalla de Orden de
Compra (Venta seleccionados en pantalla Transporte
Productos (Poka despacho
realizada) (Poka Yoke)
Yoke) Opciones
Empaquetar Productos
Pedidos de opciones Multitalla
Despachar productos
Multitalla
Despachar opciones
multitalla
Nota: Principales actividades en el proceso de Logística Almacenes en la situación Final, mejoras resaltadas
en negrita.
Tabla 36. SIPOC Proceso de Logística Traslado Inicial
Suppliers Input Process (tercerizado) Output Customers

Gestionar ruta de Despacho
Solicitud de
(tercero)
Orden de Compra despacho Comprobante de
Realizar entregas Cliente
Orden de despacho Productos entrega
Firmar comprobante de
Empaquetados
entrega
Nota: Principales actividades en el proceso de Logística Traslados en la situación inicial
147
Tabla 37. SIPOC Proceso de Logística Traslado Final
Suppliers Input Process (tercerizado) Output Customers

Solicitud de
Validar la ruta de despacho Comprobante
despacho
Orden de Realizar entregas de entrega
Ruta de Despacho Cliente
Compra Validar pedidos multitalla Productos no
Productos Almacén
Orden de Firmar comprobante de entrega seleccionados
Empaquetados Taller
despacho Devolver productos no (opción
Opciones
seleccionados a Almacén multitalla)
Multitalla
Nota: Principales actividades en el proceso de Logística Traslados en la situación Final, mejoras resaltadas
en negrita.
El rediseño del proceso logístico se encuentra definido por la aplicación de las

herramientas VSM y la logística inversa. Para iniciar con las mejoras y rediseño del
proceso logístico, se actualiza el diseño del protocolo de envíos/repartos, en el cual se
especifica y delimita el alcance de las actividades que deberá realizar el operador logístico
(proveedor tercerizado) para ejecutar el servicio de la manera óptima posible. Por tal
motivo, este protocolo actualizado se documenta y envía por correo electrónico a la
empresa encargada del reparto para que sea repartido con sus colaboradores.
Dentro del proceso logístico, se presentan dos opciones:
 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.
De esta manera, cuando se hayan generado las órdenes de despacho, se procede al

empaquetado de los productos y dentro de la propuesta se aplicará un sistema poka yoke
para el control de empaquetado antes de entregar el producto al proveedor logístico para
que realice los traslados y despachos.
Por tal motivo, la aplicación de este sistema preventivo reduciría significativamente la

cantidad de devoluciones por errores en el despacho de mercadería en el almacén. Por
último, dentro de esta actividad, se procede con el registro de salida de los productos de
almacén.
148
Posterior al registro de salida de los productos de almacén, el contratista logístico

(proveedor de servicios) recepciona los productos y diseña las rutas de envío, las cuales
deberán estar optimizadas por una cantidad mínima de viajes y tramos georreferenciales
(posición geográfica) para reducir la cantidad de viajes innecesarios, optimizando
recursos y costos de transporte para realizar el despacho de productos.
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.
No obstante, en caso de presentarse inconvenientes en alguna de las etapas explicadas

anteriormente, el cliente procede a registrar una solicitud de devolución, por lo cual se ha
agregado el subproceso correspondiente para la gestión de las devoluciones.
Posterior al despacho de los productos, ya sean pedidos registrados como válidos o

pedidos inconformes y derivados al subproceso de gestión de devoluciones, el contratista
logístico procede a realizar el registro de los productos recepcionados por cada cliente;
así mismo, retorna las prendes de vestir “back up” al almacén y realiza el informe de
cumplimiento de los envíos, el cual es notificado a la empresa mediante correo.
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.
Figura 92. Flujograma del proceso Logístico - Parte 5, elaboración propia.
El flujograma del proceso logístico se detalla en el Anexo 4 del presente estudio.
3.3.2.1 SUBPROCESO DE GESTIÓN DE DEVOLUCIONES

Tabla 38. SIPOC Proceso de Devoluciones Inicial

Revisar solicitud de devolución
Validar Stock
Generar Reposición de producto
Solicitud de Producto
Generar Reembolso Cliente
Cliente Devolución despachado
Realizar despacho de nuevo Producto Almacén
Almacén Orden de Solicitud de
(Tercerizado) Taller
Despacho Almacén Reembolso
Devolver producto no conforme
(Almacén)
Devolver producto con fallas (Taller)
Nota: Principales actividades en el proceso de Logística Devoluciones en la situación inicial.
151
Tabla 39. SIPOC Proceso de Devoluciones Final

Revisar solicitud de devolución
Analizar el formulario web de
inconsistencias
Solicitud de Producto
Validar Stock
Devolución despachado
Generar Reposición de producto
Formulario Solicitud de
Generar Reembolso Cliente
Cliente web de Reembolso
Realizar despacho de nuevo Producto Almacén
Almacén inconsistencias Servicio Post
(Tercerizado) Taller
Orden de Venta
Devolver producto no conforme
Despacho Base de datos de
(Almacén)
Almacén devoluciones
Devolver producto con fallas (Taller)
Documentar las principales causas
de devolución
Nota: Principales actividades en el proceso de Logística Devoluciones en la situación Final, mejoras
resaltadas en negrita.
El diseño del subproceso de gestión de devoluciones encuentra definido por la aplicación

de las herramientas SIPOC, VSM y la logística inversa. Para iniciar con las mejoras y
rediseño del proceso logístico, se actualiza el diseño del protocolo de devoluciones, en el
cual se especifica y delimita el alcance de las solicitudes de devolución y las
responsabilidades de cada actor (empresa y contratista logístico), con la finalidad de
ejecutar el servicio de la manera más óptima posible.
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:
 Primero, que el cliente se encuentre conforme con la compra del producto y la

entrega realizada por parte del contratista logístico (proveedor de servicios). En
este caso, se procede a registrar la compraventa y almacenar los registros en la
base de datos del registro de compras. Adicionalmente, todas las ventas exitosas
que se registran en el sistema se derivan al Servicio Post Venta (Propuesta).
 Segundo, que el cliente no se encuentre conforme con la compra y/o la entrega

realizada por parte del contratista logístico, ya sea por motivos de error en la
entrega del producto, la talla del producto recibido no es la adecuada y/o errores
de fabricación, por lo cual se inicia el subproceso de Gestión de Devoluciones.
En el caso de los clientes inconformes, la empresa de e-commerce se contacta con el

cliente mediante correo electrónico y/o al número telefónico proporcionado en el
registro de datos personales. El cliente a ser contactado, completa un formulario web,
el cual es enviado mediante un link, para que especifique los motivos por los cuales
desea realizar el cambio del producto. Acto seguido, la empresa de e-commerce recibe
el formulario y analiza los motivos detallados para tomar una decisión.
Al analizar las solicitudes de devolución, se pueden presentar dos opciones:
 Primero, al analizar el formulario de devoluciones, la empresa de e-commerce

determina que no procede la reposición de productos y registra la incidencia en la
base de datos de devoluciones reportadas. Adicionalmente, se procede a realizar
la solicitud de reembolso y se deriva al Servicio Post Venta (Propuesta).
 Segundo, al analizar el formulario de devoluciones, la empresa de e-commerce

procede a realizar la reposición de productos y registra la incidencia en la base de
datos de devoluciones reportadas. Por un lado, si no se tiene stock del producto,
se procede a generar el reembolso y la solicitud de reembolso pendiente de
ejecución se deriva al Servicio Post Venta (Propuesta). Por otro lado, en caso de
tener stock disponible de las prendas que fueran adquiridas inicialmente, se
procede a registrar la salida del nuevo producto.
153
Adicionalmente, posterior al registro de la salida de los nuevos productos (reposiciones

de prendas de vestir), el contratista logístico (proveedor de servicios) recepciona la nueva
orden de servicio y ejecuta el cambio de producto.
Acto seguido, el cliente revisa el producto y se pueden presentar dos opciones:
 Primero, el producto recibido por parte del operador logístico se encuentra

conforme y el cliente procede a validar la compra mediante un correo de
confirmación. En este punto se origina el Servicio Post Venta (Propuesta) para
todas las ventas que han sido procesadas y entregadas de manera exitosa.
 Segundo, el producto recibido por parte del operador logístico no se encuentra

conforme y el cliente procede a solicitar el reembolso. En este punto, el cliente
registra la solicitud de reembolso y se deriva al Servicio Post Venta (Propuesta).
154
Posterior al cambio de productos, si la prenda presenta fallas, los productos se envían al

taller de producción; caso contrario, se retornan al almacén. En ambos casos, se deberá
notificar a la empresa mediante un informe de cumplimiento y/o registro de control.
Finalmente, la empresa recepciona y registra las notificaciones remitidas por el contratista

logístico (informes de cumplimiento y/o registros de control). Acto seguido, la empresa
procesa la información y genera una base de datos con todas las devoluciones ejecutadas
y las casuísticas por las que fueron reportadas.
155
El flujograma del subproceso de gestión de devoluciones se detalla en el Anexo 5 del

presente estudio.
3.3.3 SERVICIO POST VENTA
El proceso de Servicio Post Venta no es un proceso preexistente antes de implementada

la mejora, por lo que se plantea el SIPOC de la situación final del proceso.
Tabla 40. SIPOC Proceso de Servicio Post Venta Final
Contactar al cliente (Ventas Repositorio

