Big Data · Corte III · Guía I · Universidad de San Buenaventura

ShopFast
S.A.S.

Análisis y toma de decisiones basadas en datos para una empresa de comercio electrónico con caída sostenida en ventas durante los últimos 6 meses.

8
Fases de análisis
3
Dashboards Power BI
$13 mil M
Ventas totales
10 mil
Clientes registrados
Desplázate para explorar
Fase 01
Comprensión del problema
$13 mil M
Total ventas
$11 mil M
Carritos abandonados
$1.34 mill.
Ticket promedio
10 mil
Clientes totales
6 mil
Clientes activos
4 mil
Clientes inactivos
Tipos de datos disponibles

Datos de Clientes

10.000 registros con nombre, ciudad, segmento, género, rango de edad y estado activo/inactivo. Permiten segmentación RFM y análisis de comportamiento por perfil demográfico.

Datos Transaccionales

Historial completo de compras con fecha, producto, categoría, método de pago y monto total. Permiten identificar tendencias de ventas y productos más rentables.

Datos de Visitas Web

10.000 registros de sesiones con dispositivo, país de origen, tiempo de sesión y páginas vistas. Revelan patrones de comportamiento previos a la compra.

Datos de Carritos

Registro de $11 mil M en valor de carritos abandonados — casi igual al total de ventas efectivas, lo que indica una pérdida crítica de ingresos potenciales.

Variables más relevantes

Valor de carritos abandonados vs ventas reales

Los $11 mil M en carritos abandonados frente a $13 mil M en ventas reales indica que la empresa casi duplicaría sus ingresos si resolviera el problema de conversión en checkout.

Tasa de clientes inactivos: 40%

4.000 de 10.000 clientes están inactivos. Esta variable es crítica porque reactivar clientes existentes cuesta 5 veces menos que adquirir nuevos.

Ticket promedio de $1.34 mill.

Los clientes que sí compran adquieren productos de alto valor (laptops, monitores, tablets), pero la cantidad de compradores ha caído significativamente.

Distribución equitativa por dispositivo

Escritorio, móvil y tablet tienen proporciones similares (~33% cada uno), pero la conversión varía significativamente por dispositivo.

Problemas que afectan las ventas

El análisis de los datos revela que el principal problema no es la falta de tráfico — con 10.000 visitas y presencia en 7 países — sino la incapacidad de convertir ese tráfico en ventas. Los $11 mil M en carritos abandonados demuestran que los clientes tienen intención de compra pero encuentran barreras en el proceso de pago.

La categoría Tecnología domina con el 48.31% de las ventas, mientras que Educación apenas representa el mínimo del total, lo que sugiere una oportunidad de diversificación. La distribución uniforme de métodos de pago (cada uno entre 13-16%) indica que no hay un método claramente preferido, lo que podría estar causando fricción en el checkout.

Fase 02
Visualización de datos — Power BI
Dashboard 1 Rendimiento de Ventas 2023
ShopFast S.A.S. — Dashboard de Ventas 2023 · Power BI Desktop
Dashboard 1 - Ventas

Tecnología domina con 48.31%

Laptop HP 15 ($2.1 mil M) y Monitor LG 27 ($1.4 mil M) lideran las ventas, concentrando más de la mitad de los ingresos en 2 productos.

Carritos = $11 mil M perdidos

El valor abandonado en carritos representa el 84.6% de las ventas reales — cada peso vendido tiene casi otro peso perdido en abandono.

Métodos de pago fragmentados

Los 7 métodos de pago se distribuyen casi equitativamente (13-16% cada uno), lo que indica que ningún método domina y puede generar confusión en el checkout.

Oportunidad en Hogar (19.41%)

La categoría Hogar es la segunda más grande. Con la tendencia de trabajo remoto, ampliar este catálogo puede incrementar significativamente los ingresos.

Análisis profundo — Dashboard de Ventas

La gráfica de línea por mes muestra fluctuaciones constantes sin una tendencia clara de crecimiento, oscilando entre $1.0 y $1.2 mil M mensuales. Esto indica que las ventas son reactivas a factores externos (campañas, temporadas) pero no hay un crecimiento orgánico sostenido. Los picos en mayo y octubre coinciden probablemente con campañas promocionales.

La dona de categorías revela una concentración preocupante: Tecnología representa el 48.31% del total. Esto hace a la empresa vulnerable a cambios en ese mercado. Las categorías de Belleza y Educación tienen participación mínima, representando oportunidades desaprovechadas dado el crecimiento global de e-learning y wellness.

