Preguntas de entrevista merchandiser, con respuestas

Empiezo con los datos de la temporada anterior equivalente, analizando la tasa de agotamiento por categoría, por banda de precios y por número de referencias. Quiero entender dónde sobramos de surtido y mantuvimos stock excedente hasta la rebaja, y dónde nos quedamos cortos y dejamos ventas potenciales sobre la mesa. Luego superpongo la dirección del equipo de compras y los datos de tendencias para identificar dónde estamos ampliando el surtido y dónde lo estamos editando. Construyo el plan OTB desde la previsión de ventas, trabajando hacia atrás hasta un valor de compra que entregue el margen objetivo con la tasa de agotamiento a precio completo planificada. También verifico la profundidad frente a la amplitud a nivel de referencia: generalmente es mejor tener mayor profundidad en menos referencias que poca profundidad en muchas, porque las roturas de stock en un superventas son más perjudiciales que un surtido reducido.

En cuanto una línea está más de un 10 % por debajo del plan en las primeras tres semanas de venta, la trato como un elemento de acción, no de simple monitoreo. Primero compruebo si el problema es de surtido, asignación o presentación: ¿está el stock en las tiendas correctas? ¿Está bien presentado? ¿Hay un problema de precio o promoción que pueda estar frenando la demanda? Si el producto genuinamente no convierte, analizo el momento de la rebaja: una rebaja temprana en un artículo de baja rotación recupera más efectivo y espacio que esperar. Modelo el impacto en margen de dos o tres escenarios de rebaja y recomiendo el que recupera más valor durante el período de venta. También alimento los aprendizajes de vuelta al próximo plan de surtido: una línea que no alcanza el plan es información sobre lo que el cliente no quiere.

Mi relación con compras es más productiva cuando me involucro pronto, antes de que se comprometa el surtido, en lugar de después de que la compra está hecha y solo estoy asignando lo que llegó. Aporto la perspectiva de datos: el rendimiento de la temporada pasada por atributo, el análisis de la curva de tallas, los compromisos profundidad frente a amplitud y las restricciones OTB. El comprador aporta las relaciones con proveedores, la dirección de tendencias y el conocimiento del producto. Los mejores surtidos provienen de un diálogo genuino entre esas dos aportaciones. Me esfuerzo por preparar resúmenes de datos claros antes de las revisiones de surtido, para que la conversación esté fundamentada en evidencia. Cuando estamos en desacuerdo, presento mi punto de vista con los datos que lo respaldan y luego me remito al juicio del comprador en el lado del producto: tiene una visibilidad de mercado que yo no tengo.

La asignación es donde haces justicia al surtido o lo deshaces. Empiezo clasificando las tiendas según su perfil comercial para la categoría relevante: volumen, espacio e índice histórico de agotamiento. Las tiendas de primer nivel reciben mayor profundidad en referencias core y primera asignación en líneas nuevas. Las tiendas de segundo nivel reciben selecciones editadas que coincidan con su perfil de cliente. Construyo la asignación inicial para cubrir las primeras tres a cuatro semanas de venta al ritmo de ventas planificado, luego establezco un disparador de revisión: si alguna tienda cae por debajo de un umbral de días de cobertura definido, completo desde la reserva central o reaprovisionamiento desde una tienda de rotación más lenta. Hago seguimiento del agotamiento por tienda semanalmente y redistribuyo de forma proactiva en lugar de esperar a que las tiendas reporten huecos.

Tres semanas después del inicio de una nueva temporada, noté que una de nuestras categorías principales estaba al 65 % de la tasa de agotamiento planificada en nuestras diez mejores tiendas. La mayoría de mi equipo asumía que era la suavidad de inicio de temporada. Profundicé en los datos y encontré que el problema estaba concentrado en una talla: un pedido había sido insuficientemente asignado porque la curva de tallas que usábamos estaba basada en los datos del año anterior, y el equipo de compras había evolucionado el surtido hacia un corte ligeramente diferente que atraía a un perfil de cliente diferente. Lo alerté a compras inmediatamente, organicé una reasignación de stock desde las tiendas donde esa talla estaba parada, y trabajé con el equipo de asignación para ajustar el modelo de reaprovisionamiento. Recuperamos la mayor parte del agotamiento planificado para la semana ocho.

