Cuando un consumidor no encuentra en la góndola el producto que busca, debe sustituirlo, adquirirlo en una próxima visita o ir a otro supermercado, lo que provoca molestia en quien deseaba comprar ese bien. Esta situación genera problemas en el comercio, pues afecta el nivel de servicio entregado y podría producir la pérdida de un cliente.

A diferencia de los quiebres de stock en general, los quiebres de stock en góndola no son fácilmente identificables por los supermercados, dado que los sistemas de control de inventarios pueden indicar la existencia de productos incluso si éstos no están disponibles en los estantes.

Entonces, ¿es posible predecir los quiebres de stock en góndola para evitar eventos de este tipo?, una pregunta a la que Ricardo Montoya, académico de la Escuela de Administración de la UC, da respuesta con un innovador modelo matemático que permite identificar el término de existencias de un producto en góndola antes de una inspección manual.

“Este es un problema muy importante para el retail, porque pese a las inversiones en sistemas de control de inventario en las últimas décadas, los niveles de quiebre de stock pueden alcanzar a un 15% en algunos productos. La inspección visual es limitada, las cámaras son costosas y la idea de implantar chips en los productos podría generar costos aún mayores para la empresa. Por esta razón, hay modelos matemáticos complejos que permiten inferir el estado de la góndola, sin tener que inspeccionarla manualmente, al utilizar señales provenientes de las compras en el punto de venta”, señala el investigador.

Para ello Montoya, junto a su coautor Carlos Gonzalez, desarrollaron un modelo que utiliza los datos de las ventas de ciertos productos, en un determinado período del día, para determinar el estado en el que se encontraba la góndola donde se ofrecían los productos. El modelo genera alertas de potencial quiebre de stock basado en el patrón observado de ventas.

Las alertas de este modelo se constrastaron con datos recolectados en la góndola a partir de la inspección visual para un grupo de productos. ¿Los resultados? Comparado con enfoques alternativos, el modelo desarrollado por el investigador logró identificar un mayor porcentaje de los quiebres observados con un menor nivel de falsas alertas.

El objetivo del modelo es el siguiente: comprender el estado de la góndola sin necesidad de observarla. Para cumplir dicho objetivo, el modelo evalúa si la señal generada por el volumen de ventas observado corresponde a un nivel esperado de ventas, o si, por el contrario, un bajo nivel de ventas observadas es más consistente con una situación de quiebre de stock en góndola.

En palabras del académico: “Comparamos nuestro modelo con varios existentes en la literatura y el nuestro es más robusto frente a los quiebres de stock. Usualmente, cuando se genera un problema el jefe de local debe enviar a alguien a revisar o reponer el producto, pero todos los sistemas de control tienen dos tipos de errores fundamentales: en este caso, el primero es no poder detectar el quiebre de stock y el segundo es indicar que no existe stock cuando en realidad si había. Estos errores generan diversos costos a la empresa, porque en el primer caso el consumidor no puede adquirir el producto mientras que, en el segundo caso, el sistema alerta de forma innecesaria al personal, quienes podrían comenzar a desconfiar en éste, dejando de usar el sistema eventualmente. En este caso, comparado con otros modelos alternativos este enfoque reduce ambos errores.”, indica.

La gestión de la disponibilidad de los productos en el supermercado puede mejorar sustancialmente con el uso del nuevo sistema basado en el modelo desarrollado por el académico. A esto, se suma la producción de métricas para que jefes de local puedan comparar productos y locales. De esta manera, es posible generar estadísticas para comparar fácilmente el nivel de servicio entregado para distintos productos en distintos locales.

Así, hoy es posible determinar el nivel de servicio entregado a los clientes de un determinado local respecto de productos específicos, lo que permitiría mejorar la calidad de servicio entregada. Este tipo de estudios podrían aplicarse en el futuro en el eCommerce, por ejemplo, en el caso de las plataformas de compra online en un supermercado con shoppers dedicados. Este tipo de plataformas tiene el potencial para recolectar una mayor cantidad de información para realizar estas investigaciones, tal como la sustitución por no encontrar el producto, las recomendaciones para compras y en el caso de sustitución, y otro tipo de información disponible en el momento de la compra, lo que permitirá mejorar la gestión de la experiencia de compra de los consumidores.