Registro de
efectuadas) fotográfico
ventas Cliente
Generar reposiciones Registro de clientes
Cliente Base de datos Catálogo
(Devoluciones gestionadas) conformes
de Web
Ejecutar reembolsos Registro de
devoluciones
(Devoluciones no conformes) desembolsos
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.
 Segundo, las ventas registradas como “no conformes” son procesadas en el

sistema y se derivan, automáticamente, al subproceso de Gestión de
Devoluciones.
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
No obstante, aquellos clientes insatisfechos que hayan solicitado la reposición de prendas

con un resultado conforme, proceden a validar la compra. Por lo cual, estas acciones serán
consideradas como órdenes de compra en estado “conforme”.
De esta manera, respecto a las órdenes de compra en estado “conforme”, la empresa

realiza un registro de todas las ventas efectuadas de manera exitosa. Adicionalmente, se
procede a contactar al cliente mediante a correo electrónico y/o al número telefónico
proporcionado en el registro de datos personales.
En este punto, el cliente con estado “conforme”, recibe la notificación y se presentan dos
opciones:
 Primero, el cliente desea compartir imágenes de la prenda de vestir adquirida, por

lo cual procede a tomarse fotos con la prenda de vestir puesta y las envía mediante
correo electrónico a la empresa de e-commerce. De esta manera, las imágenes
proporcionadas son el principal input para la aplicación de la herramienta VTO
dentro del proceso de ventas en la plataforma web.
 Segundo, el cliente no desea compartir las imágenes solicitadas, por lo cual

procede a explicar los motivos de la negativa en una plantilla completando los
puntos requeridos, la cual será incluida en la notificación remitida, y, para
finalizar, envía la respuesta con el detalle solicitado.
158
Finalmente, la empresa de e-commerce recepciona las respuestas, tanto positivas como

negativas, registradas por los clientes en estado “conforme” y las clasifica dentro de los
registros fotográficos mediante los criterios de género, temporada, tipo de prenda, modelo
y talla. Los registros fotográficos clasificados son el principal input para el registro de la
base de datos (repositorio fotográfico) las cuales serán mostradas en el catálogo web de
la plataforma de ventas.
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.
3.4.1 PROCEDIMIENTO DE VENTAS
Tabla 41. Procedimiento de Ventas
Título: Procedimiento de Ventas Código: PM-VTA Versión 1.0
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
Elaborado por: Fecha de Elaboración:

C. ANDÍA & D. MORÁN 28/10/2020
Aprobado por: Fecha de Aprobación:
V°B° N. FLORES 30/10/2020
Nota: Especificaciones del “Procedimiento de Ventas”, elaboración propia.
3.4.2 PROCEDIMIENTO DE REGISTRO DE USUARIOS
Tabla 42. Procedimiento de Registro de Usuarios
Título: Procedimiento de Registro de Usuarios Código: PM-REG Versión 1.0
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.
 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
 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)
V°B° N. FLORES 30/10/2020
Nota: Especificaciones del “Procedimiento de Registro de Usuarios”, elaboración propia.
3.4.3 PROCEDIMIENTO DE LOGÍSTICA
Tabla 43. Procedimiento de Logística
Título: Procedimiento de Registro de Usuarios Código: PM-LOG Versión 1.0
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
 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
 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.

V°B° N. FLORES 30/10/2020
Nota: Especificaciones del “Procedimiento de Logística”, elaboración propia.
163
3.4.4 PROCEDIMIENTO DE GESTIÓN DE DEVOLUCIONES
Tabla 44. Procedimiento de Gestión de Devoluciones
Título: Procedimiento de Registro de Usuarios Código: PM-DEV Versión 1.0
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.
 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.
 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.

V°B° N. FLORES 30/10/2020
Nota: Especificaciones del “Gestión de Devoluciones”, elaboración propia.
3.4.5 PROCEDIMIENTO DEL SERVICIO POST VENTA
Tabla 45. Procedimiento del Servicio Post Venta
Título: Procedimiento de Registro de Usuarios Código: PM-SPV Versión 1.0
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.
 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.
 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.
V°B° N. FLORES 30/10/2020
Nota: Especificaciones del “Servicio Post Venta”, elaboración propia.
IDENTIFICACIÓN DE INDICADORES
Para la identificación de indicadores, se ha determinado las partes relevantes de cada

proceso y dónde se puede generar algún tipo de “cuello de botella” o posibles causas
raíces que generen el problema detectado. Frente al problema de alto porcentaje de
devoluciones en el e-commerce de moda textil y luego de identificar los procesos y
actividades que se realizan en cada proceso, se determina cuáles deben tener indicadores
que permitan controlar el flujo óptimo de los mismos.
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.
3.5.1 DISPONIBILIDAD DEL SERVICIO
Tabla 46. Indicador N°01: Disponibilidad de Servicio
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
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.
Nota: Especificaciones técnicas del indicador de “Disponibidad de Servicio”, elaboración propia.
3.5.2 TIEMPO DE CARGA DE LA PLATAFORMA
Tabla 47. Indicador N°02: Tiempo de Carga de la Plataforma
Código: TC-CP
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.
𝑸𝑻𝑷𝑬
𝑪𝑷 = × 𝟏𝟎𝟎
𝑸𝑻𝑷𝑹
Donde:
 𝐶𝑃 = Carga de plataforma
 𝑄𝑇𝑃𝐸 = Cantidad total de pruebas exitosas
 𝑄𝑇𝑃𝑅 = Cantidad total de pruebas realizadas
Nota: Cálculo en segundos, considerando la sumatoria total de las pruebas realizadas.
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.
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
Tabla 48. Indicador N°03: Nivel de Respuesta en Redes Sociales
Código: TR-NR
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.
𝑸𝑻𝑪𝑨
𝑵𝑹 = × 𝟏𝟎𝟎
𝑸𝑻𝑪𝑹
Donde:
 𝑁𝑅 = Nivel de respuestas
 𝑄𝑇𝐶𝐴 = Cantidad total de consultas atendidas
 𝑄𝑇𝐶𝑅 = Cantidad total de consultas recibidas
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.
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.
3.5.4 PORCENTAJE DE AHORRO EN TRASLADOS
Tabla 49. Indicador N°04: Porcentaje de Ahorro en Traslados
Código: TL-TA
Versión: 01
1. NOMBRE: Porcentaje de ahorro en los traslados.
169
Código: TL-TA
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).
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
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.
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.
Nota: Especificaciones técnicas del indicador de “Porcentaje de Ahorro en Traslados”, elaboración

propia.
3.5.5 PORCENTAJE DE ERRORES DE ENTREGA
Tabla 50. Indicador N°05: Porcentaje de Errores de Entrega
Código: TL-PEL
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.
170
Código: TL-PEL
Versión: 01
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
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.
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.
3.5.6 TIEMPO DE RETRASO EN INFORMES
Tabla 51. Indicador N°06: Tiempo de Retraso en Informes
Código: TL-TR
Versión: 01
1. NOMBRE: Tiempo de retraso en informes.
2. OBJETIVO: Medir el cumplimiento del proveedor logístico respecto a las entregas pactadas.
𝑻𝑹 = 𝑭𝑷𝑬 − 𝑭𝑷𝑷
Donde:
 𝑇𝑅 = Tiempo de retraso
 𝐹𝑃𝐸 = Fecha pactada de entrega
 𝐹𝑃𝑃 = Fecha pactada programada
171
Código: TL-TR
Versión: 01
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.
9. FRECUENCIA DE MEDICIÓN: Semanal.
10. FRECUENCIA DE REPORTE: Semanal.
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.
3.5.7 PORCENTAJE DE ERRORES DE DESPACHO
Tabla 52. Indicador N°07: Porcentaje de Errores de Despacho de Productos Finales
Código: AM-PED
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).
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
Versión: 01
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.
8. FUENTE DE INFORMACIÓN: Reportes de despachos y de almacenes.
12. OBSERVACIONES: Actualmente, la empresa no cuenta con un sistema de prevención para
reducir la cantidad de errores de despacho y/o empaquetado.
Nota: Especificaciones técnicas del indicador de “Porcentaje de Errores de Despacho de Productos

Finales”, elaboración propia.
3.5.8 PORCENTAJE DE ERRORES DE EMPAQUETADO
Tabla 53. Indicador N°08: Porcentaje de Errores de Empaquetado
Código: AM-PEE
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).
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
Versión: 01
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
Nota: Especificaciones técnicas del indicador de “Porcentaje de Errores de Empaquetado”, elaboración

propia.
3.5.9 DEVOLUCIONES POR CAMBIOS DE PRENDAS
Tabla 54. Indicador N°09: Devoluciones por Cambios de Prendas
Código: DV-PDC
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).
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
Versión: 01
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

8. FUENTE DE INFORMACIÓN: Reportes de ventas y devoluciones
12. OBSERVACIONES: Actualmente, las devoluciones representan más del 25% del total de ventas
registradas durante el periodo de análisis
Nota: Especificaciones técnicas del indicador de “Devoluciones por Cambios de Prendas”, elaboración
propia.
3.5.10 DEVOLUCIONES POR REEMBOLSO DE DINERO
Tabla 55. Indicador N°10: Devoluciones por Reembolso de Dinero
Código: DV-PDR
Versión: 01
1. NOMBRE: Devoluciones por reembolso de dinero
2. OBJETIVO: Medir el porcentaje de devoluciones por reembolso de dinero
𝑄𝑇𝐷𝑅
𝑃𝐷𝑅 = × 100
𝑄𝑇𝑉
Donde:
 𝑃𝐷𝑅 = Porcentaje de devoluciones por reembolso de dinero
 𝑄𝑇𝐷𝑅 = Cantidad total de devoluciones por reembolso de dinero
175
Código: DV-PDR
Versión: 01
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.
3.5.11 DEVOLUCIONES POR FALLAS DE FÁBRICA
Tabla 56. Indicador N°11: Devoluciones por Fallas de Fábrica
Código: DV-PDF
Versión: 01
1. NOMBRE: Devoluciones por fallas de fábrica
2. OBJETIVO: Medir el porcentaje de devoluciones por fallas de fábrica
𝑄𝑇𝐷𝐹
𝑃𝐷𝐹 = × 100
𝑄𝑇𝑉
Donde:
 𝑃𝐷𝐹 = Porcentaje de devoluciones por reembolso de dinero
 𝑄𝑇𝐷𝐹 = Cantidad total de devoluciones por reembolso de dinero
176
Código: DV-PDF
Versión: 01
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.
3.5.12 DEVOLUCIONES ASUMIDAS POR CLIENTES
Tabla 57. Indicador N°12: Devoluciones Asumidas por Clientes
Código: DV-PDS
Versión: 01
1. NOMBRE: Devoluciones asumidas por clientes
2. OBJETIVO: Medir el porcentaje de devoluciones asumidas por los clientes
𝑄𝐷𝑆
𝑃𝐷𝑆 = × 100
𝑄𝑇𝑉
Donde:
 𝑃𝐷𝑆 = Porcentaje de devoluciones asumidas por clientes
 𝑄𝐷𝑆 = Cantidad total de devoluciones asumidas por clientes
177
Código: DV-PDS
Versión: 01
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.
3.5.13 INTENCIÓN DE COMPRA REAL
Tabla 58. Indicador N°12: Intención de Compra Real
Código: IC-NCR
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.
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
Versión: 01
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

