<i>Retail media</i> surge como fuente de ingresos para el comercio

Columna

Estrategia

Innovación

Marketing

04 de diciembre de 2024

Retail media surge como fuente de ingresos para el comercio

La modalidad de marketing permite al minorista anunciar los productos de la industria en sus propias plataformas de medios y rastrear los resultados en las ventas reales

El año 2024 estuvo marcado por una tendencia que no ha dejado de sonar en boca de los minoristas: el retail media. Desde principios de año, en la NRF Retail Big Show, la gran feria mundial del comercio minorista que se celebra en Nueva York, y a lo largo de todo el año, en múltiples artículos publicados en los principales medios de comunicación, parece que nada más importa en el contexto del marketing de comercio, especialmente en el sector CPG (Consumer Packaged Goods).

Lo más importante de esta tendencia es su alta dependencia de datos — pero eso es solo el principio. También depende de la integración de datos primarios, una macrotendencia que revolucionará el marketing minorista y pondrá a las empresas que sepan aprovecharla en una posición de ventaja.

Para entender la profundidad del concepto de retail media, es fundamental ir más allá de su definición tradicional. La herramienta no se limita a la exhibición de anuncios en las plataformas en línea de un minorista. De hecho, se trata de un ecosistema completo de medios que incluye tanto los entornos en línea (e-commerce) como los fuera de línea (tiendas físicas), además de la utilización de canales externos al minorista para atraer tráfico a sus tiendas.

La gran diferencia de retail media en relación con otros tipos de publicidad es que permite al minorista capturar ingresos de medios directamente de las industrias. Con esto, el minorista puede promocionar los productos de la industria en sus propias plataformas de medios, en el sitio, fuera del sitio o en la tienda. Y el valor agregado de esta divulgación es inmenso, ya que el minorista, a diferencia de otros operadores de medios, puede rastrear si esa publicidad resultó en ventas reales.

Él tiene acceso directo a los datos de ventas y puede compartir estos resultados con el anunciante. Este es el “Santo Grial” de los medios: la capacidad de medir con precisión el impacto de un anuncio en las ventas, algo que otras plataformas de medios aún luchan por lograr.

Datos primarios

La constante incertidumbre sobre el futuro de las cookies de terceros ha aumentado, y mucho, la relevancia de los datos provenientes de fuentes primarias, algo que los minoristas tienen en gran volumen. Al depender menos de datos de terceros, los minoristas que sepan utilizar bien sus propios datos ganarán aún más poder de segmentación y precisión en sus campañas. Este cambio coloca incluso a minoristas medianos en una posición en la que pueden ofrecer a la industria diferenciadores interesantes contra gigantes como Amazon y Walmart.

Las marcas pueden acceder a nichos valiosos a partir de sus propias fortalezas, como la capacidad de capturar tráfico en momentos críticos de intención de compra. El éxito de los retail media depende de la integración y de la creación de redes amplias, tanto para distribuidores de contenido como para anunciantes.

Como ya hemos escuchado mucho, los “datos son el nuevo petróleo”, pero esta famosa frase tiene un doble sentido oculto. Si por un lado se usa para expresar el alto valor que tienen estos datos, asemejándose a una materia prima, como el combustible, por otro, de la misma forma que el “oro negro”, los datos solo tienen valor real cuando son extraídos y refinados.

La industria

En Brasil, la industria se ha destacado frecuentemente por saber utilizar datos de forma estratégica en sus operaciones. Heineken y Seara son ejemplos de cómo la inteligencia de datos puede transformar la relación con el consumidor y la eficiencia de las campañas. Estas empresas han explorado a fondo el comportamiento del consumidor para ajustar sus estrategias de marketing, mejorando tanto la comunicación como la precisión en la segmentación de sus audiencias.

Hoy en día existen varios enfoques para conseguir entender mejor el comportamiento del consumidor minorista. Una de las empresas más conocidas en este mercado es Nielsen, que realiza encuestas puerta a puerta para recopilar información directamente de las tiendas de calle y de los centros comerciales y apoya a la industria con consultoría para comprender mejor los comportamientos de compra.

Más recientemente, ha surgido una nueva categoría de soluciones, basada en inteligencia artificial (IA). Valiéndose de la agregación masiva de datos, anonimizados para respetar la LGPD y analizados a través de machine learning, son plataformas SaaS en la nube que ofrecen un entorno self service de inteligencia de datos, donde la marca o incluso el propio minorista puede analizar el comportamiento de su consumidor bajo diversos ángulos predefinidos y montar sus propios recortes de análisis.

