Metodologia para análise de impactos de campanhas de um retalhista especializado

Metodologia para análise de impactos de campanhas de um retalhista especializado Paulo Fernando Rocha Santos Pinho Dissertação de Mestrado Orientador na FEUP: Prof. Pedro Amorim Mestrado Integrado em Engenharia Industrial e Gestão 2016-07-04 Metodologia para análise de impactos de campanhas de um retalhista especializado ii Resumo Esta dissertação propõe uma metodologia para a determinação, análise e estimação de impactos de campanhas de um retalhista especializado. A intensa frequência e diversidade promocional, a quantidade de artigos e a sua sazonalidade caracterizam o retalhista. Dada a sua complexidade, apenas as principais campanhas são analisadas, efetuando a comparação com as homólogas do ano anterior ou estabelecendo um período comparável. Desenvolveu-se uma metodologia uniforme para a determinação de impactos da generalidade das campanhas. Utilizaram-se os dados históricos para a estimação de impactos futuros, auxiliando o processo de construção de novas campanhas. O impacto foi definido como o aumento de vendas devido à realização da promoção, apenas para os artigos e período em campanha. Comparam-se as vendas reais com um baseline, dado por um modelo de previsão de vendas, que retrata um cenário teórico sem campanha. Este modelo tem por base as três semanas anteriores ao início de cada campanha. Foi conduzida uma análise estatística aos impactos obtidos, de modo a destacar fatores com efeitos relevantes no impacto promocional. Posteriormente, estimaram-se os impactos esperados, tendo em conta os fatores analisados. O tipo de marca e o desconto percentual emitido mostraram-se estatisticamente significativos. Para descontos superiores, poderá existir uma maior diferença entre os impactos da marca de fornecedor e marca própria. O comportamento dos géneros homem e mulher depende da tipologia de artigos. A gama júnior apresentou consistentemente menores impactos que a gama de adulto. O valor absoluto do desconto poderá ter efeitos significativos no impacto promocional. Para o desenvolvimento de modelos de previsão de impactos foram utilizadas as técnicas de regressão múltipla e árvores de regressão. Os seus resultados não se apresentaram satisfatórios para as necessidades do problema. Em alternativa, os impactos são estimados a partir de intervalos de confiança, baseados nas análises de variância realizadas. A incerteza associada ao cálculo do baseline poderá explicar o fraco desempenho de algumas das técnicas empregues. iii Methodology for the analysis of the promotional impact in a specialized retailer Abstract This dissertation proposes a methodology for the determination, analysis and estimation of the promotional impacts of a specialized retailer. This retailer is characterized by its intense and diversified promotional activity, along with a high range of seasonal products. Due to its complexity, only the major events are analyzed and compared to their homologous, in the previous year. A standardized procedure for the calculation of the promotional impact was developed. Using historic data, future impacts are estimated in order to support the decision process in the design of new campaigns. Promotional impact was defined as the increase in sales caused by the promotion, for the campaign products and its duration only. The actual sales are compared to a baseline, given by a sales forecasting model. The baseline represents a theoretical scenario without promotional activity and is determined by a three-week period previous to the campaign. A statistical analysis on the computed impacts was conducted. The effect of a set of variables on the impact is studied. Afterward, the expected impacts were estimated, taking the significant variables into account. The brand type and the relative price discount were shown to be statistically significant. For higher discounts, the difference between the impacts of the provider and own brands may be higher. The behavior from man and women products depends from its typology. The junior product range reflected consistently smaller impacts than the adult range. The absolute price discount can have relevant effects on the impact. For the prediction of future impacts, multiple regression and regression trees were used. The achieved results did not attain the project needs. Alternatively, the impacts were estimated through confidence intervals, based on the performed analysis of variance. The low performance of some of the used techniques may result from the uncertainty from the computation of the baseline. iv Agradecimentos Devo um agradecimento a todos os que contribuíram para esta dissertação. A toda a equipa de Business Intelligence da Sport Zone, pelo seu acolhimento imediato, pela ajuda com a máxima prontidão e por todo o conhecimento transmitido. Agradeço especialmente ao Bruno Pereira, que acompanhou e guiou todo o processo, lidando com os problemas da forma mais expedita possível. À Sonae, pela oportunidade e experiência que me foram concedidas. Ao Professor Pedro Amorim, pelos sempre valiosos contributos, pela constante defesa e pelo sentido de orientação. Ao Professor Sarsfield Cabral, pela partilha do seu vasto conhecimento de estatística. Aos meus amigos, pela companhia, desabafos e especialmente muitos sorrisos. Por fim, à minha família, que sempre aturou as minhas frustrações e me permitiu chegar até aqui. Ao meu irmão em particular, pela bibliografia que me forneceu, revelando-se numa preciosa ajuda. v Índice de Conteúdos 1 Introdução .............................................................................................................................. 1 1.1 Projeto .................................................................................................................................................. 1 1.2 Objetivos .............................................................................................................................................. 2 1.3 Estrutura da dissertação ....................................................................................................................... 2 2 Estado da arte ......................................................................................................................... 3 2.1 Métodos de previsão ............................................................................................................................ 3 2.2 Previsão de vendas na presença de promoções .................................................................................... 5 2.3 Estatística descritiva e Inferência ........................................................................................................ 6 2.4 Decomposição de efeitos promocionais............................................................................................... 7 2.5 Análise crítica ...................................................................................................................................... 9 3 Definição do problema ......................................................................................................... 10 3.1 Estrutura organizacional .................................................................................................................... 10 3.2 Parametrização de campanhas ........................................................................................................... 11 4 Metodologia para análise de campanhas ............................................................................. 13 4.1 Apuramento de impactos históricos ................................................................................................... 14 4.1.1 Dados............................................................................................................................... 14 4.1.2 Impacto ............................................................................................................................ 15 4.1.3 Baseline ........................................................................................................................... 16 4.2 Previsão de impactos futuros ............................................................................................................. 19 4.2.1 Análise............................................................................................................................. 19 4.2.2 Previsão ........................................................................................................................... 20 4.3 Acompanhamento de campanhas ....................................................................................................... 21 4.4 Aplicação prática ............................................................................................................................... 21 4.4.1 Base de dados .................................................................................................................. 21 4.4.2 Simulador de impactos .................................................................................................... 21 4.4.3 Ferramenta de acompanhamento ..................................................................................... 