Análisis de los modelos de distribución comercial

Resumen: En este artículo se propone un modelo de análisis de los modelos de negocio de distribución comercial capaz de captar y explicar bajo una misma estructura el valor proporcionado por cualesquiera modelos de negocio de distribución comercial, en un contexto de migración de valor de unos a otros modelos de negocio. El modelo está compuesto de variables endógenas –comunes a todos los modelos de negocio- y variables exógenas –que pueden requerir adaptaciones en función de los modelos de negocio a estudiar -. Dada la presencia de diferentes distribuciones de las variables explicativas, se requiere un enfoque de modelo mixto (mixture model), utilizando simultáneamente varias técnicas de recogida de información y análisis: trade off, ecuaciones simultáneas, factorial confirmatorio y multinomial logit. Finalmente se ofrecen algunas consideraciones sobre como responder preguntas del tipo ¿que ocurría si? (what if questions), es decir, para simulación del impacto de cambios en mix del modelo de negocio.
Abstract: In this paper we describe a model of analysis for commercial distribution business models, designed to capture and explain under the same structure the value supply by any commercial distribution business model, inside a framework of value migration between business models. The model is composed of endogenous variables –common to all business models- and exogenous variables – that must be adapted following the actual business models we are studying. Due to the fact that the explanatory variables can have different distributions, we need a mixture model approach, using simultaneously various methods to data collecting and analyzing: trade off, simultaneous equations, confirmatory factorial and multinomial logit. In the paper last part we had included some considerations about how to answer ¿what if questions?, in order to simulate mix changes impact on business model.

I.
Los modelos de negocio, como los productos o los servicios tienen un ciclo de vida. No hay nada de inexorable en este proceso, y por ello apenas si puede predecirse en el despliegue de sus formas ni en su horizonte temporal.

Las claves de interpretación y predicción aparecen en la correcta comprensión de la ecuación de valor de cada modelo de negocio y en reconocer las pautas de migración del valor de unos a otros modelos de negocio (presentes o imaginados).

En la arena de la distribución comercial existen en este momento varios modelos de negocio y otros se apuntan en el horizonte.
La pregunta que nos hacemos es si todos estos modelos de negocio son susceptibles de ser explicados bajo un mismo paradigma teórico, pueden ser reducidos a un modelo simple, susceptible de ser comunicado eficazmente, modelizado parsimoniosamente, y al tiempo portador de complejidad suficiente como para representar la realidad de la distribución comercial y servir de base para construir la respuesta a la pregunta de nuestros clientes: ¿será exitoso mi modelo de negocio de distribución comercial?.

Obviemos, por razones de claridad de razonamiento, si el problema que habremos de abordar es previsional sobre una realidad imaginada (queremos predecir el éxito de un modelo de negocio que no existe) o sobre una realidad existente (el modelo de negocio existe y queremos actuar para mejorar su desempeño). Si investigamos sobre una realidad imaginada añadiremos al problema, una cuestión primera y fundamental ¿cómo hacer real al público objeto de investigación, el concepto del modelo de negocio?; problema que se me antoja crucial a la hora de investigar la posible EXPERIENCIA que este proporcione. La solución tecnológicamente más avanzada para este problema viene del campo de la realidad virtual -representar tangiblemente el modelo de negocio en un espacio de tres dimensiones y situar dentro de esta realidad al sujeto a investigar- cuya explosión como herramienta de investigación aún está lejana.

Mi respuesta a la pregunta que me hacia un párrafo más arriba es positiva: es posible formalizar un modelo que integre un conjunto de variables suficientemente generales como para representar cualquier modelo de negocio de distribución comercial y otro conjunto de variables suficientemente específicas como para representar la complejidad de un modelo concreto de negocio. Un modelo, por tanto, con variables endógenas –comunes para todos los modelos de negocio- y variables exógenas -específicas para cada modelo de negocio-, dónde las primeras satisfacen el criterio de simplicidad y las segundas el de complejidad.