8. FUENTE DE INFORMACIÓN: Reportes de ventas y plataforma web de Ventas
12. OBSERVACIONES: Actualmente, la empresa tiene una estrategia de ventas tradicional
Nota: Especificaciones técnicas del indicador de “Intención de Compra Real”, elaboración propia.
3.5.14 RECONOCIMIENTO DE MARCA
Tabla 59. Indicador N°14: Reconocimiento de Marca
Código: SC-NRM
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.
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
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
Versión: 01
12. OBSERVACIONES: Actualmente, la empresa tiene una estrategia de ventas tradicional
Nota: Especificaciones técnicas del indicador de “Reconocimiento de Marca”, elaboración propia.
3.5.15 IDENTIFICACIÓN CON LA MARCA
Tabla 60. Indicador N°15: Identificación con la Marca
Código: SC-NIM
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.
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
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

12. OBSERVACIONES: Actualmente, la empresa no cuenta con un repositorio web de fotos
compartidas por los clientes que han adquirido prendas de vestir
Nota: Especificaciones técnicas del indicador de “Identificación con la Marca”, elaboración propia.
180
3.5.16 COSTOS DE DEVOLUCIONES
Tabla 61. Indicador N°16: Costos de Devoluciones
Código: CC-RCD
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
𝑪𝑻𝑫
𝑹𝑪𝑫 = × 𝟏𝟎𝟎
𝑴𝑻𝑰𝑽
Donde:
 𝑅𝐶𝐷 = Ratio de costos
 𝑇𝐶𝐷 = Costo total de devolución
 𝑀𝑇𝐼𝑉 = Monto total del ingreso por ventas
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

8. FUENTE DE INFORMACIÓN: Reportes financieros
12. OBSERVACIONES: Actualmente, los costos de devoluciones representan, aproximadamente, el
12% del total de los ingresos por ventas de la empresa
Nota: Especificaciones técnicas del indicador de “Costos de Devoluciones”, elaboración propia.
181
MATRIZ DE INDICADORES
En la siguiente tabla se presenta un resumen de los indicadores, su fórmula de cálculo de

acuerdo a lo detallado en el punto anterior y la referencia para revisar si la actividad se
encuentra en un estado correcto de realización o si debe ser reevaluada al no cumplir con
los parámetros esperados.
También, se muestra un nivel de medición de cada indicador a fin de que se pueda
controlar el desempeño de cada tarea sin que afecte la continuidad de los procesos.
Tabla 62. Matriz de Indicadores de Gestión de la Propuesta de Solución
MATRIZ DE INDICADORES FRECUENCIA

N° REFERENCIA
NOMBRE DEL INDICADOR FÓRMULA DE MEDICIÓN
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%
Nota: Resumen de los indicadores de gestión de la propuesta, elaboración propia.
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:
 Cronograma del proyecto

 Presupuesto del proyecto de implementación
 Matriz de riesgos del proyecto
 Procedimientos
o Procedimiento del proceso de ventas
o Procedimiento de registro de usuarios
o Procedimiento del proceso logístico
o Procedimiento de gestión de devoluciones
o Procedimiento del servicio Post-Venta
 Elaboración de flujogramas
 Diseño de indicadores
 Plan de capacitaciones
 Reporte de desempeño
 Análisis de rentabilidad
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:
 Análisis del proceso de producción tercerizado.

 Implementación de las herramientas dentro de la empresa por coyuntura COVID.
 Búsqueda de proveedores tercerizados de traslados.
 Contratación del Community Manager.
 Medición de rentabilidad luego del año de implementación por cronograma del
proyecto.
 Contratación del UX para la modificación de la página WEB.
184
 Implementación del Poka Yoke en el proceso de despacho.
 Búsqueda de ferias Vintage o programas de donaciones.
 Refabricación y/o transformación de prendas devueltas o reutilización de mermas.
El esquema de desglose de trabajo (EDT) del plan de implementación se detalla en el

Anexo 7 del presente estudio.
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.
Elaboración del acta de constitución

Matriz de Interesados
Estructura de Desglose del Trabajo (EDT)
Cronograma del Proyecto
Presupuesto del Proyecto
Matriz de Riesgos
Elaboración del acta de cierre del Proyecto
Resultados del cierre del Proyecto
Manual de Lecciones Aprendidas
Procedimiento del Proceso de Ventas
Procedimiento de Registro de Usuarios
Procedimiento del Proceso Logístico
Procedimiento de Gestión de Devoluciones
Procedimiento de Servicio Post-Venta
Elaboración de los flujogramas
Diseño de indicadores de desempeño
Registro y monitoreo de los indicadores
Plan de capacitación
Acta de inducción y capacitación
Reporte de desempeño
Análisis de rentabilidad
13/10/2020 30/10/2020 16/11/2020 03/12/2020 20/12/2020
Figura 102. Diagrama de Gantt de la Implementación de la Propuesta de Solución teórica, elaboración

propia.
El cronograma de implementación con los hitos y fechas en el Anexo 8 del presente

documento.
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
Figura 103. Diagrama de Gantt de la Implementación de la Propuesta de Solución, elaboración propia.
COSTOS DE IMPLEMENTACIÓN
Para la aplicación de la propuesta de solución, se determinaron los siguientes costos

asociados al proceso de ventas y la aplicación de la herramienta VTO que es el principal
costo del proyecto.
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
Roles del proyecto Cantidad Precio HH Horas Totales Costos totales
Project Manager (PM) 1 S/ 176 120 S/ 21,137
Developer Especializado 1 S/ 125 140 S/ 17,532
User Experience (UX) 1 S/ 124 300 S/ 37,281
Analista QA 2 S/ 82 420 S/ 68,737
Precio del Proyecto de Implementación S/ 144,687
Infraestructura
Detalle Cantidad P/mensual Años Costos totales
Servidor Cloud 1 S/ 1,530 1 S/ 1,530
Almacenamiento 1 S/ 3,960 1 S/ 3,960
Licencias Microsoft Power BI 2 S/ 420 1 S/ 840
Laptops 2 S/ 3,500 1 S/ 7,000
Precio Total Sin Impuestos S/ 158,017
IGV S/ 28,443
Precio Neto del Proyecto S/ 186,460
Figura 104. Costos de Implementación de la herramienta Virtual Try On, elaboración propia.
El código con el que se desarrolla esta herramienta es en Python, lenguaje de

programación multiparadigma que puede enfocar diferentes objetivos de acuerdo a los
paradigmas presentados, escogiendo la mejor alternativa.
El equipo cotizado para este servicio tiene experiencia en lenguaje de programación

Python y el diseño de la herramienta será detallado por el UX luego de la decisión de
implementación y el modelo planteado por la empresa. El PM contratado gestionará el
proyecto para llegar a los plazos establecidos y que cada entregable se brinde en las fechas
determinadas en el cronograma del proyecto indicado para esta implementación.
La cotización es referencial y se está asumiendo por un total de 1,400 horas de trabajo

distribuidas entre el equipo y por una implementación de más de 1,000 combinaciones de
imágenes. Sin embargo, si se desea comprar la herramienta y no desarrollarla, existen
diversas empresas que están brindando la alternativa en el mercado, pero el paquete
187
presentado no siempre se adapta a las necesidades de una compañía pequeña y puede
resultar más caro que desarrollarlo por su parte.
Adicional, se plantean los costos de la alternativa de aplicación a la herramienta VTO a

fin de que pueda ser empleada por un e-commerce que no pueda realizar la inversión
presentada.
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.
Alternativa Desarrollo Web
Roles del Proyecto Cantidad Precio HH Horas Totales Costos totales
User Experience (UX) 1 S/ 60 200 S/ 12,000
Infraestructura
Detalle Cantidad P/Anual Años Costos totales
Servidor Cloud 1 S/ 1,000 1 S/ 1,000
Almacenamiento 1 S/ 1,500 1 S/ 1,500
Página web ventas 1 S/ 2,000 1 S/ 2,000
Laptops 2 S/ 3,500 1 S/ 7,000
Actualizaciones
Detalle Cantidad P/Mensual Meses Costos totales
Imágenes y diseños (Fee mensual) 1 S/ 300 12 S/ 3,600
Precio Total sin Impuestos S/ 27,100
IGV S/ 4,878
Precio Neto del Proyecto S/ 31,978
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
Los costos detallados en la presente propuesta han sido determinados luego de

cotizaciones realizadas con proveedores y un benchmark de precios para la
implementación de cada uno de los componentes de esta herramienta, así como para la
alternativa.
ANÁLISIS DE RIESGO DE LA IMPLEMENTACIÓN
Para la implementación de este proyecto, se han detectado 10 posibles problemas y

riesgos que pueden afectar el desarrollo del proyecto. Se plantea una estrategia de
aplicación con planes de desarrollo y contingencia a fin de minimizar la probabilidad de
que estos sucedan.
Tabla 63. Resumen de la Matriz de Riesgos de Implementación
N° Problema Riesgo Nivel de Riesgo Estrategia
1 Desviación de cronograma Falta de claridad del proyecto Muy Alto Reducir
2 Resistencia al cambio Medio

