la apuesta de coca cola por los modelos predictivos

Soraya Paniagua www.sorayapaniagua.com Página 1

Massimiliano Marinucci, Director de Marketing de Estrategia y Productividad de Coca Cola, en la Jornada “Big Data y Modelos de Predicción en Marketing y Operaciones” organizada por la empresa Bayes Forecast en el ESADE el 20 de

marzo de 2012.


Massimiliano Marinucci relata en su ponencia la filosofía y experiencia de Coca Cola con los modelos predictivos.

Algunas cifras de la empresa:

• 1‐54‐29: Modelos de ventas en los países principales.

• $ 46.542 billones como ingresos en 2011.

• 50 años consecutivos de incremento en dividiendo.

• 200 países. • 125 años de historia. • 15 marcas, mil millones de dólares en términos de ingresos anuales.

¿Por qué nos interesan tanto los modelos? Si todo va tan bien ¿por qué? Las razones son muy básicas… Nos interesa modelizar porque nos interesa entender, diagnosticar, saber de dónde vienen nuestras ventas, de los factores que han influido…

Tenemos mucha marca y mucha historia pero tenemos que entenderlo más. Los modelos permiten prever, si lo juntamos con la capacidad de entender lo que está pasando podemos utilizar los modelos para planificar.

Hay algo importante, es cómo se reciben estos modelos dentro de la organización, sobre todo que los altos cargos entiendan el beneficio que pueden sacar de esto. Y cómo les puede ayudar a tomar decisiones o a valorar los riesgos de cara a futuro...

Hay otra potente razón para modelizar. Invertimos mucho dinero en publicidad. Nosotros utilizamos los modelos para mejorar la productividad de nuestras acciones. A través de la diagnosis podemos mover los recursos de un lado para otro según la productividad de estas actividades. Quizás es el tema que más interese a la gente de marketing”.

Hemos hecho cuentas y hemos dicho que pasaría si a nivel global nosotros consiguiéramos un 0,1% más en volumen manteniendo el gasto constante en marketing, cuál sería el incremento en operating income, el resultado es de 18 mil millones de dólares en OI. Los números son abrumadores, impresionantes. Nos hace reflexionar. Solo esto es motivo suficiente para modelizar o entender cómo funciona nuestro marketing, merece la pena gastarse el dinero en estas cosas”.


¿Qué hacemos? Lo que modelizamos son las ventas totales y la razón es sencilla: las ventas totales son de interés del top management, al final de año hay que reportar unos resultados, un total. Por tanto nuestra primera preocupación es ofrecer al top manager una herramienta para que pueda valorar si ese total se va a cumplir o no y cuáles son los riesgos en caso de que no se cumplan. Para implementar un modelo de previsión de ventas hay que empezar por lo más importante, que el top management esté involucrado y vea la utilidad.

En un mercado como el nuestro podemos profundizar muchísimo, ir al detalle que queramos, pero lo que normalmente medimos es dimensión del producto: marca, categoría, sku. En el ámbito geográfico podemos considerar un entorno nacional o regional, hay varias alternativas.

¿Qué metemos en estos modelos? Para prever uno no necesitaría ningún imput. En realidad existen una clase de modelos, Arima, en los que tomas el pasado y basándote en ciertas pauta puedes prever sin ningún elemento causal que explique nada, nada causal, son modelos puros de previsión, para nosotros no son suficientes, necesitamos saber qué es lo que está pasando

¿Qué explicamos? Lo que podemos controlar y lo que no podemos. El tipo de mercado influye mucho, por ejemplo países en vías de desarrollo, como la India con tasas de crecimiento de un 7 u 8%. Te das cuenta que mucho de nuestro crecimiento interno, de volumen, se debe a esos factores externos. Con esto entramos en disputas con la gente de marketing, ellos dicen, pero como entonces mis campañas no sirven para nada…. Si sirve, por supuesto que sirve. Los modelos nos ayudan a redimensionar la aportación de cada uno y poner a cada uno en su sitio. Los modelos favorecen la comunicación objetiva, ya no es hablar de bueno es que el año pasado hizo calor y por eso vendimos más. No, vamos a ver cuánto más calor hizo y lo vamos a calificar. Por lo tanto se terminó la diatriba de uno dice hizo calor, el otro dice es mi marketing.

Tenemos elementos que no son controlables. La economía, el tiempo, efectos de calendario,

En un modelo de venta incluimos también lo que hacen los competidores, política de precios, la secundaria, política de promociones, la publicidad.


Son muchos campos. Los modelos de venta son bonitos. Nunca me lo he pasado tan bien con un modelo de ventas. Realmente tienes una visión 360 grados, tienes que meter realmente todo lo que afecta al mercado. Metes el marketing, políticas de precios, la distribución es crítica en países en desarrollo. No metemos los drivers intermedios como notoriedad de marca o de publicidad. Es una cuestión de elección. Nosotros lo que queremos es una herramienta de planificación. Los modelos tienen que explicar pero tienen que servir para planificar y finalmente para prever.

