Calzados y Moda Ardix es una cadena española de moda y calzado con 80 tiendas físicas y tienda online, alrededor de 12.000 referencias activas entre modelos, colores y tallas. Su problema no era vender, era acertar: pedían de más lo que no rotaba y se quedaban sin tallas de lo que volaba.
El Problema: comprar a ciegas en un catálogo de 12.000 referencias
La planificación de compra y reposición se hacía en hojas de cálculo, con la intuición de los compradores y la venta del año anterior como única referencia. En un sector de campañas cortas, curvas de tallas y rebajas, ese método dejaba dinero sobre la mesa por los dos lados.
- Precisión de previsión del 61%: 4 de cada 10 pedidos de compra estaban mal dimensionados.
- Roturas de stock del 14,2%: una de cada siete veces el cliente no encontraba su talla en tienda.
- El 28% de la temporada se liquidaba en rebajas forzadas, sacrificando margen para vaciar almacén.
- Más de 4 millones de euros de capital inmovilizado en stock de baja rotación.
"Sabíamos que comprábamos mal, pero con 12.000 referencias y campañas de ocho semanas no había forma humana de afinar talla por talla y tienda por tienda", reconoce la directora de compras de Ardix.
La Solución: un agente de previsión de demanda sobre sus propios datos
ThynkIA conectó el ERP, el TPV de las 80 tiendas y la tienda online en un único modelo de previsión que aprende de la venta real, no de la del año pasado. No es un cuadro de mando: es un agente que propone cuánto comprar, de qué talla y a qué tienda enviarlo, y se recalibra cada semana.
Previsión por referencia, talla y tienda
El modelo descompone la demanda hasta el nivel de talla y punto de venta, cruzando histórico, tendencia, estacionalidad, clima y eventos locales. Una talla 39 que vuela en Sevilla y se atasca en Bilbao deja de tratarse igual.
Reposición y reparto automáticos
Cada mañana el agente genera las propuestas de reposición y de traspaso entre tiendas: mueve el stock parado de una tienda al escaparate donde sí se vende, antes de tener que rebajarlo.
Alertas de rotura y de exceso
El sistema avisa con días de antelación de las roturas de talla inminentes y marca las referencias en riesgo de sobrestock para actuar mientras todavía se venden a precio completo.
Los Resultados: del 61% al 88% de acierto en 5 meses
- Precisión de previsión: del 61% al 88%.
- Roturas de stock: del 14,2% al 3,9%, un 73% menos.
- Rebajas forzadas: del 28% al 11% de la temporada, un 61% menos.
- Capital inmovilizado: de 4,2 a 2,6 millones de euros liberados para la siguiente campaña.
- Margen bruto recuperado equivalente a 1,3 millones de euros al año por menos descuento y menos venta perdida.
El agente no sustituye al equipo de compras: les quita el trabajo de hoja de cálculo y les deja decidir sobre propuestas ya dimensionadas. La decisión sigue siendo suya, pero ahora parte de datos.
ROI: 280% en el primer año, con el sistema amortizado en menos de cuatro meses.