Anteriormente a la irrupción del big data, el lanzamiento de nuevas colecciones en el sector del fashion retail se realizaba en base a la intuición de los cool hunters, la creatividad de los diseñadores y, por supuesto, los datos de venta de las temporadas anteriores.

Teniendo en cuenta que hoy en día las tendencias cambian con una rapidez vertiginosa y que, según el Nielsen Global New Products Report, dos de cada tres nuevos productos están destinados a ser un fracaso, no es extraño que los pure players de la industria hayan abrazado (o debieran haberlo hecho ya) el big data, comenzando por las redes sociales. En la actualidad, los diseñadores comparten en primicia los diseños de sus líneas en los canales sociales.

Aquellos artículos o tendencias que son objeto de mayor interacción serán los que más peso tendrán después en la producción y mejor visibilidad en las tiendas offline y online y en las campañas de marketing. La respuesta de los fans en los canales sociales es analizada por la industria hasta el mínimo detalle para conocer múltiples aspectos de la futura demanda: color, materiales, estilo, etc. Y no se trata solo de analizar la respuesta de los fans en nuestras redes sociales, existen empresas como MWD Advisors que estudian millones de datos, interacciones e imágenes en blogs y redes de otros usuarios para determinar cuáles son los productos que las marcas deben lanzar para obtener el soldout garantizado.

Aquellos artículos o tendencias que son objeto de mayor interacción serán los que más peso tendrán después en la producción y mejor visibilidad en las tiendas offline y online y en las campañas de marketing

Según The Guardian, Asos por ejemplo consiguió aumentar sus ventas un 33% usando los servicios de análisis de big data de EDITD. Esta start-up británica, especializada en análisis de Big Data para empresas de moda, ayudó al equipo comercial de Asos a determinar cuáles eran los productos más adecuados y el precio idóneo para conseguir aumentar las ventas sin perder la rentabilidad. Pero no son los únicos: EDITD también trabaja para firmas como TopShop, M&S, Banana Republic, Farfetch o Abercrombie & Fitch. De hecho, según un reporte de IBM y Accenture, los datos de Asos pueden superarse con creces: los últimos estudios indican que aquellas empresas que emplean técnicas de análisis predictivo pueden aumentar sus ventas ¡hasta un 73%!

En el caso concreto de Showroomprive, contamos con la gran suerte de que uno de los co-fundadores de Showroomprive.com, además de ser ingeniero en Telecomunicaciones, creó el primer comparador de precios de Francia antes del año 2000. Es decir, “de casta le viene al galgo”. Actualmente, en la compañía trabajan tantos ingenieros y expertos en análisis de datos como profesionales del sector de la moda. Al margen de ayudarnos a construir el catálogo perfecto, el big data se ha convertido en la herramienta fundamental para cada uno de los departamentos:

• nos ayuda a determinar las necesidades de stock en tiempo real de manera que podamos aumentar las referencias de determinados modelos al instante en colaboración con cada marca,
• organizar la capacidad de los centros logísticos diariamente,
• anticipar para cada una de las marcas que se venden a través de la plataforma el efecto de las acciones de marketing en las ventas,
• preparar recomendaciones de shopping personalizadas gracias a la implantación de un buscador en la página de última generación cuya recomendación se apoya 100% en big data,
• seleccionar qué clientes hemos de impactar y cómo para que “migren” de una categoría de compras C a un nivel superior,
• o bien para que decidan comprar una marca que no conocen o por la que anteriormente no han mostrado interés, etc.

Gracias al big data hemos logrado contar con una extensa base de usuarios a nivel provincial y regional, es decir, no solo en las grandes urbes, sino en aquellas áreas donde el consumo de moda online aún no se ha generalizado. Esto es importante ya que se consigue impactar a usuarios nuevos y presentarles nuestro catálogo de marcas antes que nadie. El resultado: acelerar su proceso de conversión a comprador online de moda, ya sea en nuestra plataforma o en las tiendas online de nuestras marcas partner. Y es aquí donde se están dirigiendo los mayores esfuerzos de los analistas: en conocer el perfil de cada comprador para poder derivarlos a las tiendas online u offline de las marcas asociadas donde posteriormente compran a full price.

Asimismo, el lanzamiento de los nuevos servicios e innovaciones ha venido determinado únicamente por los resultados obtenidos tras el análisis de los datos: Infinity (servicio de suscripción que permite compras infinitas sin gastos de envío), la Cesta Mixta (para poder comprar artículos de distintas campañas sin gastos de envío adicionales) la entrega Express en 24 horas, Shop It (servicio drive-to-store), etc.

El análisis continuo del big data nos permite también detectar qué clientes tendrán un lifetime value más elevado, aumentar la cesta media, reducir los costes de marketing, personalizar las acciones publicitarias y los vouchers, reactivar usuarios, conocer la correlación entre las elecciones de compra de un cliente y los elementos de una web, una palabra clave y el link elegido, etc.

Las aplicaciones del big data son pues infinitas. Otro ejemplo: eBay ha empleado el análisis de los datos para conocer la carga de trabajo de cada componente instalado en sus data centers. Gracias a este proceso, la compañía pudo identificar qué servidores estaban siendo infrautilizados, qué dispositivos tenían una configuración errónea y otras ineficiencias. El resultado: la organización cambió la funcionalidad de miles de servidores y ahorró millones de dólares.

Otro caso de éxito: Netflix ha sido la primera productora en crear una serie basada 100% en big data. Para lograrlo (estamos hablando de House of Cards), la empresa analizó el comportamiento de 20 millones de clientes, desde en qué momento se pulsaba el botón de “pausa” hasta qué diálogos eran irrelevantes para los usuarios. El resultado ya lo conocemos.

Por último, CVS, la segunda cadena farmacéutica en EEUU descubrió gracias al big data que un tercio de los consumidores dejaba de tomar su medicación al cabo de un mes y el 50% al finalizar el año. Para solventar el problema (y asegurarse las ventas de medicamentos) la compañía ideó un programa de sms, llamadas de teléfonos e emails para recordar a los usuarios cuándo debían solicitar nuevas recetas para seguir tomando la medicación. Asimismo, añadieron una “alerta especial” que permitía a los farmacéuticos chatear con aquellas personas que habían dejado de tomar sus pastillas.
En definitiva, el big data simplificará la mayoría de los procesos que conocemos, algo de lo que nos beneficiaremos como empresa y como consumidor. Estamos de enhorabuena.