Cada vez más, la propia IA sugiere análisis y señala posibilidades que pueden ser interesantes de verificar, transformándose en una verdadera máquina generadora de insights, en vista de patrones en medio de la cacofonía de datos que difícilmente podrían ser observados por el ojo humano.

Un ejemplo en esta categoría es el TOTVS Index – Tail., que es capaz de procesar, analizar y combinar diversas fuentes de datos a gran escala. La herramienta realiza una radiografía completa del comportamiento de los consumidores, basada en datos reales de compra recopilados en todo el país, además de información sociodemográfica y de navegación web, posibilitando el acceso a información de más de 2.600 millones de compras en más de 3 mil supermercados, realizadas por 26 millones de compradores de todo Brasil.

Independientemente de la metodología utilizada – manual o automatizada –, estos análisis buscan generar insights sobre los clientes de las marcas, de los competidores, de los consumidores y de los clientes que dejaron de comprar, además de también proporcionar información como ticket promedio, número promedio de artículos en el carrito de compras, precios, etc., proporcionando datos relevantes no solo para la estrategia de ventas, sino también para las de comunicación, marketing, fijación de precios, distribución e incluso desarrollo de productos. Al centrarse en el comportamiento del consumidor, estas empresas logran no solo aumentar las ventas, sino también crear una experiencia más relevante y personalizada para los clientes.

El futuro

El retail media es más que una simple tendencia; es una profunda transformación en la forma en que el comercio minorista puede generar ingresos y conectarse con los consumidores a partir de sus datos. La capacidad de utilizar sus propias propiedades, combinada con su conocimiento de lo que efectivamente se vendió, para impulsar campañas de marketing que presentan resultados reales, coloca a los minoristas en una posición única, permitiéndoles ofrecer un producto de medios que no tiene competencia. Por otro lado, las industrias que sepan aprovechar esta oportunidad estarán a la vanguardia del mercado, aprovechando el poder de estas nuevas plataformas de medios para maximizar los resultados de sus campañas.

Quién publicó esta columna

Elói Assis

É diretor-executivo de produtos para os segmentos de Varejo e Distribuição da TOTVS desde setembro de 2018, comandando uma equipe de mais de 800 pessoas. Formado em marketing pelo Mackenzie, cursou o MBA em Gestão de TI pela Live University.

También te puede interesar

17 de noviembre de 2026

Detección y Diagnóstico de Enfermedades en Maíz y Arroz en Mozambique con Deep Learning

La agricultura mozambiqueña depende del maíz y el arroz, cultivos fundamentales para la seguridad alimentaria, pero su productividad se ve fuertemente afectada por enfermedades fitosanitarias, cuya identificación temprana y precisa sigue siendo un desafío en contextos de recursos limitados. El estudio tuvo como objetivo desarrollar y comparar modelos basados en Deep Learning para la detección y el diagnóstico automático de enfermedades en hojas de maíz y arroz en Mozambique. Se utilizaron tres enfoques: una Red Neuronal Convolucional (CNN) clásica desarrollada desde cero, y dos modelos de transfer learning, ResNet50 y MobileNetV2. El conjunto de datos se compuso de imágenes de bases públicas y recolectadas en campo, que pasaron por etapas de limpieza, balanceo y aumento artificial. Los modelos fueron entrenados y evaluados con métricas de desempeño estándar, incluyendo precisión (accuracy), precisión (precision), recall, F1-score, Log Loss y Kappa de Cohen. La CNN clásica presentó el mejor desempeño global, con 94% de precisión (precision), recall y F1-score, y 93% de precisión (accuracy) y Kappa de Cohen. La MobileNetV2 alcanzó 91% de F1-score y 90% de precisión (accuracy), destacándose por el menor Log Loss (0,30) y tiempo de entrenamiento (6h32min59s). La ResNet50 alcanzó 80% de F1-score y 79% de precisión (accuracy). Se concluyó que las técnicas de Deep Learning poseen un elevado potencial para apoyar el diagnóstico fitopatológico en contextos agrícolas reales, contribuyendo a decisiones más rápidas y precisas en el manejo de enfermedades en maíz y arroz.

Palabras clave: Aprendizaje profundo; Arroz; Enfermedades en plantas; Maíz; Visión computacional.

