Tienes visitas, pedidos y una hoja de cálculo con la que decides qué reponer. Luego llega enero con cajas paradas, devoluciones acumuladas y anuncios que se comen el beneficio. La IA no arregla eso por sí sola: si le das datos sucios, te devuelve una previsión bonita y falsa. Este artículo va de lo contrario, de montar un sistema pequeño que te diga qué comprar, qué precio aguanta y dónde pierdes dinero.
Los datos que necesitas antes de pedir nada
Antes de contratar una herramienta, exporta tus últimos meses de ventas. Sin ese histórico, cualquier modelo adivina. Necesitas unidades vendidas por referencia, fecha del pedido, precio real de venta, coste de compra, coste de envío y devoluciones por referencia. Con eso ya puedes trabajar; sin eso, pagas una suscripción para leer gráficos.
- Ventas diarias por variante, no por categoría: el color y la talla mandan.
- Coste real de cada unidad, con transporte y aranceles incluidos.
- Devoluciones separadas por motivo: talla, defecto, arrepentimiento.
- Roturas de stock y días que un producto estuvo sin venderse por falta de existencias.
- Coste de adquisición por pedido, separado del gasto de marca.
Actualiza esa base cada semana. Una previsión hecha con datos de hace tres meses te dice lo que pasó, no lo que viene. Si vendes de forma estacional, guarda al menos dos temporadas completas: sin comparar dos campañas, la herramienta no distingue un pico puntual de una tendencia.
Previsión de demanda y stock de seguridad
La previsión útil no es un número, es una horquilla. Pídele a la herramienta un rango con el que puedas decidir: si la demanda baja del mínimo, no repones; si supera el máximo, adelantas pedido. Ese rango se calcula con la variación de tus ventas y el plazo de entrega del proveedor. Un proveedor que tarda tres semanas obliga a un colchón mayor que uno que sirve en tres días.
El stock de seguridad se calcula, no se intuye. Multiplica la venta media diaria por los días de entrega y añade un margen por la variabilidad. Si no tienes claro el plazo real, mide cuánto tardaron los últimos pedidos: ese dato vale más que cualquier promesa comercial.
Una previsión sin el coste de almacenaje es una trampa. Comprar de más para no romper stock traslada el problema al inmovilizado: pagas mercancía, pagas espacio y sigues sin cobrar.
Devoluciones: el coste que se come el margen
En moda, una devolución puede costar el margen de dos pedidos. La IA ayuda a clasificar motivos y a detectar patrones: una talla que se devuelve siempre, una ficha con medidas confusas, un producto que llega golpeado. Con esos datos ajustas la ficha o cambias de embalaje, que es donde está el ahorro.
Cruza devoluciones con margen por referencia. Hay productos que venden mucho y dejan poco después de la logística inversa. Si no lo mides, parecen tu mejor línea y en realidad te están financiando una rotación cara.
Precios y anuncios: dónde ayuda de verdad
Los precios dinámicos funcionan cuando tienes margen para moverte y competencia visible. En una tienda pequeña suelen sobrar. Lo que sí aporta es un panel de elasticidad: cuánto vendes a cada precio y cuánto margen deja cada escalón. Con eso decides subir o bajar con criterio, no por imitación.
En publicidad, la IA sirve para repartir presupuesto según margen por campaña, no según ingresos. Un anuncio que trae pedidos de bajo margen y muchas devoluciones no es rentable aunque el panel lo pinte verde.
Errores que te cuestan dinero
- Dejar que la herramienta compre sola sin límite de presupuesto.
- Prever con datos de un año atípico, como el de la campaña de Navidad.
- Medir el éxito por visitas y no por margen por pedido.
- Ignorar el coste de almacenaje al calcular el stock de seguridad.
- Automatizar respuestas de atención al cliente sin revisar el tono.
- No separar el gasto de adquisición del gasto de estructura.
Preguntas frecuentes
¿Necesito muchos pedidos para que funcione?
Con poco histórico la IA acierta poco. Empieza con reglas simples de stock y usa la previsión solo donde tengas meses de datos fiables.
¿Sirve para una tienda de nicho?
Suele funcionar mejor: pocas referencias, demanda más estable y un margen que puedes medir por producto sin ruido.
¿Puedo usarla para fijar precios?
Como apoyo para ver elasticidad, sí. Para decidir el precio final, manda tu coste, tu posicionamiento y el margen que necesitas.