22 5 Resultados e discussão ......................................................................................................... 23 5.1 Análise estatística .............................................................................................................................. 23 5.1.1 Desconto percentual e tipo de marca ............................................................................... 23 5.1.2 Tipologia e género ........................................................................................................... 27 5.2 Regressão linear múltipla e árvore de regressão ................................................................................ 28 5.3 Intervalos de confiança ...................................................................................................................... 29 5.4 Erro na determinação do baseline ...................................................................................................... 30 6 Conclusões e perspetivas de trabalho futuro ........................................................................ 32 6.1 Principais resultados .......................................................................................................................... 33 6.2 Limitações e perspetivas de trabalho futuro ...................................................................................... 34 Referências ............................................................................................................................... 35 ANEXO A: Categorias da unidade de negócio de Fitness e Essentials ................................ 38 ANEXO B: Recolha e filtragem da Base de Dados ............................................................. 39 ANEXO C: Análise e previsão de impactos ......................................................................... 41 ANEXO D: Ferramenta simuladora de impactos ................................................................. 43 ANEXO E: Ferramenta de acompanhamento de campanhas ............................................... 46 ANEXO F: Resultados da análise estatística ....................................................................... 47 ANEXO G: Resultados da previsão de impactos ................................................................. 53 vi Siglas ADL – Autoregressive Distributed Lag AIC – Akaike Information Criterion ANOVA – Analysis of Variance ARIMA – Autoregressive Integrated Moving Average ARMA – Autoregressive Moving Average DSS – Decision Support System FSS – Forecasting Support System MAD – Mean Absolute Deviation MSE – Mean Squared Error SVR – Support Vector Regression SQL – Structured Query Language vii Índice de Figuras Figura 1 - Hierarquia principal da estrutura mercadológica da Sport Zone ............................. 11 Figura 2 - Unidades de negócio da Sport Zone ........................................................................ 11 Figura 3 - Quadro global do projeto realizado ......................................................................... 13 Figura 4 - Janela temporal utilizada para o baseline ................................................................ 16 Figura 5 - Correção de outliers no cálculo do baseline ............................................................ 17 Figura 6 - Diagrama da abordagem utilizada para o cálculo do baseline ................................. 17 Figura 7 - Metodologia para o cálculo da média móvel semanal ............................................. 18 Figura 8 - Efeito da unidade de negócio no impacto promocional ........................................... 24 Figura 9 - Efeitos do tipo de marca e desconto na unidade de negócio de Fitness e Essentials .................................................................................................................................................. 24 Figura 10 - Efeitos do tipo de marca e desconto na unidade de negócio de Casual ................. 25 Figura 11 - Efeito do fator desconto na unidade de negócio de ciclismo ................................. 25 Figura 12 - Efeito da categoria no impacto promocional ......................................................... 26 Figura 13 - Efeitos do tipo de marca e desconto na categoria de Essentials Têxtil Júnior....... 26 Figura 14 - Efeito da tipologia no impacto promocional ......................................................... 27 Figura 15 - Efeitos do género e tipo de marca em têxtil na unidade de negócio de Fitness e Essentials .................................................................................................................................. 28 Figura 16 - Exemplo retirado da tabela de impactos desenvolvida .......................................... 30 Figura 17 - Histograma e boxplot das amplitudes dos intervalos de confiança obtidos ........... 30 viii Índice de Tabelas Tabela 1 - Exemplos de resultados obtidos com regressão múltipla e árvore de regressão ..... 29 Metodologia para análise de impactos de campanhas de um retalhista especializado 1 1 Introdução As campanhas realizadas no setor do retalho representam uma porção significativa das vendas totais dos retalhistas (Gedenk et al. 2010). Assim, a análise à rentabilidade das ações promocionais torna-se um processo crítico para estas organizações. Os retalhistas necessitam de perceber quais os tipos de campanhas, assim como as características que as compõem, que maximizam o seu desempenho. Nesta dissertação, é apresentada uma metodologia para a análise e previsão do impacto promocional de um retalhista especializado. O projeto foi realizado na Sport Zone, um retalhista na área do equipamento e vestuário desportivo. A Sport Zone é uma das insígnias que compõem a Sonae SR, responsável pela área não alimentar, especializada, do grupo Sonae. O grupo Sonae considera o retalho como o seu negócio core, dividindo-o pela área alimentar (Sonae MC) e não alimentar (Sonae SR). Para além do retalho, opera em outras áreas como as telecomunicações, centros comerciais e tecnologia. A Sport Zone é, atualmente, a maior cadeia de lojas de desporto em Portugal (79 lojas) e tem uma presença importante em Espanha (32 lojas). A empresa também está presente fora da península Ibérica, num formato de franquia. A sua oferta apresenta uma grande variedade de desportos, compreendendo dezenas de milhares de artigos. A sua gama é caracterizada por uma alta sazonalidade, derivada da sua divisão em coleções. A empresa pratica, anualmente, inúmeras ações promocionais, de diferentes dimensões e características. O âmbito das campanhas realizadas estende-se a todas as suas lojas e artigos, atingindo todos os níveis da sua estrutura mercadológica. 1.1 Projeto Previamente à realização deste projeto, a análise de campanhas cingia-se às grandes campanhas, como os meses temáticos, por exemplo. O seu estudo baseava-se na comparação de vendas e margens entre a grande campanha e a sua homóloga do ano anterior. Para além de que a maior parte das campanhas realizadas não eram analisadas detalhadamente, a abordagem apresenta várias falhas. A comparação com um período anterior não determina o verdadeiro impacto da ação promocional no negócio, mas sim a diferença de desempenho face à última ocorrência. A falta de comparabilidade entre os dois períodos põe em causa a análise. Para calendários promocionais com diferentes horizontes temporais, é necessário algum tipo de extrapolação para o seu comportamento. De modo adicional, a alta sazonalidade dos seus artigos faz com que, no espaço de um ano, a composição da estrutura mercadológica varie consideravelmente, dado que pertencem a coleções diferentes. Dado que a avaliação do desempenho promocional era realizada para um conjunto muito restrito de campanhas, não existia uma base com informação suficiente sobre os impactos de campanhas históricas e, pela mesma razão, subsistia a falta de noção sobre quais os fatores que poderão influenciar o seu impacto. As campanhas são um assunto transversal à empresa, afetando, inevitavelmente, todos os seus departamentos. O projeto foi desenvolvido dentro do Business Intelligence, uma equipa Metodologia para análise de impactos de campanhas de um retalhista especializado 8 que necessita naquele momento. O seu estudo indica que mais de 84% da elasticidade de vendas é devido à troca de marcas, 14% devido à aceleração de compras e apenas 2% são atribuídos ao stockpiling. Contudo, como estes valores foram calculados com base na categoria de café apenas, é possível que o efeito de stockpiling seja significativamente superior, em categorias onde o armazenamento de produtos é mais fácil. Bell et al. (1999) dividem o impacto promocional em procura primária e secundária. A procura primária representa a aceleração de compras (tanto pelo aumento de quantidade como pela diminuição do tempo entre compras), enquanto a troca de marcas se enquadra na procura secundária. Os autores analisam o incremento de vendas em 13 categorias de produtos diferentes, estudando a relação dos fatores categoria, marca e tipo de consumidor na procura primária e secundária separadamente. Concluem que, em média, 75% da elasticidade de vendas é graças à