17 de noviembre de 2026

Estructuración del proceso de cierre de proyectos de una industria de la construcción civil

Un estudio abordó el grupo de procesos de cierre de proyectos en una industria de manufactura de la construcción civil, utilizando la guía PMBOK como referencia principal. El proceso existente en la industria presentaba superficialidad y fragilidades, especialmente en el registro de lecciones aprendidas. Ante este escenario, el objetivo fue desarrollar un procedimiento para el cierre de proyectos de la organización, visando agregar valor por medio de la estandarización del proceso, registro del conocimiento adquirido, formalización de la conclusión y entrega de los proyectos, y mejoramiento de la comunicación, compromiso, integración y transparencia con los stakeholders. La investigación se clasificó como descriptiva, empleó datos cualitativos y adoptó la investigación-acción como delineamiento. El alcance del estudio se estructuró conforme a los cinco grupos de procesos de la guía PMBOK y fue representado por una Estructura Analítica de Proyecto (EAP). Los principales resultados obtenidos incluyeron el procedimiento desarrollado y diversas plantillas de documentos, que constituyeron los entregables del nuevo proceso de cierre de proyectos. Se verificó que el trabajo alcanzó el objetivo esperado, pues el procedimiento desarrollado viabilizó la estandarización del cierre de proyectos, el mejoramiento de la integración y el compromiso con los stakeholders, y la promoción de seguridad y transparencia en el proceso.

Palabras clave: Gestión del conocimiento; Lecciones aprendidas; PMBOK; Plantillas; Término de aceptación de proyecto.

17 de noviembre de 2026

Machine Learning y priorización de funcionalidades en productos digitales: un estudio de caso en una fintech

Una investigación analizó el potencial del uso de técnicas de machine learning aplicadas al análisis del comportamiento de los usuarios en la priorización de funcionalidades en productos digitales. El objetivo fue comprender los procesos de priorización utilizados en la práctica, el papel de los datos de comportamiento en la toma de decisiones y las percepciones sobre la aplicación de técnicas de machine learning en este contexto. Se adoptó un enfoque cualitativo y exploratorio, estructurado como un estudio de caso en productos desarrollados bajo el modelo Software as a Service (SaaS). La recolección de datos se realizó a través de entrevistas semiestructuradas con profesionales de las áreas de producto y de datos. El análisis de los datos siguió la técnica de análisis de contenido. Los resultados indicaron que, aunque los datos de comportamiento ya se utilizaban como apoyo a la decisión, los procesos de priorización aún presentaban baja formalización y enfrentaban limitaciones técnicas y organizacionales. Se observó, también, el reconocimiento del potencial del machine learning como soporte estratégico a la priorización de funcionalidades, aunque su aplicación práctica fuera incipiente. Como principal contribución, el estudio propuso un modelo conceptual que integra datos de comportamiento, procesos de priorización y el uso de machine learning como soporte a la decisión.

Palabras clave: Análisis de datos; Comportamiento del usuario; Datos de comportamiento; Software as a Service (SaaS); Toma de decisiones.

17 de noviembre de 2026

Inteligencia artificial en las rutinas operativas contables y en la eficiencia financiera

La incorporación de Inteligencia Artificial (IA) y de herramientas de automatización ha reconfigurado las rutinas de las oficinas contables brasileñas, impactando la productividad, la mitigación de errores y la eficiencia financiera. Se analizaron estos impactos en una oficina contable de pequeño tamaño, especializada en la atención a prestadores de servicios del área médica en São Caetano do Sul, São Paulo. La investigación adoptó un enfoque cualitativo, con un diseño de estudio de caso único y unidades de análisis incorporadas. Los datos se recolectaron mediante un cuestionario estructurado, aplicado vía Google Forms entre enero y febrero de 2026, a cinco profesionales de la estructura operativa de la oficina en un relevamiento censal. El tratamiento siguió un análisis de contenido con categorías a priori y emergentes. Todos los encuestados declararon uso de herramientas automatizadas o con recursos de IA. La percepción de reducción del tiempo de ejecución, de disminución de errores operacionales, de retrabajo y de mejor aprovechamiento del tiempo del equipo convergió en el 80% de las respuestas afirmativas y el 20% parciales. Las actividades más beneficiadas fueron la conciliación bancaria, la importación de documentos fiscales y la liquidación tributaria, con ganancias visibles sobre errores de digitación, asientos duplicados y clasificación incorrecta. La intervención humana permaneció indispensable en la planificación tributaria, el análisis de escenarios y la verificación de obligaciones accesorias. La evaluación general de la contribución de la IA fue predominantemente favorable, con moderación vinculada a la complejidad normativa fiscal.

