Retos del siglo XXI para los fabricantes de gran consumo: erosión de clientes, poder de los minoristas y roturas de stock en los puntos de venta

José Miguel Holgado Herrero 3 TESIS DOCTORAL RETOS DEL SIGLO XXI PARA LOS FABRICANTES DE GRAN CONSUMO: EROSIÓN DE CLIENTES, PODER DE LOS MINORISTAS Y ROTURAS DE STOCK EN LOS PUNTOS DE VENTA José Miguel Holgado Herrero UNIVERSIDAD DE SEVILLA Departamento de Administración de Empresas y Marketing Directores Prof. Dra. Dña. Carmen Barroso Castro Prof. Dr. D. Fco. Javier Rondán Cataluña Tutor Universidad de Sevilla Prof. Dr. D. José Luis Galán González Tutor Industrial (Nestlé España S.A) D. Raimon Cararach Salami José Miguel Holgado Herrero 4 José Miguel Holgado Herrero 5 Agradecimientos Quisiera expresar mi más sincero agradecimiento a las personas e instituciones que han hecho posible la realización de esta Tesis Doctoral. En primer lugar, agradezco profundamente a mis directores, Carmen y Javier, por su orientación experta, apoyo constante y valiosos consejos a lo largo de todo el proceso de investigación. Su dedicación y conocimientos han sido fundamentales para el desarrollo de este trabajo. Agradezco también a mi tutor por parte de la Universidad, José Luis, por su orientación y apoyo continuo, así como a Rai, tutor por parte de Nestlé España, S.A, por su colaboración y por brindarme la oportunidad de trabajar en un entorno tan enriquecedor. Su experiencia y apoyo han sido cruciales para el éxito de esta investigación. Mi más sincero agradecimiento a Nestlé España S.A. por proporcionarme los recursos y el entorno necesarios para llevar a cabo este proyecto. Su apoyo institucional ha sido invaluable. A mi familia, quiero expresar mi más profundo agradecimiento por su amor y apoyo incondicional. A mi madre Ana María y a mi padre Roberto, por sus constantes alientos y comprensión a lo largo de este arduo proceso. A mi esposa Virginia, por su paciencia, comprensión y por estar a mi lado en cada paso del camino. A mis hijas María y Mónica, por su amor y por ser mi fuente de inspiración y fortaleza. Finalmente, agradezco a todos aquellos que, de manera directa o indirecta, han contribuido al desarrollo de esta Tesis Doctoral. Su apoyo ha sido esencial para la culminación de este trabajo. José Miguel Holgado Herrero 6 José Miguel Holgado Herrero 7 ÍNDICES Índice de tablas ................................................................................................... 11 Índice de figuras .................................................................................................. 13 Resumen ............................................................................................................ 17 Capítulo I: Introducción .................................................................................... 25 1. Delimitación del problema y objetivo de la investigación ................................. 25 2. Desafíos a los que se enfrentan los fabricantes de gran consumo y objetivos específicos ....................................................................................... 29 2.1. Pérdida de clientes ................................................................................... 29 2.2. Aumento del poder de los minoristas frente a los fabricantes ................... 33 2.3. Roturas de stock en los puntos de venta .................................................. 36 3. Contexto y entorno de la investigación ............................................................ 42 3.1. Nestlé en España ..................................................................................... 43 3.2. La distribución en España......................................................................... 46 3.3. La pandemia del año 2020 ....................................................................... 48 4. Estructura de la Tesis Doctoral ........................................................................ 49 Capítulo II: Fundamentos teóricos .................................................................. 53 1. Erosión de clientes y factores asociados ......................................................... 54 1.1. Factores sociodemográficos ..................................................................... 59 1.2. Concentración de las compras ................................................................. 67 2. Influencia del poder de los minoristas sobre el tamaño del surtido y de la innovación en los puntos de venta. El papel moderador del canal ................... 68 2.1. Innovación ................................................................................................ 74 José Miguel Holgado Herrero 8 2.2. El papel moderador del tipo de canal en la relación entre el poder de los minoristas y el tamaño del surtido y de la innovación ...................................... 78 3. Las roturas de stock en los puntos de venta ................................................... 81 3.1. Roturas de stock ....................................................................................... 81 3.2. Pandemia y roturas de stock .................................................................... 84 Capítulo III: Metodología ................................................................................... 93 1. Fuentes de información ................................................................................... 93 1.1. Erosión de clientes ................................................................................... 93 1.2. Tamaño del surtido y de la innovación ...................................................... 95 1.3. Roturas de stock ....................................................................................... 97 2. Variables del estudio ....................................................................................... 98 2.1. Erosión de clientes ................................................................................... 99 2.2. Tamaño del surtido y de la innovación .................................................... 101 2.3. Roturas de stock ..................................................................................... 102 3. Métodos estadísticos .................................................................................... 103 3.1. Erosión de clientes: impacto de los factores sociodemográficos y de la concentración de las compras ....................................................................... 103 3.2. Influencia del poder de los minoristas sobre el tamaño del surtido y de la innovación en los puntos de venta. El papel moderador del canal ................. 106 3.3. Análisis de las roturas de stock ante un incremento repentino de la demanda ....................................................................................................... 108 José Miguel Holgado Herrero 9 Capítulo IV: Resultados y discusión .............................................................. 113 1. Erosión de clientes: impacto de los factores sociodemográficos y de la concentración de las compras ....................................................................... 113 1.1. Resultados alcanzados ........................................................................... 113 1.2. Discusión de los resultados alcanzados ................................................. 125 2. Influencia del poder de los minoristas sobre el tamaño del surtido y de la innovación en los puntos de venta. El papel moderador del canal ................. 129 2.1. Resultados alcanzados ........................................................................... 129 2.2. Discusión de los resultados alcanzados ................................................. 139 3. Análisis de las roturas de stock ante un incremento repentino de la demanda…………… ...................................................................... ………………..141 3.1. Resultados alcanzados ........................................................................... 141 3.2. Discusión de los resultados alcanzados ................................................. 149 Capítulo V: Conclusiones ............................................................................... 155 1. Implicaciones en el ámbito académico .......................................................... 160 2. Implicaciones en el ámbito empresarial ..................................................... ….163 3. Limitaciones, sugerencias para investigaciones futuras y consideraciones finales……………. ......................................................................................... 168 3.1. Limitaciones............................................................................................ 168 3.2. Futuras investigaciones .......................................................................... 170 3.3. Consideraciones finales .......................................................................... 172 Bibliografía ...................................................................................................... 177 José Miguel Holgado Herrero 10 José Miguel Holgado Herrero 11 Índice de tablas Tabla 1. Aportes de la investigación sobre la erosión de clientes ........................... 58 Tabla 2. Descriptivos a nivel de canales para el análisis de las roturas de stock ... 98 Tabla 3. Variables independientes utilizadas en el análisis de la erosión de clientes ............................................................................................................................. 100 Tabla 4. Características de la muestra para el análisis de la erosión clientes (tamaño de la muestra = 3,563) ........................................................................... 100 Tabla 5. Tasas de repetición de compra trimestrales y erosión según la edad del responsable de compra del hogar ........................................................................ 116 Tabla 6. Tasas de repetición de compra trimestrales y erosión según el tamaño de la familia ............................................................................................................... 118 Tabla 7. Tasas de repetición de compra trimestrales y erosión según el ciclo de vida ............................................................................................................................. 120 Tabla 8. Tasas de repetición de compra trimestrales y erosión según la clase social ............................................................................................................................. 122 Tabla 9. Tasas de repetición de compra trimestrales desde la base (Q1 a Q4) y erosión según la concentración de compra .......................................................... 124 Tabla 10. Regresión de datos de panel para el tamaño del surtido ...................... 131 Tabla 11. Regresión de datos de panel para el tamaño innovación ...................... 132 Tabla 12. Modelos de clases latentes estimados para el tamaño del surtido ........ 134 Tabla 13. Parámetros del modelo de clases latentes para el tamaño del surtido.. 135 Tabla 14. Clases latentes para el tamaño del surtido ........................................... 136 Tabla 15. Modelos de clases latentes estimados para el tamaño de la innovación ............................................................................................................................. 137 José Miguel Holgado Herrero 18 los minoristas y de las marcas de distribución influyen en estas decisiones, así como el papel moderador del tipo de canal en esta dinámica. Finalmente, en tercer lugar, una vez que los minoristas han definido el tamaño del surtido y de las innovaciones que estarán disponibles en sus puntos de venta, es crucial garantizar que estos productos se mantengan disponibles constantemente en los lineales, evitando así las roturas de stock. Estas interrupciones de disponibilidad de producto, en su caso, suponen una reducción del tamaño del surtido y de la innovación durante el tiempo que dura la rotura de stock. No solo provocan una pérdida inmediata de ventas, sino que también pueden comprometer la retención de clientes, debilitando la relación con el consumidor y afectando su lealtad hacia la marca. La importancia de asegurar la disponibilidad continua de los productos conecta directamente con el tercer eje de esta investigación. Dado que se ha demostrado que los niveles de roturas de stock han variado muy poco durante décadas, este estudio se centrará en un caso particular de las mismas, las que se producen en momentos de incrementos súbitos de demanda. La reciente pandemia de la COVID-19 ha proporcionado un escenario único para explorar este fenómeno, permitiendo observar cómo las fluctuaciones extremas en la demanda pueden desestabilizar las cadenas de suministro y afectar la presencia de productos en los puntos de venta. Nuestro análisis profundizará en cómo las diferentes categorías de producto y las distintas fases del confinamiento influyeron en las roturas de stock en los puntos de venta, resaltando las lecciones aprendidas en un entorno tan volátil y demandante. Esta perspectiva busca proponer estrategias para mitigar su impacto en el futuro. José Miguel Holgado Herrero 19 Estas tres cuestiones —la erosión de compradores, el poder de los minoristas y su efecto en el tamaño del surtido y de la innovación y las roturas de stock— son interdependientes y afectan a variables cruciales para la supervivencia de las empresas, como las ventas, la rentabilidad y la cuota de mercado. La erosión de clientes puede llevar a una disminución de la lealtad hacia las marcas, lo que, a su vez, influye en el poder que los minoristas tienen para decidir sobre el tamaño del surtido y de las innovaciones que ofrecen. Además, garantizar la disponibilidad de producto en los estantes es fundamental para evitar la pérdida de clientes y prevenir una reducción del surtido y de la innovación durante los períodos en los que se produce la rotura de stock. Gracias a sus resultados y conclusiones, esta investigación persigue, no solo generar un entendimiento más profundo de estas dinámicas complejas, sino también ofrecer insights valiosos que orienten estrategias efectivas para los fabricantes en un entorno de mercado en constante evolución. Metodología: Para abordar los desafíos identificados en esta investigación, se ha diseñado una metodología adecuada que garantice la profundidad y rigor del análisis. En primer lugar, para investigar la erosión de clientes, se utilizan datos de 3,563 compradores que realizaron un total de 20,601 compras durante los años 2017 al 2019, provenientes de un panel que abarca más de 12,000 hogares, facilitados por una reconocida empresa de investigación de mercado en España. En este estudio, se adopta un enfoque metodológico conductual, inspirado en investigaciones previas realizadas por Dawes, Graham y Trinh (2021), East y Hammond (1996) y Ehrenberg (1988). Este enfoque permite comprender las dinámicas de compra y las tendencias de comportamiento de los José Miguel Holgado Herrero 20 consumidores. En segundo lugar, para examinar el impacto del poder de los minoristas sobre el tamaño del surtido y de la innovación, así como el papel moderador del canal en estas relaciones, se emplean datos recopilados ad-hoc por Nielsen. Esta empresa llevó a cabo auditorías en una muestra equilibrada de 493 tiendas representativas de la gran distribución española, realizando estas evaluaciones dos veces al año durante un periodo de dos años, 2018 y 2019. En total, se realizaron 1,972 auditorías en puntos de venta a lo largo de la geografía española. Además, se integran datos del Panel de Detallistas de Nielsen y del Panel de Consumidores de Kantar, lo que enriquece el análisis. Para este estudio, se aplican modelos de regresión de datos de panel y regresión de clases latentes, lo que permite identificar patrones complejos en las decisiones de surtido y de las innovaciones en el contexto del poder de los minoristas. Finalmente, para explorar las roturas de stock en momentos de incrementos significativos de demanda, se utiliza también información recopilada ad-hoc por Nielsen. Se visitó una muestra equilibrada de 310 tiendas en España durante los años 2019 y 2020. Se recogió información en cada uno de dichos puntos de venta 3 veces al año durante 3 años, lo que hizo un total de 1,860 visitas. El análisis se lleva a cabo mediante modelos ANOVA de medidas repetidas, pruebas post hoc y redes neuronales, con el objetivo de identificar patrones significativos y relaciones entre los diferentes factores que influyen en las roturas de stock en este contexto. Resultados: La erosión de clientes varía de manera significativa en función de diversos factores sociodemográficos, tales como la edad del responsable de compra del hogar, el tamaño de la familia, el ciclo de vida y la clase social, lo que José Miguel Holgado Herrero 21 sugiere que la erosión de los clientes está influenciada por características específicas del perfil sociodemográfico. Además, se observan diferencias notables en la erosión a nivel de marca. En relación con el poder de los minoristas, se identifica que un mayor poder del canal descuento está asociado con un menor tamaño del surtido y de innovaciones disponibles en los puntos de venta. Sin embargo, se destaca que los hipermercados y supermercados adoptan estrategias diferenciadas dentro de sus respectivos canales, lo que indica que existen factores adicionales, más allá del poder de los minoristas, que afectan las decisiones sobre el surtido y de las innovaciones. Finalmente, el análisis de los datos sobre roturas de stock en el contexto de un incremento significativo de la demanda, utilizando como caso de estudio lo ocurrido por la reciente pandemia, revela que las fases de la primera ola de la COVID-19 y las categorías de productos tuvieron un impacto considerable en los niveles de disponibilidad en los puntos de venta. En particular, se encontró que la importancia de las fases del confinamiento fue cuatro veces mayor que la de las categorías de productos, por lo que a las roturas de stock se refiere, lo que subraya la influencia crítica de las condiciones externas en la