Who’s shopping where? The power of geospatial analytics in omnichannel retail

Quem está comprando onde? O poder das análises georreferenciadas no varejo omnichannel

Quem está comprando onde? O poder das análises georreferenciadas no varejo omnichannel

Com o uso de análises georreferenciadas avançadas, hoje os varejistas já podem quantificar o verdadeiro valor econômico de cada uma de suas lojas nos diferentes canais – e, com isso, eles estão obtendo insights surpreendentes.

A onda de fechamento de lojas por todo o setor de varejo dos Estados Unidos continua. Somente em 2017, mais de 7 mil lojas baixaram as portas por não conseguirem sustentar a rápida migração dos consumidores para o e-commerce, bem como o crescimento explosivo das marcas de venda direta a consumidores e o excesso de pontos de venda de varejo no mercado americano, já repleto até a exaustão. Nos EUA, a metragem per capita dedicada ao varejo é de 15 a 20 vezes superior à encontrada em outros mercados desenvolvidos. O tráfego de consumidores em shopping centers vem caindo continuamente, e as margens estão diminuindo em praticamente todas as categorias de varejo. Em vista dessas tendências, tem se tornado cada vez mais difícil justificar manter abertas caras lojas físicas se elas não atenderem às expectativas de venda. Nos primeiros meses de 2018, varejistas já anunciaram planos para fechar mais 3.800 lojas nos EUA.

Infelizmente, os varejistas com frequência decidem de forma equivocada quais lojas devem ser fechadas, acabando por prejudicar ainda mais, e de forma inadvertida, seus negócios. Todos eles desconsideram oportunidades valiosas de expandir sua presença no mercado e capturar o potencial de crescimento existente. A principal razão para isso está no fato de utilizarem métricas ultrapassadas: muitos varejistas continuam a usar uma combinação de análise de tendências e dados econômicos restritos para avaliar o desempenho da loja – ou seja, eles estão considerando principalmente as vendas e os lucros que a loja gera dentro de suas “quatro paredes”, sem incorporar seu impacto em outros canais. Tal avaliação acaba afetando outras decisões, incluindo a folha de pagamento da loja, a cobertura da mão de obra e, às vezes, a seleção do inventário. No entanto, hoje em dia os consumidores compram utilizando diferentes canais: eles podem visitar lojas para olhar os produtos e, mais tarde, acabar comprando online, ou eles podem pesquisar um produto online para depois comprá-lo em uma loja. Neste cenário, as métricas tradicionais “entre quatro paredes” são, na melhor das hipóteses, indicadores incompletos do potencial de uma loja.

Atualmente, os varejistas mais sofisticados estão examinando a interação entre as jornadas de decisão de consumidores online e offline. Eles estão capturando uma visão omnichannel do desempenho das lojas – possibilitando que cada loja “ganhe crédito” por todas as vendas em que desempenhou algum papel, independentemente de a venda ter sido efetivamente realizada online ou offline. Ao fazer isso, os varejistas têm obtido um quadro muito mais preciso do valor econômico total de cada loja e tomado decisões mais adequadas sobre sua presença omnichannel. E qual sua arma secreta para isso? Análises avançadas georreferenciadas.

Fora das quatro paredes

As lojas físicas não desaparecerão. Estimamos que as vendas em lojas ainda serão responsáveis por cerca de 75% a 85% das vendas do varejo até 2025. Posto isso, a loja física não é mais um local somente para se comprar produtos. Hoje, uma loja desempenha uma variedade de papéis possíveis: ela pode servir de showroom para testar produtos; pode ser um centro de finalização de pedidos online (ou um local conveniente para devolver ou trocar compras feitas online); pode ser um lugar para reunir grupos de amigas, que experimentam juntas os produtos e tiram selfies para postagem nas redes sociais; ou ainda um destino para aqueles que estiverem em busca de ideias e inspiração. É totalmente possível que uma loja tenha poucas vendas e lucro entre suas quatro paredes, mas contribua fortemente para o desempenho total do varejista.

Retailers can now measure the total cross-channel value of a retail store.