Pensar en estos términos, aunque pudiera parecer medicina chamánica para asesinar buenas ideas, es una vacuna eficaz contra ciertas enfermedades infantiles de nuestros clientes que olvidan con frecuencia que un modelo de negocio para imponerse debe proporcionar un buen desempeño en todas las dimensiones relevantes para el consumidor e imponerse con claridad en algunas de ellas.

Para ilustrar lo que queremos decir, pensemos en la experiencia que proporciona una estación de servicio de combustibles de las que encontramos en nuestras carreteras; seguramente es una “experiencia” deficiente en muchos aspectos, pero su buen desempeño en una variable endógena que llamaremos “conveniencia”, puede compensar el deficiente desempeño en “experiencia” y permitirle aumentar su negocio más allá del núcleo básico; visto al revés cuanto mejor desempeño obtenga una estación en la “experiencia” que proporciona, tanto mejor será su desempeño, no solo en el negocio básico, sino fuera de el.

El módelo de análisis que proponemos resultará tanto más poderoso cuanto que las preguntas específicas del modelo de negocio –las que hemos llamado variables exógenas- sean referenciables a alguna variable endógena, de modo tal que el desempeño global del modelo de negocio sea comparable con otros modelos de negocio que podrían requerir variables exógenas algo o totalmente diferentes.

II.

El marketing de la distribución comercial presenta especificidades resultado de que incorpora la dimensión espacial en el proceso de compra (aún bajo sus formas @ la dimensión espacial está presente en la navegación y en la entrega física del producto, componente fundamental de la cadena de valor) bajo la responsabilidad del vendedor (esto también se puede predicar de determinado tipo de servicios), ausente en la mayor parte de los procesos de compra de productos.

En este sentido proporciona tanto oportunidades únicas de incidir en la decisión y repetición de compra como enormes riesgos en caso de desajustes entre lo que el cliente busca y lo que el modelo le proporciona.

En nuestro modelo de análisis de la distribución comercial, las variables accionables endógenas que intervienen en el proceso de compra son ‘Experiencia’, ‘Atractor’, ‘Especialización’, ‘Entrega’, ‘Conveniencia’, ‘Proximidad’.

EXPERIENCIA describe el mundo de las emociones generadas en el momento de la compra:

• Estética: en el entorno en el que se mueve al comprar enriquece su vida, le individualiza con un goce estético. Todos los elementos - arquitectura, decoración, limpieza, calidad y tacto de materiales, color, olor, ... sinestesia, layout, ...- contribuirán a la peculiar oposición entre forma y función que defina el estilo del modelo de negocio y los temas que utiliza para comunicarlo que generarán un determinado tipo de impresión en los clientes y contribuirán a atraerlos o a alejarlos.
• Entretenimiento: como transcurre el tiempo mientras compra –rápido, lento-; cuanto más tiempo calendario permanezca el cliente en el espacio de compra más probable es que compre y cuanto menor sea la percepción subjetiva de duración –menos tiempo cree que ha transcurrido- más tiempo permanecerá.
• Excitación: como de excitado se siente el comprador (intrigado, sorprendido, provocado, ...). A su vez, cuanto más excitado se sienta un comprador, más distorsionada resultará su experiencia del tiempo –menos tiempo creerá que ha transcurrido-.
• Cuerpo: como se siente el comprador en su cuerpo al comprar (con suficiente espacio, desorientado, agobiado, agredido, …); en esta dimensión influyen tanto la presencia y conducta de otros compradores como los cuerpos de que ‘representan’ el negocio, así como la oportunidad o no de obtener sensaciones táctiles de los productos a comprar (que según para que tipos de productos, pueden ser insustituibles para decidir la compra).
• Afinidad: encuentra en el punto comercial en el cual el modelo de negocio se materializa al tipo de gente con el que le gusta estar (iguales, aspiracional, …); esto vale tanto para clientes como para las ‘caras’ del negocio.