No se ejecute el proyecto Transferir
3 Falta de confianza Medio
No se obtiene el resultado
4 Malas practicas Medio Transferir
debido a malas practicas
5 Formatos escasos Medio

Imposibilidad de recolectar
Transferir
información
6 Formatos no comprensibles Medio
Mayores costos de Incremento de precios

7 Medio Transferir
devoluciones traslados
Equipo del proyecto
8 Mala implementación VTO Bajo Retener
inadecuado
Imposibilidad de
9 Quiebra de la empresa Bajo Retener
implementación
10 Cancelación del proyecto Proyecto no rentable Muy bajo Retener
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:
 En primer lugar, se detecta un riesgo de nivel “Muy Alto” que es la falta de

claridad del proyecto y eso implica la desviación futura del cronograma. Esta clase
de riesgos se buscan reducirlos con posibles penalidades por cambios de alcance
o indecisiones de implementación por parte del cliente que generen las
desviaciones del cronograma.
 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.
En el Anexo 10 se presenta la tabla de riesgos completa para su revisión y consulta.
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.
De esta manera, con la finalidad de validar la búsqueda y selección de los artículos

científicos, a continuación, se realizará un listado consolidado en el cual se mencionarán
los títulos, autores, el país y año de publicación, journal, base de datos, el cuartil y valor
asignado por cada artículo científico utilizado en el estado del arte.
En consecuencia, la matriz de la validación bibliográfica se detalla en el Anexo 11 del

presente estudio. Adicionalmente, se desglosa lo siguiente:
 En la distribución de los años de publicación de los artículos científicos que fueron

utilizados en el estado del arte, se evidencia que el 67% de los artículos
corresponden a los dos últimos años De esta manera, la información utilizada es
la más reciente, por lo cual tiene un mayor impacto en el desarrollo del modelo
propuesto y en los resultados a presentar en la validación.
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.
 En la distribución de las bases de datos utilizadas para la búsqueda de los artículos

científicos, se evidencia que el principal motor de búsqueda ha sido Scopus20 con
un 57% del total de artículos utilizados en el estado del arte y el marco teórico,
mientras que en segundo lugar se encuentra Web of Science21 con un total de 19%
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,
 En la distribución de los cuartiles asignados por cada uno de los artículos

científicos mediante el ranking del SCIMAGO Journal and Country Rank (SJR),
se obtuvo que poco más poco más de la mitad de los artículos utilizado se
encuentran entre Q1 (14%) y Q2 (38%) y tienen un factpr impacto elevado y
positivo en el modelo de solución. Así mismo, casi la tercera parte artículos
utilizados y referenciados se encuentran entre Q3 (14%) y Q4 (14%),
respectivamente. No obstante, el 20% final de los artículos no tienen un cuartil
asignado, puesto que son publicaciones aún se encuentran en proceso asignación
de puntajes por parte del SJR.
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
La validación de entregables consiste en presentar los principales hitos y/o componentes

desarrollados en los capítulos del proyecto de investigación. De esta manera, la matriz de
validación de entregables se detalla en el Anexo 12 del presente estudio.
Así mismo, el proyecto de investigación se encuentra estructurado en cinco capítulos.

Para el primer capítulo, se tiene que elaborar el estado del arte y marco teórico empleando,
como mínimo, veinte artículos indexados en revistas científicos con una antigüedad no
mayor de tres años. Adicionalmente, en base a los artículos científicos revisados, se deben
buscar y encontrar cinco casos de éxitos relacionados con el tema de investigación y; por
último, se elabora el marco normativo del caso de estudio.
Tabla 64. Entregables del Capítulo 1
CAPÍTULO INDICADOR DE LOGRO
1.1. Emplear 21 artículos indexados

1.2. Usar artículos científicos especializados con una antigüedad no mayor a tres años
1.3. Elaborar el estado del arte
Capítulo 1
1.4. Elaborar el marco teórico
1.5. Buscar y presentar cinco casos de éxito relacionados con el tema de investigación
1.6. Elaborar el marco normativo
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.
En segundo lugar, se realizó el levantamiento de información mediante el análisis de datos

comerciales y financieros proporcionados por la empresa del caso de estudio, por lo cual
se obtuvo el diagnóstico situacional (26.23% en devolución de productos y 8.29% en
costos de devolución). En consecuencia, con los datos obtenidos, se procedió a definir y
hallar las causas raíces del problema de estudio, con lo cual se diseñó un modelo de
solución preliminar enlazando el diagnóstico con las herramientas obtenidas en los
artículos científicos.
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
En el tercer capítulo, se realizó el diseño de la propuesta de solución (Modelo de gestión

para reducir el porcentaje de devoluciones en el e-commerce de moda textil) y su guía de
implementación para que sea replicado por cualquier MyPE dedicada al comercio
electrónico de prendas de vestir. Adicionalmente, se realizó el diseño de los procesos de
venta y logística, así como la documentación de sus respectivos procedimientos.
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.
3.1. Diseñar la propuesta de solución (Modelo Propuesto)

3.2. Diseñar la guía de implementación del modelo propuesto
3.3. Rediseñar los procesos de venta y logística aplicando mejoras
3.4. Desarrollar los procedimientos
Capítulo 3
3.5. Definir y clasificar los indicadores
3.6. Elaborar el plan de implementación y cronograma del proyecto
3.7. Definir los costos asociados a la implementación del proyecto
3.8. Definir los riesgos asociados a la implementación del proyecto
En el cuarto capítulo, se presentan los resultados obtenidos en el proyecto tesis mediante

las validaciones por bibliografía (matriz de validación bibliográfica), entregables (matriz
de validación por entregables) y resultados (simulación). Adicionalmente, se desarrolla y
presenta la matriz de impactos esperados (organizaciones, sociales, ambientales,
económicos y globales) y se elabora el estado de resultados incremental del proyecto,
para validar la rentabilidad del proyecto de investigación.
4.1. Elaborar el esquema de validación del proyecto de investigación

4.2. Elaborar la matriz de validación bibliográfica
4.3. Elaborar la matriz de validación por entregables
Capítulo 4
4.4. Presentar los resultados de la validación por simulación
4.5. Elaborar la matriz de impactos esperados
4.6. Realizar el estado de resultados proyecto
Por último, en el quinto capítulo se redactan las conclusiones y recomendaciones, así

como la elaboración de futuras investigaciones.
196
5.1. Entregar las conclusiones

Capítulo 5 5.2. Elaborar y entregar las recomendaciones
5.3. Definir y entregar futuras investigaciones
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.
Para poder validar el modelo de mejora propuesto no es posible realizar la

implementación del mismo debido a que este proyecto toma más tiempo que el estimado
en el cronograma proyectado para este estudio y adicional, persiste el impedimento a
asistir a la empresa presencialmente para recolectar los datos para la evaluación; sin
embargo, con la información compartida por la empresa durante este proyecto, se puede
realizar la validación de resultados a través de una simulación basada en la información
de los últimos seis meses, la cual coincide con el periodo COVID-19, misma que fue
brindada por la empresa.
4.3.1 MODELO DE MEJORA PROPUESTO
La propuesta de solución es un modelo de gestión de gestión para reducir el porcentaje

de devoluciones en el e-commerce textil de moda, el cual se puede subdividir en tres
grandes bloques: inputs, procesos y outputs. Este modelo propuesto busca reducir la
cantidad de devoluciones a través de la reducción de la incertidumbre en el proceso de
ventas mediante la herramienta virtual try on o su equivalente (repositorio de imágenes),
la logística inversa (opciones multitalla y planificación de rutas de envío) y el control en
el proceso de empaquetado para la salida de productos de almacén (poka yoke).
197
Figura 110. Modelo para reducir el porcentaje de devoluciones en el e-commerce textil de moda,
De esta manera, los inputs a utilizar en el modelamiento de la simulación de la situación

actual son los siguientes:
Tabla 69. Relación de los inputs con cada proceso (Situación Actual)
Inputs Proceso Involucrado

Verificación de stock (probabilidad) Proceso de almacenes
Empaquetado correcto (probabilidad) Proceso de almacenes
Total de devoluciones del periodo a evaluar Proceso de devoluciones
Conformidad en reposición de productos Proceso de devoluciones
Reembolso por reposición Proceso de devoluciones
Porcentaje de conformidad de productos Proceso de traslados
Costo de envió Proceso de traslados
Cantidad mínima de viaje por entrega Proceso de traslados
Cantidad de viaje por devolución Proceso de traslados
Total de productos en el periodo a evaluar Proceso de ventas
Total de productos primera salida Proceso de ventas
Precio de venta promedio por temporada Proceso de ventas
Precio de venta promedio por remate Proceso de ventas
Total del ingreso por ventas (a) Proceso de ventas
Costo de producción unitario promedio Proceso de ventas
Probabilidad en seguridad en tallas Proceso de ventas
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:
 H1: El porcentaje de devoluciones debe ser menor al 20% estándar en e-commerce

de moda textil (Alfaro, 2019).
 H2: Los costos de las devoluciones deben representar menos de un 4% de los
ingresos brutos por ventas (Alfaro, 2018).
 H3: Se genera un aumento en la confianza de los clientes al realizar sus compras
sobre el 90% (Fuente: Dato encuesta realizada en levantamiento de información).
 H4: Se genera un aumento en ventas en productos de primera salida (temporada)
comparado a la situación actual.
De esta manera, si se aceptan las cuatro hipótesis planteadas como verdaderas, entonces
se determinará que el modelo de solución propuesto es válido.
4.3.2 SITUACIÓN ACTUAL
La situación actual se basa en la información recolectada y analizada durante los meses

de marzo 2020 a agosto 2020. Por tal motivo, la información de precio de ventas promedio
y costo de producción promedio se basa en el precio promedio de todos los productos
comercializados durante estos meses del 2020.
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.
La información presentada muestra la cantidad de prendas vendidas durante el periodo

