Localização: a revolução nos mercados de consumo

A ideia em resumo Durante décadas, o Wal-Mart e outros sultões da padronização dominaram o cenário do mercado consumidor com seus formatos de lojas e combinações de produtos vencedores. Mas sua estratégia de “tamanho único” não serve mais: comunidades de consumidores diversas — diferenciadas por etnia, riqueza, estilo de vida e valores — agora exigem produtos personalizados. E as pessoas se rebelam cada vez mais contra lojas padronizadas que ameaçam o caráter único de seus bairros. No entanto, se os gigantes do varejo responderem com ofertas personalizadas para cada local, correm o risco de perder as economias de escala que impulsionam seus lucros. A resposta? Os autores Darrell K. Rigby e Vijay Vishwanath recomendam localização por clusters—adaptando elementos, como formatos de lojas, sortimento de mercadorias, preços e pessoal, a grupos de consumidores que apresentam preferências semelhantes. Por exemplo, a varejista de roupas casuais American Eagle Outfitters, com 740 lojas nos EUA, descobriu que os padrões de compra dos clientes do oeste da Flórida eram muito parecidos com os de certas comunidades no Texas e na Califórnia. Ao personalizar produtos e promoções para esses grupos de consumidores através Em locais locais, a empresa aumenta as vendas e, ao mesmo tempo, mantém a eficiência de custos. A localização por clusters exige amplo investimento em tecnologia para coletar e analisar dados; tomada de decisão centralizada e baseada em dados; e parceiros da cadeia de suprimentos que possam fabricar e distribuir produtos personalizados com eficiência. Mas o esforço rende grandes dividendos. Considere a Best Buy: em 2005, suas 85 “lojas localizadas” registraram ganhos de receita duas vezes a média da empresa. A ideia na prática Rigby e Vishwanath sugerem estas etapas para localização por clusters: Coletar dados Reúna o máximo de dados possível sobre os principais elementos de sua empresa para cada loja, usando fontes como conhecimento de gerentes locais, censos e outras pesquisas demográficas, dados de scanners de lojas e cartões de fidelidade, pesquisas com consumidores e comentários não solicitados, dados de vendas pela Internet e informações sobre concorrentes. Considere os elementos relacionados a: O que você vende— como mix de produtos, preços, promoções, layout da loja e níveis de serviço. Onde você vende —incluindo dados demográficos dos consumidores, clima, participação de mercado da concorrência e atrações locais e eventos culturais. Quando você vende—como ciclos mensais, sazonais e anuais. Desenvolva clusters Use os dados que você coletou para desenvolver grupos de consumidores — grupos que compartilham preferências distintas relacionadas ao que, onde e quando você vende. Para simplificar, use o número mínimo de clusters que permitem localizar os elementos mais promissores de sua oferta. Exemplo: A Best Buy identificou quatro grupos de consumidores: 1) mães suburbanas ocupadas que são as principais compradoras de suas famílias e desejam ajuda rápida e personalizada para navegar no mundo da tecnologia, 2) jovens viciadas em tecnologia que desejam equipamentos de entretenimento e jogos de última geração, 3) profissionais abastados e atarefados que buscam equipamentos de última geração e serviços personalizados, 4) homens de família com orçamento limitado que desejam tecnologia para melhorar a vida doméstica. Identifique oportunidades de localização Localize os principais elementos da sua empresa de forma a gerar as maiores vendas possíveis e os menores custos. Exemplo: Depois de analisar a demografia local e os padrões de demanda, a Best Buy criou tipos de lojas que atendem aos grupos de consumidores identificados. Por exemplo, em algumas das lojas da Best Buy, mães suburbanas ocupadas eram um segmento inexplorado que oferecia a melhor oportunidade de expansão. Para atraí-los, a Best Buy projetou lojas com layouts organizados com corredores largos e iluminação aconchegante, brinquedos relacionados à tecnologia para crianças, assistentes pessoais de compras e mais espaço alocado para eletrodomésticos. Preserve economias de escala Não importa o quão sofisticado seja seu agrupamento, você ainda perderá algumas economias de escala — em compras, marketing e outras atividades. Para minimizar a perda, comece com estratégias menos dispendiosas, como localizar descontos ou a embalagem de um produto, em vez de incorrer na despesa de personalizar o produto em si. Exemplo: O Wal-Mart descobriu que, embora “matador de formigas e baratas” venda bem nos estados do sul, os consumidores do norte não gostam da palavra “barata”. Simplesmente rotulando o pesticida como “matador de formigas” nos estados do norte, a empresa viu as vendas aumentarem dramaticamente. Estamos nos estágios iniciais de uma revolução silenciosa nos mercados de consumo. Durante décadas, as redes que dominaram o cenário — titãs como Wal-Mart, Best Buy e McDonald's — adotaram estratégias obstinadas de padronização. Eles aperfeiçoaram seus formatos de loja, combinações de mercadorias e processos operacionais e de marketing, e lançaram suas fórmulas vencedoras internacionalmente. Eles exigiram consistência igualmente rigorosa dos fornecedores, promovendo a ética de padronização nas empresas de produtos de consumo e em toda a cadeia de