Introducción

El presente análisis se enfoca en las ventas de productos de Adidas en la tienda Foot Locker, ubicada en Hawaii, tanto en su modalidad de Outlet como en su plataforma online. Este estudio busca entender las dinámicas de ventas en ambos canales, comparando factores que influyen en el rendimiento de las ventas de la marca. El análisis incluye variables clave como volúmenes de unidades vendidas, márgenes de ganancias operativas, y otros factores que podrían estar afectando el comportamiento de los consumidores.

El objetivo de este informe es proporcionar una visión integral sobre el rendimiento de Adidas en estos dos canales, identificando tendencias, patrones y áreas de mejora para optimizar las estrategias de venta. Hawaii, siendo un destino turístico con un perfil de cliente diverso, presenta un escenario único para analizar cómo los factores geográficos y de comportamiento del consumidor pueden influir en los resultados de ventas.

Metodología

Este estudio emplea un análisis cuantitativo comparativo de las ventas de productos Adidas en Foot Locker Hawaii, abarcando canales outlet y online. Se recopilaron datos de ventas, incluyendo unidades vendidas, ganancias operacionales, márgenes operativos, precios unitarios y categorías de productos. El análisis se inició con estadísticas descriptivas y visualizaciones mediante diagramas de caja para cada canal y categoría de producto. Posteriormente, se implementó un modelo de regresión múltiple, utilizando el margen operativo como variable dependiente, e incluyendo unidades vendidas, método de venta, precio unitario y categoría de producto como variables independientes, con una interacción específica entre unidades vendidas y método de venta. La validación del modelo incluyó análisis de residuos para verificar normalidad y homocedasticidad, así como evaluación de multicolinealidad mediante VIF. La interpretación de los resultados se centró en los coeficientes del modelo, su significancia estadística y el R-cuadrado, culminando en la formulación de recomendaciones estratégicas para optimizar el rendimiento en ambos canales de venta.

Resultados desctriptivos

Para comenzar con el análisis de las estadísticas descriptivas de las ventas de Adidas en Foot Locker Hawaii, con las dos modalidades de venta, outlet y tienda virtual. Se definen las variables utilizadas, de modo que:

US: representa las unidades vendidas.
OP: representa las ganancias operacionales.
OM: representa el margen operacional.

La ganancia operacional es una medida de la rentabilidad de una empresa que indica cuánto dinero ha generado a partir de sus operaciones principales. Es decir, es la utilidad que obtiene una compañía después de cubrir todos sus costos de producción y operación, pero antes de considerar los impuestos, los intereses y otros gastos financieros.

El margen operacional es un indicador financiero clave que mide la rentabilidad de una empresa después de cubrir todos sus costos operativos. En otras palabras, te dice qué porcentaje de cada dólar de ingresos se convierte en ganancia antes de pagar intereses e impuestos.

Descriptivas en el outlet:

Estadísticas descriptivas para las ventas en el outlet
Product
Unit Sold
Operating Profit
Operating Margin
PROMEDIO_US DESVIACIÓN_US MEDIANA_US PROMEDIO_OP DESVIACIÓN_OP MEDIANA_OP PROMEDIO_OM DESVIACIÓN_OM MEDIANA_OM
Men's Apparel 250.0000 168.0774 162.5 27562.50 24515.65 14062.5 0.15 0 0.15
Men's Athletic Footwear 500.0000 179.5828 487.5 71958.33 34920.06 67500.0 0.20 0 0.20
Men's Street Footwear 633.3333 139.3437 625.0 108281.25 46365.46 100937.5 0.25 0 0.25
Women's Apparel 445.8333 135.4776 412.5 141333.33 82240.91 116750.0 0.40 0 0.40
Women's Athletic Footwear 360.7143 132.1750 275.0 59017.86 32833.54 37812.5 0.25 0 0.25
Women's Street Footwear 483.3333 128.1275 487.5 85729.17 32873.85 80937.5 0.25 0 0.25