Covid–19 de marzo de 2020 a agosto de 2020, el costo promedio de producción por
prenda, precio de ventas promedio, cantidad de productos devueltos y porcentajes
relacionados a cada uno de ellos. Para poder realizar la validación del modelo propuesto,
se busca simular la situación actual mediante el software Arena24. Por tal motivo, se
diagrama el proceso y se ingresan los inputs en cada parte del proceso que corresponde
para poder obtener los resultados más cercanos a la situación que se encuentra hoy en día
la empresa.
Los flujogramas del modelamiento de las simulaciones de la situación actual y la

propuesta de mejorase encuentra detallado en el Anexo 13 y Anexo 14, respectivamente,
del presente estudio.
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
La situación mejorada se basa en el proceso luego de aplicar el modelo de mejora

propuesto. De esta manera, se procede a simular los procesos mejorados aplicando las
herramientas del modelo propuesto en los procesos correspondientes.
Tabla 72. Relación de las herramientas e inputs de mejora con los procesos involucrados (Mejora)
N° Herramientas e inputs de mejora Proceso involucrado

1 Virtual Try On (o alternativa de banco de imágenes) Proceso de Ventas
2 Probabilidad en seguridad en tallas Proceso de ventas
3 Opción Multi Talla Proceso de Ventas
4 Herramienta Poka Yoke Proceso de almacenes
5 Planificación de despachos (Logística inversa) Proceso de Devoluciones
6 Refabricar, Reutilizar y Reciclar (Logística Inversa) Proceso de Devoluciones y logístico
7 Ferias Vintage y Devoluciones (logística inversa) Proceso logístico
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.
4.3.4 ANÁLISIS DE RESULTADOS
Una vez diseñado el proceso a simular en el sistema, se busca validar el tamaño de

muestra tomado. De esta manera, los outputs generados son analizados en el software
output analyzer y esta información se traslada al Excel para determinar el número óptimo
de repeticiones necesarias.
La fórmula usada para calcular el tamaño de muestra es la siguiente:
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.
% DEVOLUCIONES 1S 0.23 0.0151 0.00836 0.203 0.262 15 0.023 2
%COSTOS DE DEVOLUCIOn 0.0874 0.00672 0.00372 0.0753 0.102 15 0.00874 3
MARGEN DE UTILIDAD 21000 437 242 2.02E+04 2.18E+04 15 2100 1
PERDIDA POR REEMBOLSO 474 75.7 41.9 348 600 15 47.4 12
TOTAL COSTOS COVID 6990 37.9 21 6.93E+03 7.06E+03 15 699 1
TOTAL COSTOS DE ENVIO 10500 56.8 31.5 1.04E+04 1.06E+04 15 1050 1
TOTAL COSTOS DE PRODUCCION 30300 164 90.9 3.00E+04 3.06E+04 15 3030 1
TOTAL COSTOS PACKING 4660 25.2 14 4.62E+03 4.70E+03 15 466 1
TOTAL COSTOS POR DEVOLUCION 6850 441 244 6.03E+03 7.80E+03 15 685 2
TOTAL DE COMPROBANTES 1210 0 0 1.21E+03 1.21E+03 15 121 0
TOTAL DE DEVOLUCIONES 228 14.7 8.15 201 260 15 22.8 2
TOTAL DE INGRESOS 1S 71300 18.8 10.4 7.12E+04 7.13E+04 15 7130 1
TOTAL DE INGRESOS POR REMATE 11400 379 210 1.07E+04 1.20E+04 15 1140 1
TOTAL DE INGRESOS 82600 379 210 8.20E+04 8.32E+04 15 8260 1
TOTAL DE PRODUCTOS 1S 976 0.258 0.143 976 977 15 97.6 1
TOTAL DE PRODUCTOS EN ALMACEN 117 8.62 4.78 104 141 15 11.7 3
TOTAL DE PRODUCTOS ENTREGADOS 1170 6.31 3.5 1.16E+03 1.18E+03 15 117 1
TOTAL DE PRODUCTOS REFURBISHED 111 13.1 7.25 90 138 15 11.1 7
TOTAL DE REEMBOLSO EN SOLES 2880 461 255 2.12E+03 3.65E+03 15 288 12
TOTAL DE REEMBOLSOS 39.5 6.31 3.5 29 50 15 3.95 12
Figura 111. Resultados de la herramienta Output Analyzer por los datos ingresados en la simulación,
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
Outputs Resultados Actual Mejora Variación

Total de Comprobantes 18,270 18,209 -0.30%
Total de Productos 1S 14,703 15,906 8.20%

Total de productos entregados 17,708 17,637 -0.40%
Total de Ingresos por Remate S/ 180,300 S/ 103,860 -42.40%
Total de Ingresos 1S S/ 1,073,319 S/ 1,161,138 8.20%

Total de Ingresos S/ 1,253,619 S/ 1,264,998 0.90%
Total costos de producción S/ 460,408 S/ 458,562 -0.40%

Total costos packing S/ 70,832 S/ 70,548 -0.40%
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%
Perdida por reembolso S/6,744 S/1,932 -71.40%

Total de reembolso en soles S/41,026 S/11,096 -73.00%
Margen de utilidad S/ 316,133 S/ 364,676 15.40%

% Devoluciones 1S 23.90% 9.50% -60.30%
%Costos de devolución 8.50% 3.60% -57.60%
Nota: Información resultante de la simulación en el software Arena, elaboración propia.
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.
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 pasa el 16%, ya que la certeza al seleccionar las prendas aumenta.
Tercero, el porcentaje del costo por devoluciones disminuye en un 56.20% en

comparación con la situación actual, bajando de un 8.50% a un 3.60%. Esto se debe a que
la cantidad de devoluciones ha disminuido en un 60.30%, bajando del 23.90% de
productos devueltos durante la temporada Covid-19 a solo 9.50%.
Cuarto, el nivel de confianza de los usuarios aumenta de 83.03% al 90.19%, con un 7%

de incremento. Este cálculo se visualiza por el total de productos vendidos en primera
salida sobre el total de productos entregados (ventas totales). Con ello, se evidencia que
más personas realizan compras en primera salida y tienen mayor certeza del producto que
adquieren.
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.
Tabla 76. Resumen de los resultados de las hipótesis planteadas
Situación Situación
Hipótesis Variación Resultado
Actual Mejorada
H1: El porcentaje de devoluciones

debe ser menor al 20% estándar en el
23.90% 9.50% -60.30% Verdadero
e-commerce de moda textil.
(Alfaro, 2019).
H2: Los costos de las devoluciones

deben representar menos de un 4% de
8.50% 3.60% -57.60% Verdadero
los ingresos brutos por ventas.
(Alfaro, 2018).
H3: Se genera un aumento en la

confianza de los clientes al realizar
sus compras sobre el 90%. 83.03% 90.19% 7.16% Verdadero
(Total productos primera solida/
Total productos entregados)
H4: Se genera un aumento en ventas

en productos de primera salida
14,703 15,906 8.20% Verdadero
(temporada) comparado a la situación
actual.
Nota: Basado en la información recolectada en el levantamiento de información y los resultados de las

simulaciones, elaboración propia.
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:
 Reducción del 60.30% de la cantidad de productos devueltos en primera salida.

 Reducción del 57.60% de los costos de devoluciones respecto al ingreso de ventas.
 Incremento de la confianza del cliente al 90.19% (Variación positiva de 7%).
 Incremento de ventas de los productos de primera salida en 8.20%.
205
VALIDACIÓN DE USUARIOS
Con la validación de las hipótesis planteadas y el análisis de los resultados mediante la

simulación, se procedió a realizar la validación de usuarios por parte de las socias
fundadoras de la empresa para el caso de estudio. La validación de usuarios tiene como
base teórica los fundamentos de la escala de Likert, cuyo principal propósito radica en
realizar mediciones en base a un grupo de criterios definidos y el grado de conformidad
de la persona o grupo encuestado (Joshi et al., 2015). Así mismo, cuando se responde a
un ítem de la escala de Likert, el usuario responde específicamente en base a su nivel de
acuerdo o desacuerdo sobre las posturas planteadas, con la finalidad medir actitudes y
opiniones, puesto que dichas escalas permiten determinar el nivel de acuerdo o
desacuerdo del grupo encuestado (Emerson, 2017).
De esta manera, en base a los principios de la escala de medición de Likert, se desarrolló

una matriz de doble entrada con los criterios a ser evaluados, donde la primera columna
está conformado por los criterios a ser evaluados por las socias fundadoras de la empresa
del caso de estudio y la fila superior por la puntuación asignada en evaluación realizada
en una escala de Likert del 1 a 5, siendo 1 totalmente desacuerdo, 2 en desacuerdo, 3
neutro, 4 de acuerdo y 5 totalmente de acuerdo.
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:
Tabla 77. Descripción de los criterios a evaluar sobre el modelo de solución
Criterio Descripción de la Medición
La propuesta de solución resulta sencilla de entender a nivel general por

Simplicidad
los principales involucrados de los procesos a mejorar.
Manejo de Los formatos, procedimientos e indicadores resultan manejables por

Formatos cualquier colaborador de la empresa.
La aplicación de la propuesta de solución es sencilla y replicable por los

Aplicación
principales involucrados de los procesos a mejorar.
Facilidad para el registro y recolección de datos, así como el cálculo de

Medición
los indicadores de desempeño propuestos.
La propuesta de solución puede ser perdurable en el tiempo y en el sector

Sostenible
donde se aplica y servir de base para nuevas estrategias comerciales.
Impacto positivo de la propuesta de solución (rentabilidad) y se ha