suprimentos do consumidor. Mas a era da padronização está acabando. As comunidades de consumidores estão se tornando mais diversificadas — em etnia, riqueza, estilo de vida e valores. Além disso, muitas áreas agora estão repletas de grandes lojas, e os clientes estão se rebelando contra cadeias de lojas padronizadas que ameaçam as características únicas, como estilos arquitetônicos e marcas preferidas, de seus bairros. Quando se trata de mercados consumidores, um modelo único não serve mais para todos. Em resposta, varejistas inteligentes e empresas de bens de consumo estão começando a personalizar suas ofertas para os mercados locais, lançando diferentes tipos de lojas, linhas de produtos e abordagens alternativas de preços, marketing, pessoal e atendimento ao cliente. Eles estão migrando da padronização para a localização. A era da padronização está acabando. As comunidades de consumidores estão se tornando mais diversificadas — em etnia, riqueza, estilo de vida e valores. Combinando análises de dados sofisticadas com estruturas organizacionais inovadoras, eles estão ganhando a eficiência do gerenciamento centralizado sem perder a capacidade de resposta das autoridades locais. O maior benefício de passar da padronização para a localização é estratégico. As ofertas padronizadas desencorajam a experimentação e são fáceis de serem copiadas pelos concorrentes. (Sam Walton se referiu abertamente ao Kmart como o “laboratório” que ele copiou enquanto cultivava o Wal-Mart.) A personalização incentiva a experimentação local e é difícil para os concorrentes rastrearem, quanto mais replicarem. Quando bem executadas, as estratégias de localização podem oferecer uma vantagem competitiva duradoura tanto para varejistas quanto para fabricantes de produtos. Reinventando a caixa grande Embora a padronização tenha sido uma estratégia poderosa nos mercados consumidores, ela atingiu o ponto de diminuir os retornos. Os clientes estão se tornando mais diversificados, de acordo com estudos de geodemógrafos, pessoas que estudam as características da população de áreas geográficas específicas. Medindo etnia, idade, riqueza, urbanização, estilos de moradia e até estruturas familiares, a empresa demográfica Claritas determinou na década de 1970 que 40 segmentos de estilo de vida eram suficientes para definir a população dos EUA. Hoje, esse número cresceu para 66, um aumento de 65%. A diversidade não é o único prego no caixão da padronização. Muitas grandes redes ergueram tantas lojas que estão literalmente ficando sem espaço para expandir. Eles não podem abrir novos estabelecimentos sem canibalizar os antigos. As redes padronizadas também enfrentam outras restrições: onde locais atraentes ainda estão disponíveis, as tentativas de construir lojas geralmente enfrentam forte resistência de ativistas comunitários. Da Califórnia à Flórida e Nova Jersey, os bairros estão aprovando leis que ditam os tamanhos e até os estilos arquitetônicos das novas lojas. Construir mais do mesmo — há muito tempo a base do crescimento do varejo — foi adotado como estratégia. Finalmente, a padronização pode causar os danos mais estratégicos ao forçar produtos e práticas a entrarem em moldes. A homogeneização resultante dos negócios tende a minar a inovação em toda a cadeia de suprimentos. Os gerentes ficam tão concentrados em atingir metas operacionais rígidas — e eliminar exceções — que começam a evitar conscientemente a experimentação que leva a novos produtos, serviços e processos atraentes. No final das contas, a padronização corrói a diferenciação estratégica e leva inexoravelmente à comoditização — e ao menor crescimento e lucratividade que a acompanham. A boa notícia é que existe uma saída para o beco sem saída da padronização. Os avanços tecnológicos, desde scanners de checkout e software de mineração de dados até lojas na Internet e identificação por radiofrequência (uma tecnologia sem fio que usa pequenas etiquetas eletrônicas para identificar e rastrear objetos), estão fornecendo aos varejistas e seus fornecedores uma visão profunda das preferências locais e dos comportamentos de compra. Pela primeira vez, as incompatibilidades na oferta e na demanda em lojas individuais podem ser identificadas imediatamente. Os novos dados permitem “localizar” lojas, produtos e serviços com uma precisão sem precedentes. (Para ver um exemplo dos novos insights que a tecnologia pode oferecer, consulte a barra lateral “Minerando a Internet”.) Minerando a Internet Muitos varejistas abriram lojas on-line para complementar seus pontos de venda tradicionais. Mas a Web não é apenas um canal de vendas; é também um meio poderoso de coletar dados sobre variações na demanda local. Como as lojas on-line podem oferecer uma ampla variedade de produtos para bases de clientes nacionais ou mesmo globais, elas podem rastrear os padrões de demanda do consumidor de forma muito mais ampla e precisa do que as lojas físicas. Afinal, em uma loja tradicional, você nunca sabe qual poderia ter sido a demanda por um produto que você não tem nas prateleiras. As lojas on-line usam pools centralizados de mercadorias para evitar a falta de estoque local, e o excesso de demanda geralmente pode ser solicitado em atraso para entrega futura. Ao rastrear cuidadosamente os endereços residenciais dos compradores on-line, bem como os produtos