procura secundária (troca de marcas) e a procura primária representa 25% do incremento total. Estes resultados permitem concluir que apesar de a procura secundária representar a maior parte da elasticidade total, a procura primária apresenta também um peso significativo. A procura secundária, mais concretamente a troca de marcas, é um exemplo de canibalização. Para um retalhista, a canibalização acontece quando o aumento de vendas de um artigo prejudica as vendas de outros, podendo estes pertencer à mesma categoria e marca, a marcas diferentes ou até a lojas distintas (Pancras et al. 2012). Mais tarde, Heerde et al. (2003) esclarecem que o aumento da procura primária constitui a maior parte do impacto total de uma promoção. Na determinação da elasticidade, os autores assumem que as vendas da categoria se mantêm constantes. Considerando o seu aumento, apenas 33% da variação total de vendas é explicada pela troca de marcas (procura secundária), pelo que a procura primária (expansão da categoria e stockpiling) é a principal fonte de incremento de vendas. Ailawadi et al. (2006) analisam tanto o impacto de vendas como os lucros provenientes de ações promocionais de um retalhista, examinando as suas relações com fatores que integram as características das promoções, marcas, categorias e lojas em campanha. Os autores decompõem o impacto de vendas e lucros em variações dentro da marca promovida, entre marcas, entre categorias e entre lojas. Além do incremento promocional dado à própria categoria, estuda-se o Halo Effect (o contágio positivo nas vendas de outras categorias). Os autores determinaram que a maior parte da variação é causada dentro da própria marca (62% da variação total de vendas e 67% no caso dos lucros). É também de salientar que 30% da variação total de vendas é originária do efeito positivo de contágio (Halo Effect). Nesta dissertação apenas é determinado o impacto na procura primária, ou seja, o aumento das vendas apenas dos produtos diretamente em promoção. O estudo realizado por Ailawadi et al. (2006) indica também que, em média, o impacto nos lucros é negativo, sendo explicado pela diminuição substancial da margem habitual. Concluise também que muitos dos fatores analisados geram impactos opostos nas vendas e lucros. Assim sendo, o retalhista terá de efetuar as suas decisões promocionais baseadas num compromisso entre as receitas e o seu lucro. No presente trabalho, somente é quantificada a diferença das vendas líquidas do retalhista, pelo que uma análise mais aprofundada tendo adicionalmente em conta o impacto nos seus lucros poderia ser útil. de Miranda (2012), por exemplo, desenvolve uma metodologia para a quantificação do impacto promocional de um retalhista especializado dividindo-o em três métricas: variação de vendas, cesta média e número de transações. Metodologia para análise de impactos de campanhas de um retalhista especializado 9 Na identificação dos fatores que influenciam a procura durante as ações promocionais, Ramanathan e Muyldermans (2010) analisam um conjunto de características que potencialmente influenciam as vendas. Para além das características promocionais, como a quantidade e tipo de desconto, estudam outros fatores como a temperatura, a sazonalidade, dias especiais (férias e feriados) e preferências dos consumidores (os artigos com maiores volumes de vendas são melhor classificados). Apesar de os resultados confirmarem a relevância das características promocionais, a influência dos restantes fatores apenas é significativa para algumas famílias de produtos estudadas. Conclui-se que os produtos devem ser promovidos de forma diferente tendo em conta a sua tipologia. 2.5 Análise crítica O estado atual da literatura promocional compreende diversos estudos sobre a decomposição dos seus efeitos e a previsão de vendas para períodos em campanha. Apresenta-se nesta dissertação uma metodologia específica para a análise e previsão de impactos de campanhas de um retalhista especializado. As características únicas do retalhista obrigam a uma adaptação dos métodos já desenvolvidos. Uma das suas particularidades é a componente sazonal da maior parte dos seus artigos, que se encontram integrados em coleções. Deste modo, a análise ao impacto promocional deverá ser feita a um nível de detalhe superior da estrutura mercadológica. A intensa frequência promocional e um âmbito alargado a todos os níveis de detalhe da estrutura mercadológica requerem o desenvolvimento de uma metodologia standardizada que possa ser aplicada de uma forma o mais automática possível. Neste projeto, o impacto promocional é definido como a diferença de vendas líquidas para os artigos e período em campanha apenas. A análise do impacto de campanhas em diferentes produtos e em períodos imediatamente posteriores à promoção permitiriam analisar outros efeitos que a literatura apresenta como relevantes, principalmente para um retalhista. De modo adicional, a inclusão na análise de outras métricas como a cesta média e o número de transações complementariam o estudo realizado. Metodologia para análise de impactos de campanhas de um retalhista especializado 10 3 Definição do problema A Sport Zone pratica inúmeras campanhas ao longo de todo o ano. A sua oferta promocional compreende vários tipos de mecânicas e abrange todo o universo de lojas e artigos. Adicionalmente, são efetuadas promoções em todos os níveis da sua estrutura mercadológica, desde campanhas em toda a loja à redução temporária do preço de um artigo. O facto de as campanhas poderem ocorrer simultaneamente nos mesmos períodos e atingirem diferentes níveis da sua estrutura mercadológica faz com que se possam identificar sobreposições de descontos em muitos artigos, podendo este facto acontecer propositadamente ou não. Dada a complexidade deste sistema, a avaliação do impacto promocional resulta num processo de difícil execução e ao mesmo tempo fundamental para que exista uma compreensão objetiva dos seus efeitos tanto ao nível de vendas como margens. O desenvolvimento de uma metodologia uniforme, capaz de quantificar e analisar o impacto de todo o universo de campanhas, permitirá aumentar o âmbito atual da análise promocional. O estudo dos fatores que poderão influenciar o desempenho das campanhas é um exemplo claro da relevância e potencialidade deste projeto. O seu objetivo último é, em adição à análise de fatores, a previsão do impacto promocional traduzido em aumento de vendas dos artigos em campanha. A análise de fatores e a estimação do seu impacto fornecem a base para uma melhor decisão dos agentes envolvidos no desenho das campanhas. No presente capítulo, serão introduzidos os principais intervenientes na criação de campanhas na Sport Zone, assim como os conceitos e nomenclaturas de maior relevância no contexto promocional da empresa. 3.1 Estrutura organizacional A Sport Zone opera tanto em solo nacional como internacional. O seu negócio pode ser dividido em orgânico, para as lojas próprias da empresa, e franqueado. Do negócio orgânico fazem parte todas as lojas de Portugal Continental, Madeira e Espanha. As direções de vendas orgânicas estão divididas em Portugal (79 lojas), península de Espanha (19 lojas) e Canárias (13 lojas). Das 79 lojas orgânicas de Portugal, quatro apresentam um formato de outlet. As ações promocionais são geridas independentemente por cada direção de vendas. Apesar das lojas localizadas nos Açores serem franqueadas, existe um contacto próximo com o negócio orgânico. As campanhas que abrangem todas as lojas de Portugal incluem usualmente as franqueadas dos Açores. A sua gama de artigos abrange tanto marcas de fornecedores externos como marcas próprias, desenvolvidas pela empresa. O tipo de marca própria é usualmente caracterizado pelo posicionamento dos artigos em primeiro preço. A Figura 1 apresenta a hierarquia principal da estrutura mercadológica atual da Sport Zone e um exemplo para cada posição. Os artigos dividem-se em 8 unidades de negócio, sendo depois repartidos de acordo com a sua classificação. A Figura 2 apresenta as unidades de negócio da empresa. A Figura 1 do Anexo A apresenta as categorias da unidade de negócio de Metodologia para análise de impactos de campanhas de um retalhista especializado 11 Fitness e Essentials, a título de exemplo. Cada unidade de negócio tem a sua própria estrutura. Por exemplo, na unidade de negócio de Casual, a distinção de género é feita logo na categoria, em contraste com o exemplo da Figura 1, em que a mesma é efetuada na subcategoria. Cada artigo ainda pode ser subdividido em artigo pai e filho, em que o pai representa toda a gama de tamanhos do artigo e o filho especifica um tamanho particular. Figura 1 - Hierarquia principal da estrutura mercadológica da Sport Zone As unidades de negócio desenham as campanhas que abrangem a sua gama de artigos. Adicionalmente, são também desenvolvidas, por uma equipa independente, denominada de Desenvolvimento Comercial, campanhas transversais às unidades de negócio. Folhetos promocionais e campanhas em toda a loja são exemplos de promoções transversais. São ainda realizadas campanhas segmentadas pela equipa de Marketing. Figura 2 - Unidades de negócio da Sport Zone 3.2 Parametrização de campanhas