Un director de compras quería extender la vida de una línea de baja rotación organizando un evento promocional en lugar de aplicar una rebaja. Mi análisis mostraba que la promoción movería volumen pero a un margen bruto inferior al de una rebaja anticipada directa, y los costes de espacio promocional absorberían la mayor parte del margen restante. Presenté una comparación paralela de tres escenarios: mantener y promover, rebaja anticipada al 25 % y rebaja anticipada al 33 %. Los datos mostraban que la rebaja del 25 % recuperaba más efectivo total y liberaba el espacio cuatro semanas antes para el nuevo stock de temporada. El director rechazó dos veces, citando consideraciones de relación con el proveedor. Mantuve la posición porque los números eran claros, pero ofrecí involucrar al responsable de cuenta del proveedor para gestionar la comunicación. Se aprobó la rebaja del 25 % y el agotamiento se despejó en tres semanas como se había modelado.

En mi segundo año como merchandiser convencí al equipo de compras de ir más profundo de lo planeado en una categoría de tendencia basándome en una fuerte tasa de agotamiento temprana en un número pequeño de tiendas. El despliegue en todo el parque no replicó esos resultados: la categoría tenía un fuerte atractivo en tiendas urbanas de alta afluencia pero estaba desalineada con el perfil de cliente de la mayoría de nuestras ubicaciones suburbanas. Terminamos con una posición de rebaja aproximadamente un 15 % peor que el objetivo estacional. Aprendí dos cosas: un buen comienzo en un subconjunto de tiendas no siempre es una señal fiable para una extensión amplia del surtido, y no había hecho suficiente análisis demográfico por cluster de tiendas antes de recomendar la compra más profunda. Introduje un paso de análisis por cluster en el proceso de revisión del plan de surtido la temporada siguiente.

Mi proceso de previsión empieza con las ventas reales del año anterior para el período equivalente, ajustadas por cualquier cambio conocido en el entorno comercial: nuevas aperturas de tiendas, cierres, cambios de formato o tendencias macro. Luego aplico una tasa de crecimiento comparable basada en el plan de negocio y ajusto a nivel de categoría por cualquier cambio en el surtido o la estrategia de precios. Construyo el OTB desde el plan de ventas global, trabajando hacia atrás hasta un valor de compra que entregue el plan con el porcentaje de agotamiento a precio completo objetivo y el margen realizado planificado. También construyo un modelo de escenarios con un caso de ventas menos 10 % y más 10 %, para ver el riesgo de rebaja y el riesgo de rotura de stock bajo diferentes condiciones comerciales.

Hago seguimiento del agotamiento en tres niveles: categoría total, referencia y tienda. A nivel de categoría, comparo el agotamiento semanal con el plan estacional y el año anterior para entender si la tendencia está por delante, en línea o por detrás. A nivel de referencia, clasifico las líneas por tasa de agotamiento semanalmente y señalo cualquier cosa por debajo del 70 % de la media de la categoría en las primeras cuatro semanas: esa es mi lista de alerta temprana. A nivel de tienda, analizo el índice de agotamiento por cluster para entender si un problema de rendimiento es generalizado o concentrado. Los datos más accionables suelen estar en la intersección de referencia y cluster de tienda: una línea que rinde bien en un cluster pero mal en otro me dice algo específico sobre el surtido o la presentación sobre lo que puedo actuar.

Empiezo el plan de liquidación seis a ocho semanas antes del final de la temporada, no al final. En ese punto tengo una imagen clara de qué líneas no se agotan a precio completo, y puedo modelar la profundidad y el momento de rebaja necesarios para agotarlas dentro de la temporada en lugar de arrastrarlas a la siguiente. Priorizo la liquidación de líneas con alto volumen de stock y baja tasa de agotamiento, porque son las que crean más arrastre sobre el margen. También analizo dónde está el stock: concentrarlo en menos tiendas a menudo mejora la tasa de agotamiento al mejorar la visibilidad del producto. Establezco un objetivo de liquidación semanal por línea y hago seguimiento, ajustando la profundidad de rebaja si una línea no se agota al ritmo modelado.