gestión de inventarios durante situaciones de incrementos abruptos de demanda. A través de estos resultados, se ofrece información crucial que puede guiar el desarrollo de estrategias efectivas para los fabricantes de marcas en el sector del gran consumo. Implicaciones teóricas y prácticas: Los resultados de esta investigación resaltan la importancia de considerar las variables sociodemográficas y la concentración de compras para comprender de manera más matizada las José Miguel Holgado Herrero 22 dinámicas de la erosión de clientes. Al integrar estas variables, se avanza hacia un marco teórico más refinado y preciso que permite una comprensión holística de los factores que influyen en la lealtad del consumidor. Este enfoque no solo contribuye a la literatura académica, sino que también establece una base para futuras investigaciones en este campo. Los hallazgos pueden ser de gran utilidad para los gerentes de marca en su esfuerzo por mantener o incrementar su cuota de mercado. Reducir la erosión de clientes no solo minimiza la necesidad de captar nuevos clientes, sino que también puede contribuir a la consolidación de la posición en el mercado. Las diferencias observadas en la erosión de clientes según la marca subrayan la necesidad de desarrollar estrategias personalizadas que aborden este desafío de manera efectiva. Asimismo, los resultados obtenidos en el estudio sobre el poder de los minoristas y su impacto en el surtido y la innovación, junto con la relación inversa entre el poder del canal de descuento y el tamaño del surtido y la innovación, sugieren que los fabricantes deben adaptar sus estrategias para operar eficazmente en este canal. Finalmente, los resultados del estudio del impacto de un incremento importante en la demanda de productos sobre las roturas de stock en los puntos de venta proporcionan a los gestores valiosas perspectivas para fortalecer la resiliencia empresarial ante futuras situaciones similares. Las acciones generales durante estos incrementos repentinos de demanda resultan insuficientes; los fabricantes deben optimizar sus cadenas de producción y priorizar aquellos productos más vulnerables a las compras por pánico en cada fase. Adicionalmente, es crucial que las autoridades gubernamentales fortalezcan sus relaciones con todos los actores de la cadena de suministro, especialmente durante los momentos críticos. José Miguel Holgado Herrero 23 Capítulo I: Introducción José Miguel Holgado Herrero 24 José Miguel Holgado Herrero 25 Capítulo I: Introducción 1. Delimitación del problema y objetivo de la investigación La industria de bienes de gran consumo (GC) desempeña un papel crucial en la economía global debido a su impacto significativo en el presupuesto familiar y en las dinámicas de consumo diario. Este sector abarca principalmente productos esenciales como alimentos, bebidas, artículos de cuidado personal y del hogar (Wang, 2024). Los productos de GC están diseñados para atender la demanda constante de los consumidores y habitualmente se comercializan como artículos desechables y de un solo uso (Pilelien, Batyk y Žukovskis, 2024). El sector de GC se caracteriza por su dinamismo y complejidad, lo que impone a los fabricantes de marcas una serie de desafíos inherentes. Estos desafíos se manifiestan principalmente a través de amenazas que impactan directamente su capacidad para mantener y mejorar su posición competitiva en el mercado (Asiimwe, Katungi, Marimo, Maukankusi, Rubyogo y Anthony, 2024; Olanrewaju, Ezinwa, Chrisanctus y Chinonye, 2024; Shakur, Lubaba, Debnath, Bari y Rahman, 2024). Sin embargo, al actuar de manera efectiva frente a estos desafíos, los fabricantes podrían proteger o incluso aumentar sus ventas, su cuota de mercado y su rentabilidad, fortaleciendo así su posición competitiva y adaptándose más eficientemente a las cambiantes dinámicas del sector. En esta Tesis Doctoral nos vamos a focalizar en tres de estos grandes desafíos. José Miguel Holgado Herrero 26 En primer lugar, las marcas se enfrentan a la pérdida de clientes (Hossain, Anesbury, Driesener y Trinh, 2024; Tashakkori, Lotfizadeh y Doroudi, 2024; Zhan, Ghosh y Abbas, 2024). Solo una fracción de compradores que adquieren una marca en un período determinado repiten su compra en el siguiente. Entre el 60% y el 80% de las ventas de cada periodo dependen de nuevos clientes (Cui, Lu, Sun y Golden, 2023; Dawes, Grahams y Trinh, 2021a). Si los fabricantes logran reducir la pérdida de la base de clientes, las marcas necesitarían menos nuevos consumidores para mantener o incluso aumentar sus ventas y, por lo tanto, su cuota de mercado, lo que también impactaría positivamente en su rentabilidad. En segundo lugar, los fabricantes de productos de GC en el sector de la alimentación dependen en gran medida de la distribución de sus productos a través de los minoristas de la gran distribución (GD). Aunque el canal online cada vez ocupa mayor protagonismo, su cuota de mercado en este sector sigue siendo relativamente baja, situándose en España tan solo en el 2.8% del mercado (Kantar WorldPanel, 2024). Por tanto, la relación con los minoristas es crucial, ya que estos tienen un control significativo sobre la disponibilidad de los productos y el acceso de los consumidores a las marcas, lo cual impacta directamente en la capacidad de estas para competir de manera efectiva. En este contexto, el papel de los minoristas de la GD ha cobrado aún más relevancia debido a la transformación estructural que ha experimentado el sector en las últimas décadas. La rápida concentración de poder en manos de unos pocos grandes minoristas (Matsumoto, Kamai y Kanazawa, 2024) ha redefinido las dinámicas del mercado, permitiéndoles influir significativamente en el tamaño del surtido y en la innovación de productos que los consumidores encuentran en José Miguel Holgado Herrero 27 las estanterías de los puntos de venta (PDV) (Chen, Qu, Xiang, Zhao y Shen, 2019). Esta concentración de poder plantea un desafío estratégico para los fabricantes, que deben adaptarse a las exigencias y condiciones impuestas por los minoristas para asegurar su presencia en el mercado. Este reto será uno de los aspectos fundamentales que analizaremos en esta investigación. En tercer lugar, un factor que puede afectar significativamente las ventas, la cuota de mercado y la rentabilidad de los fabricantes es la ocurrencia de roturas de stock (RS) en los PDV. En un entorno empresarial marcado por una competencia intensa, es crucial abordar este desafío, ya que las RS no solo limitan la disponibilidad de productos, sino que también reducen tamaño del surtido y de la innovación que los consumidores esperan encontrar durante el tiempo que dure esta situación. Este problema se agrava en situaciones donde se producen cambios abruptos en la demanda, como los ocasionados por crisis globales derivadas de desastres naturales, como terremotos o pandemias. Así, la reciente pandemia de la COVID-19 ha puesto de manifiesto la vulnerabilidad de la cadena de suministro (Sikos y Molnár, 2024) y ha resaltado la importancia de estar preparados para responder a fluctuaciones repentinas en la demanda (Arnet, Ni, Wangenheim, Wangenheim, 2024). Las empresas deben reconocer que, dado que esta no será la última crisis de tal magnitud (Ivanov, 2024; Pan, Dresner, Li y Martin, 2024; Yagoub, AlSumaiti, Alhosani, Elmubarak, Kortbi, Tesfaldet, Namani, y Aldhanhani, 2024), la experiencia adquirida durante la pandemia ofrece una oportunidad única para investigar y comprender mejor las RS en los PDV ante estas situaciones. Este reto será el tercer elemento clave que se explorará a lo largo de esta investigación. José Miguel Holgado Herrero 34 consecuencia, los minoristas se han convertido en actores clave dentro de las cadenas de valor de muchos productos de consumo. El poder es un concepto fundamental en la literatura sobre minoristas y fabricantes (Tudoran et al., 2024). Varios estudios han explorado la relación entre poder, surtido e innovación (Rehme, Nordigården, Ellström y Chicksand, 2016). Por ejemplo, (Alibeiki, Li y Vaidyanathan, 2020) examinaron la influencia de los grandes minoristas en el surtido y encontraron un impacto significativo de la cuota de mercado del minorista en el tamaño del surtido. Otros investigadores atribuyen el aumento del poder de los minoristas al aumento de su concentración (Alibeiki et al., 2020; Bielig, 2015; Kumar et al., 2017) y al desarrollo de sus marcas propias, también denominadas marcas de la distribución (MDD) (Sutton-Brady, Taylor y Kamvounias, 2017), que son dos factores estructurales significativos en la industria. Las MDD han ganado participación de mercado en las últimas décadas, superando el 30% en muchos países. Por ejemplo, en Alemania y el Reino Unido, las marcas propias representan el 41% y 44% del mercado, respectivamente, mientras que en España alcanzan el 45% (PLMA, 2024). La planificación del surtido es crucial para influir en las decisiones de compra de los consumidores (Hübner y Kuhn, 2024). En los estantes de los minoristas se encuentran miles de productos, pero adicionalmente, cada año los fabricantes introducen nuevas referencias que compiten por un espacio limitado (Bronnenberg, 2024). Los minoristas deben equilibrar disponibilidad con coste, poniendo a disposición de los consumidores la mayor cantidad posible de referencias para satisfacer sus necesidades, considerando que cada nueva referencia implica costes operativos adicionales. Dado que el espacio en los José Miguel Holgado Herrero 35 estantes de los PDV es limitado, los minoristas deben tomar decisiones estratégicas sobre el surtido para optimizar tanto la satisfacción del consumidor como la eficiencia operativa (Arhami, Aslani y Talebian, 2024; Chen, Wu y Wang, 2024). Por una parte, pueden aumentar el tamaño de su surtido e introducir innovaciones en sus tiendas para obtener concesiones de sus proveedores (Raff y Schmitt, 2016); pero también pueden reducir el número de referencias (Alibeiki et al., 2020) para disminuir costes, lo que aumenta su poder de negociación sobre los fabricantes y les permite obtener mejores acuerdos y mayor rentabilidad (Faulioller, 2020). Finalmente, la estrategia de la empresa condiciona las decisiones de los grandes minoristas sobre el tamaño del surtido y de las innovaciones (Alibeiki et al., 2020). En el sector de la distribución, la estrategia genérica de la firma depende del tipo de canal donde el minorista actúe (hipermercados, supermercados, descuentos), lo que determina el grupo estratégico en el que se integra la unidad de negocio y, por lo tanto, su posible impacto sobre el tamaño del surtido y de la innovación (Guan, Mou y Zhang, 2024). Las ideas anteriores motivan el estudio del poder de mercado del sector minorista, dado que dicho poder influye en las decisiones de los fabricantes, la elección de los consumidores y otros grupos de interés (Baskaran, 2018). Sin embargo, pocos estudios abordan cómo este poder influye en el tamaño del surtido y la innovación, lo que nos lleva a plantear el segundo objetivo de esta Tesis Doctoral. Objetivo 2: Determinar el impacto del poder de los principales minoristas sobre el tamaño del surtido y de la innovación en los PDV. Además, se busca José Miguel Holgado Herrero 36 verificar si esta relación entre poder, tamaño del surtido e innovación en los PDV está moderada por la variable canal, la cual, hasta donde sabemos, no ha sido considerada en profundidad por la literatura previa. 2.3. Roturas de stock en los puntos de venta Una vez que los minoristas, ya sea utilizando o no su poder, han determinado el tamaño del surtido y de la innovación, es crucial asegurar la disponibilidad de estos productos en los estantes de los PDV. Esto permitirá a los compradores acceder a ellos, facilitando así el mantenimiento de la base de consumidores. La falta de producto en los PDV conduce a RS. RS se refiere a la ausencia de un producto en el lugar previsto dentro de un establecimiento del minorista, ya sea porque no está disponible en el formato, tamaño o sabor preferido, o debido a una condición que lo haga invendible (Šikić, Kalafatić, Subašić y Lončarić, 2024). Desde la perspectiva del consumidor, la aparición de una RS se refleja en los casos en que un cliente busca un producto concreto en la tienda, pero no lo encuentra porque no está en el estante, pudiendo afectar a la satisfacción del comprador (Liu, 2020) y la percepción de la marca; lo cual, a su vez, podría impactar negativamente en la fidelidad del cliente (Khan y DePaoli, 2024), la repetición de compra y las ventas futuras (Gázquez-Abad, Martínez-López y Sethraman, 2021), tanto a los fabricantes como a los minoristas (Ru, 2024). Las RS han sido objeto de un extenso estudio en la literatura científica, centrando su atención principalmente en contextos de estabilidad en la demanda (Aastrup y Kotzab, 2010; ECR Europe, 2003; Metzger, Meyer, Fleisch y Tröster, 2007; Peckham, 1963). El análisis de este fenómeno en situaciones José Miguel Holgado Herrero 37 excepcionales, caracterizadas por cambios drásticos en la demanda por parte de los consumidores, ha sido limitado y poco desarrollado. Ante un incremento disruptivo de la demanda, el comportamiento de las RS y la capacidad de respuesta de las empresas pueden experimentar variaciones significativas a lo largo del tiempo (Papagiannidis, Alamanos, Bourlakis y Dennis, 2023). Durante las etapas o fases iniciales, este aumento súbito de la demanda ejerce una presión inmediata sobre los inventarios, lo que resulta en niveles críticos de RS debido a compras masivas o reacciones de pánico por parte de los consumidores (McLaughlin, Stevens, Arita y Dong, 2023). A medida que la situación avanza, las empresas buscan ajustar sus estrategias de producción y distribución para mitigar el impacto inicial (Sarraf, Kushwaha, Kar, Dwivedi y Giannakis, 2024), lo que puede dar lugar tanto a un aumento como a una reducción de los niveles de RS, dependiendo de la efectividad de estas medidas. Analizar estas fases diferenciadas es crucial para entender la dinámica de adaptación y recuperación del mercado, identificar fallos y oportunidades en la gestión de inventarios, y desarrollar estrategias más robustas y efectivas que permitan enfrentar futuras disrupciones en la demanda, asegurando así una respuesta más ágil y sostenida ante situaciones críticas. La pandemia de la COVID-19 proporciona una oportunidad única para analizar las RS ante un aumento repentino de la demanda debido a la magnitud y la rapidez con la que se produjeron los cambios en el comportamiento del consumidor. Durante esta crisis, se observaron incrementos drásticos en la demanda de ciertos productos, impulsados por el pánico y la incertidumbre, lo que generó niveles históricos de RS en diversas categorías (Cavallo y Kryvtsov, 2023). José Miguel Holgado Herrero 38 Por ejemplo, Cavallo y Kryvtsov (2023) detectaron que, en Estados Unidos, la tasa de RS se disparó del 10% en 2019 a más del 40% en mayo de 2020. Aquellas condiciones disruptivas, que incluyen eventos como desastres naturales, pandemias y conflictos geopolíticos, generan dinámicas complejas y patrones de comportamiento en la demanda que no se observan en circunstancias normales. Por ejemplo, posteriormente a la pandemia de la Covid-19, a finales de octubre de 2024 tuvo lugar en Valencia una Depresión Aislada en Niveles Altos (DANA), provocando un aumento espectacular en la demanda de agua embotellada, productos de alimentación infantil, productos de limpieza, etc. generando RS de estos. Aunque los epidemiólogos anticipan un aumento en las pandemias futuras, los desafíos globales van más allá de las amenazas relacionadas con la salud. Además, las crisis que parecen estar limitadas a una región específica a menudo pueden desencadenar repercusiones globales generalizadas. El conocimiento adquirido a partir de crisis anteriores frente a cambios repentinos en la demanda, junto con un análisis exhaustivo y una recolección detallada de información, puede proporcionar marcos cognitivos sólidos para enfrentar posibles incrementos súbitos de demanda (Mayberry, Boles, Donthu y Lucke, 2024). Esta realidad resalta la necesidad de profundizar en el estudio de las RS dentro de estos entornos de alta demanda inesperada, con el fin de desarrollar enfoques más robustos y adaptativos en la gestión de la fabricación y de la cadena de suministro. La influencia de las RS en las ventas, la cuota de mercado y la rentabilidad de las empresas, junto con la escasa exploración de este fenómeno en José Miguel Holgado Herrero 39 circunstancias de incrementos abruptos de demanda, justifica la realización de este estudio. En consecuencia, se establece el tercer objetivo de este trabajo. Objetivo 3: Analizar cómo un aumento súbito en la demanda influye en las RS en los PDV. La Figura 2 presenta un modelo integral de investigación que sintetiza las relaciones entre las variables analizadas en esta Tesis Doctoral. Este modelo ilustra cómo la erosión de clientes, el poder de los minoristas y las RS se interrelacionan, proporcionando un marco conceptual claro para entender los fenómenos estudiados. A través de este modelo, se busca ofrecer una representación visual de las hipótesis y preguntas de investigación, facilitando una mejor comprensión de los objetivos del estudio. Figura 2. Modelo integral de la investigación Fuente: Elaboración propia Esta Tesis Doctoral se centra en el mercado del chocolate, concretamente, en la categoría de tabletas de chocolate con leche. Son varias las razones que Fabricantes de GC Erosión de los clientes Operaciones (Roturas de stock) Poder de los minoristas Factores sociodemográficos Concentración de las compras Cuota MDD minorista Cuota de mercado del minorista Papel moderador del canal Covid-19 Categoría de producto Fases del confinamiento Muestra: 3.563 compradores Duración: 2017, 2018 y 2019 Modelo estadístico: Dawes et al. (2021) Muestra: 1.860 Visitas a puntos de venta Periodo: 2019 y 2020 Modelo estadístico: ANOVA Redes Neuronales Muestra: 1.972 Visitas a puntos de venta Periodo: 2018 y 2019 Modelos estadísticos: Regresión de datos de panel Regresión de clases latentes Tamaño del surtido y de la innovación José Miguel Holgado Herrero 40 justifican esta elección. El mercado de chocolate en España ha alcanzado una cifra de negocio de USD 993,22 millones (EMR, 2024). La categoría de tabletas de chocolate con leche en el mercado español se destaca por su amplia variedad y alto nivel de innovación. Los compradores de estas tabletas muestran una alta frecuencia de compra y toman decisiones basadas en experiencias previas (Kiss, Czine, Balogh y Szakály, 2022). En España estas tabletas tienen una penetración significativa en los hogares, y unas ventas de 410 millones de euros, operando en un sector altamente competitivo en términos de distribución y modelos empresariales (Kantar World Panel, 2019). Además, en el tercer estudio se analizarán los sistemas de café en cápsulas. Dado el enfoque industrial de esta Tesis Doctoral, tanto la categoría de tabletas de chocolate con leche como la de sistemas de café en cápsulas son altamente relevantes, ya que ambas representan productos estratégicos y tradicionales para Nestlé y ofrecen un contexto adecuado para evaluar dinámicas de rotura de stock. Los datos de compra de consumidores son proporcionados por una destacada empresa de estudios de mercado especializada en datos panel. Estos datos permiten analizar los comportamientos de compra y las cuotas de mercado necesarias para esta investigación. Para el análisis de surtidos, innovaciones y niveles de RS, se utilizan auditorías ad hoc realizadas por Nielsen en PDV específicos. Estos datos serán fundamentales para comprender la disponibilidad de productos y su impacto en los RS. La importancia de analizar las RS en el contexto de un incremento extraordinario de demanda hace imprescindible identificar un periodo que nos permita contrastar nuestras hipótesis de trabajo. La reciente pandemia, al haber José Miguel Holgado Herrero 41 provocado disrupciones significativas en la demanda y ser un fenómeno aún reciente, nos ofrece un contexto ideal para nuestra investigación. Así, en el período del confinamiento, tanto la categoría de sistemas de café como la de tabletas de chocolate experimentaron aumentos sustanciales en la demanda en España. La categoría de café mostró un incremento del 27% en la primera semana de confinamiento, impulsado por el aumento del consumo doméstico debido al cierre de bares y restaurantes (Distribución Actualidad Retail, 2020). Del mismo modo, las tabletas de chocolate registraron un crecimiento del 38,2% durante el mismo período (Dulces Noticias, 2021). Estas categorías fueron seleccionadas debido a su relevancia durante el confinamiento, reflejando cambios significativos en la demanda y el consumo, lo que ofrece un marco ideal para examinar cómo las diferentes fases de la pandemia de la COVID-19 afectaron los niveles de RS en España. La figura 2 proporciona detalles clave sobre la muestra utilizada en el estudio, los periodos específicos analizados y la metodología aplicada. Estos elementos son fundamentales para comprender la estructura y el enfoque de la investigación, y serán ampliamente discutidos en secciones posteriores para ofrecer un análisis detallado de los resultados obtenidos. A continuación, ampliamos información sobre el contexto y el entorno en el cual se desarrolla la investigación. José Miguel Holgado Herrero 42 3. Contexto y entorno de la investigación Es esencial contextualizar el ámbito de estudio para comprender los resultados obtenidos. En primer lugar, esta Tesis Doctoral tiene un enfoque Industrial y se lleva a cabo en colaboración con Nestlé España S.A., reconocida como una empresa líder en el sector de alimentación y bebidas. Dada su prominencia en el mercado, se ha identificado la necesidad de abordar tres cuestiones estratégicas clave que son de particular relevancia para la compañía en el contexto español. Este estudio se centra específicamente en dos de las categorías donde Nestlé ostenta una posición de liderazgo: tabletas de chocolate y cafés. De los tres estudios incluidos, dos se enfocan en la categoría de tabletas de chocolate con leche, mientras que uno abarca tanto tabletas de chocolate con leche como sistemas de cafés (cápsulas). Este enfoque diferencial permite capturar la complejidad y variabilidad de cada categoría dentro de sus respectivos mercados. A través de esta investigación, se pretende no solo proporcionar insights valiosos para Nestlé, sino también contribuir al avance del conocimiento en el sector de bienes de consumo, en un momento crítico para la industria. En segundo lugar, el sector de alimentación y bebidas en España es la rama manufacturera más destacada, generando empleo para más de 500.000 personas y alcanzando una cifra de negocios de 168.219,2 M€. Estos números representan el 23,8% del sector manufacturero, el 23,3% de la ocupación laboral y el 18.2% José Miguel Holgado Herrero 43 del valor añadido, lo que demuestra la significativa importancia económica de esta industria en el país (MAPA, 2024). En tercer lugar, la presencia de grandes empresas alimentarias como Nestlé y su influencia en el mercado español hacen que sea un entorno propicio para examinar las estrategias de marketing y distribución de marcas líderes. Finalmente, es importante destacar que España ha sido uno de los países más afectados por la pandemia del coronavirus (The World Bank, 2021). Las medidas de confinamiento y distanciamiento social impuestas por el gobierno han tenido un impacto significativo en la economía y en el comportamiento de los consumidores en España, produciendo un incremento muy importante de las ventas de algunas categorías de producto. Por lo tanto, estudiar el mercado español en este contexto brindó la oportunidad de comprender cómo este aumento tan importante en las ventas de estas categorías ha afectado a los niveles de RS en los PDV, lo que nos permitirá estar preparados para futuras situaciones similares. A continuación, se ofrecerá una síntesis de aspectos relevantes del contexto en el que se desarrolla esta investigación. Se incluirá información sobre Nestlé España S.A, la estructura de la distribución en España y la pandemia. 3.1. Nestlé en España Nestlé es una empresa líder a nivel mundial en el mercado de alimentación y bebidas, con presencia en 187 países, incluyendo España. Su sede en este país se encuentra en Esplugues de Llobregat, y cuenta con una amplia gama de José Miguel Holgado Herrero 50 En el Capítulo II, se realiza una revisión exhaustiva de la literatura más relevante sobre cada tema, analizando estudios previos y desarrollos recientes en el campo para proporcionar un marco sólido y contextualizado para el estudio. En el Capítulo III se destina a presentar la metodología, proporcionando una descripción detallada de los métodos de investigación utilizados, abarcando el diseño del estudio, la selección de las muestras, el procedimiento de recolección de datos, la metodología concreta utilizada en los diferentes estudios llevados a cabo en esta investigación. El Capítulo IV presenta un análisis exhaustivo de los datos recopilados y expone los resultados más relevantes. Además, éstos se discuten en el contexto de la literatura revisada. El Capítulo V muestra las conclusiones de la presente Tesis Doctoral, resumiendo los principales puntos discutidos y proporcionando respuestas a los objetivos de investigación establecidos en el Capítulo I. Junto a ello, se analizan las implicaciones académicas, explicando cómo los resultados contribuyen al conocimiento existente y destacando su relevancia para teorías y prácticas dentro del campo de estudio. Asimismo, se abordan las implicaciones empresariales, examinando cómo los resultados alcanzados pueden influir en las estrategias, políticas y prácticas de las empresas, así como en la toma de decisiones gerenciales y operativas. Finalmente, en este mismo capítulo se presentan las limitaciones del estudio, las futuras posibles investigaciones sobre cuestiones que no pudieron ser abordadas completamente en el estudio actual, así como unas consideraciones finales. José Miguel Holgado Herrero 51 Capítulo II: Fundamentos teóricos José Miguel Holgado Herrero 52 José Miguel Holgado Herrero 53 Capítulo II: Fundamentos teóricos Para abordar de manera rigurosa y fundamentada los objetivos de esta investigación, se realiza una revisión exhaustiva y sistemática de la literatura existente. Este proceso implica explorar en profundidad tanto los antecedentes teóricos como las prácticas empíricas relacionadas con el tema de estudio. A través de esta revisión, no se busca solo comprender el estado actual del conocimiento en el área, sino también identificar las brechas y limitaciones que aún persisten. Esta exploración detallada sirve para contextualizar el estudio dentro del marco teórico y empírico existente y también permite discernir las mejores prácticas metodológicas para cada uno de los objetivos específicos planteados. Al analizar críticamente la literatura pertinente, se pueden seleccionar y adaptar los enfoques metodológicos más adecuados para abordar las preguntas de investigación de manera efectiva y garantizar la validez y la fiabilidad de los resultados. Además, esta revisión de la literatura proporciona una base sólida para interpretar los resultados del estudio, al permitir establecer comparaciones y contrastes con investigaciones previas. De esta manera, se facilita la identificación de contribuciones novedosas y significativas al campo, así como la formulación de recomendaciones prácticas y teóricas para futuras investigaciones. José Miguel Holgado Herrero 54 1. Erosión de clientes y factores asociados El término "erosión" se refiere a la reducción gradual en las tasas de repetición de compra a lo largo del tiempo en comparación con un período base (Dawes et al., 2021a). Es crucial entender que esta erosión a nivel individual de los compradores ocurre mientras la participación de mercado de la marca se mantiene inalterada. Las ventas dependen en gran medida de la repetición de compra. Existe repetición de compra cuando un cliente realiza una nueva transacción con la misma empresa (Damit, Harun, Martin, Othman, Othman y Ahmad, 2019; Günther, Vossebein y Wildner, 2022). Los clientes tienden a repetir compras si están satisfechos con los productos adquiridos previamente (Fazal-e-Hasan, Ahmadi, Kelly y Lings, 2019). Además, la accesibilidad y la facilidad para que los productos sean recordados, complementados por una distribución adecuada, juegan un papel crucial (Meilatinova, 2021). La falta de repetición de compra por parte de un cliente en un período determinado puede llevar al abandono del producto (Günesen, Şen, Yildirim y Kaya, 2021), fenómeno conocido como abandono de clientes (Wang, Huang, Gao, Wu y Wang, 2022). La tasa de abandono de clientes se calcula como el porcentaje de compradores que dejan de utilizar un producto o servicio en un intervalo de tiempo específico, ya sea mensual, trimestral, anual, etc. (Arai, Fujikawa, Nakagawa, Momozaki y Ogawa, 2023). Entre todos los clientes que compran una marca dentro de un período específico, solo una fracción de estos repite la compra en el período siguiente (Dunn et al., 2021). Este patrón se debe principalmente a la existencia de compradores poco frecuentes u ocasionales (Dawes, Graham, Trinh y Sharp, José Miguel Holgado Herrero 55 2021; Ehrenberg, 1988). De hecho, la frecuencia de compra de numerosos bienes de consumo se ajusta a una distribución binomial negativa, mostrando consistentemente una curva en forma de J invertida característica de estos productos. Esta tendencia destaca una prevalencia significativa de compradores ocasionales junto con una minoría de compradores frecuentes. Existen evidencias científicas robustas que confirman la importancia de los compradores poco ocasionales en las ventas de diversas categorías de consumo. Un estudio exhaustivo realizado por Hossain et al. (2024), que analizó 853 marcas en 56 categorías de bienes de consumo durante un período de cinco años, demostró que los compradores con un comportamiento de compra extremadamente infrecuente aportan aproximadamente el 31% del volumen y valor total de las ventas de la marca. Este patrón también se observa en categorías específicas como los refrescos carbonatados y los cereales para el desayuno, donde solo cuatro de cada diez clientes realizan una única compra en un período de cinco años (Dawes y Trinh, 2017). Además, más del 80% de los compradores de arroz empaquetado en Asia adquieren este producto con una frecuencia inferior a una vez al mes, mientras que la mayoría de los compradores de arroz a granel muestran una mayor recurrencia, comprándolo diariamente o semanalmente (Bairagi, Gustafson, Custodio, Ynion y Demont, 2021). Más allá de las compras infrecuentes, en los mercados de bienes de GC, los compradores suelen mostrar lealtad a varias marcas (split loyalty) en lugar de adherirse exclusivamente a una (Uncles y Kwok, 2013). Este comportamiento puede atribuirse a actitudes fuertes hacia dos o más marcas, junto con una percepción mínima de diferenciación, sobrecarga de información o información de José Miguel Holgado Herrero 56 producto ambigua (Walsh, Henning-Thurau y Mitchell, 2007), o simplemente por la disponibilidad o no de la marca en el minorista, entre otros factores (Arifine, Felix y Furrer, 2019). Estos consumidores suelen mantener múltiples agrupaciones de marca dentro de un período definido (East, Wright y Vanhuele, 2008; Uncles, Dowling y Hammond, 2003), asignando a cada marca una parte, aunque mínima, de sus compras a lo largo del tiempo (Banelis, Riebe y Rungie, 2013; Dawes, 2008). Como resultado, los compradores tienden a mostrar una lealtad dividida, eligiendo frecuentemente una marca diferente para compras posteriores dentro de su repertorio de marcas (Abdullaeva, 2020; Arslan, 2020), aunque eventualmente pueden regresar a su marca preferida inicialmente (Dastidar, 2019). Por ejemplo, en productos electrónicos, el 25% de los consumidores muestran disposición a cambiar a marcas alternativas (Kumar y Kumar, 2019). En el mercado turístico, numerosos turistas también muestran lealtad hacia múltiples destinos (Almeida-Santana y Moreno-Gil, 2018). La fidelidad a las marcas es un tema crítico que ocupa un lugar destacado en la investigación científica. A pesar de reconocer la importancia para las organizaciones de su capacidad para atraer y mantener consumidores leales para lograr competitividad a largo plazo, no existe un consenso claro sobre la definición de fidelidad (Ong, Lee y Ramayah, 2018). Oliver (1999) incluyó dos dimensiones de la fidelidad: la actitudinal y la conductual (Khan, Fatma, Shamin, Joshi y Rahman, 2020; Vilches-Montero, Pandit, Bravo-Olavarria y Chao, 2018). La fidelidad actitudinal se refiere a una disposición psicológica hacia una marca, como las recomendaciones positivas ‘boca a oreja’ (Evanschitzky, Iyer, Plassmann, Niessing y Meffert, 2006). Los clientes no solo deben depender de los José Miguel Holgado Herrero 57 esfuerzos promocionales para conocer una marca de chocolate, sino que también es crucial que aprendan sobre ella a través del boca a oreja de sus familiares, amigos y conocidos, entre otras fuentes (Thaichon, Jebarajakirthy, Tatuu y Gautam, 2018). La fidelidad conductual se refiere al comportamiento repetitivo de compra del consumidor a lo largo de períodos extensos debido a sus preferencias de marca (Cengiz y Akdemir-Cengiz, 2016; Kuhn y Mostert, 2018). Los clientes que no repiten una compra, ni hacen recomendaciones positivas, ni defienden la marca frente a la competencia, probablemente conducirán a menores ventas y un desempeño más débil de la empresa (Verbeke, Martens y Baesens, 2014). En mercados estacionarios, ciertas propensiones individuales de compra experimentan cambios a lo largo del tiempo (Dawes et al., 2021b). La presencia de compradores infrecuentes dentro de la categoría, junto con consumidores que muestran fidelidad compartida y comportamientos orientados a buscar variedad o marcas específicas, puede ayudar a explicar este fenómeno. Sin embargo, las propensiones agregadas de compra muestran menos volatilidad y emergen patrones consistentes, independientemente de cómo se agrupen los datos (Ehrenberg, Uncles y Goodhardt, 2004). Esto incluye una disminución en la tasa de repetición de compra a medida que se avanza en el tiempo. Ehrenberg (1988) comparó las repeticiones de compra del primer trimestre de un año con el cuarto trimestre, encontrando una erosión del 6.5% durante los tres meses adicionales. East y Hammond (1996) analizaron la erosión en nueve categorías de producto y descubrieron una tasa de erosión del 11% en el primer año para la marca líder, aumentando al 18% para marcas con menor participación José Miguel Holgado Herrero 58 de mercado, con una desaceleración en las tasas de erosión después del primer año. Su investigación encontró tasas de erosión similares independientemente de si los compradores eran ocasionales, de frecuencia media o frecuentes. Dawes et al. (2021) extendieron el período de análisis, examinando 20 marcas en diversas categorías de bienes de consumo, revelando una tasa de erosión del 26% en tres años, la cual disminuyó con el paso de los años. En la Tabla 1 se presenta un resumen de los estudios previos junto con las contribuciones específicas de este estudio. Tabla 1. Aportes de la investigación sobre la erosión de clientes Fuente: Elaboración propia Por todos los argumentos expuestos, formulamos la siguiente hipótesis de investigación: H1. La tasa de repetición de compra disminuye con el tiempo. La literatura existente proporciona información limitada sobre los determinantes de la erosión de clientes. Se ha documentado que la erosión de clientes tiende a ser menor conforme aumenta la cuota de mercado de la marca (East y Hammond, 1996). Además, variables relacionadas con atributos de categoría y marca, así como componentes de marketing-mix, ejercen influencia José Miguel Holgado Herrero 59 significativa sobre este fenómeno. Específicamente, las promociones de precios, las marcas nicho, las MDD, una amplia gama de productos, una penetración extensa de marcas líderes y la penetración de la categoría han mostrado correlaciones con niveles reducidos de erosión (Dawes et al., 2021a). No obstante, aún quedan otros factores por explorar exhaustivamente, algunos de los cuales se abordarán a continuación. 