Num momento inicial, esclarece-se a definição de campanha, para efeitos de parametrização no sistema. As ações promocionais são divididas hierarquicamente em três níveis: evento, campanha e promoção. Os eventos integram o nível mais alto da hierarquia promocional, contemplando conjuntos de campanhas que poderão fazer sentido agrupar. Os meses temáticos são um exemplo usual de eventos parametrizados. Durante um período aproximado de um mês, há uma aposta significativa numa unidade de negócio, habitualmente, traduzida em investimentos na comunicação, tanto em publicidade como na exposição dos artigos em loja, e em diversas ações promocionais. Quando são realizadas pequenas campanhas que não se enquadram em nenhum evento especial, considera-se que pertencem ao evento “campanhas genéricas”. Para definir uma campanha, utilize-se, a título de exemplo, o “mês do Running”, um dos meses temáticos já estabelecidos. Dentro deste evento, efetuam-se várias ações promocionais concretas, abrangendo um conjunto específico de lojas e um período definido. Estas ações são denominadas de campanhas. Um exemplo de uma campanha inserida no “mês do Running” seria “mês do Running: toda a marca Nike”. Dentro de cada campanha, definem-se as várias mecânicas promocionais que abrangem diferentes grupos de artigos. Estas ações são designadas por promoções. A cada promoção pertencem um conjunto de artigos e uma mecânica promocional específica. No decorrer desta secção, clarifica-se a definição de mecânica promocional. A parametrização torna-se completamente definida quando especificados o calendário, artigos e lojas abrangidas por cada mecânica. É importante salientar que, apesar de existir a distinção na parametrização entre os termos campanha e promoção, os mesmos são empregados de igual forma ao longo da dissertação, utilizando o sentido lato destes conceitos. A mecânica promocional abrange uma série de parâmetros, compreendendo o tipo de promoção, a forma como o desconto é emitido e a quantidade de desconto, entre outros. Os Metodologia para análise de impactos de campanhas de um retalhista especializado 12 três principais tipos de promoção são Multi Units, Single Items e Mix and Match. Para além destes, existem outros como promoções de patamar, por exemplo, que se consideram residuais. As promoções Multi Units são utilizadas quando é aplicado um desconto comum, percentual ou absoluto, a um conjunto de artigos. O desconto aplicado pode ser emitido por duas vias, através de desconto direto ou desconto em cartão. O desconto direto é aplicado no momento da compra, enquanto o desconto em cartão é armazenado no cartão de cliente no momento da compra e rebatido apenas numa compra futura. A este desconto associa-se o conceito de taxa de rebate, que representa a percentagem de clientes que obteve o desconto em cartão e efetivamente o utilizou futuramente. A quantidade de desconto a aplicar em relação ao preço original pode ser parametrizada de duas maneiras, indicando a redução absoluta ou designando uma percentagem. Single Items refere-se às reduções de preço durante um determinado período de tempo. O seu nome advém do facto de que a parametrização destas promoções é necessariamente efetuada ao nível do artigo pai, sendo o preço uma característica única de cada artigo. Por último, utiliza-se Mix and Match para as promoções do tipo “leve x pague y”. Quanto ao universo de clientes abrangidos pelas campanhas, são definidos dois tipos: as campanhas genéricas, estendidas a todos os clientes, e segmentadas, em que apenas um conjunto restrito de clientes tem acesso à promoção, através dos cartões de cliente. O âmbito da análise efetuada no presente projeto é definido no capítulo 4. Metodologia para análise de impactos de campanhas de um retalhista especializado 13 4 Metodologia para análise de campanhas A metodologia desenvolvida para a análise de campanhas é apresentada neste capítulo. A Figura 3 apresenta o quadro global do projeto realizado. O principal objetivo do projeto é a previsão do aumento de vendas de uma campanha, de acordo com as suas características, para auxiliar o processo de desenvolvimento de novas campanhas. Deste propósito adveio o primeiro objetivo, o apuramento dos impactos de campanhas históricas. Primeiramente, é efetuado um levantamento de uma base de dados de campanhas já concluídas. De seguida, determina-se o impacto nas vendas para cada campanha. Para isso, comparam-se as vendas reais da campanha com um baseline, que representa as vendas que, teoricamente, se teriam realizado se a campanha não existisse. Os impactos históricos determinados servem de base para o segundo objetivo, a simulação de impactos de campanhas futuras. Para isso, são analisados os fatores que causaram maior variação nas vendas das campanhas passadas. De acordo com esses fatores, é efetuada uma previsão do que será o aumento de vendas esperado. Utiliza-se a mesma metodologia para o cálculo de impactos históricos no acompanhamento de campanhas a decorrer. O acompanhamento é feito com base na comparação entre as vendas atuais, o baseline e um período comparável. Paralelamente, foram desenvolvidas duas ferramentas que constituem a aplicação prática da metodologia na empresa. Figura 3 - Quadro global do projeto realizado Metodologia para análise de impactos de campanhas de um retalhista especializado 14 4.1 Apuramento de impactos históricos 4.1.1 Dados Numa primeira fase, construiu-se uma base de dados contendo informações sobre campanhas realizadas anteriormente. Os dados utilizados para a posterior análise dos impactos partiram de uma filtragem à base de dados inicialmente recolhida (Figura 1 do Anexo B). Destaca-se nesta secção a estrutura desenvolvida para a base de dados e o seu âmbito. A indicação dos filtros utilizados para a análise encontra-se na secção 4.2.1. O horizonte temporal definido para o histórico de campanhas corresponde a dois anos. Um período temporal mais alargado seria mais indicado para obter uma análise a níveis de maior detalhe e com maior robustez. Não obstante, o tempo exigido para obter dois anos de informação já foi, por si só, demasiado extenso. Quanto ao âmbito do tipo de campanhas, apenas se extraíram campanhas do tipo Multi Units. As campanhas Multi Units, em que é aplicado um desconto comum a um conjunto de artigos, revelaram-se as únicas em que era possível, com fiabilidade, determinar o desconto aplicado. No caso das Single Items, apesar de existir informação sobre a redução absoluta de preço registada para cada campanha, não é possível obter com credibilidade o preço à qual essa redução foi aplicada. No entanto, a dimensão deste tipo de campanhas é comparável às Multi Units e constitui, por essa razão, uma análise importante que deve ser conduzida no futuro. Os restantes tipos de campanhas, dada a sua pequena dimensão e complexidade acrescida, foram igualmente excluídos da extração e, consequentemente, da análise. Apenas as campanhas genéricas foram consideradas. A análise de campanhas segmentadas é usualmente realizada através da utilização de grupos de controlo. As campanhas de Espanha não foram consideradas para o projeto. Pois, para além de serem geridas independentemente, contêm características significativamente diferentes às promoções realizadas em Portugal. No que toca às campanhas de Portugal, foram desconsideradas as campanhas em outlets, dado que o seu objetivo está usualmente relacionado com o escoamento de inventário e não com a rentabilidade. As restantes lojas foram todas consideradas, incluindo as lojas online e dos Açores (apesar das lojas dos Açores serem franqueadas, são usualmente incluídas, assim como a loja online, nas campanhas que abrangem todas as lojas orgânicas). O comportamento promocional da loja online poderá ser diferente das restantes. O efeito da loja nos impactos calculados deveria ser avaliado. Em relação à estrutura mercadológica, não foram impostas quaisquer restrições. Todos os artigos foram considerados. Na base de dados, recorreu-se à agregação da estrutura mercadológica ao nível da unidade base. O nível mais detalhado da parametrização de cada campanha envolve sempre a conjugação de três componentes: dia, artigo e loja. Se não se procedesse a algum tipo de agregação, a combinação dos três fatores teria uma dimensão demasiado extensa. Considere-se nD como o número de dias da campanha, nA o número de artigos e nL o número de lojas parametrizadas. O número de combinações totais da campanha seria dado por 𝑛𝐷∗ 𝑛𝐴∗ 𝑛𝐿. A escolha da agregação torna-se assim uma decisão crucial para a dimensão e tratamento da base de dados. Outro fator que a agregação de dados condiciona é a robustez do cálculo do impacto. Esta robustez baseia-se no erro de previsão associado à determinação do baseline, explicado na secção 4.1.3, que é posteriormente comparado às vendas reais da campanha. Quanto maior o nível de agregação, menor será o erro de previsão. Contudo, um nível de detalhe mais agregado afeta negativamente o pormenor a que podem ser efetuadas as análises aos dados. A agregação da estrutura mercadológica ao nível da unidade base permitiu reduzir significativamente a dimensão da base de dados. Para além da dimensão, a decisão baseou-se