que eles estão comprando (ou evitando), as redes que mantêm lojas na Internet podem usar os dados de vendas on-line para informar as decisões sobre quais mercadorias estocar em cada loja. E como os dados on-line podem ser coletados em tempo real, mudanças nas combinações de mercadorias das lojas físicas podem ser feitas rapidamente para responder aos picos na demanda local. Nossa análise de 30 líderes em localização, incluindo Best Buy, Tesco e VF, documenta esses benefícios. Até mesmo o Wal-Mart, o sultão da padronização, está se movendo em direção à localização. A empresa fez da personalização a base de sua estratégia de “loja da comunidade”, anunciando que planeja adaptar formatos e produtos à clientela local em todas as lojas de sua rede. O Wal-Mart usa um processo rigoroso para garantir que a personalização não prejudique sua eficiência tradicional. Esse processo começa quando a loja ainda está na prancheta. As equipes imobiliárias da empresa pesquisam profundamente a base de clientes local ao procurar locais. Os designers então criam o formato da loja combinando modelos adequados — lojas próximas a parques de escritórios, por exemplo, com ilhas proeminentes com refeições prontas para trabalhadores ocupados. Os modelos permitem que o Wal-Mart mantenha economias de escala consideráveis. A empresa também desenvolveu um sistema logístico sofisticado, abrangendo 110 centros de distribuição somente nos Estados Unidos, para gerenciar cronogramas de entrega complexos de forma rápida e eficiente. Por meio do programa Retail Link, o Wal-Mart trabalha com fornecedores para personalizar as mercadorias da loja com precisão semelhante. Construído em um vasto banco de dados, o Retail Link fornece aos gerentes e fornecedores locais do Wal-Mart um histórico de dois anos das vendas diárias de cada item em todas as lojas do Wal-Mart. Usando o portal Retail Link Web, o Wal-Mart e seus fornecedores podem criar mapas da demanda local dos clientes, indicando quais mercadorias devem ser estocadas quando e onde. Por exemplo, o Wal-Mart vende cerca de 60 tipos de pimenta em lata, mas vende apenas três em todo o país. O restante é alocado de acordo com os gostos locais. Há cinco anos, o Wal-Mart usava apenas cinco planogramas (diagramas que mostram como e onde os produtos deveriam ser colocados nas prateleiras do varejo) para adaptar sua seleção de sopas às preferências locais. Hoje, com a ajuda do Retail Link, o Wal-Mart e seus fornecedores usam mais de 200 planogramas bem ajustados para adequar os sortimentos de sopas aos padrões de demanda de cada loja, aumentando a taxa de crescimento da sopa em vários pontos no processo. As empresas de produtos também usam o sistema para rastrear seus níveis de vendas e estoque nas lojas e centros de distribuição do Wal-Mart e para desenvolver programas de preços e marketing para impulsionar as vendas. Pensando em clusters Como o Wal-Mart e outros líderes descobriram, o sucesso da localização depende de encontrar o equilíbrio certo. O excesso de localização pode corromper a marca e aumentar os custos. A padronização excessiva pode trazer estagnação, condenando a empresa à diminuição da participação de mercado e à redução do lucro. Atingir o equilíbrio certo significa entender quais elementos de uma empresa devem ser considerados para a localização, o custo da personalização e o impacto que terão de uma loja para outra. Longe de ser um jogo de tudo ou nada, a localização pode ocorrer de inúmeras maneiras (veja a exposição “O que, onde e quando devemos localizar?”). Para um varejista, pode fazer sentido ter uma abordagem de pessoal altamente localizada, mas um mix de produtos padronizado, enquanto outro varejista pode garantir o contrário. Da mesma forma, um fabricante pode localizar as características do produto em uma área e os incentivos do varejista em outra. Embora possa ser proibitivamente caro personalizar um produto em vários locais, pode ser possível obter benefícios semelhantes adaptando a embalagem ou as promoções do produto a um custo muito menor. O Wal-Mart descobriu que, embora o assassino de formigas e baratas venda bem no sul dos Estados Unidos, os consumidores nos estados do norte não gostam da palavra “barata”. Depois de rotular o pesticida como “matador de formigas” nos estados do norte, a empresa viu as vendas aumentarem dramaticamente, de acordo com John Westling, vice-presidente sênior. O que, onde e quando devemos localizar? Obviamente, a personalização tem seus limites. Mesmo com dados avançados, uma empresa não pode personalizar todos os elementos de seus negócios em cada local. A complexidade absoluta seria avassaladora, levando a custos crescentes, se não à paralisia. É por isso que os principais localizadores começaram a usar técnicas de agrupamento para simplificar e facilitar a tomada de decisões, concentrando seus esforços no número relativamente pequeno de variáveis que geralmente impulsionam a maior parte das compras dos consumidores. Em vez de permitir que as decisões descentralizadas dos gerentes locais fragmentem as economias de escala, as empresas pioneiras desenvolveram uma ciência de analisar dados sobre padrões de compra locais para identificar comunidades que apresentam semelhanças na demanda. Por exemplo, a American Eagle Outfitters, uma varejista de roupas casuais modernas com 740 lojas