ATRACTOR describe la existencia de un core benefit en la propuesta del modelo de negocio, algo que proporciona un motivo único y diferente para venir. Este atractor puede ser el resultado tanto del modelo de negocio aisladamente considerado (diseño, diseño a buen precio, gama, surtido,…) como de la concentración de propuestas complementarias o substitutivas (efecto distrito).
ESPECIALIZACIÓN describe la concentración del modelo de negocio (bricolaje, toda la alimentación que una familia necesita, todo lo que necesita un hogar de clase media a un precio razonable, …), aquello en lo que se le supone especialista.

ENTREGA, describe el modo como el producto llega al cliente (el cliente lo transporta por si mismo, por correo, servicio a domicilio, asistencia de instalación, servicio post venta, etc…)

CONVENIENCIA describe la adecuación del modelo de negocio para un(os) tipo(s) específico(s) de necesidad y/o ocasión de compra.

PROXIMIDAD física / temporal al lugar desde/al que opera el sujeto (residencia, trabajo, …); la proximidad es tanto física como temporal, no solamente porque la facilidad de acceso pueda inducir distorsiones de la dimensión tiempo sobre la dimensión física, sino también porque una puede compensar a la otra (por ejemplo en e-comercio una contracción de la dimensión temporal, puede reducir claramente la percepción de distancia física).

Sobre estas variables conviene saber:

a. La mayoría de ellas no son directamente observables, es decir, son un constructo multidimensional, que solamente puede reconstruirse imaginariamente a partir de indicadores de variables unidimensionales.
b. Incluso las que son directamente observables, no tienen una métrica única intercliente (la percepción de la distancia física aceptable variará tanto en función del modelo de negocio, como en función de la movilidad del cliente –que afecta a su percepción de la misma distancia-).
c. Las relaciones que mantienen entre si no son aditivas y por tanto lineales; antes al contrario cabe encontrar dos tipos de relaciones especialmente significativas: efecto umbral (solo iré a un determinado tipo de centro si se encuentra a una determinada distancia) y compensatorio (este centro no me proporciona la experiencia adecuada –incluso me proporciona una experiencia negativa, pero me resulta conveniente para comprar este tipo de producto-).
III.

La pregunta que nos hacíamos antes ¿cómo de exitoso será mi modelo de negocio? la podemos operativizar en términos de marketing como ¿qué por ciento del total de compras (lo cual a su vez será expresado en términos de actos de compra x cantidad comprada) que realiza mi target (de los productos que yo comercializo) capturará mi modelo de negocio?. Y como corolario de la anterior -buscando inspiración que es en realidad por lo que nuestros clientes, los clientes de la industria de investigación de mercado, quieren pagar, aunque nunca o casi nunca nos dirán que es eso lo que compran- ¿sobre que variables univocas, en consecuencia unidimensionales, puedo actuar para mejorar ese por ciento?.

Y en términos de investigación comercial, toda vez que ese por ciento es un agregado de decisiones individuales (con variabilidad intraindividual e interindividual), operativizar la pregunta supondrá responder a ¿cuál es la probabilidad asociada a cada por ciento posible, es decir, a cada valor entre 0 y 1, y que variables explican la distribución de la probabilidad asociada?.

Operativizada la pregunta como acabamos de hacer, responderla requerirá construir un modelo que gráficamente podemos expresar como sigue:

Expresado en palabras, el objetivo del modelo es explicar la probabilidad de compra.

Dado que en la mayoría de las situaciones el modelo de negocio estará en competencia con otros, lo más frecuente es que esa probabilidad aparezca expresada en una escala de suma constante con todas las alternativas del mercado, es decir, bajo una forma multinomial.

Las variables explicativas serán las que hemos descrito más arriba. Ninguna de ellas –con la excepción de algunas de las que contribuyen a definir la experiencia-, es una variable unidimensional ni directamente observable; son endógenas al modelo y requieren por tanto se construidas a partir de variables unidimensionales y observables.
Estas últimas son las que aparecen graficadas como variables exógenas.

La forma más adecuada de recoger la información sobre cada una de estas variables es una escala métrica en la cual cada modelo de negocio aparece puntuado en cada una de las variables.

La variable ‘próximidad’ aparecerá recogida en una doble escala espacio/tiempo frente a propensión a acudir a comprar.