Metodologia para análise de impactos de campanhas de um retalhista especializado 15 no facto de que a estrutura da Sport Zone se baseia em coleções sazonais e os seus artigos estão em constante alteração. Numa tentativa de incorporar a questão da elasticidade de preço, separou-se cada unidade base por marca. É de esperar que no espaço de uma unidade base, os artigos da mesma marca se situem na mesma categoria de preço. No que diz respeito à dimensão temporal, a agregação foi efetuada ao período total da campanha. Por fim, a base de dados agrega os resultados das campanhas em todas as lojas parametrizadas. No capítulo 3, enunciou-se a hierarquia utilizada para as ações promocionais. Optou-se pelo registo ao nível da campanha, separando depois pelas diferentes mecânicas. A razão desta escolha deu-se pela forma como são parametrizadas as promoções em desconto em cartão. Cada promoção é necessariamente parametrizada duas vezes para abranger todo o universo de clientes, dividido pelos clientes que possuíam o antigo cartão e o mais recente. Em conclusão, cada registo único da base de dados resulta da combinação entre campanha, mecânica promocional, unidade base e marca. Para cada combinação, foram registadas diversas métricas associadas à ação promocional. As vendas líquidas representam a métrica mais relevante para o âmbito do projeto, servindo de base para a determinação do aumento de vendas devido à campanha. As vendas brutas, margem líquida e quantidade vendida também foram registadas. Visto que a base de dados agrega os artigos à unidade base, registaram-se o número de artigos parametrizados e o número de vendidos. Na mesma lógica, registaram-se também as contagens das lojas. Na Figura 2 do Anexo B é apresentado um exemplo em forma de tabela da base de dados desenhada. 4.1.2 Impacto Anteriormente, os resultados das grandes campanhas eram analisados comparando as vendas e margens, caso existissem, com as mesmas campanhas nos anos anteriores (é o caso dos meses temáticos). A maior parte das campanhas de menor dimensão não eram analisadas com pormenor. Contudo, a comparação com campanhas anteriores apresenta algumas desvantagens que levaram à consideração da criação de um processo que comparasse as vendas reais da campanha com o que seria esperado vender no mesmo período se não existisse nenhuma campanha. As análises efetuadas requeriam a criação de um período comparável, um método envolto em alguma subjetividade. Raramente era possível identificar uma campanha anterior que tivesse sido efetuada nos mesmos moldes. Por exemplo, quando a dimensão do período diferia da dimensão da campanha analisada, era necessário recorrer a algum processo de extrapolação. Além das questões de calendário, as lojas e os artigos parametrizados dificilmente se mantinham. Perante a necessidade de quantificar o impacto das campanhas de uma forma mais objetiva e automática, foi criado um método para determinar o impacto da campanha sem requerer a definição de uma campanha homóloga. O impacto foi definido como o aumento relativo (ou diminuição) das vendas líquidas da campanha face a um valor de referência, denominado de baseline (Equação 1). No âmbito deste projeto, o baseline representa o valor das vendas líquidas caso a campanha não existisse. 𝐼𝑚𝑝𝑎𝑐𝑡𝑜(%) = 𝑉𝑒𝑛𝑑𝑎𝑠 𝐿í𝑞𝑢𝑖𝑑𝑎𝑠−𝐵𝑎𝑠𝑒𝑙𝑖𝑛𝑒 𝐵𝑎𝑠𝑒𝑙𝑖𝑛𝑒 ×100 (1) Metodologia para análise de impactos de campanhas de um retalhista especializado 16 O baseline é um valor teórico, não sendo possível mensurá-lo. Desta forma, torna-se indispensável a criação de um modelo de previsão que se aproxime do que seriam as vendas líquidas sem os efeitos da campanha. A utilização de um modelo de previsão pressupõe a inevitabilidade da existência de um erro associado à previsão (Box e Draper 1987). Este problema é abordado com maior detalhe no capítulo 5. Como foi referido na secção 4.1.1, foi tido em consideração um nível de agregação da base de dados que permitisse robustez suficiente para reduzir o erro associado à previsão do baseline. A abordagem utilizada para o cálculo do baseline é apresentada na secção 4.1.3. O impacto é apenas determinado para o período em que a promoção está efetivamente a ocorrer. Da mesma forma, só são analisadas as vendas nas lojas e artigos parametrizados. Por este motivo, não serão tidos em conta possíveis efeitos de stockpiling, contágios ou canibalizações. 4.1.3 Baseline Determinou-se o baseline com base nas vendas das três semanas anteriores ao início de cada campanha (Figura 4). A decisão por uma janela temporal de três semanas teve em conta o facto de ser ampla o suficiente para permitir um baseline robusto e, ao mesmo tempo, não comprometer em demasia o custo de aquisição da informação. Este custo está relacionado com a elevada dimensão da base de dados e o tempo de processamento necessário para obter as vendas históricas. Um incremento do horizonte temporal levaria a uma diferença significativa no tempo de obtenção dos dados, que se mostrou um obstáculo ao projeto. Figura 4 - Janela temporal utilizada para o baseline Sendo o baseline uma previsão do que seriam as vendas sem efeitos promocionais, as vendas históricas utilizadas para o cálculo do mesmo foram sujeitas a um tratamento prévio, de forma a não considerar possíveis outliers (observações atípicas que apresentam uma discrepância em relação à generalidade das observações, podendo comprometer a análise efetuada) (Hodge e Austin 2004). Os outliers podem surgir por variados motivos. No contexto do projeto, destacam-se os incrementos de vendas devido a campanhas promocionais anteriores, feriados e outros períodos especiais ou até períodos sem vendas de determinados artigos, graças à falta de inventário, por exemplo. Foi desenvolvido um processo automático para contornar estes efeitos. A abordagem utilizada consistiu na substituição pela média de observações que se encontrassem fora de um intervalo de confiança do período considerado. Este processo é efetuado em duas iterações. Após a substituição das observações na primeira iteração, novos intervalos de confiança são computados e o processo é repetido (Figura 5). Metodologia para análise de impactos de campanhas de um retalhista especializado 17 A Equação 2 retrata a forma como os intervalos de confiança foram calculados. Aplicou-se uma amplitude de quatro desvios padrões, centrados pela média das observações. μ representa a média e σ o desvio padrão das vendas das 3 semanas anteriores a cada campanha. 𝐼𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛ç𝑎 = 𝜇 ± 2𝜎 (2) Figura 5 - Correção de outliers no cálculo do baseline Após o tratamento de dados, procede-se o cálculo do baseline. A Figura 6 expõe de forma geral a abordagem utilizada. Os baselines de cada dia do período em campanha são determinados individualmente, sendo posteriormente somados, resultando no baseline total da campanha (Equação 3). Figura 6 - Diagrama da abordagem utilizada para o cálculo do baseline Cada dia é definido por uma semana s e o dia da semana d correspondente. ns representa o número total de semanas da campanha e nd o número de dias da última semana (todas as semanas anteriores são completas, com 7 dias cada). O baseline diário é calculado tendo em conta as duas componentes: semana e dia da semana. VS representam as vendas semanais e VD as vendas diárias. A componente semanal resulta da média móvel, com uma janela temporal de três semanas anteriores, das vendas semanais (Equação 4). A expressão “média móvel” advém da janela temporal a que é aplicada a média, que acompanha a semana que está a ser determinada. Por exemplo, a média móvel de uma semana n teria como horizonte temporal as três semanas anteriores n-1, n-2 e n-3, independentemente da sua posição. A principal vantagem deste método reside no acompanhamento da tendência das vendas das últimas semanas, verificando-se a sua utilidade para períodos de campanhas mais longos. Na Figura 7 é exposta a metodologia empregada. Metodologia para análise de impactos de campanhas de um retalhista especializado 24 superior a campanhas com desconto de 25%. Logicamente, um maior desconto deveria apresentar um maior aumento de vendas, como é representado pelos descontos de 30 e 50%. Dado que poderão existir diversos fatores que causam efeitos significativos no impacto de campanhas, não se pode admitir à partida que a amostra de desconto de 20% é uma observação atípica. A marca de fornecedor apresentou um impacto médio sempre superior à marca própria, independentemente do desconto aplicado. Uma análise de variância considerando as unidades de negócio como fator evidenciou o seu efeito significativo no impacto (Figura 8). Foi conduzida uma análise separada a cada unidade de negócio, tendo em conta o desconto e tipo de marca. Apresentam-se de seguida os principais resultados do estudo. Figura 8 - Efeito da unidade de negócio no impacto promocional Para a unidade de negócio de Fitness e Essentials, verificou-se novamente que o impacto médio para campanhas de desconto de 20% era superior ao de 25%. A análise efetuada à unidade de negócio não incluiu esse desconto. O tipo de marca e desconto aplicado mostraram-se significativos. O gráfico da interação entre os efeitos parece demonstrar uma maior diferença de