La parte financiera es crítica. Hablamos de volumen pero lo que interesa es el retorno de la inversión de las acciones, el impacto financiero que puede tener subir o bajar precios o el imparto financiero considerando una visión de conjunto, de portfolio de marcas. Nuestros modelos nos permiten tener una visión de conjunto. Si consideráis un conjunto de marcas como un portfolio estamos hablando de un cierto paralelismo con los mercados financieros, uno tienen que decidir dónde apuesta más, en esta marca o en otra. Los modelos nos ayudan.

Pero información financiera no entra como explicación entra solo tras haber valorado la parte de volumen.

Nosotros hacemos estos modelos para las áreas de marketing, operaciones, medios, finanzas y top management. El primero el top, pero a los demás también hay que convencerlos. Y sobre todo tenemos que asegurarnos de que los modelos hablan su lenguaje, un modelo no tiene que hablar el lenguaje del estadístico, eso es crítico porque la gente se siente más cercana no está asustada con tanta ciencia e información que no entiende…

Drivers que influyen en el negocio, los outputs, de donde vienen mis ventas, la contribución al crecimiento, volumen del año pasado, de este año y en centro la contribución de cada driver. Explicamos la inversión óptima. Decimos te estás pasando, invierte en instore, en precios, esto es productividad.

Nosotros lo que hacemos es valorar si hay riesgos en alcanzar los objetivos del próximo año, a los clientes les decimos ¿cuál es tu objetivo? Nos dicen que un crecimiento de un 3 o un 4 %, bien ¿qué vais a hacer? Vamos a subir precio y pensamos que va a ser un año extraordinario, etc. Cogemos los datos y los metemos en el modelo y el modelo nos dice más o menos donde quedaríamos con respecto a ese objetivo anual. Si nos quedamos por debajo no quiere decir que no


cumplamos el objetivo, hay cierta probabilidad que se siga cumpliendo el objetivo, pero es una luz de alarma, porque a lo mejor tus expectativas han sido demasiado optimistas, hemos dado claves para pensar. Es importante la precisión, que las estimaciones esté bien hechas.

Qué podemos hacer para que esto ocurra. Esto no es sencillo. Es increíble el número de coeficientes que se estiman en un modelo de ventas , 200 0 300 coeficientes, para volverse loco , si a eso le añadimos que queremos un modelo por cada canal .. Mi consejo es que hay que ser ambiciosos pero hay que comenzar por lo sencillo, ofrecer algo útil al top management, una previsión para el año , poco a poco. El esfuerzo para mantener un modelo es tremendo.

Japón es un mercado increíble de gran innovación, sacan productos cada semana. Hay un canal, el de máquinas de vending que es tremendo, venden muchísimo. Querían hacer todo por todo. Terminamos con un par de miles de modelos el primer año. Todo muy bien pero claro en el momento de la verdad, al año que viene queremos actualizar, meter más datos, entonces claro hace falta un ejército para mantener semejante volumen de información y no es viable. Ahora estamos simplificando y trabajando en la dirección opuesta.

Hay que hablar mucho con los clientes finales, entender cómo piensan antes de ponerse a estimar. Esto es una cuestión de entender cómo piensa la gente y el negocio e incluir ese pensamiento dentro del modelo.

Hay que hablar en términos familiares, no se puede hablar de coeficientes o logaritmos.

Los modelos no pueden operar en el vacío, hay que dejar que hable en el momento oportuno. Quiero decir que hay que integrar los resultados de los modelos en las rutinas de negocio. Deben estar en comités comerciales como un integrante más, que hable el modelo de cómo ha evolucionado el negocio ese mes…

Ningún modelo sobrevivirá si no tiene el apoyo del top management.

Modelizar no es hacerlo una vez y olvidar, es un proceso, evolucionan, hay errores. Los modelos que se han desarrollado en España son un ejemplo de innovación y desarrollo.


Es importante disponer de herramientas para experimentar y probar los modelos, simuladores. No hay una receta única para decir este es el mejor simulador, soy partidario de herramientas sencillas.

Hay que aprovecharlo todo. La información que tenemos dentro de la organización, poder incorporar en el modelo, hay una manera muy elegante y es considerar los métodos bayesianos y además diría algo más, son imprescindibles en situaciones en las que no tienes mucha información o te viene dada con mucha imperfección, (solo un año y medio de datos semanales, . La estadística bayesiana te ayuda a resolver los problemas con los datos.

Se requiere tiempo para implementar modelos en la organización, el primer año es

Los modelos están ahí, hay que aprovecharlos pero no sustituyen la inteligencia y experiencia humana y nunca contar con un modelo sino con la experiencia y la opinión de los demás.

la apuesta de coca cola por los modelos predictivos

Technology