Dado que se prevé que el mercado de alimentos congelados crecerá a $312.3 mil millones para 2025, es cada vez más crítico que las empresas aprovechen el análisis de datos y la IA/ML para obtener información sobre las ventas sobre la distribución de productos y la efectividad de las estrategias de ventas.

Uno de nuestros clientes, la filial india de una multinacional canadiense líder en fabricación de alimentos congelados, se embarcó recientemente en una transformación digital de su fuerza de ventas para mejorar la distribución de productos, reducir la falta de existencias y aumentar las ventas.

La primera fase de esta transformación digital incluyó pasar a la nube y utilizar una aplicación móvil para realizar un seguimiento de las actividades de distribución. En 2018, la empresa de Alimentos Congelados entró en funcionamiento con Sistema de gestión de distribución en la nube Ivy (DMS) y la aplicación móvil Sales Force Automation (SFA).

Sin embargo, la segunda fase de esta transformación digital fue un verdadero diferenciador. La empresa buscaba generar información para orientar a su fuerza de campo sobre las acciones a tomar al visitar una tienda minorista. Para ello, trabajamos con el gigante de los alimentos congelados para implementar nuestra solución SKU Recommender, la mejor plataforma de venta guiada de bienes de consumo de su clase, además de Ivy Cloud DMS y la aplicación SFA en 2022. Ivy Recommender genera información específica de la tienda y recomendaciones para ayudar a mejorar las ventas y mejorar los resultados comerciales.

Lidiando con la avalancha de datos

Uno de los mayores desafíos de la empresa de alimentos congelados fue analizar los datos recopilados del mercado indio para obtener información. India es uno de sus grandes mercados en Asia debido a su gran base de clientes para sus productos de patata. La empresa ya estaba recopilando datos geográficos específicos del mercado con la aplicación Ivy DMS y Ivy SFA.

La empresa de alimentos congelados necesitaba una solución que hiciera que los datos fueran digeribles para la fuerza de ventas y, al mismo tiempo, generara información procesable específica de la tienda. La empresa quería incorporar modelos de inteligencia artificial y aprendizaje automático para seleccionar conocimientos e incorporarlos a sus Automatización de fuerza de ventas (SFA) aplicación para los representantes.

Algunos de los desafíos comerciales del gigante de los alimentos congelados incluían generar más líneas por llamada, aumentar las ventas de nuevos SKU en el mercado y aumentar la cantidad de productos vendidos por visita a la tienda minorista.

Las siguientes mejores recomendaciones de SKU con IA/ML

Implementamos Recomendador de hiedra para la empresa en 2022, que analizó sus datos comerciales en busca de información y recomendaciones adaptadas a tiendas y visitas específicas.

La solución proporciona dos tipos de recomendaciones: FITsell y UPSell. Bajo FITsell, Ivy Recommender ofrece recomendaciones de productos basado en promociones de rápido movimiento mediante el análisis de ventas pasadas. En UPsell, profundiza y comprende los parámetros de las tiendas pares para recomendar el siguiente mejor SKU y la cantidad de pedido prevista para una tienda específica en una visita.

Para implementar Ivy Recommender para la empresa, adoptamos un enfoque gradual y activamos la solución para recomendaciones específicas de minoristas en lotes.

Generando resultados que importan

Los resultados de la implementación de Ivy Recommender para la empresa fueron muy alentadores y hablan de la eficacia de las recomendaciones.

14% Aumento de Ventas

26% Incremento en Volumen de Ventas

35% Aumento de líneas por llamada

21% Incremento de Nuevas Líneas

En general, Solución basada en IA/ML de Ivy: Ivy Recommender, ayudó a uno de los mayores fabricantes de alimentos congelados de Asia a lograr un crecimiento significativo y generar más ventas e ingresos, mostrando el poder de las soluciones tecnológicas para satisfacer las necesidades comerciales. Lanzamos Ivy Recommender en 2021 y la empresa fue una de las primeras en adoptar la solución de nuestra base de clientes existente.

—

*Las métricas identificadas están sujetas a variaciones según parámetros como la calidad de los datos, la cantidad de datos y el volumen de datos utilizados en el entrenamiento del sistema inteligente.