impactos entre os tipos de marca, quando os descontos são maiores (Figura 9). Apesar disso, a interação não é estatisticamente significativa (Figura 2 do Anexo F). Figura 9 - Efeitos do tipo de marca e desconto na unidade de negócio de Fitness e Essentials Metodologia para análise de impactos de campanhas de um retalhista especializado 25 A análise à unidade de negócio de Casual apresentou resultados semelhantes aos anteriores. Destaca-se, neste caso específico, o facto de que o impacto estimado para descontos de 30% ser significativamente superior aos de 25% e apenas ligeiramente inferior a 50% (Figura 10). O aumento elevado do impacto causado por campanhas com desconto de 30% é pouco credível. Figura 10 - Efeitos do tipo de marca e desconto na unidade de negócio de Casual Foi também possível efetuar a comparação entre Casual e Fitness e Essentials, utilizando uma análise de variância com três fatores. Apenas o efeito dos três fatores é significativo (Figura 4 do Anexo F). Nenhuma das interações entre os efeitos apresenta diferenças estatisticamente significativas. No entanto, a diferença do impacto entre tipos de marca aparenta ser maior para descontos superiores. Quanto às unidades de negócio, Casual apresenta melhores resultados que Fitness e Essentials. Salienta-se o facto de que a análise a três fatores já inclui o estudo de quatro interações diferentes, aumentando de modo significativo a sua complexidade. Destaca-se ainda a unidade de negócio de Ciclismo. Foi efetuado um teste de hipóteses à diferença entre os impactos causados por descontos de 20 e 30% (Figura 11). A diferença é estatisticamente significativa. Contudo, nesta unidade de negócio, tanto o desconto de 20 como o de 30% apresentaram impactos elevados, comparando com as restantes unidades. Este resultado parece indicar que o valor absoluto de desconto emitido poderá ser um fator significativo, já que o preço médio em ciclismo é mais elevado. Figura 11 - Efeito do fator desconto na unidade de negócio de ciclismo Metodologia para análise de impactos de campanhas de um retalhista especializado 26 Em suma, os resultados gerais da análise às unidades de negócio evidenciaram que a marca de fornecedor é sujeita a maiores impactos em comparação com a marca própria. O efeito do desconto mostrou-se igualmente significativo. Poderá existir uma interação entre o tipo de marca e o desconto, em que maiores descontos resultam em maiores diferenças entre os tipos de marca. O comportamento do desconto e tipo de marca difere para cada unidade de negócio. Por último, conclui-se que os impactos elevados em ciclismo poderão estar relacionados com o valor absoluto de desconto aplicado. Cada unidade de negócio apresenta um número de artigos elevado, com diferentes tipologias e géneros, por exemplo. A análise a este nível de detalhe dificilmente explicará a variação no impacto causada pela estrutura mercadológica. Por esta razão, estudaram-se os efeitos do tipo de marca e desconto para as categorias da unidade de negócio de Fitness e Essentials. A análise de variância efetuada às categorias evidencia a existência de diferenças significativas (Figura 12). Figura 12 - Efeito da categoria no impacto promocional A análise de variância ao tipo de marca e desconto para a categoria Essentials Têxtil Júnior evidenciou que apenas o efeito do tipo de marca é significativo (Figura 6 do Anexo F). O facto de só serem utilizados dois níveis de descontos não permite tirar conclusões relevantes sobre a interação entre os fatores (Figura 13). A partir da Figura 12, verificou-se que Essentials Têxtil Júnior apresenta menores impactos que a categoria Essentials Têxtil Adulto. Já que as categorias apresentam a mesma tipologia de artigos, a diferença constatada conduziu a uma análise ao efeito do género no impacto. Figura 13 - Efeitos do tipo de marca e desconto na categoria de Essentials Têxtil Júnior Metodologia para análise de impactos de campanhas de um retalhista especializado 27 Verificou-se, da mesma forma, uma diferença entre as categorias Ginásio Calçado e Ginásio Têxtil. Apesar de não ser estatisticamente significativa, uma análise ao efeito da tipologia dos artigos permitirá tirar maiores conclusões. Na secção 5.1.2 estudam-se os efeitos da tipologia e género no impacto promocional. 5.1.2 Tipologia e género Nesta secção analisam-se os efeitos da tipologia e género dos artigos no aumento de vendas de uma campanha. Dado que o desconto e o tipo de marca se mostraram, no geral, significativos, as análises seguintes deveriam contemplar ambos. Devido ao número de registos existente, não foi possível integrar simultaneamente os dois fatores na maior parte das análises efetuadas. Para cada unidade base, foi determinada a sua tipologia e género. Dividiram-se as tipologias em calçado, têxtil, bicicletas, nutrição e equipamentos. Os géneros contemplados foram homem, mulher, unissexo e júnior. Júnior engloba rapaz e rapariga, crianças e bebés. Conduzindo uma análise de variância à tipologia de artigos, verificou-se apenas uma diferença significativa na tipologia de nutrição, face às restantes (Figura 14). Uma das razões para esta tipologia apresentar impactos mais reduzidos é o uso de descontos percentuais mais baixos. Estudou-se cada tipologia em separado, tendo em conta o género, tipo de marca e desconto. Figura 14 - Efeito da tipologia no impacto promocional Incorporando os fatores desconto e género no impacto da tipologia de calçado, verificou-se que apenas o desconto tem um efeito estatisticamente significativo (Figura 7 do Anexo F). Contudo, o género de homem parece destacar-se dos restantes. A tipologia de bicicletas apresentou um comportamento idêntico à unidade de negócio de ciclismo, como seria de esperar. O impacto global é elevado e os descontos percentuais reduzidos. Analisando o efeito dos diferentes géneros para um desconto específico de 20%, não existem diferenças significativas, embora a gama de homem aparente destacar-se de júnior e unissexo (Figura 8 do Anexo F). Metodologia para análise de impactos de campanhas de um retalhista especializado 28 Não foi possível retirar conclusões relevantes para a tipologia de equipamentos. Uma divisão dos equipamentos em mais tipologias poderá fazer sentido, visto que a tipologia de equipamentos apresenta uma grande variedade de artigos, como acessórios e máquinas, por exemplo. Na análise à tipologia de têxtil, foi possível integrar os efeitos do género, tipo de marca e desconto. Os três fatores apresentaram-se estatisticamente significativos (Figura 9 do Anexo F). Em relação ao género, a gama júnior destacou-se pela negativa, comparando com homem e mulher, que não apresentaram diferenças significativas entre ambos. Para a unidade de negócio de Fitness e Essentials, estudaram-se os efeitos do género e tipo de marca na tipologia de têxtil. Apesar de apenas o tipo de marca apresentar diferenças estatisticamente significativas, os impactos inferiores correspondem ao género júnior, enquanto mulher apresenta impactos ligeiramente superiores a homem (Figura 15). Figura 15 - Efeitos do género e tipo de marca em têxtil na unidade de negócio de Fitness e Essentials Concluindo, a tipologia de nutrição apresenta impactos significativamente inferiores às restantes. As bicicletas apresentam impactos superiores, quando comparados os descontos percentuais emitidos. O género, no geral, não apresentou diferenças estatisticamente significativas, à exceção da análise à tipologia de têxtil. Contudo, detetou-se que a gama júnior apresenta constantemente impactos inferiores aos géneros de adulto. A diferença entre os géneros de homem e mulher parece variar de acordo com a tipologia de artigos e unidades de negócio. 5.2 Regressão linear múltipla e árvore de regressão Utilizaram-se as técnicas de regressão múltipla e árvores de regressão para o desenvolvimento de modelos de previsão do impacto. Foi definida uma nova estrutura mercadológica, de modo a que o número de registos existentes para cada estrutura fosse superior a 100. Para cada estrutura obtida, foram aplicadas ambas as técnicas. Os dados foram repartidos em dados de treino, constituindo 70% do total de registos, e dados de teste, para os restantes. Empregaramse os dados de treino para a construção dos modelos, enquanto os dados de teste foram utilizados para avaliar o desempenho dos modelos produzidos. Na Tabela 1 são apresentados os principais resultados das técnicas. Utilizam-se, como medidas de desempenho, o coeficiente de determinação (R2) ajustado, o erro absoluto médio (MAD) e o erro quadrático médio (MSE). Comparando as duas técnicas, verifica-se que as Metodologia para análise de impactos de campanhas de um retalhista especializado 29 árvores de regressão permitiram obter um coeficiente de determinação mais elevado. Contudo, tanto o MAD como o MSE apresentaram-se semelhantes nas duas técnicas. Tabela 1 - Exemplos de resultados obtidos com regressão múltipla e árvore de regressão O desempenho obtido não foi considerado como satisfatório para as necessidades de previsão da empresa. Além disso, no caso específico da regressão múltipla, as condições impostas aos erros, idênticas à análise de variância, não foram verificadas. A disposição dos erros não seguiu uma distribuição Normal e a homoscedasticidade não foi verificada (Figura 1 do Anexo G). Com os fatores utilizados, o R2 máximo registado foi de cerca de 40%, o que indica que a maior parte da variação do impacto não foi explicada com os modelos. Este resultado foi obtido devido à combinação de duas causas: a não inclusão de fatores com efeitos significativos no impacto e a variabilidade dos dados utilizados. A averiguação de qual das componentes terá maior peso seria pertinente. A variabilidade dos dados utilizados será abordada na secção 5.4 com maior detalhe. 