nos EUA, descobriu que os clientes no oeste da Flórida exibiam padrões de compra sazonais e elasticidades de preços muito semelhantes aos de certas comunidades no Texas e na Califórnia. Ao adaptar sortimentos e promoções a esses grupos de locais, e não a lojas individuais, empresas como a American Eagle podem se beneficiar da personalização e, ao mesmo tempo, manter a maior parte da eficiência da padronização. A estratégia de personalização por clusters, que a Bain aplicou pela primeira vez em mercearias em 1995, provou ser eficaz em farmácias, lojas de departamento, grandes varejistas, restaurantes, empresas de vestuário e uma variedade de fabricantes de bens de consumo. O agrupamento classifica as coisas em grupos, ou agrupamentos, de forma que as associações sejam fortes entre membros do mesmo agrupamento e fracas entre membros de grupos diferentes. Os clusters permitem operações modulares e gerenciáveis — pense novamente nos modelos de lojas do Wal-Mart — que capturam a maioria dos benefícios da personalização e, ao mesmo tempo, simplificam as decisões e protegem as economias de escala. Considere um gerente de mercadorias que precisa decidir como estocar 100.000 itens em 1.500 lojas por 365 dias por ano. Se ela quisesse personalizar o mix, teria que tomar cerca de 54,8 bilhões de decisões (100.000 x 1.500 x 365), muitas das quais seriam baseadas em amostras tão pequenas que as previsões até mesmo de modelos sofisticados não teriam sentido. Se, no entanto, a mercadoria pudesse ser agrupada em 2.500 classificações, as lojas pudessem ser agrupadas em 20 tipos semelhantes (por exemplo, locais fronteiriços latinos ou locais suburbanos de luxo) e o tempo (volta às aulas, férias de inverno) pudesse ser dividido em 52 semanas, o número de decisões seria reduzido para 2,6 milhões, o que um modelo de computador moderno pode otimizar com bastante facilidade. (Para uma discussão sobre uma técnica estatística particularmente poderosa usada na classificação de muitas variáveis, consulte a barra lateral “CHAID: Clustering by the Numbers”.) CHAID: Agrupando por números Uma das muitas técnicas de agrupamento é chamada de CHAID, abreviação de detecção automática de interação qui-quadrada. Um método de classificação estatística proposto por G.V. Kass em 1980, o CHAID classifica os itens em grupos que são estatisticamente diferentes em relação ao critério ou resultado. Por exemplo, se quisermos saber quais agrupamentos estão associados à lucratividade das lojas, o CHAID pode nos mostrar que as lojas que perdem dinheiro estão em bairros de alta renda com vários concorrentes, enquanto as lojas mais lucrativas estão em áreas rurais e têm a capacidade de oferecer todo o sortimento de produtos. Um benefício significativo do CHAID é que ele nos permite analisar os efeitos das características em combinação, em vez de serem independentes umas das outras. Por exemplo, adicionar playgrounds aos restaurantes Burger King pode não ter impacto em média, mas pode ser muito lucrativo em restaurantes suburbanos próximos a grandes populações de crianças pequenas e muito pouco lucrativo em locais centrais com imóveis caros e poucas crianças. Vamos demonstrar o processo com uma rede de lojas de departamentos que chamaremos de SuperStuff: O CHAID começa com uma lista de todas as lojas no sistema SuperStuff e o máximo de informações possível sobre cada uma, incluindo dados de vendas por local, horário e item. Não há necessidade de se preocupar em inserir muitas informações, pois o CHAID destacará apenas as variáveis que criam diferenças estatisticamente significativas. Podemos então usar o CHAID para encontrar as combinações de características que melhor explicam qualquer variável que escolhermos explorar. No exemplo “Avaliação da lucratividade da loja”, usamos o CHAID para entender o que impulsiona as margens de EBIT (lucro antes de juros e impostos) entre as 508 lojas de departamento da SuperStuff. O CHAID começa, no topo, mostrando que a margem EBIT média é de 4,2% para toda a população de lojas da SuperStuff. O CHAID então identifica o primeiro diferencial das margens de EBIT como a presença de pelo menos um KillerMart na área comercial de cada loja SuperStuff. As 198 lojas SuperStuff sem KillerMarts nas proximidades têm uma margem EBIT de 6,4%. As 310 lojas SuperStuff perto da KillerMarts têm uma margem EBIT média de apenas 2,8%. Sensível, mas não muito surpreendente até agora. As próximas etapas são onde o CHAID se mostra mais valioso. Para as 310 lojas próximas a um KillerMart, o CHAID descobriu que os níveis de renda familiar geram diferenças significativas de lucro. As 188 lojas em bairros com renda familiar de mais de $50.000 têm margens de EBIT médias de 3,9%. As 122 lojas restantes têm margens de apenas 1,1%. Os dados também permitem que o CHAID gere ideias de remodelação. Das 188 lojas em bairros de alta renda próximos à KillerMarts, as 113 que alocaram mais de 50% de sua metragem quadrada para vestuário têm margens de EBIT de 5,3%. As 75 lojas com menos de 50% alocadas para vestuário têm margens de EBIT de apenas 1,8%. Aparentemente, uma grande variedade de roupas em áreas de alta renda pode ajudar a SuperStuff a competir de forma lucrativa com a oferta da KillerMart. Saltando para o lado direito da árvore CHAID, aprendemos sobre lojas que não enfrentam o KillerMarts. Nessas