El análisis de las estadísticas descriptivas para las ventas en el outlet de Adidas en Hawaii revela patrones significativos en el rendimiento de diferentes categorías de productos. En términos de unidades vendidas, el producto “Men’s Street Footwear” destaca con el promedio más alto (633.3333), seguido por “Men’s Athletic Footwear” (500.0000), lo que sugiere una fuerte demanda en el segmento masculino de calzado. Sin embargo, es notable la variabilidad en las ventas, como lo indican las desviaciones estándar elevadas, particularmente para el producto “Men’s Athletic Footwear” (179.5828), esto puede deberse a factores como deportes que se desempeñen únicamente en ciertas temporadas por cuestiones de clima, lanzamientos de nuevos modelos en las tiendas, o simplemente cambios en las tendencias de consumo (modas).En cuanto a la rentabilidad, el producto “Women’s Apparel” sobresale con el margen operativo más alto (0.40), duplicando el de varias otras categorías, lo que indica una eficiencia operativa superior en este segmento. El margen operacional muestra una correlación positiva con las unidades vendidas, pero con variaciones significativas entre categorías, como se evidencia en el caso de “Women’s Apparel”, que genera el segundo mayor beneficio operativo promedio (141333.33) a pesar de no liderar en unidades vendidas. La discrepancia entre medianas y promedios, especialmente notable en “Men’s Apparel”, sugiere la presencia de valores atípicos o una distribución asimétrica de las ventas.

Un aspecto interesante es la desviación estándar del margen operativo, que aparece como cero para todos los productos. Esto se debe a que en el outlet, la empresa estableció un margen de ganancia fijo sobre el costo de cada producto, lo cuál puede evidenciarse claramente en la base de datos filtrada.

Descriptivas en el outlet:

Estadísticas descriptivas para las ventas online
Product
Unit Sold
Operating Profit
Operating Margin
PROMEDIO_US DESVIACIÓN_US MEDIANA_US PROMEDIO_OP DESVIACIÓN_OP MEDIANA_OP PROMEDIO_OM DESVIACIÓN_OM MEDIANA_OM
Men's Apparel 66.50000 44.79174 44.0 1352.647 1265.928 649.040 0.2850000 0.01760682 0.290
Men's Athletic Footwear 137.66667 56.06663 127.0 3147.522 1692.869 2678.820 0.3300000 0.01673320 0.335
Men's Street Footwear 175.16667 38.60786 183.0 4263.333 1725.644 4304.730 0.3783333 0.01722401 0.370
Women's Apparel 124.50000 35.18380 122.5 4924.465 2716.358 4264.425 0.5316667 0.02136976 0.535
Women's Athletic Footwear 97.57143 35.91127 80.0 2318.400 1328.270 1664.000 0.3800000 0.01914854 0.380
Women's Street Footwear 130.33333 38.23436 125.5 3237.592 1182.280 3144.375 0.3800000 0.01673320 0.385


El examen de las estadísticas descriptivas de las ventas online de Adidas en Hawaii revela tendencias significativas que contrastan con el comportamiento observado en el canal outlet. En el ámbito virtual, se evidencia una clara preferencia por el calzado masculino, con el producto “Men’s Street Footwear” a la cabeza, teniendo un promedio de 175.16667 unidades vendidas, seguido de cerca por “Men’s Athletic Footwear” cuyo promedio es de 137.66667. Este patrón sugiere una inclinación del consumidor masculino hacia la compra de calzado a través de plataformas digitales.

Sorprendentemente, el producto “Women’s Apparel” emerge como la categoría más rentable, exhibiendo un margen operativo promedio excepcional de 0.5316667. Este dato es particularmente revelador, pues indica que, a pesar de no liderar en volumen de ventas, esta categoría genera el mayor beneficio operativo con un 4924.465 en promedio. Tal disparidad entre unidades vendidas y rentabilidad plantea interrogantes sobre las estrategias de pricing y posicionamiento de producto en el mercado femenino online.

La variabilidad en los márgenes operativos, ausente en los datos del outlet, se hace patente en el canal online. Esta fluctuación refleja una adaptación dinámica a las condiciones cambiantes del mercado digital, posiblemente influenciada por estrategias de pricing flexibles o promociones específicas. Las discrepancias notables entre medianas y promedios, especialmente en categorías como “Men’s Athletic Footwear” y “Women’s Athletic Footwear”, sugieren la presencia de eventos de venta atípicos. Estos podrían ser el resultado de campañas promocionales intensivas o de picos de demanda estacionales característicos del comercio electrónico.