1.1. Factores sociodemográficos Los factores sociodemográficos están estrechamente vinculados al comportamiento del consumidor (Jewargi, Narasalagi y Saraih, 2022; Rahman, Rashid, Kumar y Gupta, 2020). Estos factores, que abarcan diversos aspectos de las características sociales y demográficas de los consumidores, desempeñan un papel crucial en la caracterización significativa de estos (Keller, 2021). Reconocer la diversidad inherente y la heterogeneidad entre los consumidores es fundamental para las marcas que buscan satisfacer las múltiples necesidades de su base de clientes. Un enfoque estratégico centrado en la reducción de la erosión podría ser más efectivo al identificar grupos de clientes con características homogéneas (Khan, Fatma, Shamim, Joshi y Rahman, 2020). A continuación, se desarrollan algunos factores sociodemográficos relevantes que pueden impactar en el comportamiento del consumidor. José Miguel Holgado Herrero 66 Existe una relación entre la clase social y la lealtad hacia la marca. Los compradores de clases sociales más bajas, limitados por un poder adquisitivo reducido, a menudo enfrentan restricciones presupuestarias al elegir entre marcas, lo que conduce a menos oportunidades de repetición de compra en comparación con los individuos de clases sociales más altas. En productos de GC, el ingreso, la educación y la ocupación influyen significativamente en la probabilidad de repetición de compra (Mann y Rashmi, 2010). En el mercado de alternativas de carne a base de plantas, las clases sociales más bajas tienden a repetir compras con menos frecuencia en comparación con las clases sociales más altas (Neuhofer y Lusk, 2022). Por otro lado, no existe una relación discernible entre la clase social y la repetición de compra para productos falsificados (Harun, Mahmud, Othman, Ali y Darbaz, 2020). Si los hogares pertenecientes a clases sociales más bajas muestran una baja frecuencia en la repetición de compra, esto indica que tienen menos contacto con las categorías de producto y marcas en cuestión. Esta menor exposición puede hacer que estos productos pierdan relevancia en la mente de los consumidores, lo que aumenta la probabilidad de que abandonen sus marcas. Por lo tanto, y a la luz de los argumentos expuestos, planteamos la siguiente hipótesis de investigación: H5. Una mayor erosión de clientes está asociada con una clase social más baja. José Miguel Holgado Herrero 67 1.2. Concentración de las compras Una proporción significativa de compras puede atribuirse a un grupo selecto de consumidores conocidos como "compradores frecuentes". En la mayoría de los productos se observa una distribución en la que hay una cantidad considerable de "compradores ocasionales" que realizan compras una o dos veces, etc., en un determinado periodo, un número menor de "compradores de frecuencia media" y un número notablemente reducido de compradores frecuentes (Dawes y Trinh, 2017). El principio de Pareto, comúnmente referido como la regla 80/20, postula que el 20% de los consumidores realizan el 80% de las compras. Sin embargo, en las categorías de bienes de GC, la participación de Pareto suele ser inferior al 80%, con porcentajes cercanos al 73% (McCarthy y Winer, 2019) o incluso del 67% (Kim, Sing y Winer, 2017), variando entre el 28% para la categoría de naranjas y el 66% para la categoría de plátanos (Anesbury, Talbot, Day, Bogomolov y Bogomolova, 2020). No obstante, en cualquier caso, un pequeño número de clientes contribuyen de manera significativa a las compras. A pesar de la concentración de las compras en un reducido número de clientes, el comportamiento de compra de los compradores frecuentes no es consistentemente estable a lo largo del tiempo. Debido a su mayor exposición a numerosas marcas y a la potencial fatiga debido a las compras tan repetitivas de la misma marca, así como a las variaciones en los contextos de consumo del producto, estos compradores tienden a mostrar un repertorio de marcas más amplio (Anesbury et al., 2020; Dawes y Trinh, 2018), lo que resulta en una mayor lealtad dividida. Un análisis de más de 150 marcas en 15 categorías revela que José Miguel Holgado Herrero 68 aproximadamente solo el 50% de los hogares clasificados como compradores frecuentes para una marca en un año continúan siéndolo el año siguiente (Romaniuk y Wight, 2015). En el sector de bienes de GC, a nivel de categoría, solo el 72% de los compradores más frecuentes en el primer año persisten en su comportamiento de compra en el año siguiente (Romaniuk y Wight, 2015). Si una proporción de los compradores frecuentes disminuye su frecuencia de compra en períodos posteriores debido a factores como la fatiga por repetición de compra de la misma marca o variaciones en los contextos de consumo del producto, algunos de ellos incluso pueden dejar de comprar sus productos o marcas preferidas. Este fenómeno podría contribuir a una erosión de clientes a nivel agregado. Basándonos en la discusión anterior, se puede inferir que los compradores frecuentes son más propensos a la erosión en comparación con los compradores ocasionales. En consecuencia, podemos formular la siguiente hipótesis: H6. La erosión de clientes aumenta a medida que aumenta la concentración de las compras. 2. Influencia del poder de los minoristas sobre el tamaño del surtido y de la innovación en los puntos de venta. El papel moderador del canal El poder es un concepto fundamental en la literatura sobre canales (Low y Li, 2019). Tiene su origen en una relación de dependencia. Si la interdependencia entre dos organizaciones es asimétrica, una puede influir en la otra (Pfeffer, 1972). José Miguel Holgado Herrero 69 La Teoría de la Dependencia de los Recursos (TDR) asume que las organizaciones dependen unas de otras (Pfeffer y Salancik, 1978). Esta dependencia se observa en las relaciones entre proveedores, minoristas y consumidores. El-Ansary y Stern (1972) definen operativamente el poder como la capacidad de un individuo o grupo para inducir a otra unidad a llevar a cabo acciones que no habría emprendido por su cuenta. Dahl (1957) afirmó que A tiene poder sobre B en la medida en que puede lograr que B realice una acción que B no realizaría por sí mismo. En las últimas décadas ha habido un movimiento en el equilibrio de poder en el sector de la GD, pasando de los grandes fabricantes a los grandes minoristas (Chimhundu, 2018), que son quienes suministran productos a los consumidores (Luo, Kannan y Ratchford, 2007). Además, algunos minoristas independientes y más pequeños se unen a grupos de compra para ganar poder y competir (Kim, Miao y Hu, 2022). En España, esos grupos de compra son conocidos como “cadenas de compra”. En 1954 en USA existían 500 centros comerciales, mientras que a principios del siglo XXI superaban ya los 50.000, y esto mismo ha ocurrido a nivel mundial. El Top 10 de los 250 principales minoristas a nivel global concentra el 33% de los ingresos totales. Además, el 70% de estos minoristas están ubicados en Estados Unidos (Delloite, 2023), lo que sugiere que la economía global está cada vez más dominada por los grandes minoristas (Tretyak y Radaev, 2013). Farris y Ailawadi (1992) sugirieron que, si los minoristas ganaban poder sobre los fabricantes, esto debería impactar aumentando su rentabilidad frente a los fabricantes. Sin embargo, su investigación concluyó que este no había sido el caso. Los minoristas pueden no haber podido utilizar el poder para transferirlo a José Miguel Holgado Herrero 70 mayores beneficios, o el alto grado de competencia entre los diferentes minoristas les obliga a mantener los precios bajos, afectando así su rentabilidad. Sin embargo, el aumento del poder de los minoristas podría atribuirse a varios factores adicionales: i) el incremento en las promociones por parte de los fabricantes para asegurar espacio en los estantes y apoyo en la comercialización; ii) el acceso a la información del consumidor, que los minoristas pueden utilizar a su favor; y iii) el desarrollo de las MDD, que permite a los minoristas depender menos de los fabricantes al negociar mejores condiciones con ellos y aumentar la fidelidad de sus clientes. Dichos autores concluyeron que el aumento de las promociones beneficia tanto al fabricante como al minorista, y que no tenían suficiente conocimiento para explotar la información de los clientes. Hingley (2005) argumenta que el creciente poder de los minoristas se debe a varios factores. Uno de ellos es la alta concentración de los minoristas, que son considerados la principal puerta de acceso a los consumidores y los verdaderos “gate keepers”, que permiten al fabricante entrar en contacto con el consumidor. Las economías de escala de las operaciones logísticas, la posesión de información del consumidor y el peso de las MDD son otros factores que favorecen el poder de los minoristas. Los minoristas con una alta cuota de mercado son más atractivos para los fabricantes porque controlan las variables de distribución y la información de los clientes, pero al mismo tiempo, dependen menos de los proveedores (Zhang y Wang, 2017), aumentando así su poder de negociación. Kim, Jung y Park (2015) justifican este cambio en el poder a la concentración de los minoristas, al crecimiento de las MDD y al conocimiento sobre los consumidores por parte de los minoristas. Otros autores indican una alta cuota de José Miguel Holgado Herrero 71 mercado, dimensión o tamaño crítico (Chen, 2014), que determina en gran medida el grado de concentración en el sector. El gran número de innovaciones introducidas en las tiendas, el uso de la tecnología de la información por parte de los minoristas (Kim et al., 2015), la posibilidad de que los consumidores compren todo lo que necesitan en un solo punto de compra, y la proporción de ventas que un minorista representa para el fabricante (Raju y Zhang, 2005) también influyen en el poder de los minoristas. Esta Tesis Doctoral considera dos factores claves para medir el poder de los minoristas, la cuota de mercado del minorista y la cuota de mercado de las MDD en el minorista (Bielig, 2015; Chauve y Renckens, 2015). Las MDD han estado presente en el mercado desde la década de los 70´s (Sebri y Zaccour, 2017). La American Marketing Association (AMA) define la MDD como el nombre o etiqueta de un producto que difiere del fabricante y que generalmente es utilizado por los minoristas. Según Serra y Puelles (1994), las MDD son aquellas que no están asociadas con la marca del fabricante y se comercializan bajo el nombre de un distribuidor específico, que se encarga de todas las actividades de marketing relacionadas con dichas marcas. Las MDD ha experimentado un notable progreso en las últimas décadas. Inicialmente, se presentaban en envases sencillos de color blanco, con una breve descripción del producto, y se ubicaban en posiciones menos destacadas en los estantes. Sin embargo, a lo largo del tiempo, la calidad de las MDD ha mejorado significativamente, transformándose en auténticas marcas con un valor reconocido en la mente del consumidor (Kumar y Steenkamp, 2007). Algunas empresas las utilizan dentro de su estrategia de extensión de marcas (Sayman y José Miguel Holgado Herrero 72 Raju, 2004) como un elemento adicional para fidelizar a los clientes (GonzálezBenito y Martos-partal, 2012). A nivel europeo, las MDD tienen una participación del 38.2% en el mercado. En España, esta cuota asciende al 45.5% (PLMA, 2024). A lo largo de los últimos años, las MDD han experimentado un crecimiento acelerado, impulsado en parte por el desarrollo del canal descuento en Europa (Nielsen, 2018). En España, los minoristas que operan con un surtido reducido han contribuido al aumento de la participación de las MDD en el mercado. Además, de la concentración de los minoristas, el cambio en la mentalidad de los consumidores ha sido otro factor determinante en el crecimiento sostenido de las MDD tanto en España como en Europa y en el mundo en general (Gil y Rondán-Cataluña, 2015), por ello, los minoristas han transformado las MDD en una herramienta de marketing poderosa que ha ganado la fidelidad de los consumidores (Kumar y Steenkamp, 2007). El tamaño del surtido es relevante para los minoristas porque puede influir en las ventas, la rentabilidad y dónde eligen comprar los consumidores (Klein y Schmitz, 2016). Los clientes no son indiferentes al cambio en el número de referencias disponibles en los estantes (Chen et al., 2024). Las decisiones más comunes de los minoristas con respecto a los surtidos incluyen el tamaño del surtido (Arhami et al., 2024; Chen et al., 2024) y la inclusión de nuevos productos que afectan la organización de los estantes en el PDV (Pizzi y Scarpi, 2016). Una gama de productos más extensa implica mayores costes para los minoristas debido al mayor número de transacciones, costes logísticos y de gestión interna (Dukes, Geylani y Srinivasan, 2009). Por lo tanto, aquellos minoristas con mayor poder podrían tomar decisiones más fáciles basadas en su José Miguel Holgado Herrero 73 rentabilidad, lo que requerirá un equilibrio entre costes y surtido (Arhami et al., 2024; Chen et al., 2024), a veces implicando una reducción de surtido y una presencia más significativa de las MDD. Por ejemplo, en el año 2008, Walmart y Mercadona limitaron la variedad de productos ofrecidos en sus tiendas para reducir costes, mejorar su rentabilidad o bajar los precios a sus clientes (EstrellaRamón y Sánchez-Pérez, 2011). El poder del minorista frente al fabricante influye en la capacidad para limitar el surtido (Alibeiki et al., 2020), una preocupación que también atañe a las autoridades públicas. Por esta razón, la Comisión Europea ha realizado varias investigaciones sobre la relación entre la concentración de minoristas y el tamaño del surtido (Chauve y Renckens, 2015; EC, 2014), las cuales no han alcanzado conclusiones definitivas. Uno de los estudios encontró que la reducción en el tamaño del surtido se debe más a la concentración de los fabricantes que a la de los minoristas (Chauve y Renckens, 2015), mientras que otro no halló evidencia del impacto de los minoristas en la reducción del surtido en los PDV (EC, 2014). Sin embargo, análisis descriptivos han indicado una disminución en el número promedio de referencias en los principales minoristas de países como España, los Países Bajos, Alemania y Bélgica (Koll, 2016). En base a la revisión de la literatura, planteamos la siguiente hipótesis de trabajo, que desglosamos en dos subhipótesis: H7: La relación entre el poder de los minoristas y el tamaño del surtido es negativa. H7a: La relación entre la cuota de mercado del minorista y el tamaño del surtido es negativa. José Miguel Holgado Herrero 74 H7b: La relación entre la cuota de la MDD en el minorista y el tamaño del surtido es negativa. 2.1. Innovación La innovación es un concepto fundamental en el mundo empresarial y académico. Se define como un producto o proceso, o a una combinación de ambos, que ha sido renovado o creado de manera significativa en comparación con las versiones anteriores de la unidad. Este producto o proceso debe estar disponible para los posibles usuarios (en el caso del producto) o ser adoptado por la unidad (en el caso del proceso) (OECD/Eurostat, 2018). En innovación de productos, la atención principal se centra en el mercado, y se refiere al nuevo producto o servicio que se introduce en el mercado teniendo en cuenta las demandas de los clientes (Najafi-Tavani, Najafi-Tavani, Naudé, Oghazi y Zeynaloo, 2018), manifestándose a través de su disponibilidad para los usuarios potenciales, incorporando mejoras en aspectos tales como características técnicas, componentes, materiales, software, facilidad de uso u otras funcionalidades. La mayoría de las empresas tienden a enfocarse en innovaciones a través de modificaciones menores. Solo un 10% de estas innovaciones de producto se considera radical (Sonmez, Kalaycioglu y Adiguzel, 2024). En el caso de un proceso, la innovación se implementa en una unidad organizativa, optimizando métodos de producción, logística, distribución o actividades de soporte como el mantenimiento y la gestión de calidad. Esta José Miguel Holgado Herrero 75 definición enfatiza tanto el carácter novedoso de la innovación como su aplicabilidad práctica y su capacidad para generar valor añadido (OECD/Eurostat, 2018). El modelo de innovación abierta (open innovation) ha revelado una manera distinta a la tradicional de organizar y generar innovación. En este enfoque, el rendimiento superior en innovación no depende únicamente de los laboratorios de I+D verticalmente integrados dentro de la empresa. En cambio, requiere coordinación a través de redes de innovación más descentralizadas que enlazan a las empresas con proveedores, clientes, universidades, laboratorios de investigación, consultores y startups (Bertello, De Bernardi y Ricciardi, 2024). Desde una perspectiva empírica, la innovación puede ocurrir a dos niveles. A nivel macro, las innovaciones son nuevas para el mundo, el mercado o el sector, y se basan en factores externos a las empresas. A nivel micro, las innovaciones son nuevas para una empresa o para el consumidor (Coccia, 2006). Arrow (1962) postula que las empresas tienen mayores incentivos para innovar en entornos competitivos en comparación con situaciones de monopolio, donde los beneficios monopolísticos reducen la probabilidad de desarrollar nuevas tecnologías disruptivas. En contraste, Shapiro (2012) argumenta que un cierto grado de poder de mercado en manos de grandes empresas genera mayores incentivos y capacidades para invertir en investigación y desarrollo (I+D), cuestionando la competencia perfecta como la mejor estructura de mercado para fomentar la innovación. Schumpeter (2010) subraya la importancia de un poder de mercado temporal