áreas, as 76 lojas de grande formato têm uma margem EBIT média de 9,1%, quase o dobro das 122 lojas de pequeno ou médio porte, que têm uma margem de apenas 4,7%. Além disso, as 60 lojas de pequeno ou médio porte que precificaram uma cesta média de mantimentos menos de 3% acima da média geral da SuperStuff tiveram uma margem EBIT de apenas 1,2%. No entanto, as 62 lojas de pequeno ou médio porte com preços mais de 3% acima da média da SuperStuff têm uma margem de 8,1% — quase sete vezes mais do que as 60 lojas que custam menos de 3% acima da média. Parece que lojas pequenas ou médias podem se sair melhor aumentando os preços em mercados menos competitivos. Embora o CHAID certamente não forneça todas as respostas, ele pode ajudar a revelar hipóteses testáveis, como as seguintes: Ao abrir novas lojas, evite locais próximos à KillerMarts. Se houver um KillerMart na área (ou um em breve), posicione as lojas nos bairros de maior renda. Ao reformar lojas, especialmente aquelas próximas à KillerMarts, considere alocar mais de 50% da área útil para roupas. Lojas menores em áreas sem KillerMarts devem testar aumentos de preços. A Best Buy está usando o agrupamento para se afastar de uma estratégia padronizada de grande porte. Ela renovou cerca de 300 de suas 700 lojas nos EUA, introduzindo formatos “centrados no cliente” para atrair compradores locais. A empresa identificou cinco tipos representativos de clientes. Primeiro, há “Jill”, uma mãe ocupada que é a principal compradora de sua casa e quer ajuda rápida e personalizada para navegar no mundo da tecnologia. Em Eden Prairie, Minnesota, a empresa projetou uma loja que atende às necessidades desse movimentado segmento de mães suburbanas. A empresa descobriu que esse grupo de consumidores até então inexplorados oferecia a melhor oportunidade de expansão na região. Para atrair esse grupo, a loja tem um layout organizado com corredores mais largos e iluminação mais quente, além de brinquedos relacionados à tecnologia para crianças. Assistentes pessoais de compras educam os novatos em tecnologia sobre produtos, e há mais espaço alocado para eletrodomésticos. Embora a loja ainda atenda outros compradores de eletrônicos mais tradicionais, a empresa espera que a loja possa aumentar suas vendas atraindo um conjunto de clientes locais que se sentiram sobrecarregados dentro de uma loja Best Buy. Outras lojas estão sendo projetadas com base nos quatro tipos de clientes restantes e são baseadas em padrões de demanda locais. Por exemplo, há “Buzz”, um viciado em tecnologia que quer os equipamentos mais recentes para entretenimento e jogos. As lojas que atendem ao Buzz têm muitos displays interativos que permitem que os compradores experimentem novos equipamentos e mídias. Depois, há “Barry”, um profissional abastado e com pouco tempo que procura equipamentos de última geração e atendimento personalizado. As lojas adaptadas às suas necessidades oferecem uma loja dentro de uma loja para configurações caras de home theater. As lojas feitas pensando em “Ray” enfatizam mercadorias com preços moderados com planos de financiamento atraentes e programas de fidelidade para o homem de família com orçamento limitado que deseja tecnologia que possa melhorar sua vida familiar. Finalmente, para clientes de pequenas empresas, há um conjunto de lojas com equipes especialmente treinadas, amplos displays de equipamentos de escritório e “Geek Squads” móveis de técnicos de serviço. Embora a rede planeje eliminar gradualmente esses nomes individuais sob sua bandeira, a terminologia ajudou a Best Buy a cristalizar a visão de cada cliente-alvo para cada grupo de lojas. Ao personalizar as lojas em grupos, em vez de individualmente, a Best Buy conseguiu manter muitas das economias de escala que há muito sustentam seu sucesso. Até agora, a nova estratégia está gerando resultados sólidos. As 85 lojas Best Buy que haviam sido localizadas no início de 2005 registraram ganhos de vendas duas vezes a média da empresa. Incentivada, a empresa está acelerando a conversão, com planos de mudar todas as suas lojas nos EUA em três anos e também localizar pontos de venda em outros países. Então, como você começa a usar o clustering? Comece coletando o máximo de dados possível sobre os principais elementos do seu negócio em cada loja. (Use a exposição “O que, onde e quando devemos localizar?”) Se alguma informação estiver faltando ou for difícil de obter, não espere que ela seja coletada. Use o que está prontamente disponível para iniciar a análise, reconhecendo que o agrupamento sempre melhora com o tempo. Use os dados para desenvolver clusters e identificar oportunidades de personalização. Em seguida, estime a economia (incluindo vendas e custos) da localização dos elementos mais promissores da oferta ao cliente, usando o menor número possível de clusters. Um varejista de roupas, por exemplo, pode descobrir que as políticas de remarcação localizadas oferecem retornos atraentes e que o clima é a principal variável que influencia as decisões de redução. Uma análise mais aprofundada pode determinar que um pequeno número de grupos de lojas — três, digamos — será suficiente para obter o benefício econômico ideal. Para o mix de mercadorias, por outro lado, a principal variável pode ser o estilo de vida do cliente, que pode exigir uma dúzia de clusters