Los filtros de Edad (18-65), Género (F/M) y Categoría permiten a los directivos hacer cortes específicos. Por ejemplo, si se filtra por Género=F y Categoría=Belleza, se puede identificar el ticket promedio de ese segmento y diseñar campañas más efectivas.

Dashboard 2 Segmentación de Clientes
ShopFast S.A.S. — Dashboard de Clientes 2023 · Power BI Desktop
Dashboard 2 - Clientes

40% de clientes inactivos

4.000 de 10.000 clientes están inactivos. Representan ingresos potenciales dormidos que pueden reactivarse con campañas personalizadas a bajo costo.

Distribución etaria equilibrada

Los 5 rangos de edad (18-55+) tienen proporciones casi iguales (~20% cada uno), indicando que el producto tiene alcance demográfico amplio.

Barranquilla lidera con 874

Sorpresivamente Barranquilla supera a Bogotá en número de clientes. Esto sugiere una oportunidad de enfoque regional que no está siendo aprovechada.

Cobertura nacional real

El mapa muestra presencia en todas las ciudades principales de Colombia, con concentración en la costa Atlántica y el eje cafetero.

Análisis profundo — Dashboard de Clientes

El dato más crítico de este dashboard es la relación 6.000 activos vs 4.000 inactivos. En términos de negocio, esto significa que el 40% de la base de clientes ya no genera ingresos. Considerando que el costo de reactivación es significativamente menor que el de adquisición, este segmento debe ser la prioridad número uno de la estrategia comercial.

La distribución geográfica revela algo inesperado: Barranquilla (874) supera a Bogotá (873) y Medellín (867) en número de clientes. Esto puede indicar que en ciudades intermedias hay menor competencia de e-commerce, lo que representa una ventaja competitiva que la empresa no está explotando con campañas regionales específicas.

La distribución equitativa por rango de edad (aproximadamente 20% cada segmento de 18-25, 26-35, 36-45, 46-55 y 56+) es una señal positiva: el producto no está segmentado a un nicho específico. Sin embargo, esto también significa que las estrategias de marketing deben ser más diversificadas para impactar efectivamente a cada grupo etario con mensajes y canales distintos.

Los segmentadores de Ciudad, Género y Segmento permiten cruzar variables. Al filtrar por Segmento=Inactivo y Ciudad=Bogotá, se puede identificar exactamente cuántos clientes inactivos hay en la capital y diseñar una campaña hiperlocal de reactivación.

Dashboard 3 Visitas Web y Comportamiento
ShopFast S.A.S. — Dashboard de Visitas Web 2023 · Power BI Desktop
Dashboard 3 - Visitas Web

Ecuador lidera con 1.465 visitas

Ecuador supera a Colombia (1.427) en visitas, indicando demanda internacional activa que no está siendo atendida con estrategias específicas.

127.57 mil minutos de sesión

El tiempo total de sesión es alto, pero combinado con la baja conversión indica que los usuarios exploran pero encuentran barreras para comprar.

Distribución 33/33/33 por dispositivo

La distribución perfectamente uniforme entre escritorio, móvil y tablet sugiere que la base de usuarios es tecnológicamente diversa.

Enero lidera con 906 visitas

El inicio del año genera el mayor tráfico. Esto indica que las campañas de enero son efectivas para atraer usuarios pero no para convertirlos.

Análisis profundo — Dashboard de Visitas Web

El hallazgo más relevante de este dashboard es que Ecuador (1.465) supera a Colombia (1.427) en visitas totales, seguido de México (1.447) y Chile (1.444). Esto indica que ShopFast tiene demanda internacional real pero probablemente no cuenta con métodos de pago, monedas locales o logística adaptada para estos mercados, lo que explica la baja conversión.

Los 127.57 mil minutos de tiempo de sesión total (promedio ~12.7 minutos por visita) es un indicador positivo de engagement — los usuarios están interesados en el contenido. Sin embargo, este alto tiempo de sesión combinado con la tasa de carritos abandonados sugiere que los usuarios navegan, agregan productos al carrito, pero se detienen en el momento del pago por falta de opciones convenientes o problemas de confianza.

La distribución perfectamente equilibrada de dispositivos (33.5% escritorio, 33.34% tablet, 33.16% móvil) es inusual en e-commerce, donde normalmente el móvil domina. Esto puede indicar que la experiencia móvil del sitio es deficiente, desincentivando su uso, o que la base de usuarios es principalmente corporativa/profesional.

La variación mensual de visitas (entre 750 en febrero y 906 en enero) no muestra la tendencia descendente esperada por la caída en ventas, lo que confirma que el problema no es de tráfico sino de conversión. Los usuarios siguen llegando al sitio pero no completan la compra.