Palabras clave: Análisis de contenido; Automatización de procesos; Contabilidad 4.0; Pequeño tamaño; Transformación digital.

17 de noviembre de 2026

Factores que influyen en la gestión de plazos en proyectos de “retrofit” de estaciones de tratamiento de aguas residuales

Los proyectos de “retrofit” en Plantas de Tratamiento de Aguas Residuales (PTAR) se caracterizan por su alta complejidad, restricciones operativas y múltiples interfaces técnicas. El estudio analizó la percepción de los profesionales involucrados sobre la gestión y el cumplimiento de los plazos en proyectos de “retrofit” de plantas de tratamiento de aguas residuales, considerando factores técnicos, operativos y organizacionales. La investigación se caracterizó como un estudio aplicado, con un enfoque cuali-cuantitativo, delineado como un levantamiento de campo de tipo “survey”. El análisis de los datos se realizó mediante estadística descriptiva y categorización cualitativa, utilizando las herramientas SWOT, matriz de riesgo (Probabilidad x Impacto) y plan de acción 5W2H. Los resultados indicaron una alta percepción de claridad (77,8%) y realismo de los plazos (100% de acuerdo), evidenciando una planificación inicial consistente. Sin embargo, el 77,7% de los encuestados señaló que los retrabajos y cambios de alcance impactaron directamente el cumplimiento de los plazos. La integración entre ingeniería, fabricación y Planificación y Control de la Producción (PCP) presentó una evaluación intermedia (77,7% de acuerdo parcial/total), indicando fragilidad en la coordinación interfuncional. La matriz de riesgo destacó como críticos: cambios de alcance, limitaciones operativas de la PTAR y complejidad técnica, todos con nivel alto. Como mejora central, se propuso la estandarización del control de cambios de alcance, análisis y aprobación, con el fin de reducir retrabajos y aumentar la previsibilidad del cronograma.

Palabras clave: Desempeño; Integración; Planificación; Retrabajo; Riesgo.

17 de noviembre de 2026

Captación B2C en medicina diagnóstica: acuerdos estratégicos con consultorios médicos especializados

El sector de la medicina diagnóstica en Brasil opera con una alta dependencia de las aseguradoras de planes de salud, lo que limita la autonomía financiera de los prestadores. Este estudio propuso y analizó un modelo de captación directa de pacientes (B2C) para una institución de medicina diagnóstica de alta complejidad, estructurado a partir de alianzas con consultorios de Oncología y Cardiología y operado por un servicio de atención personalizada denominado conserjería. La investigación adoptó un enfoque mixto en tres fases: levantamiento de campo con cuestionario estructurado aplicado a 87 pacientes, mapeo del flujo operativo mediante “Service Blueprint” y análisis de la tasa de conversión a partir de 312 indicaciones médicas registradas en el proyecto piloto. Los resultados indicaron que la confianza en la indicación médica obtuvo un 92,0% de concordancia, configurándose como el principal factor de adhesión. La conveniencia de realizar el examen el mismo día alcanzó el 78,2%, y la disposición al pago directo llegó al 55,2%, con una polarización asociada a la predominancia de usuarios de planes de salud. El “Service Blueprint” identificó tres puntos críticos en las transiciones entre etapas del recorrido. La tasa de conversión global fue del 51,0%, con un desempeño superior en Oncología (58,2%) en relación con Cardiología (45,0%), y la mayor pérdida se concentró en la etapa de aceptación y agendamiento (28,3%). Se concluyó que el modelo demostró posible viabilidad operativa e indicios de aceptación por parte de los pacientes, condicionado a la transparencia de precios y a la reducción del intervalo entre la consulta y el abordaje por la conserjería.

Palabras clave: Desembolso directo; Recorrido del paciente; Salud suplementaria; Servicio de conserjería; Tasa de conversión.

17 de noviembre de 2026

El papel del director escolar en la promoción de una cultura inclusiva: liderazgo y políticas educativas