para obter o máximo retorno. Diversidade na linha de produtos À medida que os grandes varejistas abandonam a padronização, os efeitos em cascata remodelarão toda a cadeia de suprimentos do consumidor. As empresas de bens de consumo precisarão introduzir mais variações em suas linhas, colaborando estreitamente com os varejistas para colocar os produtos certos nos lugares certos, na hora certa, com os programas certos de preços e promoções. Os fabricantes em geral demoraram a fazer essa mudança. Embora conduzam uma extensa pesquisa com consumidores para desenvolver produtos especializados para segmentos exclusivos, eles têm pouca confiança de que varejistas rígidos classificarão, comercializarão e comercializarão produtos personalizados para os grupos de clientes certos. Os produtos desenvolvidos para idosos se acumularão nas comunidades universitárias, diminuindo o giro de estoque, forçando reduções caras e, muitas vezes, levando os varejistas a abandonar produtos de nicho potencialmente lucrativos. No entanto, à medida que um número crescente de varejistas está lançando suas próprias versões do Retail Link do Wal-Mart, incluindo Lowe's (LowesLink) e Target (Partners Online), algumas empresas de produtos de consumo estão aproveitando a vantagem aprendendo a localizar. Quando uma empresa de alimentos lançou versões de baixa caloria de alguns de seus salgadinhos, ela enviou caixas adicionais para lojas próximas às clínicas Weight Watchers. A Cadbury adicionou chocolate com recheio de kiwi Cadbury Kiwi Royale na Nova Zelândia. A Kraft desenvolveu o cereal pronto para consumo Fiesta Fruity Pebbles da Post, especialmente para hispânicos. A Coca-Cola desenvolveu quatro cafés em lata prontos para beber para o Japão, cada um formulado para uma região específica. A Procter & Gamble introduziu o Curry Pringles na Inglaterra e, mais tarde, o sabor de salsa espanhola na Inglaterra e em outras partes da Europa e o Funky Soy Sauce Pringles na Ásia. A Frito-Lay desenvolveu as batatas fritas Nori Seaweed Lay para a Tailândia e as batatas fritas A la Turca com sementes de papoula e sabor de tomate seco para a Turquia. Uma das principais localizadoras é a gigante de produtos de consumo VF, uma fabricante de roupas de 6 bilhões de dólares que possui marcas populares de jeans como Lee e Wrangler, bem como marcas de luxo, incluindo Nautica e North Face. A VF integra várias fontes de dados para identificar oportunidades de personalização, para o deleite de varejistas e consumidores. “Não é incomum que a localização melhore as vendas em 40% a 50% e, ao mesmo tempo, reduza os estoques e descontos nas lojas”, diz Boyd Rogers, presidente de cadeia de suprimentos da VF. “Consideramos nossos recursos de localização uma das nossas vantagens competitivas mais poderosas.” A VF combina dados geodemográficos e de estilo de vida de terceiros com dados diários de vendas no nível da loja, extensa pesquisa com consumidores e análise da concorrência para desenvolver estratégias de localização com varejistas, como a Kohl's. A VF descobriu, por exemplo, que, embora muitos compradores agora desejem jeans mais leves, os hispânicos do sexo masculino ainda preferem pesos mais pesados. Mulheres no sul da Califórnia tendem a comprar saias jeans mais curtas do que as do norte da Califórnia. Até mesmo lojas na mesma área metropolitana podem exibir padrões de demanda muito diferentes por jeans e outras roupas. Uma loja em uma comunidade com uma grande população de imigrantes, por exemplo, tenderá a ter maior demanda por roupas menores do que uma loja cercada por americanos não imigrantes — uma prova sutil do problema da obesidade nos Estados Unidos. Para uma rede dos EUA, a VF criou 40 clusters, baseados principalmente nos segmentos de estilo de vida do consumidor e nos padrões de compra. Os sortimentos de produtos, as estratégias de marketing e os sistemas da cadeia de suprimentos são personalizados para cada cluster. A VF usa trocas rápidas de dados para estudar os dados diários do ponto de venda de cada loja, não apenas para reabastecer as prateleiras, mas também para descobrir novas tendências de demanda em cores e estilos e promover a inovação. Por meio desses esforços, a VF e seus varejistas estão aumentando substancialmente as vendas, evitando descontos e devoluções. Controle central, toque local A mudança para a localização gera grandes desafios gerenciais e organizacionais. Os pioneiros estão, na verdade, rompendo o velho “compromisso de centralização/descentralização”. Mas é complicado. O primeiro instinto dos executivos geralmente é capacitar os gerentes locais, dando-lhes controle sobre, digamos, a seleção de produtos nas prateleiras das lojas ou sobre os principais programas promocionais. Essa descentralização geralmente sai pela culatra, por duas razões simples. Primeiro, os gerentes locais não têm a profundidade dos dados e, muitas vezes, a habilidade para tomar decisões consistentemente inteligentes sobre compras, comercialização e operações. Em segundo lugar, dar aos gerentes locais muita margem de manobra pode introduzir complexidade e inconsistência dispendiosas em um negócio. De fato, nossa pesquisa descobriu que os grandes fabricantes estão menos dispostos a colaborar ou oferecer suas melhores condições a varejistas altamente descentralizados. A J.C. Penney descobriu isso