Por supuesto, tanto cada variable exógena, como la variable final a explicar son susceptibles de ser medidas y explicadas imperfectamente, razón por la cual contemplamos un término de error.

En términos prácticos, dado que las distribuciones de las variables presentes pueden ser y serán de hecho diferentes, es necesario proceder en varias etapas.

En primer término debemos proceder a estimar el umbral de variables que previsiblemente operan con umbral, es decir, por debajo o por encima de determinados valores la probabilidad de compra asociada es 0; esto es particularmente cierto para la variable ‘proximidad’; el método más habitual para construir los valores umbral será un tradeoff espacio que está dispuesto a recorrer / tiempo que está dispuesto a invertir para cada adquirir productos / servicios de los que nuestro modelo de negocio comercializa relativo a la frecuencia de compra de cada tipo de producto (share of wallet).

Definidos los umbrales podremos:

- Construir un modelo de gravedad que nos permitirá determinar la población objetivo sobre la cual proyectar los resultados para hacer predicciones de volumen.
- Controlar la variabilidad interna de la diferente movilidad del público objetivo, de modo que la eliminemos del modelo a efectos de estimación (a la hora de hacer predicciones de volumen habremos de volver a recuperarla).

A continuación habremos de estimar las variables endógenas a partir de las variables exógenas. El mejor método para llevar a término esta estimación es construir una serie de modelos embebidos -para la totalidad de la muestra y los grupos de alta y baja probabiliad de compra por cada modelo de negocio- no recursivos de ecuaciones simultaneas. Este método lo utilizaremos con dos objetivos:

- Determinar la existencia de interacciones entre las variables endógenas del modelo. Si estas interacciones existen, no las podremos utilizar tal cual como variables explicativas de la probabilidad de compra, es decir tendremos que combinarlas en una sola.
- Evidenciar si existen diferencias significativas en esas interacciones (en caso de haberlas encontrado) para los grupos de alta y baja probabilidad de compra –indicación de que no hemos recogido adecuadamente las variables exógenas unidimensionales.
- El proceso lo repetiremos cuantas veces sea necesario hasta definir unas variables endógenas cuyas interacciones sean lo más próximas a cero posibles.
- Una vez que estamos seguros de que nuestras variables endógenas no interaccionan entre si, procedemos a realizar un análisis factorial confirmatorio.

Llegados a este punto, la última etapa, es proceder a explicar la probabilidad de compra de cada modelo de negocio utilizando para ello un modelo recursivo del tipo de un multinomial lógit, en el cual las variables explicativas son las seis variables endógenas.

En términos prácticos, los valores por individuo que tendrán las variables endógenas serán las puntuaciones factoriales tal y como las obtenemos del factorial confirmatorio.

IV.

Así descritos, podemos preguntarnos como de prácticos serán nuestros resultados, como de inspiradores de acción pueden llegar a ser. Por supuesto no podemos responder una pregunta incorrectamente formulada –no por ello infrecuente- del tipo ¿y como mejoraría la probabilidad de compra de mi modelo de negocio si mejoro la experiencia de mis clientes?.

No podemos responderla por la sencilla razón de que no existe una variable directamente observable llamada ‘experiencia’ ni existe un conductor (driver) único de tal variable, de modo tal que la respuesta a esa pregunta de mi cliente es otra pregunta: ¿qué qué haría vd. para mejorar la ‘experiencia’ de su cliente?.

Podría decírseme que este no el modo correcto de tratar a mi cliente, opinión con la cual no puedo estar de acuerdo. Y tengo varias razones para ello. Desde luego de ellas es que cualquier cosa que mi cliente haga para mejorar la experiencia de uno de sus clientes podría empeorar la de otro; otra es que mi cliente –si nos hemos comunicada correctamente mientras hemos trabajado juntos- habrá de actuar sobre una o mas dimensiones que yo habré debido medir como variables unidimensionales en mi investigación.

Supongamos que ha hemos llegado a este punto –sabemos sobre que variable o variables unidimensionales podría actuar mi cliente, ¿puedo entonces darle alguna respuesta?.

