Nel precedente post abbiamo visto che la marca analizzata era stata toccata 18 volte senza essere messa nel carrello ed era stata acquistata 4,6 volte (media giorno). In pratica, ho perso il 75 % delle opportunità di vendita. WOW!! Se recuperassi il 5 % delle vendite perse avrei una crescita (teorica) del sell-out del 14 %. Ora, possiamo capire in dettaglio cosa inibisce l’acquisto: il prezzo? La visibilità del prodotto? L’equity dei concorrenti? Mettiamoci davanti allo scaffale, accendiamo i nostri sensori e vediamo cosa succede.

Iniziamo, ovviamente, con le promozioni. Prendiamo quindici giorni di attività con uno sconto del 25 %. Prima cosa che può sembrare stupefacente: diminuiscono gli shopper potenziali (ovvero quelli che guardano i prodotti). Prima della promo registravamo circa 100 persone al giorno, che calano a 78. Nulla di strano: il 46 % delle vendite durante la promo è in fuori banco (ebbene sì, misuriamo anche da dove si genera il sell-out nel punto vendita e capiamo quante vendite vengono dallo scaffale e quante dai fuori banco).

Durante la promo 13 persone hanno toccato il prodotto senza comprarlo e si sono avuti 18 acquisti (consideriamo lo scaffale per fare un confronto omogeneo con il periodo no promo). Quindi: le vendite perse (toccato ma non comprato) diminuiscono del 28 %. Gli acquisti sono più che triplicati. Ottimo risultato, anche economico: il ROI è positivo (+ 1,88), risultato non banale dato che molto spesso rileviamo ROI negativi nelle attività promozionali. Rimangono comunque da recuperare 13 acquisti potenziali non conclusi: che fare? Forse il prezzo non è l’unico fattore, o comunque non il più rilevante?

Nel prossimo post proseguiremo l’analisi e introdurremo l’intelligenza artificiale per definire le regole che determinano il sell-out.