da maneira mais difícil no final da década de 1990, quando teve problemas ao permitir que os gerentes de lojas determinassem as quantidades dos pedidos. Os gerentes locais se mostraram muito conservadores. Buscando minimizar o risco, eles comprariam uma grande variedade de produtos em vez de se concentrarem em itens quentes. Como resultado, as lojas ficaram sem produtos populares rapidamente e ficaram com estoques inchados de vendedores lentos. E como a sede não tinha informações sobre o que havia em cada loja, os gerentes centrais nem conseguiam ver os problemas. Entre meados de 1998 e o final de 2000, o preço das ações da Penney caiu de $54 para $8. Então, em 2000, a Penney's embarcou em um programa de recuperação bem-sucedido sob a direção de seu então novo CEO, Allen Questrom. A Penney's passou de uma empresa descentralizada cujas decisões de compra e redução eram tomadas nas lojas para uma organização centralizada e orientada por dados. A equipe de gerenciamento classificou as lojas em sete grupos com base no tamanho e nos padrões de demanda do cliente, desenvolveu módulos de mercadorias e acessórios e consolidou os pedidos de compra. Também desenvolveu técnicas de otimização com base na demanda, permitindo que faixas de produtos e preços, políticas de reabastecimento, bem como o tempo e a profundidade das reduções sejam adaptados aos clusters de lojas. Nos cinco anos seguintes, o preço das ações da Penney mais que triplicou. As vendas comparáveis em lojas de departamentos (vendas de lojas abertas por 12 meses consecutivos), tendo diminuído 2,3% em 2000, aumentaram 3,4% em 2001 e 5% em 2004. Como descobriu Penney, a localização eficiente exige que a maioria das decisões seja coordenada centralmente, por gerentes com uma visão ampla dos padrões de demanda e dados suficientes no nível da loja para distinguir insights reais de ruídos aleatórios. Para apoiar os tomadores de decisão da sede, os principais varejistas estão criando sistemas de informação sofisticados que se baseiam em várias fontes: censos e outras pesquisas demográficas; dados de scanners de lojas e cartões de fidelidade; pesquisas com consumidores e comentários não solicitados; dados de vendas pela Internet; dados de sindicatos terceirizados, como a ACNielsen; e inteligência sobre concorrentes. Gerentes e funcionários locais também são fontes essenciais de informações, geralmente captando sinais que os sistemas computadorizados não conseguem ver. Quando o Wal-Mart, por exemplo, introduziu comida kosher em sua loja em Berryville, Arkansas, estava agindo sob recomendação do gerente da loja. As outras fontes de dados da empresa não haviam descoberto a comunidade judaica próxima. A coordenação central também é essencial para estabelecer relações estreitas entre varejistas e fornecedores de produtos. Os fabricantes de produtos têm profundo conhecimento sobre como os produtos são vendidos em todas as lojas de uma região. Os varejistas têm um conhecimento igualmente profundo sobre como os produtos são vendidos em suas redes de lojas. A combinação desses dois conjuntos de informações permite uma compreensão muito mais abrangente dos padrões de demanda local e da forma como eles podem se agrupar nas regiões. Liderar a partir do centro não significa que os gerentes locais se tornem robôs impensados. Na verdade, ao centralizar funções intensivas em dados e sensíveis à escala, como design de lojas, seleção de mercadorias, compras e gerenciamento da cadeia de suprimentos, a localização libera os funcionários da loja para fazer o que fazem de melhor: testar soluções inovadoras para os desafios locais, interagir com os hóspedes da loja e estabelecer laços fortes com suas comunidades. Os gerentes de lojas do Wal-Mart são famosos por destacar itens populares e responder aos desafios locais de preços. A Best Buy incentiva os funcionários da loja a criar e testar hipóteses e compartilhar o que aprenderam em toda a rede. Recentemente, uma funcionária da Best Buy levantou a hipótese de que ela poderia aumentar as vendas na loja facilitando a localização dos iPods. Ela mudou uma vitrine para a frente da loja, criou uma camiseta que dizia “iPods aqui” e elevou o ranking de vendas da loja da 240ª para a 69ª. A 7-Eleven sabe que a sede corporativa nunca poderia prever a chegada de um ônibus cheio de jogadores de futebol em uma sexta à noite, mas o gerente da loja pode. Combinando a eficiência de uma rede nacional com os toques empreendedores de uma loja de conveniência familiar, a 7-Eleven criou um sistema que chama de “centralmente descentralizado”. Um mundo de diferença A localização não é gratuita. A mudança exige um maior investimento na coleta e análise de dados. E, por mais sofisticado que seja o esforço de agrupamento, algumas economias de escala precisarão ser sacrificadas em compras, marketing, manufatura e construção de lojas. A maioria das empresas vai querer concentrar seus esforços iniciais nas áreas que oferecem o melhor e mais rápido retorno. Por exemplo, o investimento geralmente é menor e o retorno mais rápido na localização de descontos (normalmente menos de um ano) do que na localização de preços básicos (geralmente dois anos ou mais). Mas, à medida que as habilidades de localização crescem, também aumentam as oportunidades de localização. Os sistemas, os dados e os processos