La investigación analizó el desempeño del director escolar en la promoción de una cultura inclusiva, considerando la necesidad de transformar directrices legales y fundamentos pedagógicos en prácticas institucionales efectivas. Se partió del supuesto de que la inclusión escolar exige planificación, organización y liderazgo estratégico en el día a día de la escuela. Se adoptó un enfoque cualitativo de naturaleza aplicada, desarrollado en tres etapas complementarias: análisis documental de las legislaciones brasileñas sobre educación inclusiva, revisión bibliográfica sobre liderazgo y gestión escolar, y sistematización de los datos por medio de herramientas gerenciales como la matriz FODA y el ciclo PDCA. Los resultados indicaron que el desempeño de la gestión escolar influyó directamente en la consolidación de ambientes inclusivos, especialmente en la organización de procesos, formación continua del equipo y fortalecimiento de una cultura institucional colaborativa y respetuosa de la diversidad. También se identificaron desafíos estructurales, pedagógicos y relacionales que demandaron intervenciones planificadas. Al final, se elaboró una Guía Práctica para Directores Escolares, con directrices, protocolos y orientaciones operacionales para la toma de decisiones y organización de los procesos inclusivos. Se concluyó que la construcción de una cultura inclusiva dependió de la capacidad de gestión para articular políticas públicas, prácticas pedagógicas y procesos institucionales, consolidando la inclusión como un compromiso permanente en el contexto escolar.

Palabras clave: Accesibilidad educativa; Equidad educativa; Gestión participativa; Planificación estratégica; Procesos institucionales.

17 de noviembre de 2026

Un artefacto de IA basado en Design Thinking para apoyar la elicitación de requisitos de software a partir de las necesidades de los usuarios

El desarrollo de software orientado a las necesidades de los usuarios a menudo enfrenta desafíos en la elicitación de requisitos, derivados de ambigüedades en el lenguaje natural y fallos de comunicación. Ante esto, se propuso y validó un artefacto inteligente que integra Design Thinking e Inteligencia Artificial, con foco en las etapas de Empatía y Definición, para apoyar la recolección, interpretación y estructuración de las necesidades de los usuarios. La investigación, de naturaleza aplicada, cualitativa y exploratoria, condujo una Prueba de Concepto en un ambiente controlado, empleando escenarios hipotéticos. El artefacto operó mediante entrevistas guiadas en lenguaje natural, organizando información en elementos como dolor, contexto e impacto, y generando síntesis de problemas rastreables. Los resultados indicaron que el sistema organizó relatos no estructurados, redujo ambigüedades y preservó el sentido de la información original en la mayoría de los casos. Se observó también la capacidad de reorganización lógica en escenarios complejos, aunque con limitaciones en la separación de múltiples problemas y dependencia de las instrucciones. Se concluyó que el artefacto tiene potencial como apoyo a la elicitación de requisitos, mejorando la claridad y la estructuración de la información, pero requiere supervisión y control contextual.

Palabras clave: Design Thinking; Elicitación de Requisitos; Ingeniería de Requisitos; Inteligencia Artificial; Procesamiento del Lenguaje Natural.

17 de noviembre de 2026

La Extinción de la Sistemática de Retención en la Industria Farmacéutica a la Luz de la Reforma Tributaria

La Reforma Tributaria del consumo, establecida por la Enmienda Constitucional nº 132/2023, introdujo alteraciones estructurales en el sistema tributario brasileño, con la sustitución del Programa de Integración Social (PIS) y de la Contribución para el Financiamento de la Seguridad Social (COFINS) por la Contribución sobre Bienes y Servicios (CBS), en un modelo de Impuesto sobre el Valor Añadido (IVA dual). El objetivo fue analizar los impactos de la extinción de la sistemática monofásica en la industria farmacéutica, a la luz del nuevo diseño normativo y de sus efectos económicos y jurídicos. Se realizó una investigación cualitativa, de naturaleza exploratoria, por medio de estudio de caso y análisis documental de la legislación y la doctrina especializada. Se examinó si el fin de la monofasia implicaría un aumento relevante de la carga tributaria para el sector. Los resultados indicaron que, aunque la superación formal de la sistemática monofásica ha ocurrido, la desgravación material de los medicamentos fue preservada, sobre todo en razón de la aplicación de alícuotas reducidas del 60% y, en determinados casos, de alícuota cero del Impuesto sobre Bienes y Servicios (IBS) y de la CBS. El cambio de modelo puede provocar variaciones puntuales en la recaudación, sin caracterizar un aumento estructural de la carga tributaria, tendiendo a la neutralidad a lo largo del tiempo. Se concluyó, preliminarmente, que la Reforma Tributaria reorganizó la técnica de tributación en la industria farmacéutica, sustituyendo un régimen concentrado por mecanismos más transparentes de desgravación. Este enfoque se mostró compatible con los principios de neutralidad, de no acumulatividad plena y de extrafiscalidad, manteniendo la protección tributaria a los medicamentos esenciales y alineando la política fiscal al derecho fundamental a la salud.

Palabras clave: CBS; COFINS; IBS; IVA Dual; PIS.