El primer problema al que me enfrento es que los coeficientes que ponen en relación las variables endógenas con la probabilidad de compra si bien son directamente interpretables en términos de cambios en una variable por cambios en la otra –como en cualquier regresión- en términos prácticos no significan nada (¿acaso no sufriríamos algo de miedo escénico respondiendo que por cada mejora de 1% en la puntuación factorial de la variable experiencia obtenemos un 0,2% de mejora en la probabilidad de compra?).

El segundo problema que debo tomar en consideración es que la variables o variables unidimensionales sobre las cuales podría actuar mi cliente serán solo alguna/s de las que contribuyen al constructo ‘experiencia’.

El tercero será que el impacto de la mejora en una de esas variables unidimensionales será probablemente diferente por tipos de cliente –por ejemplo será diferente para los que tienen alta y baja intención de compra.

Con todas estas reflexiones en mi cabeza, inspiraré en mi cliente un tipo de pregunta algo diferente.

Para ello, procedo a dividir los potenciales clientes de su modelo de negocio en tres grupos, por ejemplo alta, media y baja intención de compra y construyo un gráfico de elasticidad donde en el eje de ordenadas tendremos las puntuaciones de las variables unidimensionales que hemos medido y en el eje de ordenadas los tres grupos de intención de compra.

Este sencillo método nos va a indicar que variables unidimensionales apalancarán más sobre la intención de compra, es decir, a que variables unidimensionales es esta más elástica.

A la vista de estos datos, contrastaré si estas eran las variables que mi cliente identificó como susceptibles de ser mejoradas; si no fuera así, le sugeriré que considere las que prometen más apalancamiento.

Inspirado de este modo nuestro cliente y una vez consensuadas las variables sobre las que habría de actuar, caben dos respuestas –salvo mejor opinión- a su pregunta, una simple y otra más compleja.

En ambas dos respuestas lo que se persigue es determinar el impacto de la mejora en las variables objetivo, teniendo en cuenta que habrá dos fuentes de indiferencia: individuos que ya valoran muy alto las variables, con lo cual mejoras en las mismas no impactan en la probabilidad de compra e individuos que aún valorándolas bajo, son para ellos poco relevantes, es decir, impactan poco en la probabilidad de compra.

La respuesta simple consiste en extraer un muestra aleatoria (en un volumen equivalente a la supuesta mejora que se va a alcanzar con los cambios en el mix que planea mi cliente) de individuos que puntúan como se ha fijado como objetivo en las variables que se pretende mejorar y observar como se comportan tanto la intención de compra como los coeficientes de nuestro modelo; la diferencias entre los valores antiguos y los nuevos serán directamente atribuibles a las supuestas mejoras introducidas.

La respuesta simple puede funcionar satisfactoriamente en tanto no tengamos razones para pensar que existen diferencias entre los individuos que han puntuado bajo las variables que nos hemos fijado como objetivo de mejora y el resto de los individuos.

Si esto no fuera así (y no lo será nunca o casi nunca), deberíamos primero encontrar un par de cada individuo (utilizando para ello un algoritmo que encuentre los individuos que minimizan las diferencias) a substituir -similar en todo salvo en la variable o variables sobre las cuales vamos a actuar y sobre la intención de compra (esta última fluctuará libremente, es decir, no debemos preocuparnos por ella)- y replicar todo el proceso de análisis que hemos realizado originariamente (con las mismas cautelas que hemos señalado).

Dado que todo lo demás permanece igual, las diferencias en los coeficientes entre este modelo revisado con las hipótesis del cliente –ahora ya son suyas- y el modelo originario, podrán se interpretados como impacto directo en la intención de compra.

Por supuesto, dejamos de lado que las mejoras que nuestro cliente querría introducir no afectan negativamente a ningún segmento (supuesto que puede ser del todo inaceptable en algunos casos), es decir, que el impacto es neutro sobre los clientes menos sensibles a esas variables (menos sensibles porque su relación actual con la intención de compra es baja o porque ya valoran las variables muy alto).

Tal vez este deba ser el tema de otro artículo.