organizacionais que primeiro permitem o salto de uma empresa para estratégias de remarcação localizadas facilitam muito as etapas subsequentes da localização de programas de preços, promoções e marketing. (Para ver exemplos de varejistas ultrapassando as fronteiras da localização, consulte a barra lateral “Localização extrema”.) Localização extrema Embora os localizadores normalmente personalizem de 5% a 25% de um formato padronizado, os localizadores extremos estão desenvolvendo uma variedade de formatos de compra novos, mas intimamente relacionados, para oferecer aos clientes-alvo opções de compra mais convenientes. Essa não é uma expansão convencional baseada em segmentos, em que os varejistas criam portfólios de marcas para atender diferentes grupos de clientes (pense em Talbots para mulheres, Talbots para homens e Talbots para crianças). Pelo contrário, essa é uma localização sofisticada baseada em insights sobre três tendências emergentes nos mercados consumidores: > >TENDÊNCIA: Os padrões de compra do consumidor variam não apenas por segmento, mas também por ocasião de compra. As compras cruzadas estão aumentando. Os mesmos consumidores que compram seus computadores em uma grande loja de eletrônicos estão indo a uma loja de eletrônicos do bairro para comprar periféricos únicos (acessórios como mouses, cartuchos de impressora e cabos). Como resposta, a Best Buy está transformando insights de suas lojas centradas no cliente em novos formatos de loja que atraem segmentos-alvo de clientes que nem sempre querem se esforçar. Eles estão testando formatos independentes menores e mais convenientes com o lançamento das lojas Geek Squad; da Escape, uma loja que oferece aos fãs de tecnologia de 25 a 29 anos um lugar para se divertir; e do Studio D, uma aconchegante loja de tecnologia de bairro para mães suburbanas que abastece para a família nos grandes formatos da Best Buy, mas atende às suas necessidades pessoais de tecnologia perto de casa. > >TENDÊNCIA: Os avanços tecnológicos permitem um compartilhamento mais significativo do conhecimento do cliente e dos custos de fornecimento quando as cadeias de lojas vendem os mesmos itens em vários formatos. Ao capitalizar sistemas de informação comuns, logística da cadeia de suprimentos e processos de compra, a Tesco embarcou em uma localização extrema no setor de supermercados e está aumentando as margens e os níveis de serviço no processo. Por meio de seus cartões de fidelidade, a Tesco vê o que, onde e quando os clientes compram em toda a variedade de formatos de lojas. Com base nesse conhecimento, a Tesco construiu cinco formatos especializados de alimentos no Reino Unido: Tesco Superstore, uma mercearia tradicional para compras suburbanas semanais; Tesco Extra, um hipermercado único para grandes viagens de compras; Tesco Metro, um supermercado menor para clientes em áreas urbanas de alta densidade; Tesco Express, uma pequena loja de conveniência adaptada para viagens rápidas em bairros locais; e Tesco.com para compradores na Web. Cada um desses formatos é, obviamente, agrupado e localizado para atender a necessidades específicas. As lojas do metrô, por exemplo, costumam oferecer sanduíches na hora do almoço e, em seguida, criar refeições preparadas para os clientes pegarem a caminho de casa para jantar. > >TENDÊNCIA: Clientes multiformatos estão gerando maiores lucros e insights comportamentais mais profundos. A pesquisa da Bain mostra que clientes multiformato — aqueles, por exemplo, que compram em superlojas, catálogos, sites e lojas de bairro de uma rede — normalmente gastam de duas a seis vezes mais com um varejista do que clientes de formato único. Cada experiência positiva cria escala e fidelidade, tornando os clientes mais lucrativos para o varejista e menos propensos a serem seduzidos pelos concorrentes em pontos de decisão vulneráveis. Vendas adicionais geram informações adicionais sobre o comportamento do consumidor em uma ampla variedade de condições de compra. Eles oferecem maiores oportunidades para testar abordagens inovadoras. Os pequenos varejistas costumavam contar com o conhecimento local e com a escassez de imóveis para protegê-los dos grandes. Mas essas barreiras estão desmoronando à medida que cadeias sofisticadas ampliam a tecnologia da informação e os formatos criativos. Os pioneiros da localização extrema estão criando plataformas poderosas para inovação. Melhor ainda, eles estão encontrando espaço para um novo crescimento em paisagens lotadas e melhorando sua economia e fidelidade de clientes no processo. Em última análise, todas as empresas que atendem aos consumidores enfrentarão o desafio da personalização local. Costuma-se presumir que a globalização implica uma homogeneização cada vez maior das empresas e de seus produtos e serviços. O mundo, nessa visão, estará repleto de caixas grandes indistinguíveis vendendo os mesmos bens e serviços para todos. Mas uma análise das estratégias emergentes de localização das empresas líderes nos mercados de consumo — empresas que antes evitavam a personalização, mas agora a adotam — revela o quanto essa suposição é equivocada. Estamos avançando para um mundo em que as estratégias das empresas mais bem-sucedidas serão tão diversas quanto as comunidades que elas atendem.

Localização: a revolução nos mercados de consumo

Resumo.

Partner Center