Solución
resuelto significativamente el problema encontrado (costos).
Se ajusta a la Viabilidad del modelo de solución, procedimientos, procesos e

realidad indicadores de acuerdo con la realidad de la empresa del caso de estudio.
Nota: Criterios de validación tomados de la propuesta de solución, elaboración propia.
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.
Tabla 78. Resultados de la matriz de evaluación de usuarios
Criterio Usuario 1 Usuario 2

Simplicidad 4 5
Manejo de Formatos 4 4
Aplicación 5 4
Medición 4 4
Sostenible 5 4
Solución 5 5
Se ajusta a la realidad 4 4
Nota: Puntuación asignada por los usuarios encuestados, elaboración propia.
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
Figura 113. Resultados de la matriz de evaluación de usuarios, elaboración propia.
ANÁLISIS ECONÓMICO
En este punto se establece el monto de inversión para ejecutar cada propuesta y se

identifican los ingresos y egresos provenientes de la implementación de cada proyecto de
mejora, para evaluarlos mediante el análisis de indicadores económicos y financieros, que
se obtienen del flujo de caja de cada modelo.
4.5.1 INVERSIÓN
La mejora en ambas propuestas de solución implica el desarrollo de un software,

inversión en código web y gastos relacionados al proyecto que se detallan en las
siguientes tablas.
208
Tabla 79. Costos de inversión de la propuesta Virtual Try On
CONCEPTO U.M. CANT. P.UNIT S/ TOTAL S/
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
II. GASTO RECURRENTE

II. Gastos TI recurrentes
Servidor Cloud UN 1 1,805 1,805.40
Almacenamiento UN 1 4,673 4,672.80
Community Manager Meses 12 1,416 16,992.00
Sub total S/ 23,470
III. CAPITAL DE TRABAJO

Costos variables MES 1 6,752 6,751.83
Costos y gastos fijos MES 1 9,101 9,100.63
Sub total S/ 15,852
IV. GASTOS PREOPERATIVOS

Plan de negocio, estudios UN 1 1,000.00 1,000.00
Costos IGE Precio HH 400 40.00 16,000.00
Sub total S/ 17,000
Total Inversiones 235,479
Nota: Cotizaciones de la propuesta Virtual Try On, elaboración propia.
209
Tabla 80. Costos de inversión de la propuesta alternativa
CONCEPTO U.M. CANT. P.UNIT S/ TOTAL S/
I. ACTIVOS FIJOS
I. Maquinaria, equipo Y CÓDIGO

Laptop UN 2 4,130 8,260
User Experienxce (UX) Precio HH 200 71 14,160
Sub total S/ 22,420
II. GASTO RECURRENTE
II. Gastos TI recurrentes

Servidor Cloud UN 1 1,180 1,180
Almacenamiento UN 1 1,770 1,770
Página web ventas UN 1 2,360 2,360
Imágenes y diseños (Fee mensual) UN 12 354 4,248
Community Manager Meses 12 1,416 16,992
Sub total S/ 26,550
III. CAPITAL DE TRABAJO
Costos variables MES 1 4,766 4,766

Costos y gastos fijos MES 1 6,441 6,441
Sub total S/ 11,207
IV. GASTOS PREOPERATIVOS
Plan de negocio, estudios UN 1 1,000.00 1,000

Costos IGE Precio HH 200 50.00 10,000
Sub total S/ 11,000
Total Inversiones 71,177
Nota: Cotizaciones de la propuesta alternativa, elaboración propia
.
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).
 Para la propuesta alternativa, se incrementa el número de ventas mensuales en

8.20% según resultados de simulación ARENA.
 El COK (Costo del Capital o Tasa Mínima Aceptable de Rendimiento TMAR,

para el negocio) se calcula mediante el método CAMP que establece la relación
existente entre el resultado de la rentabilidad promedio que se obtiene de los
diferentes tipos de mercado y la rentabilidad de una determinada acción. La
fórmula matemática del COK a emplear será la siguiente:
𝑪𝑶𝑲 = 𝑹𝒇 + 𝜷(𝑹𝒎 − 𝑹𝒇) + 𝑹𝒑
Donde:
 Rf: Tasa libre de riesgo

 β: Beta apalancado del sector textil
 (Rm – Rf): Prima de Riesgo
 Rp: Riesgo país.
 (*) Rm: Riesgo de mercado
Tabla 81. Cálculo del COK
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
El detalle del cálculo de este indicador se muestra en la tabla:
Tabla 82. WACC de la propuesta Virtual Try On
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.
Tabla 83. WACC de la propuesta alternativa
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
Tabla 84. Flujo proyectado de la propuesta Virtual Try On
Nota: Valores proyectados a cinco años, elaboración propia.
Figura 114. Resumen del flujo proyectado de la propuesta Virtual Try On, elaboración propia.
 Siendo el VANE (Valor actual neto económico) positivo, el proyecto resulta

rentable para su implementación.
 La TIRE (Tasa interna de retorno económico) es de 20.62%, mayor al COK de
17.98%, por lo que no se necesita financiamiento externo para este proyecto.
 El retorno de la inversión se da finalizando el cuarto año luego de implementado
el proyecto.
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:
Tabla 85. Flujo proyectado financiero de la alternativa Virtual Try On
Figura 115. Resumen del flujo proyectado financiero de la propuesta Virtual Try On
 Si se financia este proyecto, el payback (retorno de la inversión) se encuentra antes

del inicio del quinto año. La ventaja de esta alternativa es que los inversionistas
no utilizan tanto capital inicial para este proyecto.
214
4.5.2.2 FLUJO PROYECTADO DE LA PROPUESTA ALTERNATIVA
Tabla 86. Flujo proyectado de la propuesta alternativa
Figura 116. Resumen del flujo proyectado de la propuesta alternativa, elaboración propia.
 Siendo el VANE (Valor actual neto económico) positivo, el proyecto resulta

rentable para su implementación.
 La TIRE (Tasa interna de retorno económico) es de 30.50%, mayor al COK de
17.98%, por lo que no se necesita financiamiento externo para este proyecto.
 El retorno de la inversión se da dentro del segundo año luego de implementado el
proyecto.
215
ANÁLISIS DE IMPACTOS
4.6.1 DEFINIR STAKEHOLDERS
Para determinar los impactos esperados por la implementación de la propuesta de

solución, primero se definirán los stakeholders (interesados) que tienen mayor injerencia
en el caso de estudio. De esta manera, se detectaron los siguientes grupos de interesados:
 Empresa: Interesado donde se aplica la propuesta de mejora.

 Clientes: Grupo de interesados que interactúa con la propuesta de mejora y que
percibe los beneficios propuestos por las herramientas de implementación.
 Colaboradores: Grupo de interesados que utilizan las herramientas de mejora y
controlan la ejecución del proceso.
 Competencia: Interesado que se ve impactado por los beneficios de la propuesta
de solución y que podría replicarlos.
 Proveedores: Grupo de interesados que reciben el know-how de las herramientas
de mejora y siguen procedimientos definidos.
4.6.2 IMPACTOS ESPERADOS
De acuerdo a los stakeholders definidos, se analizarán los impactos organizacionales,

sociales, ambientales y económicos por cada uno de los interesados.
Tabla 87. Principales impactos en la Empresa
Impacto Elemento
Organizacional Reestructuración de procesos
Organizacional Documentación de procedimientos
Organizacional Gestión de indicadores de desempeño
Social Inclusión de población LGTBIQ+ en el proceso de ventas

Ambiental Reducción de la huella de CO2 mediante una gestión adecuada de rutas
Ambiental Reutilización, refabricación y reciclaje de prendas con fallas y mermas
Económico Incremento del margen de utilidad
Económico Reducción de los cotos de devoluciones
Nota: Principales elementos e impactos en la empresa, elaboración propia.
216
Tabla 88. Principales impactos en los Clientes
Impacto Elemento
Organizacional Aumento de satisfacción del cliente (Reconocimiento de marca)

Social Inclusión de clientes de la comunidad LGTBIQ+
Ambiental Preferencias de empresas con responsabilidad social empresarial
Económico Incremento de ventas de productos de primera salida (Identificación de marca)
Nota: Principales elementos e impactos en los clientes, elaboración propia.
Tabla 89. Principales impactos en los Colaboradores
Impacto Elemento
Organizacional Desarrollo empresarial por la innovación tecnológica (benchmarking)

Social Precios más competitivos para el segmento de mercado (oferta y demanda)
Ambiental Interés por reducir la huella de carbono y las políticas de reutilización
Económico Variación positiva y/o negativa de ingresos y utilidades
Nota: Principales elementos e impactos en los colaboradores, elaboración propia.
Tabla 90. Principales impactos en la Competencia
Impacto Elemento
Organizacional Alianzas estratégicas y crecimiento organizacional (know-how compartido)

Social Mayor reconocimiento por parte de los clientes (Pedidos conformes)
Ambiental Reducción de la huella de CO2 mediante una gestión adecuada de rutas
Económico Mayores ganancias por la distribución eficiente de rutas de envío
Nota: Principales elementos e impactos en la competencia, elaboración propia.
Tabla 91. Principales impactos en los Proveedores
Impacto Elemento
Organizacional Crecimiento personal y profesional (conocimiento compartido)

Organizacional Compromiso e identificación con la empresa
Social Generación de nuevos puestos de trabajo (aumento de la demanda laboral)
Ambiental Interés y conciencia por las políticas medioambientales
Ambiental Gestión de mermas y políticas de reutilización
Económico Beneficios económicos por desempeño (bonos de productividad)
Nota: Principales elementos e impactos en los proveedores, elaboración propia.
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.
Tabla 92. Nivel de impacto del modelo de solución
Impacto Puntaje
Bajo 1
Leve 2
Medio 3
Alto 4
Muy alto 5
Nota: Criterios de evaluación, elaboración propia.
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
Empresa Clientes Colaboradores Competencia Proveedores