Avanços em dados e análises podem ajudar um varejista a quantificar tanto o efeito halo (positivo) de uma loja como seu efeito de canibalização (negativo) – ou, em outras palavras, como a existência da loja influencia o desempenho dos outros canais de venda do varejista (Quadro 1). Os varejistas há muito reconhecem que uma loja pode ter um efeito halo, mas tradicionalmente esse conceito tem sido pensado somente em termos de marketing – isto é, uma loja pode ampliar o conhecimento em relação à marca do varejista, da mesma forma que um comercial na TV ou uma publicidade em outdoor. Percebido dessa maneira, o efeito halo é difícil de ser mensurado. No entanto, em um mundo omnichannel, uma loja pode fazer mais do que simplesmente ampliar o conhecimento sobre a marca; ela pode alavancar as vendas por meio de outros canais, e vice-versa. Uma pesquisa da McKinsey sugere que o halo de e-commerce de uma loja pode representar de 20% a 40% do seu valor econômico total.

Uma nova era em termos de dados e análises

Há décadas que os varejistas têm colhido e analisado uma variedade de conjuntos de dados – informações sobre pontos de venda, dados demográficos, tendências de mercado e afins – para aprender mais sobre os consumidores e como melhor atendê-los. Hoje, graças à disponibilidade de novos tipos e fontes de dados, os varejistas são capazes de obter uma compreensão muito mais profunda sobre consumidores e mercados. Os varejistas têm acesso a mais dados sobre o comportamento dos consumidores do que antes, na forma de programas de recibos eletrônicos opcionais e dados anônimos de localização via telefone celular.

Os dados agregados podem trazer informações não somente sobre a quantidade, mas também sobre a qualidade do tráfego de clientes. E essas informações permitem que os varejistas tenham uma visão detalhada de como as pessoas se movem e interagem em um determinado mercado, bem como seu comportamento nos canais online e offline.

Isso não significa simplesmente mais dados. As empresas hoje também têm acesso a um poder analítico muito maior por meio de modelos de aprendizado de máquina. Esses modelos podem minerar grandes ativos de big data e ajudar a gerar insights granulares e práticos em nível de micromercado.

Nos varejistas mais sofisticados, análises e dados georreferenciados geralmente ficam concentrados com um grupo responsável por análises estratégicas avançadas. Esse grupo – que pode ser centralizado ou pertencer a uma função específica – alavanca o uso de análises avançadas por toda a organização, desconsiderando feudos específicos, e traz insights abrangentes que reúnem as prioridades de diferentes funções, incluindo marketing, vendas, financeiro e ativos físicos.

A combinação de técnicas avançadas de georreferenciamento e aprendizado de máquina, aplicadas a dados de última geração sobre o comportamento do consumidor, tem disponibilizado novos insights poderosos para os varejistas. Mais especificamente, ela tem contribuído para que os varejistas tomem decisões mais certadas com relação à expansão ou à contração de suas redes de lojas, além de ajudá-los a desenvolver planos de ação para melhorar o desempenho das lojas. Ainda, alguns varejistas têm utilizado esses insights para mobilizar sua força de vendas e priorizar seus investimentos.

Análses georreferenciadas em ação: um exemplo de caso

Tomemos como exemplo o caso de um varejista global de produtos específicos com venda via lojas próprias, um canal online e contas atacadistas. As vendas do varejista vinham caindo em decorrência da forte concorrência. Para obter insights sobre como reverter essa tendência de queda nas vendas em sua rede, a empresa recorreu ao aprendizado de máquina georreferenciado.

Uma equipe de cientistas de dados desenvolveu um modelo analítico customizado para a marca, alavancando tanto dados externos como internos. Ao testar centenas de variáveis, a equipe usou aprendizado de máquina georreferenciado para identificar os fatores que possuem os maiores efeitos positivos ou negativos nas vendas totais de um determinado código de endereçamento postal (CEP) (Quadro 2).

Using geospatial machine learning, a retailer identified the factors that most affect a zip code's sales potential.

Com base nessas alavancas, a equipe foi capaz de prever as vendas em potencial do varejista para cada loja e CEP e comparar essas vendas em potencial com as vendas reais. A partir daí, utilizando uma simulação georreferenciada, os analistas estimaram o impacto de cada loja nas vendas online e por atacado.