como recompensa a una innovación exitosa. José Miguel Holgado Herrero 82 2024). La tasa de RS representa el porcentaje de unidades de referencias que no se encuentran en las estanterías de los minoristas, donde los consumidores esperan que estén disponibles. Las RS generan obstáculos para los compradores haciendo que influyan en sus decisiones de compra (Liu, 2020), afectando de manera diferente a fabricantes y minoristas según sea la respuesta del consumidor (Campo, Gijsbrechts y Nisol, 2000). Las consecuencias de las RS trascienden las ventas inmediatas, ya que tienen el potencial de afectar negativamente a la lealtad del consumidor (Khan y DePaoli, 2024), contribuyendo a la pérdida de clientes y afectando a la cuota de mercado a largo plazo (Aastrup y Kotzab, 2010). Si, ante una RS, el comprador decide ir a otro establecimiento para buscar el producto, la pérdida impacta directamente en el minorista. Esta situación se vuelve aún más crítica cuando las RS se repiten con frecuencia, ya que incrementa significativamente la probabilidad de que el comprador decida cambiar de forma definitiva de establecimiento (Symphony IRI Group, 2012). De hecho, un estudio realizado por ECR Europe (2003) reveló que, ante la falta del producto deseado, el 21% de los consumidores busca el artículo en otra tienda, mientras que un 9% opta por no realizar ninguna compra. De manera similar, Gruen, Corsten y Bharadwaj (2002) encontraron que el 31% de los consumidores decide adquirir el producto en otro establecimiento, y un 9% elige no comprarlo en absoluto. Por otro lado, si el comprador opta por cambiar de marca, las consecuencias negativas recaen sobre el fabricante (Ru, 2024). La primera investigación integral sobre RS fue realizada por AC Nielsen y publicada en dos partes en la revista Progressive Grocer (1968a, 1968b). Este estudio reportó que José Miguel Holgado Herrero 83 el 42% de los consumidores manifestaron que no cambian de marca cuando se enfrentan a una situación de RS. Posteriormente una investigación de Emmelhainz y Stock (1991) indicó que el 32% de los consumidores opta por adquirir una marca alternativa en situaciones de RS. Adicionalmente, el 41% de los consumidores elige comprar otra variedad o tamaño del mismo producto, mientras que un 13% decide posponer la compra de la marca deseada. En un análisis complementario, Gruen et al. (2002) reportaron que, ante una RS, el 9% de los consumidores no adquiere el producto, el 26% elige comprar otra marca, el 19% sustituye el producto por otro de la misma marca y el 15% retrasa su compra. Las investigaciones realizadas a lo largo de los años han mostrado niveles de RS promedio relativamente similares y estables. Uno de los primeros estudios que cuantificó las RS fue realizado en 1968 por AC Nielsen sobre 35 categorías de productos de supermercado en 166 establecimientos minoristas, encontrando que en el 12% de las verificaciones en los PDV, el producto no estaba disponible en las estanterías (Taylor y Fawcett, 2001). Según el estudio de ECR Europe (2003), los niveles promedio de RS se situaron en un 7%. Sin embargo, se observaron variaciones significativas entre diferentes categorías de productos. Por ejemplo, la categoría de confitería presentó un nivel de RS particularmente alto, alcanzando un 15%. En contraste, otros grupos de categorías exhibieron niveles de RS inferiores al 5%. Estos resultados mostraron que uno de los factores que más afectan los niveles de RS en los PDV, que la industria debería tener en cuenta, son las características de las diferentes categorías. Según Symphony IRI Group (2012), el nivel promedio de RS en Europa es del 8.3%, lo que está muy alineado con los datos reportados por Nielsen, que sitúan las RS en Europa en un José Miguel Holgado Herrero 84 8% (Nielsen, 2020). Los niveles de RS representan pérdidas para los minoristas que pueden alcanzar hasta el 4% de sus ventas (ECR Europe, 2003). Según IHL Group (2022), el valor de las ventas perdidas debido a las RS a nivel mundial se estima en 1,235 billones de dólares. Dada la estabilidad de las RS a lo largo de los años, podemos pensar que los niveles actuales siguen la misma tónica. En situaciones de incrementos significativos en las ventas, las RS pueden volverse inevitables. Estos picos de demanda suelen exceder la capacidad de respuesta de los sistemas de inventario, especialmente cuando las cadenas de suministro no están optimizadas para adaptarse rápidamente a fluctuaciones repentinas. Un ejemplo de este fenómeno se observó durante la pandemia de la COVID-19, cuando algunas categorías de productos experimentaron aumentos abruptos en ventas, afectando la capacidad de respuesta de fabricantes y minoristas y aumentando la incidencia de RS en el punto de venta (McLaughlin et al., 2023). 3.2. Pandemia y roturas de stock En la introducción de esta Tesis Doctoral se describe el contexto en el que se lleva a cabo el análisis de las RS en los PDV. Para analizar las RS en condiciones de incrementos abruptos en la demanda, se ha seleccionado lo sucedido durante la pandemia de la COVID-19, caracterizado por aumentos sustanciales en la demanda de una amplia gama de productos. Este contexto permite observar de manera precisa cómo las RS se ven afectadas en un entorno de demanda volátil e inusual (Free y Hecimovic, 2021). Este contexto hace que la pandemia sea un José Miguel Holgado Herrero 85 candidato óptimo para nuestra investigación, ya que se enmarca en un entorno profundamente afectado por una crisis mundial, la cual provocó una recesión notablemente más grave que la crisis financiera de 2009 (Boshkoska y Jankulowski, 2020; World Bank Group, 2020). A diferencia de epidemias anteriores como la gripe asiática, la gripe española o el SARS, COVID-19 comenzó como una crisis de salud que afectó simultáneamente a la economía global tanto por el lado de la oferta como el de la demanda (Fernandes, 2020). Como resultado, el producto interior bruto (PIB) global del año 2020 disminuyó el 3.6%, con caídas más pronunciadas en la Organización para la Cooperación y el Desarrollo Económicos (OCDE) del 4.7% y en España del 10.8% (The World Bank, 2021). Para contener la pandemia, los gobiernos de todo el mundo implementaron medidas de confinamiento obligatorio, tanto totales como parciales, que se extendieron a lo largo de períodos prolongados o intermitentes, atravesando diversas fases y ejerciendo impactos económicos heterogéneos (Alshater, Atayah y Khan, 2021; Bin, Cheung, Crisostomi, Ferraro, Lhachemi, Murray-Smith, Myant, Parisini, Shorten, Stein y Stone, 2020). Estas medidas han resultado en cambios disruptivos que han influido significativamente en la demanda de los consumidores y en los hábitos de compra (Free y Hecimovic, 2021; Sheth, 2020). Además, han ocasionado interrupciones significativas en la cadena de suministro (Hu, 2022; Paul y Chowdhury, 2020). Los fabricantes y minoristas generalmente emplean estrategias de stocks “just in time”, y un repentino aumento en la demanda, junto con limitaciones logísticas, puede afectar la disponibilidad del producto en la tienda (Hobbs, 2020), lo que resulta en estantes vacíos (Roe, Bender y Qi, 2021). José Miguel Holgado Herrero 86 Las pandemias siguen su curso a través de diferentes fases, cada una caracterizada por medidas específicas, como restricciones a las operaciones comerciales y limitaciones en la movilidad de las personas (Davies, 2020). Estas medidas ejercen un impacto sustancial en el comportamiento del consumidor, modificando tanto las decisiones de compra como la adopción de nuevas prácticas. En particular, se ha observado un auge en el uso del comercio electrónico y los servicios de entrega a domicilio durante las crisis sanitarias globales (Ferguson, Laydon y Nedjati-Gilani, 2020; Li, Hallsworth y CocaStefaniak, 2020), prácticas que han perdurado más allá del fin de la pandemia. En el sector alimentario, aunque las compras online siguen representando una porción relativamente pequeña del mercado, su cuota ha aumentado significativamente. Durante el confinamiento de 2019, este canal representaba solo el 1.3% de las ventas (Kantar, 2020); sin embargo, para los primeros ocho meses del año 2024, esta cifra ha ascendido al 2.8% (Kantar WorldPanel, 2024). Durante el período de distanciamiento social, los hogares incrementaron sus reservas de alimentos para reducir la frecuencia de las compras y minimizar la exposición al virus (Ferguson et al., 2020). Esta conducta también fue motivada por la necesidad de mitigar el riesgo de encontrar RS en los PDV (Dwivedi y Badge, 2021; Zulauf, Cechella y Warner, 2021). A medida que disminuye la percepción del riesgo, los hogares tienden a retornar a patrones de compra más regulares (Ferguson, 2007). El aumento excesivo de la demanda en plena crisis, fenómeno conocido como compra por pánico (Yuen, Wang, Ma y Li, 2020), se produce incluso cuando el suministro está asegurado (Laato, Islam, Najmul, Farooq y Dhir, 2020; Nam, José Miguel Holgado Herrero 87 Luu, Anh, Nguyen y Doan, 2021), debido a percepciones de riesgo de desastres, escasez de productos (Li, 2021; Yuen, Tan, Wong y Wang, 2022) o expectativas de aumentos de precios (Arafat, Kar, Menon, Alradie-Mohamed, Mukherjee, Kaliamoorthy y Kabir, 2020; Yuen et al., 2020). En España, el confinamiento comenzó el 14 de marzo de 2020 y se extendió hasta el 21 de junio de 2020. Durante las primeras etapas de la pandemia, se observó que el 61.4% de los consumidores modificaron su comportamiento de compra, acumulando alimentos y participando con mayor frecuencia en compras por pánico (Brugarolas, Martínez-Carrasco, Rabadán y Bernabéu, 2020). Estas alteraciones en el comportamiento del consumidor contribuyeron a una variabilidad significativa en la demanda, lo que a su vez impactó la gestión de inventarios y las RS en los PDV. Durante la semana previa al confinamiento, el mercado del GC creció un 3.9% en comparación con la misma semana del año anterior. Sin embargo, durante la primera semana del confinamiento, el mercado creció un 78.4% (IRI, 2020). En EE.UU. las ventas de leche en polvo aumentaron un 84.4% a finales de febrero después de que se sospechara la transmisión local del virus (Nielsen, 2020). Un cambio significativo en el comportamiento del consumidor durante la pandemia de la COVID-19 fue la transición del consumo fuera del hogar hacia el consumo en el hogar (Zeballos y Dong, 2021), lo que a su vez ha impactado incrementado la demanda de productos destinados al consumo en el hogar. Por ejemplo, en Canadá, el 30% del gasto de los consumidores fuera del hogar se ha trasladado al sector minorista (Goddard, 2020). Todos estos cambios han generado escasez, incluso falta de productos, lo cual afecta el valor percibido por José Miguel Holgado Herrero 88 los consumidores resultando en numerosas situaciones de RS, limitando así las opciones de compra (Martin-Neuninger y Ruby, 2020). El sector del comercio minorista de alimentos fue particularmente afectado, registrando notables fluctuaciones en los niveles de RS a lo largo de las distintas fases del confinamiento (Delasay, Jain y Kumar, 2022). Un estudio realizado por Stelmasiak et al. (2024) evidenció un aumento del 24% en los niveles de RS durante la primera ola de confinamiento en comparación con el período previo. De manera similar, Cavallo y Kryvtsov (2023) revelaron que, en Estados Unidos, la tasa de RS se incrementó del 10% en 2019 a más del 40% en mayo de 2020. Aunque estos efectos se observaron inicialmente en productos de salud y cuidado personal, rápidamente se extendieron a otras categorías. Por ejemplo, en la categoría de "Muebles y Hogar", se registró un aumento de 23 puntos porcentuales, mientras que en "Alimentos y Bebidas" el incremento superó los 60 puntos porcentuales. Vázquez-Martínez et al. (2021) llevaron a cabo un estudio en más de 55 países para investigar el impacto de la COVID-19 en el comportamiento del consumidor durante la fase inicial de la pandemia. El estudio reveló que los consumidores mostraron preocupación por posibles reducciones de stock en los PDV, lo que los llevó a acumular más productos de los necesarios para consumo futuro. Un estudio publicado en Inforetail (2020), basado en el informe AECOC Shopper View, reveló que cuando los productos deseados no estaban disponibles en el lugar de compra, el 59% de los consumidores optaron por adquirir marcas alternativas, en comparación con el 27% registrado antes de la pandemia. Además, el 10.9% compró un producto diferente durante el confinamiento, frente José Miguel Holgado Herrero 89 al 15% previo a la COVID-19. Asimismo, el 10.6% buscó el producto en otro minorista, lo que representa una disminución respecto al 34% observado antes de la pandemia. Finalmente, el 19.5% pospuso su compra hasta su próxima visita a la misma tienda, en contraste con el 24% antes del brote. En resumen, ante un incremento abrupto de demanda, y más concretamente en el contexto de la pandemia, las organizaciones enfrentaron un desafío sin precedentes en el cual la imprevisibilidad de la demanda real depende en gran medida de factores externos y variables que no se tienen en cuenta en ningún modelo de estimaciones de ventas. Por lo tanto, las empresas no pueden garantizar medidas de mitigación de riesgos para resistir eventos extremos como una epidemia (Dube, Li, Selviaridis y Jahre, 2022). Un análisis riguroso de la literatura existente nos lleva a la formulación de las siguientes hipótesis de trabajo. H11: El efecto sobre los niveles de RS en el PDV es diferente en función de las distintas etapas o fases que se derivan tras un incremento abrupto de la demanda. H12: Los efectos sobre los niveles de RS en los PDV de los minoristas son diferentes en función de la categoría de producto. A continuación, describimos detalladamente la metodología empleada en esta Tesis Doctoral, la cual ha sido diseñada para proporcionar los datos y realizar un análisis exhaustivo que nos permita alcanzar una evaluación completa de los temas abordados. José Miguel Holgado Herrero 90 José Miguel Holgado Herrero 91 Capítulo III: Metodología José Miguel Holgado Herrero 98 la primera semana de confinamiento, la categoría de café experimentó un incremento del 27%, impulsado principalmente por el aumento del consumo doméstico debido al cierre de bares y restaurantes (Distribución Actualidad Retail, 2020). De manera similar, las tabletas de chocolate mostraron un crecimiento del 38.2% en el mismo período (Dulces Noticias, 2021). Además, es importante destacar que los patrones de consumo de estas dos categorías varían considerablemente entre el hogar y fuera de él. En el mercado español, el consumo de café fuera del hogar representa el 70%, mientras que el 30% ocurre en el hogar. Por otro lado, el consumo de chocolate es predominantemente en el hogar, representando el 75% del mercado, con solo el 25% del consumo de chocolate fuera del hogar (Kantar 2019). Tabla 2. Descriptivos a nivel de canales para el análisis de las roturas de stock Fuente: Elaboración propia 2. Variables del estudio De nuevo, y dado los objetivos que se persiguen en esta Tesis Doctoral, son múltiples las variables independientes, dependientes y de control utilizadas. A José Miguel Holgado Herrero 99 continuación, se detallan cada una de ellas según los distintos objetivos de investigación planteados. 2.1. Erosión de clientes Para medir esta variable, hemos comparado la tasa de repetición de compra de cada período con la del período base. En nuestra investigación, hemos utilizado los trimestres (Qj) como unidad temporal de estudio. Inicialmente, calculamos los datos de repetición de compra que abarcan desde Q1 hasta Q12, correspondientes a los tres años de análisis de datos. Para determinar el periodo base, calculamos un promedio con los datos de los primeros y segundos trimestres (ver sección “3. Métodos estadísticos”). En consecuencia, obtuvimos datos de repetición de compra desde Q3 hasta Q12. Este conjunto de datos facilitó el cálculo de la tasa de erosión para cada uno de estos períodos, permitiendo comparaciones como entre Q3 y el período base (el promedio de Q1 y Q2), entre otros. La variación en la tasa de repetición de compra en cada período se calculó utilizando la siguiente fórmula: (Q3 - Qi) / Q3, donde Q representa la tasa de repetición de compra en cada período. Este enfoque nos proporciona una visión detallada y sistemática de cómo evoluciona la lealtad de los clientes a lo largo del tiempo, considerando tanto las variaciones estacionales como los cambios estructurales en el comportamiento de compra. Por su parte, la Tabla 3 presenta las variables independientes utilizadas para analizar este objetivo. Como ya se ha comentado, la clasificación de clase social José Miguel Holgado Herrero 100 del consumidor fue proporcionada por la empresa de datos de paneles de hogares en el mercado español. Del mismo modo, la Tabla 4 proporciona la información sobre el tamaño de la muestra de cada segmento analizado. Tabla 3. Variables independientes utilizadas en el análisis de la erosión de clientes Concentración compra Edad responsable compras hogar Tamaño familia Ciclo de vida Clase social Compradores frecuentes marca 1 -35 2 personas Jóvenes independiente Alta y media alta Compradores frecuencia media marca 1 35 a 49 3 personas Jovenes sin hijos Media Compradores ocasionales marca 1 50 a 64 4 personas Adultos independientes Media baja Compradores frecuentes marca 2 ≥65 ≥5 personas Adultos sin niños Baja Compradores frecuencia media marca 2 Hogares monoparentale Compradores ocasionales marca 2 Hogares niños -6 Compradores frecuentes marca 3 Hogares niños 6-17 Compradores frecuencia media marca 3 Hogares niños 17-30 Compradores ocasionales marca 3 Jubilados Fuente: Elaboración propia Tabla 4. Características de la muestra para el análisis de la erosión clientes (tamaño de la muestra = 3,563) Fuente: Elaboración propia. José Miguel Holgado Herrero 101 2.2. Tamaño del surtido y de la innovación En nuestro estudio, para medir el poder del minorista utilizamos dos variables proxy: la cuota del mercado del minorista y la cuota de la MDD del minorista. Como ya se ha comentado anteriormente, estos datos nos fueron suministrados por nuestra fuente de información. Por su parte, y siguiendo la metodología adoptada por Chauve y Renckens (2015), consideramos como innovación a un producto que aparece por primera vez en el panel de detallistas durante el período analizado. La suma de todos ellos nos proporciona la cantidad de nuevas referencias introducidas por el minorista en sus estantes. El tamaño del surtido se define como el número total de diferentes referencias presentes en las estanterías de la tienda. Respecto al canal, señalar que se clasifica en tres categorías distintas: hipermercado, supermercado y descuento (Spain Retail, 2020). Para el estudio de este objetivo consideramos dos variables de control que, según la literatura, pueden influir en las variables dependientes: la ubicación y el tamaño de los establecimientos. Factores específicos del mercado, como las regiones del país, afectan el tamaño del surtido y la innovación (Merlino, Mastromonao, Borra, Blanc, Brun y Massaglia, 2021), adaptándose a las preferencias locales. En este estudio, clasificamos los diferentes PDV según las áreas geográficas definidas por Nielsen: Área I-Noreste, Área II-Levante (Este), Área III-Sur, Área IV-Central, Área V-Noroeste, Área VI-Norte Central, AMM-Área Metropolitana de Madrid y AMB-Área Metropolitana de Barcelona. El tamaño de la tienda es un factor significativo que influye en el tamaño del surtido y la innovación. Es esperable que, a mayor espacio disponible, el PDV pueda manejar más José Miguel Holgado Herrero 102 referencias de productos. Por lo tanto, segmentamos el tamaño de la tienda en cuatro grupos: <1,365 m²; 1,365-4,950 m²; 4,951-8,900 m²; >8,900 m². Cada uno de estos grupos cuenta con una muestra significativa de tiendas para el análisis. 