5.3 Intervalos de confiança Foi possível construir uma tabela de impactos, contendo 114 intervalos de confiança (Figura 16). Os intervalos foram computados apenas para combinações resultantes dos fatores analisados: tipo de marca, desconto, tipologia, género, unidade de negócio e categoria. Só as categorias da unidade de negócio de Fitness e Essentials foram analisadas. A combinação de mais ou menos fatores teve em conta o número de registos presentes na base de dados. Para a unidade de negócio de Casual, por exemplo, foram utilizadas combinações entre tipo de marca e desconto. Por outro lado, apenas foi possível calcular o impacto médio de toda a unidade de negócio de Aquáticos e Skates. Metodologia para análise de impactos de campanhas de um retalhista especializado 30 Figura 16 - Exemplo retirado da tabela de impactos desenvolvida A amplitude dos intervalos de confiança está relacionada com a dimensão existente de registos e o seu desvio padrão, que constitui uma medida da variabilidade das amostras. A Figura 17 apresenta um histograma das amplitudes dos intervalos de confiança obtidos. Figura 17 - Histograma e boxplot das amplitudes dos intervalos de confiança obtidos A amplitude mínima obtida para os intervalos de confiança foi de 17%, sendo que a máxima atingiu 87%. A distribuição das amplitudes demonstra uma forma Normal, concentrando-se a maior parte entre 30 e 50%. A obtenção de um maior número de registos permitirá diminuir consideravelmente a amplitude dos intervalos obtidos. A alta variabilidade dos impactos registados poderá estar relacionada com os erros provenientes do modelo de previsão do baseline. Na secção 5.4 é detalhada a problemática resultante do seu cálculo. 5.4 Erro na determinação do baseline Visto que a determinação do baseline parte de um modelo de previsão, existirá necessariamente um erro associado ao seu cálculo. Assim sendo, a avaliação da incerteza Metodologia para análise de impactos de campanhas de um retalhista especializado 31 associada à metodologia definida torna-se pertinente. Adicionalmente, dado que o baseline é utilizado no cálculo do aumento de vendas, o erro associado ao impacto será ainda maior. A título de exemplo, consideremos um caso teórico em que uma determinada campanha apresenta vendas líquidas de 100€, quando, num cenário sem campanha, obteria apenas 50€. O seu impacto, de acordo com a fórmula utilizada, seria de 100%. Na prática, não tendo acesso às vendas do cenário sem campanha, determina-se um baseline de 40€, a partir do modelo definido. O erro relativo associado ao modelo é apenas de 20%. Porém, de acordo com o baseline, o impacto calculado é de 150%. Ou seja, um erro de 20% na previsão do baseline resultou num erro de 50% na determinação do impacto. Para a avaliação da incerteza, seria necessária a criação de um período de teste, isento de efeitos promocionais e outros efeitos externos relevantes. A multiplicidade de campanhas existentes e a alta sazonalidade dos artigos tornam este processo mais complexo. O nível de agregação definido tem uma contribuição importante na redução do erro associado ao modelo. Apesar disso, a diferença de dimensões dos registos extraídos é evidente. A base de dados utilizada para a análise contém registos com vendas na ordem dos 20€ até aos 200.000€. É expectável que, para registos de menor dimensão, o erro médio envolvido seja superior. Metodologia para análise de impactos de campanhas de um retalhista especializado 32 6 Conclusões e perspetivas de trabalho futuro A presente dissertação aborda o desenvolvimento de uma nova metodologia para a análise e previsão do impacto de campanhas de um retalhista especializado. Anualmente, a empresa realiza diversas ações promocionais de diferentes carizes. As campanhas efetuadas contêm uma variedade alargada de especificações. A oferta promocional compreende por inteiro o seu universo de lojas e artigos, abrangendo todos os níveis da sua estrutura mercadológica. De modo adicional, a característica sazonal dos seus artigos não permite a análise a este nível de detalhe. Anteriormente ao projeto, a análise de campanhas era realizada a partir da comparação de vendas e margens entre o período promocional e um período homólogo, comparável. Apenas as grandes campanhas eram alvo de uma análise mais detalhada, comparando a sua prestação com a mesma do ano anterior. O confronto com outras campanhas apresenta várias desvantagens. Variando o horizonte do calendário promocional, por exemplo, é necessário um processo de extrapolação. A alta sazonalidade dos artigos impede que o conjunto de artigos em campanha permaneça igual de um ano para o outro, sendo que o mesmo é verificado para as lojas. Propõe-se neste estudo uma abordagem inovadora à análise do desempenho promocional do retalhista. A metodologia desenvolvida permite o cálculo uniforme do impacto da generalidade das campanhas, independentemente das suas dimensões. O seu impacto é determinado pela comparação do desempenho real de uma promoção com um cenário teórico sem campanha. A avaliação generalizada das ações promocionais permite não só uma análise mais detalhada aos fatores que influenciam significativamente o seu impacto, como a estimação de impactos futuros, consoante esses fatores. Estas duas componentes têm como objetivo o auxílio ao processo de decisão no desenho de campanhas futuras, já que permitem prever os seus resultados e adaptar da melhor forma os fatores que as caracterizam. O projeto foi repartido em três grandes objetivos. O seu principal propósito é a simulação de impactos de campanhas futuras, de acordo com as suas características. Para esse efeito, foi necessária a determinação prévia dos impactos das campanhas históricas, para que seja possível a extrapolação para os desempenhos futuros. A abordagem definida para o cálculo dos impactos históricos tem como último objetivo a sua utilização para o acompanhamento de campanhas a decorrer. O apuramento dos impactos históricos apresenta duas fases: o levantamento das campanhas históricas e o posterior cálculo do seu impacto. Foi definido um horizonte temporal de 2 anos de histórico. O nível de agregação utilizado na base de dados de campanhas históricas compreende a combinação de cada campanha, mecânica promocional, unidade base e marca. O impacto, calculado para cada combinação, é dado pela diferença relativa entre as vendas líquidas reais e um baseline. O baseline corresponde às vendas realizadas caso a campanha não existisse. A sua determinação parte de um modelo de previsão baseado nas vendas das três semanas anteriores ao início da campanha. O modelo baseia-se numa componente semanal, dada pela média móvel das vendas semanais, adicionando-lhe um índice constante para cada dia da semana que não esteja numa semana completa. Metodologia para análise de impactos de campanhas de um retalhista especializado 33 Após a construção da base de dados e posterior cálculo do impacto, analisaram-se alguns dos fatores que poderão causar variações significativas no mesmo. As principais variáveis consideradas foram a quantidade de desconto, o tipo de marca, a tipologia e o género. Utilizou-se a técnica de análise de variância para inferir diferenças significativas. De seguida, foram desenvolvidos modelos de previsão para a simulação de novos impactos, utilizando as técnicas de regressão múltipla e árvores de regressão. Dado que as duas técnicas empregadas não apresentaram resultados satisfatórios, recorreu-se à estimação de intervalos de confiança para o valor esperado do impacto, combinando os fatores previamente analisados. Foram construídas duas ferramentas para o auxílio da construção de novas campanhas e do acompanhamento de campanhas a decorrer. O simulador de campanhas futuras permite, a partir da análise realizada e impactos estimados, aferir o aumento de vendas esperado para a campanha e comparar a margem efetuada entre um cenário com campanha e um sem ações promocionais. A ferramenta de acompanhamento utiliza a metodologia definida para o baseline para efetuar a comparação entre as vendas reais e as que seriam expectáveis caso a campanha não existisse. 