Impacto Económico 5 4 3 3 5
Impacto Ambiental 5 4 3 3 4
Impacto Social 4 5 4 4 2
Impacto Organizacional 5 4 4 4 5
19 17 14 14 16
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
En este capítulo se presentarán las principales conclusiones y recomendaciones obtenidas

durante el proyecto de investigación ante la problemática del impacto económico de las
devoluciones en la rentabilidad de los e-commerce de moda textil. Por lo tanto, las
afirmaciones que se plantean son resultado del levantamiento de información, el
diagnóstico situacional y las hipótesis validadas mediante la aplicación del modelo de
solución propuesto en una MyPE dedicada a la comercialización de prendas de vestir a
través del e-commerce.
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%).
Adicionalmente, debido al confinamiento y la pandemia del Covid-19, un tercio de las

empresas del rubro de moda textil y confecciones ha migrado a un modelo de comercio
digital (e-commerce) y adoptan las TICs como parte de su estrategia. Por un lado, algunos
e-commerce aumentan sus precios en despachos, transporte, publicidad y personal,
trasladando el costo al cliente, lo que puede ser un error y desprestigio para la marca. Por
otro lado, no se tiene definidos los costos que generan sus procesos (ventas, despacho y
logística) y que afectan directamente la rentabilidad del negocio.
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.
Anteriormente, las empresas de moda y confecciones textil en el e-commerce enfrentaban

el gran problema que muchos de los clientes compraban productos que terminaban
devolviendo por diferentes razones como tallas incorrectas, el producto no cumplía con
sus expectativas y/o no eran lo que esperaban. Las devoluciones son parte de muchos de
los e-commerce y afectan directamente a la satisfacción de los clientes. No obstante, la
experiencia de los usuarios de e-commerce llega a ser mayor si una empresa muestra más
de un tipo de opciones de devolución. 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.
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 un lado, de acuerdo al levantamiento de información realizado, las principales causas

de las devoluciones registradas por los usuarios hacen referencia 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%). En consecuencia, con el
análisis de los resultados obtenidos, se concluye que las causa raíces que originan las
devoluciones en el e-commerce de moda textil son la falta de información en la plataforma
web de ventas (tallas y calidad del producto), errores por parte del transportista durante
el proceso de entrega, que el producto no cumpla con las expectativas del cliente y errores
en el despacho de la mercadería (proceso de empaquetado).
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.
El modelo de gestión para reducir el porcentaje de devoluciones en el e-commerce de

moda textil contiene partes y actividades de las herramientas SIPOC, Value Stream
Mapping (VSM), Virtual Try On (VTO) y Logística Inversa. La herramienta SIPOC
permite dar el marco conceptual que brindan los clientes (suppliers) para poder
categorizar la información relevante de entrada para los procesos (input), los procesos
que afectan directamente a las devoluciones (process), los resultados que se obtienen
luego de la transformación de los procesos (output) y el usuario final que se busca obtener
(costumer). La herramienta VSM permite desagregar los procesos (ventas y logística)
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. La herramienta VTO es
una de las mejoras implementadas dentro del proceso de ventas en el e-commerce de
moda textil y su objetivo es poder darle más información al usuario, de forma visual,
sobre el producto que va a adquirir. Esto se logra mediante la visualización de imágenes,
mayor enfoque en las texturas y la combinación de cómo quedaría una prenda en
determinado tipo de cuerpo. Por último, la logística inversa permite poder diseñar,
planificar, implementar 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. Así mismo, dentro del proceso de despacho en la logística de almacenes, se
propone como mejora la aplicación de la herramienta poka-yoke para disminuir el
porcentaje de error en el empaquetado y salida de productos mediante un check list.
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.
Respecto a la confianza del cliente, a través de la simulación del modelo propuesto, se

obtuvo como resultado un incremento de la confianza del cliente al 90.19%, mientras que,
de acuerdo con el levantamiento de información, el nivel de confianza solo era del 83.03%
y representa a la población que realiza compras online en primera salida de productos.
Cabe recalcar que, en las encuestas realizadas, se verifica que el 68% de la población
encuestada realizaba compras en línea y no había realizado devoluciones. Además, el
96% de la población encuestada indicaba que el uso de estas herramientas aumentaría el
nivel de confianza para realizar compras en línea y la certeza del producto que están
adquiriendo.
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
 Se plantea como futuras investigaciones del proyecto de investigación analizar las

causas raíz de la problemática encontrada y que se encuentran fuera del alcance
del proyecto, como el proceso productivo (tipo de prenda, costos asociados al
proceso productivo y fallas de fábrica).
 El modelo de solución propuesto se enfoca en reducir la cantidad de devoluciones
mediante la satisfacción del cliente. En consecuencia, este modelo podría ser
replicado en otros e-commerce del sector moda (calzado y accesorios) a través de
la planificación y mejora de procesos.
 Si bien el método de pago se encuentra fuera del alcance del proyecto de
investigación, se puede investigar el impacto que tienen las transferencias en línea
como factor de confianza que influye en la intención de compra, así como en el
reembolso de dinero en la gestión de las devoluciones.
 Se puede modificar el modelo de solución con la implementación de la
herramienta DuPont modificado para evaluar la rentabilidad frente a la inversión
realizada en los procesos logísticos y buscar alternativas de solución para la
reducción de costos.
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
ANEXO 1: ENCUESTA SOBRE INTENCIÓN DE COMPRA E-COMMERCE

La encuesta desea conocer el comportamiento del consumidor peruano frente al comercio
electrónico (e-commerce) y del sub-sector de moda textil para encontrar las causas y
posibles soluciones sobre la devolución de los productos adquiridos.
PARTE 1: SEGMENTACIÓN DE LA MUESTRA ENCUESTADA
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
3. ¿Realizas compras Online?

a. Sí
b. No
3.1. ¿Cuál es el motivo?

a. Inseguridad en la transacción y/o método de pago
b. Poca fiabilidad en el vendedor
c. El vendedor no ofrece una política de devoluciones
d. Por la calidad de los productos
e. Otras (especificar)
231
PARTE 2: VALIDACIÓN DE HERRAMIENTAS VIRTUAL TRY-ON Y SU
INFLUENCIA EN EL E-COMMERCE Y EN LA INTENCIÓN DE COMPRA.
En la actualidad, existen herramientas tecnológicas que permiten al cliente visualizar la

prenda de vestir en tiempo real (imágenes 2D - 3D) y adecuar la prenda a sus medidas
mediante una foto o escaneo corporal.
4. ¿Consideras que la aplicación de estas herramientas tecnológicas facilitaría la

compra de ropa en los comercios electrónicos?
a. Sí
b. No
5. ¿Qué tanto influiría el uso de estas herramientas tecnológicas para disminuir la

inseguridad de adquirir una talla errónea o un producto que no te guste?
Muy Poco Demasiado

1 2 3 4 5
6. ¿Consideras que la aplicación de estas herramientas tecnológicas disminuiría el

número de posibles devoluciones de prendas de vestir en el comercio electrónico?
a. Sí
b. No
7. ¿Qué tan dispuesto estarías en adquirir prendas de vestir en los comercios

electrónicos que apliquen estas herramientas tecnológicas?
Muy Poco Demasiado

1 2 3 4 5
232
PARTE 3: COMPORTAMIENTO DE LOS CONSUMIDORES DEL E-COMMERCE
8. ¿Con qué frecuencia realizas compras en línea?

a. Una vez al año
b. Más de una vez al año
c. Una vez al mes
d. Una vez a la semana
9. ¿Qué es lo que priorizas al realizar una compra en línea?

a. Reputación de Marca
b. Facilidad y seguridad en el método de pago
c. Política de Devoluciones
d. Otro (Especificar)
10. ¿Qué sueles comprar en línea?

a. Electrodomésticos
b. Moda (Ropa y Calzado)
c. Electrónica de Consumo (Moda)
d. Comida y bebidas
e. Otro (Especificar)
PARTE 4: COMPORTAMIENTO DEL CONSUMIDOR DE E-COMMERCE DE MODA

TEXTIL
11. ¿Has devuelto alguna vez una prenda de vestir que adquiriste en una compra en
línea?
a. Sí
b. No
11.1. ¿Qué tan complicado fue el proceso de devolución?
Nada Complicado Muy Complicado

1 2 3 4 5
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)
13. Si la página web o el aplicativo móvil no tuviese una política de devoluciones,

¿comprarías en esa plataforma?
a. Sí
b. No
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?
Nada Probable Muy Probable

1 2 3 4 5
234
ANEXO 2: FLUJOGRAMA DEL PROCESO DE VENTAS
ANEXO 3: FLUJOGRAMA DEL SUBPROCESO DE REGISTRO DE USUARIOS
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
FASES 1. Gestión del Proyecto 2. Implementación de la propuesta
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
6 Formatos no información 0.7 4 2.8 Medio modelos en personal

Mayores costos de Discordancia con el Sugerencia de cambio de
7 Incremento de precios traslados 0.5 5 2.5 Medio Benchmark de precios Transferir
devoluciones plan de rutas proveedor
Personal sin
Mala implementacipon Control de entregables y Penalidades por demoras
8 Equipo del proyecto inadecuado conocimientos 0.8 2 1.6 Bajo Retener
VTO pagos por hitos en el cronograma
suficientes
Imposibilidad de
9 Quiebra de la empresa Pandemia Covid 0.3 5 1.5 Bajo Retener
implementación Contrato de servicio Procedimiento de
sobre propiedad devolución y borrado de
Cancelación del Incremento de ventas intelectual del proyecto información
10 Proyecto no rentable 0.2 4 0.8 Muy bajo Retener
proyecto presenciales
Valor de Riesgo Nivel de Rieso