2.3. Roturas de stock Un producto se considera “RS” si hay una etiqueta en la estantería, pero el código EAN no se puede leer debido a la ausencia del producto. También se clasifica como RS si, durante un chequeo, no hay producto ni etiqueta, pero sí estaban presentes en el chequeo anterior. Si tanto el producto como la etiqueta están ausentes en dos rondas consecutivas, se considera "no surtido", indicando que el PDV minorista ya no vende esa referencia y, por lo tanto, ya no se clasifica como RS. Los productos ubicados en otras posiciones no se consideran RS, al igual que los formatos promocionales que reemplazan a los productos estándares. Existen dos métodos principales para medir los RS en PDV (ECR Europe, 2003). El primero es directo, a través de observación y verificación física, que implica buscar "huecos" frente a la estantería. El segundo método es indirecto, utilizando datos de ventas escáner para identificar ventas anormalmente bajas. Esta investigación emplea el primer método. Estudios previos han estimado RS a través de datos de ventas de los establecimientos, y los resultados fueron consistentes con los obtenidos en auditorías físicas en el PDV (Gruen et al., 2002). Para analizar el impacto de las diversas variables que influyen en las RS en un contexto de incremento abrupto de demanda y, más concretamente, en el contexto de la pandemia, hemos considerado dos factores clave directamente asociados con este fenómeno: la fase de la pandemia y la categoría del producto. José Miguel Holgado Herrero 103 Para analizar las diferentes fases de la primera ola del coronavirus, se han dividido en tres períodos clave: pre-confinamiento, confinamiento y post-confinamiento. El confinamiento se inició el 14 de marzo de 2020 y concluyó el 21 de junio de 2020. Los períodos de estudio incluyeron la primera quincena de febrero de 2020 para el pre-confinamiento, la primera quincena de junio de 2020 para el confinamiento, y la primera quincena de julio de 2020 para el post-confinamiento. Además, se compararon los niveles de RS de estos períodos con los correspondientes del año anterior, realizando en total 1.860 visitas a PDV para la recogida de los datos. 3. Métodos estadísticos De nuevo, son diversas las metodologías empleadas en esta Tesis Doctoral. Cada una de ellas se ajustan a los objetivos de investigación propuestos y a las características de los datos disponibles, lo que nos permite proporcionar un análisis riguroso y detallado de nuestras cuestiones de investigación. A continuación, se detalla cada una de ellas. 3.1. Erosión de clientes: impacto de los factores sociodemográficos y de la concentración de las compras Para alcanzar este objetivo, hemos adoptado un enfoque metodológico conductual. Este enfoque ha sido previamente empleado en investigaciones tales como las realizadas por Dawes et al. (2021a), East y Hammond (1996) y Ehrenberg (1988). Dicho enfoque consiste en el seguimiento de una cohorte de José Miguel Holgado Herrero 104 compradores de marcas durante varios trimestres, con el objetivo de identificar cualquier declive en las tasas de repetición de compra. A pesar de la complejidad implícita, debido a la gran cantidad de datos analizados, los resultados se obtienen observando y promediando la información de las diferentes marcas dentro de cada categoría. Este enfoque proporciona una visión general de los datos basado en observaciones directas, sin depender de suposiciones o ajustes de modelos estadísticos específicos. Para testar las hipótesis 1 al 5, las transacciones realizadas por los compradores se agruparon en trimestres (Qi), resultando en un total de 12 trimestres. Esta segmentación trimestral permite una observación precisa y continua de las tendencias de compra, facilitando la identificación de las tasas de repetición de compra. Inicialmente, identificamos todos los hogares que compraron cada marca durante el primer trimestre, el cual se establece como período base de comparación. En los trimestres subsecuentes, calculamos la proporción de hogares que, habiendo realizado una compra en el período base, repiten su compra. Este enfoque nos permite observar la pérdida gradual de clientes a lo largo del tiempo. Con el fin de lograr una evaluación más precisa y representativa, adoptamos un enfoque ponderado para calcular la erosión promedio de las tres marcas, teniendo en cuenta la cuota de mercado de cada una (East y Hammond, 1996). Este método permite reflejar adecuadamente la relevancia de cada marca en el mercado, asegurando que las fluctuaciones en la erosión de clientes se interpreten de manera proporcional a su presencia en el sector. Al aplicar este José Miguel Holgado Herrero 105 enfoque, buscamos obtener un análisis más robusto y realista del impacto de los factores sociodemográficos y la concentración de compras sobre la erosión de clientes. A fin de asegurar la consistencia y mitigar el impacto de las fluctuaciones de ventas a corto plazo dentro de cada conjunto de datos, realizamos el análisis en dos iteraciones separadas utilizando el primer y segundo trimestres como períodos base. Posteriormente, calculamos los resultados promedio de ambas iteraciones. Este enfoque metodológico nos permite examinar la tasa de repetición de compra a lo largo de 9 trimestres (equivalentes a 27 meses), desde el Q4 hasta el Q12. Para evaluar la hipótesis H6, adoptamos el enfoque metodológico empleado por East y Hammond (1996), que propone una distribución de compradores compuesta por un 50% de compradores ocasionales, un 30% de compradores de frecuencia media y un 20% de compradores frecuentes. Este enfoque está en línea con su investigación previa y permite un análisis detallado de los diferentes tipos de compradores en función de su frecuencia de compra. Dada la naturaleza discreta del comportamiento de compra, las proporciones reales para cada marca varían ligeramente de las previstas. Específicamente, para la marca 1, encontramos una distribución del 49.8% de compradores ocasionales, 30.1% de compradores de frecuencia media y 20.1% de compradores frecuentes. La marca 2 mostró una distribución del 49.9% de compradores ocasionales, 30.1% de compradores de frecuencia media y 20.0% de compradores frecuentes, mientras que la marca 3 presentó una distribución del 49.5% de compradores ocasionales, 30.0% de compradores de frecuencia media y 20.5% de compradores frecuentes. José Miguel Holgado Herrero 106 Además, se utiliza un marco temporal más amplio, utilizando un año completo como período base, en contraste con los 9 meses utilizados por East y Hammond (1996), extendiéndose desde Q1 hasta Q4. Esta elección se realiza con el objetivo de ampliar la base de clientes y aumentar la probabilidad de que los compradores menos frecuentes repitieran sus compras. El uso de diferentes períodos de tiempo para calcular el período base en varios análisis nos permitió explorar más a fondo su impacto en los resultados obtenidos, siguiendo el método propuesto por East y Hammond (1996). 3.2. Influencia del poder de los minoristas sobre el tamaño del surtido y de la innovación en los puntos de venta. El papel moderador del canal Para alcanzar este objetivo, hemos utilizado un análisis de regresión de datos de panel y de regresión de clases latentes. Con el análisis de regresión de datos de panel, investigamos el efecto de las variables explicativas sobre las variables dependientes, así como la influencia del canal en esta relación. Además, exploramos si el canal actúa como un factor discriminante significativo en el estudio de la relación entre el poder del minorista, el tamaño del surtido y la innovación de productos mediante el análisis de regresión de clases latentes. Para el análisis de regresión de datos de panel, se ha utilizado el software Eviews 12 y para el de clases latentes, el software Latent Gold 6. José Miguel Holgado Herrero 107 El modelo de regresión de datos de panel ofrece la capacidad de analizar múltiples períodos simultáneamente, evaluar efectos individuales y abordar la endogeneidad de manera integrada. Esta metodología proporciona flexibilidad al investigador para modelar las variaciones en el comportamiento de los individuos a lo largo del tiempo. En paneles balanceados como el nuestro, estudiamos la misma muestra de 493 establecimientos a lo largo de varios períodos. Esto nos permite analizar dos dimensiones fundamentales: una espacial o estructural y otra temporal. Con la dimensión espacial, podemos modelar las diferencias individuales observables controladas por variables no observables, mientras que la dimensión temporal muestra la evolución o los cambios que ocurren en el tiempo. Para obtener estimaciones robustas, empleamos el modelo de efectos aleatorios. Este enfoque es adecuado debido a que las características únicas de cada PDV pueden influir en la variable dependiente en nuestro análisis, como el tipo de minorista o el canal al que pertenecen (Torres-Reyna, 2007). Por ejemplo, dos PDV que pertenecen al mismo minorista pueden compartir características específicas que los diferencian de PDV de minoristas diferentes. El análisis de la interacción entre dos variables y su efecto en una tercera variable se aborda mediante el uso de variables slope dummy. Este enfoque permite explorar la moderación del canal en la relación, resolviendo así problemas de colinealidad asociados a las variables dummy simples. Al implementar este método, se logra una estimación más precisa de cómo varía el efecto de las variables independientes según el canal. Esto facilita la identificación de patrones de comportamiento específicos en diferentes contextos minoristas, permitiendo un José Miguel Holgado Herrero 114 la segunda columna de la tabla, se observa que el 31% de los compradores que adquirieron la marca 2 durante el período base (promedio de Q1 y Q2) realizaron una compra repetida en el tercer trimestre (Q3). Sin embargo, solo el 26% de estos compradores repitieron la compra en el duodécimo trimestre (Q12), lo que refleja una disminución del 14% en la retención de clientes, como se indica en la última columna de la tabla. La variación en el porcentaje de compradores a lo largo de los diferentes trimestres para todas las marcas, en comparación con el período base, sugiere que la propensión a realizar compras repetidas varía con el tiempo (Scriven, Bound y Graham, 2017). En ausencia de esta variación, se esperaría que la tasa de repetición de compra para la marca 2 se mantuviera constante en un 31%. Las tres marcas experimentan erosión en sus tasas de repetición de compra. Desde el tercer trimestre (Q3) hasta el duodécimo trimestre (Q12), la tasa promedio combinada de repetición de compra de las marcas disminuye del 28% al 21%. En promedio, las marcas pierden y ganan un 26% de sus clientes en cada período de nueve trimestres, lo que se traduce en una erosión promedio del 2.9% por trimestre. La marca 3 experimenta una erosión más pronunciada, con una pérdida del 62% en su base de clientes, mientras que la marca 2, que posee la mayor cuota de mercado, muestra la menor erosión, con solo un 14%. En un mercado estable, esta erosión de clientes se ve compensada por la adquisición de nuevos compradores provenientes de aquellos que actualmente no están activos en la marca. José Miguel Holgado Herrero 115 A corto plazo, los resultados indican una disminución gradual en el porcentaje de compradores recurrentes, que desciende del 28% en el tercer trimestre (Q3) al 26% en el sexto trimestre (Q6), lo que representa una erosión del 7% (Q6-Q3 como porcentaje del Q3). En el séptimo trimestre (Q7), se observa una caída significativa, reduciendo el porcentaje de repetición de compra al 20%. Este patrón es particularmente pronunciado en la marca 1 y la marca 2, mientras que la marca 3 muestra una disminución consistente en sus tasas de repetición de compra. Esta disminución podría atribuirse a variaciones estacionales en los patrones de compra, posiblemente influenciadas por las altas temperaturas del verano en España. Las altas temperaturas tienden a afectar negativamente a categorías como los chocolates, cuya demanda disminuye significativamente durante los meses cálidos. En contraste, otras categorías, como el helado, experimentan un incremento en las ventas, dado que su consumo está estrechamente asociado con el período estival. En consecuencia, los resultados alcanzados contrastan la H1, que postula que la tasa de repetición de compra disminuye con el tiempo. Los resultados de la erosión de clientes, segmentados por la edad del responsable de compra del hogar, se presentan también en la Tabla 5. En términos generales, los datos indican que la erosión de clientes está influenciada por la edad del responsable de compra del hogar. Como se observa en la última columna de la tabla, la erosión de clientes tiende a disminuir conforme aumenta la edad del responsable de compra, manteniéndose esta tendencia hasta el grupo de edad de 50-64 años. No obstante, en los grupos de edad más avanzados, la erosión de José Miguel Holgado Herrero 116 clientes muestra un aumento moderado en comparación con el segmento de edad inmediatamente anterior. Tabla 5. Tasas de repetición de compra trimestrales y erosión según la edad del responsable de compra del hogar Erosión Periodo Periodo base (media Q1 y Q2) Q3 Q4 Q5 Q6 Q7 Q8 Q9 Q10 Q11 Q12 Q3-Q12 como % Q3 Marca 1 100 21 20 21 16 11 11 11 13 8 9 58 Marca 2 100 31 32 31 31 23 26 26 26 24 26 14 Marca 3 100 26 24 22 18 14 15 16 12 710 62 Media ponderada 100 28 29 28 26 20 22 22 22 19 21 26 Marca 1 100 711 11 0 4 0 0 4 7 0 100 -35 Marca 2 100 22 11 15 719 19 11 0 7 19 17 Marca 3 100 60 020 40 20 40 0 0 0 0 100 Media ponderada 100 27 915 12 17 20 80613 53 Marca 1 100 19 21 28 20 11 11 15 16 14 12 40 35-49 Marca 2 100 34 32 35 36 26 28 26 22 25 25 26 Marca 3 100 29 17 14 6 0 3 11 0 0 9 70 Media ponderada 100 31 28 31 28 19 21 22 17 19 20 34 Marca 1 100 27 22 29 23 15 19 15 16 10 968 50-64 Marca 2 100 31 37 35 34 28 27 30 32 30 31 0 Marca 3 100 30 27 29 21 20 14 20 23 16 14 53 Media ponderada 100 30 33 33 30 25 24 26 28 24 25 18 Marca 1 100 4 4 0 0 4 4 0 9 4 9 8 >=65 Marca 2 100 37 38 38 36 30 36 35 37 24 30 18 Marca 3 100 24 38 14 21 17 24 21 17 7 7 71 Media ponderada 100 30 33 28 28 24 30 28 29 18 23 23 Marca 1 100 21 20 21 16 11 11 11 13 8 9 58 Total Marca 2 100 31 32 31 31 23 26 26 26 24 26 14 Marca 3 100 26 24 22 18 14 15 16 12 710 62 Media ponderada 100 28 29 28 26 20 22 22 22 19 21 26 % compradores repetidores en los siguientes trimestres vs periodo base Edad del responsable de compras del hogar General Fuente: Elaboración propia A nivel de marca, los resultados presentan una variabilidad considerable. La marca 3 muestra una reducción notable en la erosión de clientes desde el grupo de edad menor de 35 años hasta el grupo de 50-64 años, aunque presenta una tendencia opuesta en los grupos de edad más avanzados (ver Figura 9). Es relevante señalar que tanto la marca 1 como la marca 3 experimentan una erosión del 100% en el segmento de responsables de compras del hogar menores de 35 años, indicando una renovación total de su base de clientes en un mercado estable durante el período de nueve trimestres analizado. En contraste, la marca José Miguel Holgado Herrero 117 2 no muestra ninguna erosión en el grupo de edad de 50-64 años durante el mismo período. Por todo ello, y en base a estos resultados, la hipótesis H2 es parcialmente contrastada. Figura 9. Erosión de clientes según la edad del responsable de compra del hogar en el período Q12 a nivel de marca Fuente: Elaboración propia. La Tabla 6 presenta la erosión de clientes clasificada según el tamaño de la familia. Los resultados indican una tendencia creciente en la erosión de clientes a lo largo del período de nueve trimestres, correlacionada con un mayor tamaño del hogar. Las familias de tres personas experimentan una erosión del 19%, mientras que los hogares con cinco o más miembros muestran una erosión del 40%. Los hogares de tamaño pequeño (con una erosión del 33%) y los de tamaño grande (con una erosión del 40%) exhiben tasas de erosión superiores al promedio general del 26%. En contraste, los hogares de tamaño intermedio presentan tasas de erosión inferiores al promedio. Este patrón sugiere una relación en forma de U entre el tamaño de la