A equipe também foi capaz de isolar os fatores exclusivos que contribuem para um halo de e-commerce forte. Ela descobriu que, em geral, uma loja possui um halo de e-commerce forte se a loja for grande e estiver localizada em uma área com alta concentração de jovens profissionais urbanos. Outros fatores mais surpreendentes que contribuem para um halo de e-commerce forte incluem estar distante de outras lojas da mesma marca e estar em um ambiente de varejo de tráfego intenso, como um shopping center de alta qualidade ou com bastante força, e ter um baixo número de turistas comprando (o que significa que a maior parte dos consumidores vive ou trabalha nas redondezas).

O varejista utilizou esses insights para identificar quais lojas não estavam concretizando seu potencial de vendas e lucratividade (Quadro 3), e quais micromercados apresentavam oportunidades de crescimento ainda não exploradas. Novas análises revelaram que o varejista poderia otimizar o valor omnichannel de sua rede de lojas e chegar a um ganho de 20% em seu EBITDA com o fechamento, a relocação e a reformatação de lojas (por exemplo, transformando uma loja de preço cheio em um showroom digital).

A retailer can categorize stores into four groups based on sales potential and profitability.

O varejista então criou “planos de combate” em nível de mercado para sua rede de lojas: quais as lojas que deveriam ser reformatadas ou fechadas, onde ampliar sua presença via novas lojas ou maior penetração atacadista, e qual deveria ser a sequência e o escopo dos investimentos.

Começando o processo

Ao iniciar um esforço de análise georreferenciada, cada varejista terá um ponto de partida distinto. Recomendamos que as empresas conduzam primeiro um inventário interno de disponibilidade de dados e capacidade de realização de análises avançadas.

Alguns varejistas possuem dados limitados (por exemplo, baixa visibilidade de contas atacadistas), unidades de negócios com feudos e poucos analistas e cientistas de dados, quando há. Nesses casos, os varejistas devem garantir o cumprimento das exigências mínimas em termos da existência de dados e considerar estabelecer uma parceria com provedores externos ou a aquisição da capacidade analítica necessária de forma direta.

No outro extremo, temos alguns varejistas que já possuem parcerias abrangentes com fontes de dados externos, além de processos consistentes e confiáveis de compartilhamento de dados com suas contas atacadistas e gestores seniores dedicados ao sucesso omnichannel. Tais varejistas podem optar por estabelecer uma equipe de ciência de dados forte e com experiência em análises georreferenciadas. Essa equipe terá como tarefas não apenas a condução das análises, mas também a geração de insights úteis que possam ser facilmente integrados a processos de negócio e tomada de decisão em tempo real.

Independentemente da decisão – criar, adquirir ou estabelecer uma parceria – os varejistas precisam lutar para eliminar os feudos corporativos. Se os chefes das funções de varejo, e-commerce, atacado, marketing, ativos físicos e financeiro operarem de forma independente uns dos outros e tiverem poucos (ou nenhum) objetivos ou iniciativas em comum, a empresa como um todo não será capaz de tomar as melhores decisões relacionadas a omnichannel.


Nossa experiência mostra que os varejistas podem quantificar as lacunas de desempenho, descobrir oportunidades de crescimento em sua estratégia de lançamento de produtos no mercado e colher resultados antecipados em um período de 6 a 12 meses ao empregar análises georreferenciadas – especialmente se o esforço for conduzido por uma equipe multifuncional e com poder decisório. Pilotos bem-sucedidos em um ou dois mercados podem rapidamente propiciar o convencimento necessário para uma implementação global. Ao utilizar o poder das análises georreferenciadas, os varejistas conseguem capturar o consumidor omnichannel – o que, em um futuro bem próximo, pode muito bem ser o único tipo de consumidor que existirá.

Sobre o(s) autor(es)

Alana Podreciks é gerente da OMNI, uma Solução McKinsey, e está baseada no escritório da McKinsey em Nova York; Nathan Uhlenbrock é especialista em georreferenciamento no escritório de Waltham; e Kelly Ungerman é sócia do escritório de Dallas.

Os autores agradecem AD Bhatia, Emily Gerstell, Yogi Patel, Adrija Roy e Jennifer Schmidt por suas contribuições a este artigo.

Related Articles