6.1 Principais resultados A análise estatística às unidades de negócio demonstrou que tanto o tipo de marca como o desconto causam variações significativas no impacto. As marcas de fornecedor apresentam impactos superiores às marcas próprias. Poderá também existir uma interação entre os dois fatores, em que, para descontos superiores, a diferença entre tipos de marca é mais evidente. Contudo, o comportamento dos dois fatores varia de acordo com a unidade de negócio. Os resultados elevados apresentados em ciclismo, com descontos percentuais reduzidos, indicam que o valor absoluto do desconto poderá também ser um fator significativo. Num estudo mais detalhado, ao nível da categoria, identificaram-se os fatores tipologia e género como possíveis variáveis significativas. Dividiram-se as tipologias em têxtil, calçado, equipamentos, nutrição e bicicletas. Os géneros foram repartidos em homem, mulher e júnior. A tipologia nutrição apresentou impactos significativamente inferiores, em comparação com as restantes. As bicicletas mostraram impactos superiores, quando comparados os descontos percentuais emitidos. O efeito do género foi estudado para cada tipologia. No geral, não foram identificados efeitos estatisticamente significativos, à exceção da tipologia de têxtil, em que júnior se destacou pela negativa face aos géneros de adulto. Este comportamento mantém-se para as restantes tipologias. Os efeitos dos géneros de homem e mulher apresentam comportamentos distintos entre unidades de negócio e tipologias. As técnicas de regressão múltipla e árvores de regressão utilizadas no desenvolvimento de modelos de previsão para o impacto, não apresentaram resultados suficientemente positivos para as necessidades requeridas. Ambas apresentaram desempenhos semelhantes. No caso da regressão múltipla, as condições de normalidade e variância constante dos erros não foram verificados. O coeficiente de determinação máximo obtido foi de 40%. O facto de grande parte da variação não ser explicada por ambos os modelos poderá resultar tanto da falta de envolvimento de fatores com efeitos relevantes no impacto como da variabilidade dos dados utilizados. Construiu-se uma tabela de impactos, em que, para diferentes combinações entre os fatores previamente analisados, os impactos foram estimados através de intervalos de confiança. As amplitudes dos 114 intervalos obtidos concentram-se entre os 30 e 50%. A obtenção de um maior número de registos permitirá diminuir a amplitude dos intervalos. Metodologia para análise de impactos de campanhas de um retalhista especializado 40 Figura B 2 - Estrutura da base de dados de campanhas históricas A Figura 2 apresenta a estrutura da base de dados construída. Os dados da figura são fictícios. O nível de agregação utilizado constituiu a combinação entre campanha, mecânica promocional, unidade base e marca. Todas as hierarquias da estrutura mercadológica até à unidade base foram registadas. As datas de início e fim de cada campanha também foram consideradas. Para cada combinação foram recolhidas diversas métricas, assim como calculados o baseline e o impacto. NR_SKUS_PARAM representa o número de artigos filho parametrizados, NR_STYLE_PARAM o número de artigos pai e NR_LOJAS_PARAM o número de lojas. Foram também registados os números de artigos e lojas em que existiram vendas no período de campanha. Nas mecânicas promocionais de desconto direto, as vendas líquidas já contêm os descontos aplicados. Para estes casos foram calculadas as vendas líquidas antes de descontos. As vendas brutas, margem líquida e quantidade vendida foram também registados. Metodologia para análise de impactos de campanhas de um retalhista especializado 41 ANEXO C: Análise e previsão de impactos Figura C 1 - Processo de remoção de impactos outliers O processo de remoção de impactos outliers foi realizado com o auxílio do software Minitab. Inicialmente, construiu-se um gráfico de dispersão com todos os impactos calculados (canto superior esquerdo). Verificaram-se pontos que se encontravam deslocados face à maioria dos impactos, sendo definido um limite superior de 2000%. De seguida, utilizando a mesma abordagem (canto superior direito), foi imposto um limite de 500%. Por fim, foi definido o teto superior de 400%, baseando a decisão num histograma e diagrama de caixa computados pelo Minitab. O software identifica como outliers as observações que se encontram a mais de uma certa distância do final da caixa. A distância é 1,5 vezes o comprimento da caixa, dado pela diferença entre o primeiro e terceiro quartis. Metodologia para análise de impactos de campanhas de um retalhista especializado 42 Figura C 2Exemplo de um gráfico de dispersão de erros provenientes da análise de variância Figura C 3 - Exemplo de um resultado obtido a partir da técnica de árvore de regressão A Figura 3 apresenta um exemplo de um resultado de uma árvore de regressão, fornecido automaticamente pelo software R. A cada nó da árvore uma variável é dividida por ramos que representam os diferentes valores que a variável apresenta. O impacto e o número de observações são registados para cada divisão (ramos), até à extremidade (folhas). Caso a condição do nó seja verdadeira, o impacto esperado será o apresentado no ramo da esquerda. Metodologia para análise de impactos de campanhas de um retalhista especializado 43 ANEXO D: Ferramenta simuladora de impactos Figura D 1 - Plataforma para o estudo do efeito de diferentes fatores no impacto promocional Figura D 2 - Simulador de rentabilidade de campanhas futuras Metodologia para análise de impactos de campanhas de um retalhista especializado 44 Figura D 3 - Exemplo do ajuste do baseline face às vendas reais Figura D 4 - Gráfico para o baseline utilizado no simulador O objetivo principal da ferramenta simuladora de campanhas é auxiliar o processo de decisão dos agentes comerciais na definição de novas campanhas. A ferramenta fornece uma base para a determinação do aumento de vendas esperado com uma campanha, tendo em conta a combinação de vários fatores, como o desconto aplicado, a estrutura mercadológica à qual o desconto é aplicado e o tipo de marca dos artigos, por exemplo. Foi construída uma tabela que contém intervalos de confiança para o valor esperado do aumento de vendas de uma campanha (Figura 16 do corpo principal). Escolhendo a combinação de fatores pretendida, os agentes comerciais definem um impacto esperado para a campanha, tendo em consideração o intervalo de confiança. O crescimento de vendas esperado é inserido no simulador de rentabilidade (Figura 2), assim como o desconto a ser aplicado e outras receitas ou despesas incrementais que derivam da realização da campanha. O simulador determina se o crescimento de vendas originário da campanha é suficiente para compensar a redução de margem resultante do desconto aplicado e outras despesas comerciais. O resultado final do simulador é positivo se a margem que se espera obter sem campanha for inferior à margem obtida com campanha. O baseline de vendas para o cenário sem campanha é determinado pela ferramenta. É apresentado um gráfico com o baseline esperado para o período de campanha e para a janela temporal anterior à campanha (Figura 4). O modelo de previsão usado para o cálculo do baseline tem por base um horizonte temporal mais alargado, de pelo menos dois anos, de modo a incorporar o comportamento anual das vendas. O ajuste do baseline obtido face às vendas reais é apresentado, a título de exemplo, na Figura 3. Metodologia para análise de impactos de campanhas de um retalhista especializado 45 Foi desenvolvida uma plataforma para a análise do efeito de diferentes fatores no impacto promocional (Figura 1). Caso o número de registos seja significativo, podem ser construídos novos intervalos de confiança e posteriormente inseridos na tabela de impactos. Caso a base de dados seja expandida, esta plataforma auxiliará a atualização dos intervalos de confiança. Metodologia para análise de impactos de campanhas de um retalhista especializado 46 ANEXO E: Ferramenta de acompanhamento de campanhas Figura E 1 - Quadro geral da ferramenta de acompanhamento A ferramenta de acompanhamento introduziu a comparação dos resultados da campanha com um cenário teórico sem campanha. Assim é possível determinar o incremento de vendas e margem associadas à realização da campanha. Para além do quadro geral apresentado na Figura 1, a ferramenta serve-se da estrutura utilizada pelo simulador (Figura 2 do Anexo D) para a determinação da rentabilidade efetiva da campanha. Nesta ferramenta, o baseline de vendas é obtido com base na metodologia das três semanas anteriores à campanha, utilizada para a determinação do impacto de campanhas históricas. O baseline de margem percentual foi definido como a média das três semanas anteriores. Esta margem é assumida como constante ao longo da campanha. O facto de o baseline de vendas ser determinado para cada dia possibilita um acompanhamento mais detalhado da campanha. Metodologia para análise de impactos de campanhas de um retalhista especializado 47 ANEXO F: Resultados da análise estatística Figura F 1Efeitos do tipo de marca e desconto na generalidade das campanhas Metodologia para análise de impactos de campanhas de um retalhista especializado 48 Figura F 2 - Tabela ANOVA ao tipo de marca e desconto na unidade de negócio de Fitness e Essentials Figura F 3 - Tabela ANOVA ao tipo de marca e desconto na unidade de negócio de Casual Metodologia para análise de impactos de campanhas de um retalhista especializado 49 Figura F 4 - Efeitos do tipo de marca e desconto nas unidades de negócio de Casual e Fitness e Essentials Figura F 5 - Tabela ANOVA para o efeito da categoria no impacto promocional