familia y la tasa de erosión de clientes. José Miguel Holgado Herrero 118 En todos los segmentos de tamaño familiar, se observa una disminución general en las tasas de compra hasta el séptimo trimestre (Q7), seguida de una estabilización relativa en las tasas a partir de ese punto. A nivel de marca, cada una sigue una tendencia distinta, siendo la marca 1 la que se alinea con el patrón esperado según la hipótesis (ver Figura 10). En consecuencia, los resultados alcanzados permiten contrastar parcialmente la hipótesis H3 la cual postula que la erosión de clientes aumenta con el tamaño de la familia. Tabla 6. Tasas de repetición de compra trimestrales y erosión según el tamaño de la familia Erosión Periodo Tamaño de la familia Q3 Q4 Q5 Q6 Q7 Q8 Q9 Q10 Q11 Q12 Q3-Q12 como % Q3 Marca 1 12 7 3 13 5 5 8 8 5 5 57 2 personas Marca 2 33 35 33 30 29 29 31 32 26 26 20 Marca 3 29 32 15 18 15 21 21 15 6 6 80 Media ponderada 29 31 25 26 23 24 26 25 19 20 33 Marca 1 27 28 36 14 11 19 16 23 14 12 55 3 personas Marca 2 32 33 38 39 27 26 25 28 24 29 12 Marca 3 17 17 21 8 4 4 8 8 0 13 25 Media ponderada 29 30 35 30 20 21 21 24 18 23 19 Marca 1 22 19 26 22 13 812 11 10 770 4 personas Marca 2 32 35 34 35 28 19 29 27 29 32 2 Marca 3 42 15 21 12 18 618 18 21 18 57 Media ponderada 33 29 31 29 24 15 24 23 25 26 21 Marca 1 15 18 30 21 18 18 15 12 15 474 >=5 personas Marca 2 42 40 37 33 25 35 35 25 25 26 38 Marca 3 11 11 0 0 0 7 4 4 0 7 33 Media ponderada 32 32 29 25 19 28 27 19 19 19 40 Marca 1 21 20 21 16 11 11 11 13 8 9 58 Total Marca 2 31 32 31 31 23 26 26 26 24 26 14 Marca 3 26 24 22 18 14 15 16 12 710 62 Media ponderada 28 29 28 26 20 22 22 22 19 21 26 % compradores repetidores en los siguientes trimestres vs periodo base Fuente: Elaboración propia José Miguel Holgado Herrero 119 Figura 10. Erosión de clientes en función del tamaño de la familia en el período Q12 a nivel de marca Fuente: Elaboración propia La Tabla 7 muestra los resultados de la erosión de clientes clasificados según el ciclo de vida. A lo largo de las diferentes etapas, desde la transición a la independencia adulta hasta las etapas de jubilación, se observa una tendencia decreciente en la erosión de clientes. Sin embargo, esta tendencia no se aplica a los hogares con niños menores de 6 años y aquellos con niños de 6 a 17 años, donde la erosión sigue siendo notable. En particular, los hogares compuestos por jóvenes independientes presentan una erosión del 100% para las tres marcas analizadas. José Miguel Holgado Herrero 120 A nivel de marca, los resultados muestran una mayor fragmentación (ver Figura 11), con la marca 2 alineándose en gran medida con la hipótesis propuesta. Sin embargo, esta marca presenta resultados contradictorios en el segmento de jóvenes sin hijos. Por todo ello, los resultados alcanzados contrastan parcialmente la hipótesis H4 a nivel global. Tabla 7. Tasas de repetición de compra trimestrales y erosión según el ciclo de vida Erosión Periodo Ciclo de vida Q3 Q4 Q5 Q6 Q7 Q8 Q9 Q10 Q11 Q12 Q3-Q12 as % Q3 Marca 1 25 000000000 100 Jóvenes Marca 2 20 20 00000000 100 independientes Marca 3 67 67 00000000 100 Media ponderada 29 26 00000000 100 Marca 1 50 00000050 0 0 100 Jóvenes Marca 2 57 14 14 14 29 29 014 14 43 25 sin hijos Marca 3 75 025 50 25 50 0 0 0 0 100 Media ponderada 59 10 14 19 24 28 017 10 29 51 Marca 1 25 000000000 100 Adultos Marca 2 20 20 00000000 100 independientes Marca 3 67 67 00000000 100 Media ponderada 29 26 00000000 100 Marca 1 70729 14 29 21 7 7 4 44 Adultos Marca 2 38 41 37 35 32 30 36 33 31 26 33 sin hijos Marca 3 39 50 28 11 11 17 22 17 617 57 Media ponderada 34 37 31 30 26 28 32 26 23 21 38 Marca 1 39 34 34 25 14 23 16 23 211 71 Hogares Marca 2 32 27 36 34 17 19 17 19 19 28 11 monoparentales Marca 3 8000800008 0 Media ponderada 29 23 30 27 15 16 14 16 13 22 21 Marca 1 13 24 24 913 7 7 11 16 750 Hogares Marca 2 22 22 27 28 23 24 22 820 17 24 niños -6 Marca 3 38 15 15 0088015 15 60 Media ponderada 24 21 25 21 18 19 17 719 15 36 Marca 1 16 16 29 24 11 10 14 10 911 31 Hogares Marca 2 36 38 35 38 26 29 30 30 27 27 26 niños 6-17 Marca 3 33 17 13 17 4 4 21 8 4 8 75 Media ponderada 33 31 30 32 20 22 26 23 21 21 35 Marca 1 28 20 30 18 16 16 13 20 20 486 Hogares Marca 2 41 38 36 34 30 30 34 33 28 40 4 niños 17-30 Marca 3 29 25 38 25 33 13 21 25 17 21 29 Media ponderada 37 33 35 30 29 25 29 30 25 31 16 Marca 1 550055010 5 4 20 Jubilados Marca 2 36 41 43 39 33 39 39 39 26 33 9 Marca 3 20 20 816 12 16 816 4 8 60 Media ponderada 29 32 30 30 25 30 28 31 19 25 15 Marca 1 21 20 21 16 11 11 11 13 8 9 58 Total Marca 2 31 32 31 31 23 26 26 26 24 26 14 Marca 3 26 24 22 18 14 15 16 12 710 62 Media ponderada 28 29 28 26 20 22 22 22 19 21 26 % compradores repetidores en los siguientes trimestres vs periodo base Fuente: Elaboración propia José Miguel Holgado Herrero 121 Figura 11. Erosión de clientes según el ciclo de vida en el período Q12 a nivel de marca Fuente: Elaboración propia La Tabla 8 presenta los resultados de la erosión de clientes segmentada por clase social. Los datos revelan que una menor erosión de clientes está asociada con una clase social más alta. Específicamente, la tasa de erosión para la clase social baja es del 35%, mientras que para las clases sociales alta y media, la tasa de erosión se reduce a la mitad, alcanzando un 17%. A partir de la clase social media en adelante, la erosión de clientes se mantiene por debajo del promedio general, mientras que, en las clases sociales más bajas, la erosión supera el promedio. A nivel de marca, la 2 y la 3 se alinean con la hipótesis formulada, sin embargo, la marca 3, sigue una tendencia contraria. Los resultados en su conjunto contrastan la hipótesis H5 a nivel agregado. José Miguel Holgado Herrero 122 Tabla 8. Tasas de repetición de compra trimestrales y erosión según la clase social Erosión Periodo Clase social Q3 Q4 Q5 Q6 Q7 Q8 Q9 Q10 Q11 Q12 Q3-Q12 como % Q3 Marca 1 12 11 11 12 7 7 14 795 57 Baja Marca 2 34 31 35 29 26 25 29 26 23 25 26 Marca 3 29 38 10 19 10 24 33 19 010 67 Media ponderada 30 29 27 25 21 22 28 22 17 20 35 Marca 1 18 21 28 31 11 20 13 20 11 10 45 Media baja Marca 2 31 33 29 31 28 29 24 31 26 24 23 Marca 3 22 7 0 11 11 19 4707 67 Media ponderada 28 27 24 27 23 26 19 25 19 19 31 Marca 1 28 20 26 10 911 10 15 10 870 Media Marca 2 35 36 40 36 27 29 30 26 26 32 7 Marca 3 28 28 34 17 11 11 17 17 613 54 Media ponderada 33 32 37 29 22 23 25 23 20 26 22 Marca 1 24 22 30 22 20 15 11 13 11 483 Alta media alta Marca 2 33 41 35 43 29 32 36 32 31 32 2 Marca 3 38 34 25 22 22 16 22 13 25 25 33 Media ponderada 33 37 32 37 26 27 30 26 27 27 17 Marca 1 21 20 21 16 11 11 11 13 8 9 58 Total Marca 2 31 32 31 31 23 26 26 26 24 26 14 Marca 3 26 24 22 18 14 15 16 12 710 62 Media ponderada 28 29 28 26 20 22 22 22 19 21 26 % compradores repetidores en los siguientes trimestres vs periodo base Fuente: Elaboración propia La Tabla 9 presenta los resultados de la erosión de clientes según la concentración de compra. Se puede observar que, a medida que aumenta la concentración de compra, también lo hace la tasa de erosión de clientes. La tasa promedio de erosión durante los siete trimestres analizados es del 18%, lo que es inferior al 26% registrado en el análisis previo basado en variables sociodemográficas a lo largo de nueve trimestres. Esta discrepancia se debe a la diferencia en los criterios utilizados para definir el período base de comparación. José Miguel Holgado Herrero 123 Figura 12. Erosión de clientes según la clase social en el período Q12 a nivel de marca Fuente: Elaboración propia Existen diferencias significativas en las tasas de erosión de clientes según la clasificación de los compradores en compradores frecuentes, de frecuencia media y ocasionales. Los compradores frecuentes, a pesar de mostrar una tasa de repetición de compra relativamente alta en comparación con el período base, enfrentan una erosión considerablemente mayor, alcanzando niveles del 47% durante los siete trimestres analizados (Q5-Q12), cifra que supera el promedio del 18%. En contraste, los compradores de frecuencia media y ocasionales presentan una tasa de repetición de compra inferior y experimentan una erosión menor que el promedio, con tasas del 13% y 4%, respectivamente. 0 20 40 60 80 100 Baja Media baja Media baja Alta media alta Erosión en Q12 (%) Marca 1 Marca 2 Marca 3 José Miguel Holgado Herrero 130 adicionales ejercen un impacto significativo y negativo sobre el tamaño del surtido, siendo el efecto más pronunciado para la cuota de mercado de las MDD. Específicamente, a medida que disminuye la cuota de mercado de las tabletas de chocolate del minorista y la cuota de mercado de la MDD en el minorista, el tamaño del surtido tiende a aumentar. El modelo 3 incorpora el tipo de canal y los términos de interacción entre el tipo de canal y las cuotas de mercado, permitiendo evaluar el posible efecto moderador de la variable "canal". Este modelo muestra un incremento significativo en el poder explicativo en comparación con los modelos anteriores, subrayando la importancia del tipo de canal en la dinámica del tamaño del surtido. En el modelo 3, se observa que el efecto de algunas áreas geográficas es significativo, indicando que el tamaño del surtido varía en comparación con el área de referencia seleccionada (Área Metropolitana de Madrid). En cuanto a las interacciones entre el tipo de canal y las cuotas de mercado, se utiliza el canal de descuento como referencia. Los resultados revelan que el efecto de la cuota de mercado de las MDD en el tamaño del surtido es más pronunciado en los supermercados, con una relación negativa significativa. En contraste, en los hipermercados, el impacto de la cuota de mercado de las MDD sobre el tamaño del surtido es menos notable y cambia de signo, mostrando una relación positiva. Sin embargo, no se observa un efecto significativo del tipo de canal en la relación entre la cuota de mercado del minorista y el tamaño del surtido. En relación con el tamaño de la innovación, la Tabla 11 presenta los resultados del modelo 4, que examina el impacto de las variables de control en la José Miguel Holgado Herrero 131 introducción de nuevos productos en los estantes. Este modelo revela que, aunque el área geográfica de las tiendas no muestra un efecto significativo, el tamaño de las tiendas tiene una influencia positiva y estadísticamente significativa en la introducción de innovaciones. El modelo 5, que añade las variables explicativas RCHMS (cuota de mercado del minorista) y PLCHMS (cuota de mercado de la MDD), incrementa notablemente el poder explicativo del modelo. Ambas variables resultan ser significativas; sin embargo, los efectos son opuestos a lo esperado. Mientras que PLCHMS tiene un efecto negativo, alineándose con la H8b, la influencia de RCHMS es positiva, contradiciendo la H8a. Tabla 10. Regresión de datos de panel para el tamaño del surtido Coeficientes Modelo 1 Modelo 2 Modelo 3 Variable C 68.891*** 116.640*** 66.288*** A_M_B_ -10.784 -11.674*** -11.888*** AREA_I -5.704 0.562 -0.681 AREA_II -14.047* -5.502 -6.335** AREA_III -14.687* -10.864*** -8.383*** AREA_IV -3.318 -2.345 -1.612 AREA_V -1.48 1.467 4.143 AREA_VI 3.909 1.235 1.241 M2__1365_49 50 59.475*** 61.629*** 14.989*** M2__4951_89 00 137.929*** 115.527*** 50.278*** M2__8900 144.332*** 122.29*** 57.676*** RCHMS -0.729*** -0.717*** PLCHMS -1.443*** -0.343*** HIPER 85.436*** SUPER 129.784*** 0.529 -10.401 0.464** -2.527*** R-cuadrado ajustado 0.342 0.687 0.825 Estadístico de Durbin-Watson 1.679 1.642 1.68 HIPER* RCHMS SUPER* RCHMS HIPER* PLCHMS SUPER* PLCHMS Area Nielsen (benchmark AMM) M2 (benchmark <1365 M2) Poder Canal Interacciones RCHMS: Cuota de mercado del minorista PLCHMS: Cuota de mercado MDD en el minorista Notas: *p<.10, **p<0.05, ***p<.01 Fuente: Elaboración propia a partir de los datos de salida de software José Miguel Holgado Herrero 132 Tabla 11. Regresión de datos de panel para el tamaño innovación Coeficientes Modelo 4 Modelo 5 Modelo 6 Variable C 9.729*** 30.880*** 11.362*** Area Nielsen A_M_B_ -2.039 -2.014 -2.614*** AREA_I -2.298 -0.367 -0.108 AREA_II -2.548 -0.543 -1.507* AREA_III -1.326 -0.237 -0.901 AREA_IV 0.357 0.44 0.726 AREA_V 1.808 3.175** 2.55** AREA_VI 1.473 0.526 1.207 M2__1365_4950 15.856*** 12.546*** 3.872*** M2__4951_8900 35.101*** 20.886*** 17.119*** M2__8900 36.64*** 22.754*** 19.047*** Poder RCHMS 0.476*** -0.155* PLCHMS -0.695*** -0.135*** Canal HIPER 22.111*** SUPER 38.665*** Interacciones HIPER* RCHMS 0.47*** 0.033 -0.399*** -1.201*** R-cuadrado ajustado 0.587 0.726 0.822 Estadístico de Durbin-Watson 1.038 1.24 1.164 SUPER* RCHMS HIPER* PLCHMS SUPER* PLCHMS RCHMS: Cuota de mercado del minorista PLCHMS: Cuota de mercado MDD en el minorista Notas: *p<.10, **p<0.05, ***p<.01 Fuente: Elaboración propia a partir de los datos de salida de software El modelo 6 expande el análisis al incluir la variable "canal" y los términos de interacción entre el tipo de canal y las cuotas de mercado, utilizando el canal de descuento como referencia. Los resultados indican que el tipo de canal modula la relación entre PLCHMS y la innovación en tabletas de chocolate con leche, mostrando variaciones significativas en función del canal. Para la cuota de mercado del minorista (RCHMS), el impacto sobre la innovación presenta una relación compleja, con el signo de la relación principal cambiando a positivo con un nivel de significancia del 10% y una interacción mostrando un efecto positivo con alta significancia. Esto sugiere que el tipo de canal desempeña un papel José Miguel Holgado Herrero 133 moderador crucial en la relación entre las cuotas de mercado y el tamaño de la innovación. Esta ambigüedad en el efecto del canal sobre las relaciones estudiadas plantea interrogantes sobre la idoneidad de la variable "canal" como moderadora en la clasificación de minoristas y tiendas, especialmente al analizar el tamaño del surtido y la innovación. Para abordar esta cuestión, realizamos una regresión de clases latentes, una metodología que permite agrupar los PDV en distintos segmentos basados en comportamientos homogéneos. La regresión de clases latentes es una técnica estadística avanzada que identifica subgrupos dentro de una población que exhiben patrones de comportamiento similares. Esta metodología facilita una comprensión más detallada y matizada del impacto de las variables moderadoras, como el tipo de canal, al permitirnos segmentar los PDV en categorías que reflejan variaciones en su comportamiento respecto a la cuota de mercado y su relación con el tamaño del surtido y la innovación. Al implementar esta técnica, buscamos evaluar si la variable "canal" proporciona una clasificación significativa y útil para los minoristas y tiendas, o si existen otros factores o subgrupos que influyen de manera más relevante en la dinámica de surtido e innovación. Esta investigación permitirá afinar la comprensión de cómo las características del canal afectan las estrategias de surtido e innovación, ofreciendo insights más precisos para la toma de decisiones estratégicas en el sector minorista. En el análisis del tamaño del surtido, después de realizar múltiples iteraciones, seleccionamos el modelo de 3 clases latentes por su óptimo equilibrio José Miguel Holgado Herrero 134 entre el error de clasificación más bajo (0.0264) y el coeficiente de determinación más alto (0.94), tal y como se detalla en la Tabla 12. Este modelo de 3 clases latentes ofrece una representación precisa y robusta de los patrones de comportamiento entre los PDV, maximizando la capacidad de explicación del modelo y minimizando los errores en la clasificación de los grupos identificados. Tabla 12. Modelos de clases latentes estimados para el tamaño del surtido LL BIC(LL) Npar Error Clasif R² Model9 1-regresión de clases -9,938.64 19,902.08 4 - 0.74 Model10 2-regresión de clases -8,911.89 17,966.39 23 0.0001 0.87 Model11 3-regresión de clases -8,469.71 17,199.84 42 0.0264 0.94 Fuente: Elaboración propia La Tabla 13 presenta los resultados de la regresión de clases latentes aplicada a la variable de tamaño del surtido. El análisis revela que las diferencias en los coeficientes beta entre los distintos grupos latentes son estadísticamente significativas, según el estadístico de Wald. Esto indica que las relaciones entre las variables que representan el poder del minorista, a saber, la cuota de mercado del minorista (RCHMS) y la cuota de mercado de la MDD (PLCHMS), y el tamaño del surtido varían de manera significativa entre las clases latentes identificadas. José Miguel Holgado Herrero 135 Tabla 13. Parámetros del modelo de clases latentes para el tamaño del surtido Clase 1 Clase 2 Clase 3 Total R² 0.00 0.46 0.6 0.94 Tamaño surtido Clase 1 Clase 2 Clase 3 Wald p-valor Wald(=) p-valor Promedio Desv Standard Intercepto 206.33 62.82 172.62 11307.28 3.8e-2454 3111.89 1.8e-676 156.22 60.67 Predictores Clase 1 Clase 2 Clase 3 forest p-valor Forest(=) p-valor Promedio Desv Standard RCHMS -0.28 -0.13 5.19 225.24 0 224.00 0 1.24 2.40 PLCHMS 0.21 -0.37 -2.50 472.86 0 307.26 0 -0.69 1.13 RCHMS: Cuota de mercado del minorista PLCHMS: Cuota de mercado MDD en el minorista Fuente: Elaboración propia a partir de los datos de salida de software La Tabla 14 proporciona un perfil detallado de las clases latentes utilizando el tipo de canal como covariable. Los resultados muestran que todos los PDV clasificados como descuentos se agrupan en la clase 2, que está compuesta casi en su totalidad por tiendas de este canal. La clase 1, por otro lado, está predominantemente formada por hipermercados, mientras que la clase 3 incluye una distribución relativamente equilibrada entre hipermercados y supermercados. Los resultados de la regresión revelan diferencias notables en las relaciones entre la cuota de mercado y el tamaño del surtido según la clase latente. En la clase 2, que está compuesta en su totalidad por descuentos, los coeficientes de regresión para las cuotas de mercado del minorista y de la MDD son negativos, corroborando las hipótesis planteadas (Tabla 13). Específicamente, en los PDV del canal descuento, tanto una mayor cuota de mercado del minorista como una mayor