Diagrama de cajas de las unidades vendidas vs métodos de venta:


El analisis cuantitativo de los márgenes operativos entre las líneas de productos Adidas enseñan una jerarquía de rentabilidad y volatilidad bastante marcada. El producto “Women’s Apparel” emerge como el líder indiscutible,, con una mediana de 0.45 y un amplio espectro de rendimiento (Q1: 0.40, Q3: 0.54), lo que indica un potencial de ganancias superior pero inconsistente. Este contrasta fuertemente con el producto “Men’s Apparel”, que ocupa el extremo opuesto del espectro (mediana: 0.21, Q1: 0.15, Q3: 0.29), sugiriendo una eficiencia operativa subóptima pero estable. En el ámbito del calzado, se observa una paridad relativa, con “Men’s Street Footwear” (mediana: 0.30, Q1: 0.25, Q3: 0.37) superando marginalmente a su contraparte atlética (mediana: 0.26, Q1: 0.20, Q3: 0.34). Las categorías femeninas de calzado mantienen una posición intermedia uniforme (medianas: 0.30). La presencia de valores atípicos, notablemente en “Women’s Apparel” (máximo: 0.55) pueden estar ligados a promociones que hayan impulsado las ventas de dicho producto.

Diagrama de cajas del margen operativo vs productos:


El análisis comparativo de los diagramas de caja que representan las unidades vendidas en los canales online y outlet, enseña algunos patrones de distribución bastante divergentes. El canal outlet exhibe una marcada superioridad en términos de volumen de ventas, con una mediana de 475 unidades frente a 130 del canal online, lo que indica una tendencia general hacia ventas más altas en el entorno físico.Por otro lado, el canal outlet exhibe una dispersión considerablemente mayor en las unidades vendidas. El rango intercuartílico (IQR) del outlet es notablemente más amplio, abarcando desde 318.75 (Q1) hasta 600 (Q3), en contraste con el canal online que muestra un IQR más compacto (84.00 a 156.50). Esta variabilidad pronunciada en el outlet sugiere una dinámica de ventas más volátil, posiblemente influenciada por factores estacionales o promocionales específicos del entorno físico.En contraste, el canal online presenta una distribución más compacta y simétrica, con un rango intercuartílico de 84 a 156.50 unidades, esto indica un comportamiento de ventas más homogéneo. La presencia de valores atípicos en ambos canales, pero particularmente notables en el outlet, con puntos que alcanzan hasta 800 unidades, sugiere la ocurrencia de eventos de venta excepcionales, mientras que en el canal online se limitan a aproximadamente 218 unidades.

Resultados del modelo

## 
## Call:
## lm(formula = `Operating Margin` ~ `Units Sold` * `Sales Method` + 
##     `Price per Unit` + Product, data = .)
## 
## Residuals:
##        Min         1Q     Median         3Q        Max 
## -0.0311838 -0.0037245  0.0007407  0.0035690  0.0243453 
## 
## Coefficients:
##                                     Estimate Std. Error t value Pr(>|t|)    
## (Intercept)                        2.972e-01  9.910e-03  29.992  < 2e-16 ***
## `Units Sold`                       1.123e-04  6.987e-05   1.608   0.1129    
## `Sales Method`Outlet              -1.312e-01  7.554e-03 -17.368  < 2e-16 ***
## `Price per Unit`                  -3.466e-04  1.843e-04  -1.881   0.0645 .  
## ProductMen's Athletic Footwear     4.049e-02  6.498e-03   6.231 4.06e-08 ***
## ProductMen's Street Footwear       8.401e-02  8.679e-03   9.680 3.74e-14 ***
## ProductWomen's Apparel             2.446e-01  5.685e-03  43.023  < 2e-16 ***
## ProductWomen's Athletic Footwear   9.241e-02  5.568e-03  16.598  < 2e-16 ***
## ProductWomen's Street Footwear     9.090e-02  6.331e-03  14.359  < 2e-16 ***
## `Units Sold`:`Sales Method`Outlet -7.784e-05  5.788e-05  -1.345   0.1834    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.01239 on 64 degrees of freedom
## Multiple R-squared:  0.9868, Adjusted R-squared:  0.9849 
## F-statistic: 531.6 on 9 and 64 DF,  p-value: < 2.2e-16
## 
##  Shapiro-Wilk normality test
## 
## data:  modelo_4$residuals
## W = 0.94821, p-value = 0.004297
## 
##  studentized Breusch-Pagan test
## 
## data:  modelo_4
## BP = 30.982, df = 9, p-value = 0.0002982
##                                   GVIF Df GVIF^(1/(2*Df))
## `Units Sold`                102.102576  1       10.104582
## `Sales Method`                6.878719  1        2.622731
## `Price per Unit`              3.322596  1        1.822799
## Product                       3.373393  5        1.129293
## `Units Sold`:`Sales Method` 105.431779  1       10.267998