0 - 0.9 Muy Bajo
1.1 - 1.9 Bajo
2.0 - 2.9 Medio
3.0 - 3.9 Alto
4.0 - 5.0 Muy Alto
242
ANEXO 11: MATRIZ DE VALIDACIÓN BIBLIOGRÁFICA
N° Título Autor País Año Journal Base de Datos Cuartil Valor
A Study on the Journal of

characteristics of Intra- Inkyo Cheong1 International Not
1
Industry Trade for Korea’s & Jeongho Yoo
Korea 2020
Logistics and Scopus Asigned 0
E-Commerce Trade Trade
Electronic Commerce Instituto de
Contribution to the SME Investigaciones
María Verónica Web of
2 Performance in
Alderete
Argentina 2019 Económicas y
Science
Q3 0.17
Manufacturing Firms: A Sociales del
Structural Equation Model Sur (IIESS)
Factors Influencing
Purchase Intention on ISSN 1330-
Xuan Wen,
Mobile Shopping Web 3651 (Print),
3
Site in China and South
Yiran Li & Cong Korea 2019
ISSN 1848- Scopus Q2 0.24
Yin
Korea: An Empirical 6339 (Online)
Study
Global Corporations and
Hilmola O.-P.,
Smaller Actors in Textile Economy of
4
Business: European
Tolli A. & Estonia 2019
Region Scopus Q2 0.35
Panova Yu
Perspective.
Santosa, Suryono
& Mudiantono,
Increasing consumers to Mudiantono &
consumers (C2C) Murniyono, Accounting. Science
5
e-commerce in central Crismona &
Indonesia 2020
753-762 Direct
Q4 0.12
Java, Indonesia Hersugondo,
Hersugondo &
Soesanto, Harry.
Journal of
Seitz, C., Business
Online grocery retailing in
Pokrivčák, J., Economics and
6 Germany: an explorative
Tóth, M., &
Alemania 2017
Management, Scopus Q2 0.42
analysis.
Plevný, M 18(6), 1243-
1263
Journal of
theoretical and
Shifts in Online Consumer
Kim, Donghyun, applied
Behavior: A Preliminary
7
Investigation of the Net
& Ammeter, EE. UU. 2018 electronic Scopus Q2 0.4
Anthony P. commerce
Generation
research,
13(1), 1-25
Co-Design Approach in
Textile Printing and a Gökçe Coskun & Journal of
Science
8 Case Study of an E- H. Feriha Turquía 2019 Textiles and
Direct
Q4 0.18
Commerce Company Akpinarli Engineer
Website
Are Consumers
International? A Study Of Eleni
Journal of
CSR, Cross-Border Anastasiadou,
9
Shopping, Commitment Cecilia Lindh &
EE. UU. 2019 Global Scopus Q2 0.37
Marketing
And Purchase Intent Thibault Vasse
Among Online Consumers
INCDTP - The
From Fabric Design to the Research-
Dress Manufacturing Development
Rodica Harpa & Web of
10 Considering the Fabric’s Rumania 2018 National Q3 0.26
Emilia Visileanu Science
Suitability with the End Institute for
Use Textile and
Leather
Electron.
Retailer's return policy in Ma, W., Zhao,
Commer. Res.
11 the presence of P2P C., Ke, H., & China 2020
Appl., 39, Scopus Q2 0.4
secondary market Chen, Z.
100899
Advanced Optimization Firdaous Zair,
Engineering
Model Of Resource Naoufal Sefiani
12
Location in The B2C & Mohamed
EE. UU. 2018 Review, Vol. Scopus Q2 0.26
38, Issue 3,
Supply Chain Fourka
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
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
1.1. Emplear 21 artículos indexados

1.2. Usar artículos científicos especializados con una antigüedad no mayor a tres años
1.3. Elaborar el estado del arte
Capítulo 1
1.4. Elaborar el marco teórico
1.5. Buscar y presentar cinco casos de éxito relacionados con el tema de investigación
1.6. Elaborar el marco normativo
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
3.1. Diseñar la propuesta de solución (Modelo Propuesto)

3.2. Diseñar la guía de implementación del modelo propuesto
3.3. Rediseñar los procesos de venta y logística aplicando mejoras
3.4. Desarrollar los procedimientos
Capítulo 3
3.5. Definir y clasificar los indicadores
3.6. Elaborar el plan de implementación y cronograma del proyecto
3.7. Definir los costos asociados a la implementación del proyecto
3.8. Definir los riesgos asociados a la implementación del proyecto
4.1. Elaborar el esquema de validación del proyecto de investigación

4.2. Elaborar la matriz de validación bibliográfica
4.3. Elaborar la matriz de validación por entregables
Capítulo 4
4.4. Presentar los resultados de la validación por simulación
4.5. Elaborar la matriz de impactos esperados
4.6. Realizar el estado de resultados proyecto
5.1. Entregar las conclusiones

Capítulo 5 5.2. Elaborar y entregar las recomendaciones
5.3. Definir y entregar futuras investigaciones
245
ANEXO 13: FLUJOGRAMA DE LA SIMULACIÓN (SITUACIÓN ACTUAL)
246
ANEXO 14: FLUJOGRAMA DE LA SIMULACIÓN (MEJORA PROPUESTA)
247

Andía JC

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Andía JC

Cargado por

Copyright:

Formatos disponibles

Modelo de gestión basado en herramientas de mejora

de procesos para reducir el porcentaje de devoluciones

Item Type info:eu-repo/semantics/bachelorThesis

Authors Andía Jiménez, Claudia Gabriela; Morán Ipanaqué, Diego Josymar

Publisher Universidad Peruana de Ciencias Aplicadas (UPC)

Rights info:eu-repo/semantics/openAccess; Attribution-

Download date 20/11/2023 18:08:44

Item License http://creativecommons.org/licenses/by-nc-sa/4.0/

Link to Item http://hdl.handle.net/10757/656072

Modelo de gestión basado en herramientas de mejora de procesos

Lima, 9 de marzo 2021

A mis padres Willman y Gabriela, por su educación, su amor incondicional, formarme

A mi familia por la confianza y cariño depositado a lo largo de mi vida; a mis mejores

procesos y plantear las mejoras propuestas.

de un modelo de gestión basado en herramientas de mejora de procesos a fin de reducir

el porcentaje de devoluciones de prendas.

el análisis del problema de las devoluciones y su impacto en las utilidades del e-

El modelo se valida mediante una simulación con información recolectada de un año de

plantea la opción de implementar modificaciones a las áreas de Ventas y Logística.

option of implementing modifications to the Sales and Logistics areas is proposed.

1.2.2 RESUMEN POR ARTÍCULO ................................................................... 6

MARCO TEÓRICO ........................................................................................ 52

1.3.2 LOGÍSTICA INVERSA ........................................................................... 53

1.3.3 HERRAMIENTA VSM ........................................................................... 55

1.3.4 DIAGRAMA DE SIPOC ......................................................................... 57

1.3.5 DIAGRAMA DE ISHIKAWA................................................................. 59

1.3.6 DIAGRAMA DE PARETO ..................................................................... 61

CASOS DE ÉXITO ......................................................................................... 62

1.4.2 THREADLESS UN MODELO DE NEGOCIO ÚNICO ......................... 64

1.4.3 CASO DE ÉXITO ECOMMERCE: LA HISTORIA DE LA TIENDA DE

MARCO NORMATIVO ................................................................................. 66

1.5.2 NORMATIVA AL COMERCIO ELECTRÓNICO (E-COMMERCE) ... 67

DESCRIPCIÓN DEL SECTOR ...................................................................... 72

2.4.2 PROCESO DE LOGÍSTICA .................................................................... 97

DISEÑO DEL EXPERIMENTO ..................................................................... 99

2.5.2 HIPÓTESIS PLANTEADAS ................................................................. 101

2.5.3 DISEÑO DE LA ENCUESTA ............................................................... 102

LEVANTAMIENTO DE INFORMACIÓN ................................................. 103

2.6.2 RESULTADOS DE LA ENCUESTA.................................................... 108

2.6.3 ANÁLISIS DEL CASO DE ESTUDIO ................................................. 120

DIAGNÓSTICO ............................................................................................ 126

DISEÑO DE LA PROPUESTA .................................................................... 134

3.3.2 PROCESO LOGÍSTICO ........................................................................ 147

3.3.3 SERVICIO POST VENTA .................................................................... 156

DESARROLLO DE LOS PROCEDIMIENTOS .......................................... 160

3.4.2 PROCEDIMIENTO DE REGISTRO DE USUARIOS ......................... 161

3.4.3 PROCEDIMIENTO DE LOGÍSTICA ................................................... 162

3.4.4 PROCEDIMIENTO DE GESTIÓN DE DEVOLUCIONES ................. 164

3.4.5 PROCEDIMIENTO DEL SERVICIO POST VENTA .......................... 165

IDENTIFICACIÓN DE INDICADORES ..................................................... 166

3.5.2 TIEMPO DE CARGA DE LA PLATAFORMA ................................... 168

3.5.3 NIVEL DE RESPUESTA EN REDES SOCIALES .............................. 169

3.5.4 PORCENTAJE DE AHORRO EN TRASLADOS ................................ 169

3.5.5 PORCENTAJE DE ERRORES DE ENTREGA .................................... 170

3.5.7 PORCENTAJE DE ERRORES DE DESPACHO ................................. 172

3.5.8 PORCENTAJE DE ERRORES DE EMPAQUETADO ........................ 173

3.5.9 DEVOLUCIONES POR CAMBIOS DE PRENDAS ............................ 174

3.5.10 DEVOLUCIONES POR REEMBOLSO DE DINERO ......................... 175

3.5.11 DEVOLUCIONES POR FALLAS DE FÁBRICA ................................ 176

3.5.12 DEVOLUCIONES ASUMIDAS POR CLIENTES ............................... 177

3.5.13 INTENCIÓN DE COMPRA REAL ....................................................... 178

3.5.14 RECONOCIMIENTO DE MARCA ...................................................... 179

3.5.15 IDENTIFICACIÓN CON LA MARCA................................................. 180