cuota de mercado de la MDD están asociadas con una disminución en el tamaño del surtido. En la clase 1, predominantemente constituida por hipermercados, la relación entre la cuota de mercado del minorista y el tamaño del surtido es negativa (Tabla 13), lo que está en línea con las expectativas teóricas. Sin embargo, la cuota de José Miguel Holgado Herrero 136 mercado de la MDD muestra una relación positiva con el tamaño del surtido en este segmento. La clase 3, que agrupa tanto hipermercados como supermercados, presenta un patrón inverso. En esta clase, la cuota de mercado del minorista tiene un efecto positivo en el tamaño del surtido, mientras que la cuota de mercado de la MDD tiene un efecto negativo. Estos hallazgos subrayan la complejidad de la relación entre las cuotas de mercado y el tamaño del surtido, que varía significativamente según el tipo de canal y la clase latente en cuestión. Tabla 14. Clases latentes para el tamaño del surtido % class/channel % %/canal SKUs %/Canal %/Clase %/Canal %/Clase %/Canal %/Clase Total Hipers 53.80% 75.90% 91.90% 0.40% 0.70% 23.70% 47.20% 100.00% Total Supers 17.90% 20.20% 8.10% 0.00% 0.00% 79.80% 52.80% 100.00% Total Descuento 28.30% 0.00% 0.00% 100.00% 99.30% 0.00% 0.00% 100.00% %/Clase 100% 100% 100% Clase 1 Clase 2 Clase 3 207.74 43.84 148.98 Fuente: Elaboración propia El análisis de regresión para la variable tamaño de la innovación identifica cuatro clases latentes, como se detalla en la Tabla 15. Este modelo de cuatro clases latentes proporciona una mejor diferenciación entre los comportamientos observados en comparación con el modelo de tres clases para el tamaño del surtido, alcanzando un error de clasificación de 0.0039 y un coeficiente de determinación de 0.82. Esta mayor variedad de comportamientos en la innovación sugiere, de nuevo, una complejidad adicional en la dinámica entre las variables analizadas. José Miguel Holgado Herrero 137 La Tabla 16 presenta las diferencias significativas en los coeficientes de regresión entre las clases latentes. Los resultados indican que las relaciones entre el poder del minorista (representado por las cuotas de mercado del minorista y de la MDD) y la innovación en el surtido de productos varían considerablemente según la clase latente. Esto subraya que la influencia del poder del minorista sobre la introducción de nuevos productos en el surtido es distinta en cada grupo, evidenciando la importancia de considerar estas diferencias en la formulación de estrategias para la innovación en el mercado de tabletas de chocolate. Tabla 15. Modelos de clases latentes estimados para el tamaño de la innovación LL BIC(LL) Npar Error Clasif R² Modelo 19 3-regresión de clases -6567.92 13396.25 42 0.0061 0.81 Modelo 20 4-regresión de clases -6393.98 13166.2 61 0.0039 0.82 Modelo 21 5-regresión de clases -6179.12 12854.28 80 0.0096 0.82 Fuente: Elaboración propia a partir de los datos de salida de software Tabla 16. Parámetros del modelo de clases latentes para el tamaño de la innovación Clase 1 Clase 2 Clase 3 Clase 4 Total R² 0.21 0.75 0.62 0.28 0.82 Innovación Clase 1 Clase 2 Clase 3 Clase 4 Wald p-valor Wald(=) p-valor Promedio Desv Standard Incercepto 55.66 -187.51 9.26 -16.38 4.388.7 2.1e-950 2923.81 5.5e-634 -39.66 102.04 Predictores Clase 1 Clase 2 Clase 3 Clase 4 forest p-valor Forest(=) p-valor Promedio Desv Standard RCHMS -0.25 17.62 -0.17 14.84 1247.60 0.000 1208.78 0.000 6.63 8.47 PLCHMS -1.11 3.51 -0.07 0.55 1582 2.4e-341 1578.58 5.2e-342 0.77 1.91 RCHMS: Cuota de mercado del minorista PLCHMS: Cuota de mercado MDD en el minorista Fuente: Elaboración propia a partir de los datos de salida de software La Tabla 17 presenta el perfil de cada clase latente basado en el tipo de canal de la tienda. Se observa una clara segmentación en función del canal: La clase 3 José Miguel Holgado Herrero 138 está compuesta exclusivamente por tiendas de descuento, lo que indica un comportamiento homogéneo en términos de innovación dentro de este canal. La clase 2 incluye únicamente hipermercados, sugiriendo una homogeneidad en el comportamiento de innovación en este tipo de establecimiento. La clase 4 está formada exclusivamente por supermercados, revelando patrones consistentes en la innovación dentro de este canal. La clase 1 presenta una combinación de hipermercados y supermercados, mostrando una mezcla de comportamientos en términos de innovación entre estos dos tipos de canal. Esta segmentación resalta que, en el contexto de innovación, las tiendas de descuento exhiben un comportamiento muy homogéneo. En contraste, tanto los hipermercados como los supermercados se dividen en subgrupos con patrones de innovación relativamente distintos. Los coeficientes de regresión revelan resultados significativos al considerar la composición de las clases latentes. En las tiendas de descuento (clase 3), las relaciones entre la cuota de mercado del minorista y la cuota de mercado de la MDD con la innovación son negativas (Tabla 16), lo que confirma las hipótesis planteadas. Es decir, en este tipo de canal, una mayor cuota de mercado tanto del minorista como de la MDD se asocia con una menor introducción de nuevos productos. Por otro lado, en la clase 1, que incluye una combinación de hipermercados y supermercados, también se observa que las relaciones entre la cuota de mercado del minorista y la cuota de mercado de la MDD con la innovación son negativas (Tabla 16), corroborando las hipótesis formuladas para este grupo. José Miguel Holgado Herrero 139 En contraste, en las clases 2 y 4, que comprenden principalmente hipermercados y supermercados respectivamente, se encuentran relaciones positivas entre la cuota de mercado del minorista y de la MDD con la innovación (Tabla 16). Esto sugiere que, en estos subgrupos, una mayor cuota de mercado del minorista y de la MDD se asocia con una mayor introducción de nuevos productos en sus estantes. Estos resultados destacan que, mientras la relación entre cuota de mercado y la innovación tiende a ser negativa en los descuentos y en la clase 1, en algunos hipermercados y supermercados, específicamente en las clases 2 y 4, una mayor cuota de mercado está positivamente relacionada con la capacidad de introducir innovaciones. Tabla 17. Clases latentes para el tamaño de la innovación % Clase/Canal Total %/Canal %/Canal %/Clase %/Canal %/Clase %/Canal %/Clase %/Canal %/Clase Total Hipers 53.70% 41.60% 71.00% 58.00% 100.00% 0.40% 0.70% 0.00% 0.00% 100.00% Total Supers 17.70% 51.60% 29.00% 0.00% 0.00% 0.00% 0.00% 48.40% 100.00% 100.00% Total Descuento 28.60% 0.00% 0.00% 0.00% 0.00% 99.30% 99.30% 0.70% 0.00% 100.00% %/Clase 100% 100% 100% 100% 100% Clase 1 Clase 2 Clase 3 Clase 4 44.71 44.37 4.42 13.72 Fuente: Elaboración propia a partir de los datos de salida de software 2.2. Discusión de los resultados alcanzados Para alcanzar el objetivo planteado, se analizó cómo el poder de los minoristas, medido a través de su cuota de mercado y de la cuota de mercado de su MDD en la categoría analizada, afecta al tamaño del surtido y al de la innovación. Los resultados respaldan las hipótesis formuladas para todas las tiendas analizadas. José Miguel Holgado Herrero 146 Tabla 21. Comparaciones por pares de fases en el año 2020 (J) Fase Diferencia media (I-J) Error std Confinamiento -2,486* 0,356 Post-confinamiento -1,038* 0,350 Pre-confinamiento 2,486* 0,356 Post-confinamiento 1,447* 0,348 Pre-confinamiento 1,038* 0,350 Confinamiento -1,447* 0,348 Basado en medias marginales estimadas *. La diferencia media es significativa al nivel de .05 0,000 -2286 -0,609 b. Ajuste para comparaciones múltiples: Bonferroni 0,000 0,609 2286 Post-confinamiento 0,010 0,197 1880 0,010 -1880 -0,197 Confinamiento 0,000 1628 3343 límite inferior límite superior Pre-confinamiento 0,000 -3343 -1628 (I) Fase p-valor Intervalo de confianza del 95% para la diferenciab Fuente: Elaboración propia a partir de los datos de salida de software Tabla 22. Comparaciones por pares de tabletas de chocolate en el año 2020 Medida: OOS Categoría (I) Fase (J) Fase Diferencia media (I-J) Error std p-valor Límite inferior Límite superior Tabletas de chocolate Pre-confinamiento Confinamiento -2,890*0,485 0,000 -4,057 -1,722 Post-confinamiento -0,443 0,439 0,941 -1,500 0,614 confinamiento Pre-confinamiento 2,890*0,485 0,000 1,722 4,057 Post-confinamiento 2,447*0,465 0,000 1,326 3,567 Post-confinamiento Pre-confinamiento 0,443 0,439 0,941 -0,614 1,500 confinamiento -2,447*0,465 0,000 -3,567 -1,326 b. Ajuste para comparaciones múltiples: Bonferroni Basado en medias marginales estimadas *. La diferencia media es significativa al nivel de .05 Intervalo de confianza del 95% para la diferenciab Fuente: Elaboración propia a partir de los datos de salida de software José Miguel Holgado Herrero 147 Tabla 23. Comparaciones por pares de sistemas de café en el año 2020 Medida: OOS Categoría (I) Fase (J) Fase Diferencia media (I-J) Error std p-valor Límite inferior Límite superior Sistema cafés Pre-confinamiento Confinamiento -2,082*0,447 0,000 -3,157 -1,006 Post-confinamiento -1,633*0,458 0,001 -2,735 -0,532 confinamiento Pre-confinamiento 2,082*0,447 0,000 1,006 3,157 Post-confinamiento 0,448 0,455 0,976 -0,647 1,544 Post-confinamiento Pre-confinamiento 1,633*0,458 0,001 0,532 2,735 confinamiento -0,448 0,455 0,976 -1,544 0,647 *. La diferencia media es significativa al nivel de .05 b. Ajuste para comparaciones múltiples: Bonferroni. Intervalo de confianza del 95% para la diferenciab Basado en medias marginales estimadas Fuente: Elaboración propia a partir de los datos de salida de software Tabla 24. Comparaciones por pares de fases/categorías Year 2020 Medida: OOS Categoría (I) Fase (J) Fase Diferencia media (IJ) Error std p-valor Límite inferior Límite superior Pre-confinamiento Sistema cafés Tabletas de chocolate 0,323 0,420 0,441 - 0,502 1149 Tabletas de chocolate Sistema cafés -0,323 0,420 0,441 -1149 0,502 confinamiento Sistema cafés Tabletas de chocolate -0,484 0,455 0,288 -1381 0,412 Tabletas de chocolate Sistema cafés 0,484 0,455 0,288 -0,412 1381 Post-confinamiento Sistema cafés Tabletas de chocolate 1,514* 0,420 0,000 0,687 2340 Tabletas de chocolate Sistema cafés -1,514* 0,420 0,000 -2340 -0,687 Intervalo de confianza del 95% para la diferenciab Basado en medias marginales estimadas *. La diferencia media es significativa al nivel de .05 b. Ajuste para comparaciones múltiples: Bonferroni. Fuente: Elaboración propia a partir de los datos de salida de software En la Figura 14 se ilustran todas las relaciones mencionadas anteriormente, proporcionando una representación visual comprensiva de los efectos observados en los niveles de RS a lo largo de las fases y categorías analizadas. José Miguel Holgado Herrero 148 Figura 14. Resumen de las relaciones Fuente: Elaboración propia Finalmente, empleamos redes neuronales para evaluar la importancia relativa de las variables independientes, específicamente la fase y la categoría, en relación con el nivel de RS. Para este análisis, asignamos el 60.1% de los datos al conjunto de pruebas, el 30.0% al entrenamiento, y el 9.9% restante al período de validación. El modelo alcanzó una precisión general del 91.2%, con tasas de predicción incorrecta del 8.8% en el conjunto de entrenamiento, 9.0% en el de pruebas y 8.6% en el de validación. Al analizar las salidas de la red neuronal, se observó que la fase ejerce la mayor influencia en los niveles de RS, seguida por la categoría. La fase muestra una importancia normalizada del 100.0%, mientras que la categoría tiene una importancia normalizada del 29.4% (ver Figura 15). Este hallazgo indica que la fase es el factor más determinante en la predicción de los niveles de RS. Aunque José Miguel Holgado Herrero 149 la categoría también tiene un impacto significativo, su importancia relativa es considerablemente menor en comparación con la fase en el contexto del análisis realizado con la red neuronal. Figura 15. Importancia normalizada de las variables independientes Fuente: Elaboración propia a partir de los datos de salida de software 3.2. Discusión de los resultados alcanzados En una situación normalizada de la demanda, los niveles de RS representan una pérdida a nivel mundial de 1,235 billones de dólares anuales (IHL Group, 2022). El aumento de los niveles de RS durante períodos de incrementos significativos de la demanda provoca un incremento en las incidencias de RS en los PDV, lo que conlleva mayores pérdidas para las empresas. Hemos corroborado este efecto en un caso reciente de incremento muy elevado de la demanda, como ha sido el que ha tenido lugar durante la pandemia de la COVID-19, contexto que José Miguel Holgado Herrero 150 hemos utilizado en nuestro análisis. Los resultados subrayan la necesidad de implementar medidas adecuadas que permitan a minoristas y fabricantes mitigar las pérdidas de venta en situaciones de incrementos inesperados de demanda. Esta investigación arroja luz sobre los efectos de un incremento abrupto de demanda, como el que ha tenido lugar en la pandemia, sobre los niveles de RS en los PDV de los principales minoristas en España. Además, examinamos cómo las diferentes fases de la primera ola de la pandemia (pre-confinamiento, confinamiento y post-confinamiento) afectaron a la RS en dos las categorías de productos de GC analizadas: sistemas de café (cápsulas) y tabletas de chocolate con leche. Finalmente, para verificar las relaciones entre las variables analizadas durante la primera ola de la epidemia en España, comparamos los niveles de RS observados en 2020 con los del período equivalente antes del brote (2019). El estudio demuestra que las diferentes fases de la primera ola de Coronavirus en España impactaron significativamente en los niveles de RS en los PDV, contrastando la H11. Además, observamos que estas diferencias también existen a nivel de categoría. Finalmente, encontramos que la importancia normalizada de las fases es cuatro veces mayor que la de las categorías. Estos resultados sugieren que tanto las compras de pánico como la volatilidad de la cadena de suministro tienen un impacto significativo en los niveles de RS. Antes de la epidemia, los niveles promedio de RS en Europa se situaban en torno al 8%, según (Nielsen, 2020), y el 8.3%, según Symphony IRI Group (2012), cifras que eran inferiores a los niveles observados en las dos categorías analizadas durante el período de confinamiento, donde el nivel de RS fue aproximadamente del 9%. En España, por ejemplo, el nivel promedio de RS José Miguel Holgado Herrero 151 durante el primer mes de confinamiento fue del 7.2%, aún por debajo de los niveles observados en las dos categorías analizadas, que se situaron en torno al 11%. Sin embargo, estos niveles fueron inferiores a los reportados en otros países como Francia y Bélgica, donde los niveles de RS alcanzaron el 18% y el 12%, respectivamente, en marzo de 2020, o en Australia, donde llegaron al 20% en los primeros días del confinamiento, No obstante, estos niveles se estabilizaron posteriormente (AECOC, 2020). En resumen, los resultados muestran que el confinamiento por la COVID-19, que produjo un incremento espectacular de la demanda, tuvo un impacto significativo en los niveles de RS en los PDV de minoristas en España, especialmente en las categorías de tabletas de chocolate con leche y sistemas de café. Durante el confinamiento, se observaron niveles más altos de RS en comparación con el período previo al mismo. Si bien se observó una reducción en los niveles de RS tras el confinamiento, estos no retornaron completamente a los niveles previos a la pandemia. Así, incluso cuando la demanda vuelve a niveles más normales, el impacto sobre las RS persiste durante un período adicional. La categoría de tabletas de chocolate con leche logró reducir sus niveles de RS en la fase posterior al confinamiento, aunque estos aún fueron más altos que antes del confinamiento. En contraste, la categoría de sistemas de café no experimentó una reducción significativa en los niveles de RS después del confinamiento y se mantuvieron en cifras similares a las del período de confinamiento. Estos resultados ofrecen insights importantes para que los minoristas y fabricantes manejen los niveles de RS durante y después de períodos extraordinarios de incrementos significativos de demanda. José Miguel Holgado Herrero 152 José Miguel Holgado Herrero 153 Capítulo V: Conclusiones José Miguel Holgado Herrero 154 José Miguel Holgado Herrero 155 Capítulo V: Conclusiones En la introducción de esta Tesis Doctoral Industrial se ha subrayado la relevancia del sector de GC tanto en el ámbito empresarial como en la economía en general. Este sector, conocido por su dinamismo y complejidad, plantea a las empresas fabricantes desafíos significativos para asegurar su permanencia a largo plazo mediante incremento de sus ventas, cuota de mercado y rentabilidad (Asiimwe et al., 2024; Mandolesi, Kudinskaya, Naspetti, Solfanelli y Zanoli, 2023; Olanrewaju et al., 2024; Shakur et al., 2024). Esta Tesis Doctoral ha abordado tres de esos grandes desafíos, los cuales están íntimamente relacionados entre sí: La erosión de los clientes, la influencia del poder de los minoristas sobre el tamaño del surtido y de la innovación, y el problema de las roturas de stock, sobre todo en el caso de súbitos cambios en la demanda. Su objetivo ha sido generar conocimientos profundos y aplicables que ofrezcan respuestas efectivas a los problemas identificados en cada uno de los campos analizados, proporcionando así una comprensión integral y soluciones potenciales. Estos resultados buscan contribuir al logro de objetivos estratégicos clave, fortaleciendo su competitividad y sostenibilidad en el sector. Respecto a la erosión de los clientes, la identificación e incorporación de variables sociodemográficas es esencial para lograr una comprensión matizada de las dinámicas de este fenómeno crucial para las empresas fabricantes de marcas. Este estudio confirma que las propensiones de compra no son fijas y evolucionan con el tiempo, lo que implica que las marcas deben adaptarse continuamente a las necesidades cambiantes de sus consumidores.