Para el modelo de regresión múltiple, se uso la variable “Operating Margin” como dependiente y para las variables a comparar, se optó por usar “Price per Unit”, “Product”, “Sales Method” y “Units Sold”; indicando una interacción entre las dos ultimas variables, esto se debe a que consideramos que existe una correlación muy arraigada entre el método de venta vs las unidades vendidas.

Analizando los resultados obtenidos por el modelo de regresión múltiple, cuando se observa el error estándar residual, se visualiza un rango relativamente pequeño, demostrando que nuestro modelo se ajusta razonablemente a los datos reales de “Operating Margin”, comparándolo con las predicciones del modelo. Partiendo de esto, se procede a analizar los coeficientes de las variables independientes, encontrando que la variable que nos produce una disminución en el margen de operaciones es el tipo de venta en “Outlet” y dado a su nivel de significancia como variable, es el primer parámetro para proponer una corrección en las estrategias de marketing de la empresa. Otra variable que nos da un coeficiente negativo es “Price per Unit”, esto con una significancia de bajo impacto se puede proponer la hipótesis de que la reducción del margen operativo se puede deber a promociones de venta realizadas por la tienda. La interacción entre “Units Sold” y “Sales Method” Outlet tiene un efecto negativo a pesar de que la variable “Units Sold” por si sola genere un impacto positivo, el resultado de esta interacción nos demuestra una disminución en el margen operativo de la empresa. El R-squared nos indica que tenemos un 98% de variabilidad en la variable “Operating Margin” en el modelo, con ello confirmamos que las variables aplicadas en el modelo son relevantes y se puede realizar predicciones bastantes realistas.

Para la empresa responsable de las ventas se aconsejaría que reduzca las operaciones de ventas en Outlet. La reducción del capital de las ventas físicas puede ser aprovechado para invertir en la atención al publico de manera online, promocionando su facilidad de adquisición de productos por medio de las redes. Ya que el precio por unidad está generando una disminución del margen operativo, puede ser compensado estratégicamente unificando los productos que presentan un mayor coeficiente con los productos que no alcanzan un alto nivel de margen operacional, así cuando realicen promociones de venta puedan generar un equilibrio entre margen de operaciones de los productos; otra opción seria subir el precio de los productos que no tienen un coeficiente positivo tan alto.

Conclusión

El análisis de regresión múltiple realizado sobre el margen operativo revela hallazgos significativos para la optimización de estrategias comerciales. El modelo, con un R-cuadrado del 98%, demuestra una alta capacidad explicativa, identificando el método de venta “Outlet” como un factor crítico en la disminución del margen operativo. La interacción negativa entre unidades vendidas y el método de venta “Outlet”, a pesar del impacto positivo individual de las unidades vendidas, sugiere una ineficiencia operativa en este canal. Adicionalmente, la ligera influencia negativa del precio por unidad indica una posible sensibilidad del margen a las estrategias promocionales. Estos resultados apuntan hacia la necesidad de reevaluar la estrategia de ventas en “Outlet”, considerando una posible reasignación de recursos hacia canales de venta en línea, así como una revisión de las políticas de precios y promociones. Se recomienda un enfoque que equilibre el portafolio de productos, potenciando aquellos con coeficientes positivos más altos y ajustando estratégicamente los precios de los productos con menor impacto en el margen operativo, con el objetivo de optimizar la rentabilidad global de la empresa.

Referencias