Fase 03
Análisis descriptivo y exploratorio
Descriptivo — ¿Qué ocurrió?

Ventas totales: $13 mil M con alta volatilidad

La gráfica de línea por mes muestra fluctuaciones entre $1.0 y $1.2 mil M mensuales, sin crecimiento sostenido. Los picos en mayo y octubre sugieren dependencia de campañas promocionales puntuales en lugar de crecimiento orgánico.

Laptop HP 15 concentra el 16% de ventas

Un solo producto ($2.1 mil M) representa una porción desproporcionada del total. Esta concentración es un riesgo: si hay desabastecimiento o competencia de precio en ese producto, las ventas totales caen significativamente.

Conversión no mejora a pesar del tráfico

Con 10.000 visitas registradas y 10.000 transacciones en la base de datos, la tasa de conversión real es baja considerando que muchas visitas no generaron compra, especialmente las internacionales.

Abandono en el doble del valor de ventas recuperadas

Los $11 mil M en carritos abandonados representan el 84.6% del valor total vendido. Esto significa que por cada $1 vendido, casi $0.85 adicionales se pierden en el proceso de checkout.

Exploratorio — Patrones y anomalías

Patrón: Tecnología vs todo lo demás

La categoría Tecnología (48.31%) es casi igual a todas las demás categorías juntas. Este patrón indica que la empresa es percibida principalmente como una tienda de tecnología, limitando su potencial en otras categorías.

Anomalía: Ecuador supera a Colombia

Que Ecuador genere más visitas que el país de origen de la empresa es una anomalía significativa que requiere investigación. Puede indicar campañas de Google Ads mal segmentadas geográficamente.

Tendencia: distribución 33/33/33 dispositivos

La distribución perfectamente uniforme entre 3 dispositivos es estadísticamente inusual y podría indicar un problema de muestreo en los datos o una base de usuarios genuinamente diversa.

Patrón: enero pico de tráfico

906 visitas en enero (el mayor del año visible) con 750 en febrero sugiere un efecto de propósitos de año nuevo: los usuarios llegan con intención de compra al inicio del año pero no convierten.

Anomalía: Barranquilla > Bogotá en clientes

En e-commerce colombiano, Bogotá típicamente lidera. El hecho de que Barranquilla supere a la capital merece investigación — puede ser resultado de una campaña regional exitosa o datos con sesgo.

Tendencia: clientes 40% inactivos

Una tasa de inactividad del 40% es alarmante para una empresa de e-commerce. La industria considera crítico cualquier nivel superior al 25%, indicando problemas serios de retención.

Fase 04
Analítica predictiva
Variables para predecir ventas
Valor de carritos por mesTasa de clientes activosVisitas por paísTicket promedio históricoCategoría dominanteTiempo de sesión promedioDistribución por dispositivoMétodo de pago preferidoRango de edad del compradorCiudad de origenFrecuencia de visitaVariables estacionales

"Con base en los datos actuales, si la tasa de carritos abandonados se reduce del 84.6% al 50%, los ingresos aumentarían aproximadamente $5.5 mil M adicionales sin necesidad de incrementar el tráfico actual."

Modelos y predicciones

Regresión Lineal Múltiple

Usando variables como visitas mensuales, tiempo de sesión y tasa de carritos abandonados, se puede predecir el volumen de ventas del siguiente mes con un margen de error estimado del 8-12%.

Árbol de Decisión (Clasificación)

Con variables como ciudad, rango de edad, dispositivo y categorías navegadas, se clasifica qué clientes tienen >70% de probabilidad de compra en los próximos 15 días.

Clustering K-Means

Agrupando los 10.000 clientes por comportamiento de compra se pueden identificar 4-5 segmentos naturales y personalizar estrategias para cada uno.

Predicciones para los próximos meses

Basándose en la distribución actual de ventas por mes, se proyecta que sin cambios en la estrategia las ventas mantendrán la oscilación entre $1.0-1.2 mil M. Los clientes con mayor probabilidad de compra son aquellos de 26-45 años, ubicados en Barranquilla o Bogotá, que han visitado la categoría Tecnología en los últimos 15 días con tiempo de sesión superior a 10 minutos.

Fase 05
Interpretación y decisiones estratégicas
Decisión 01 — Basada en Dashboard de Ventas

Simplificar el proceso de checkout y diversificar métodos de pago

El Dashboard de Ventas evidencia que $11 mil M se pierden en carritos abandonados — casi el mismo valor que las ventas reales ($13 mil M). La distribución uniforme de métodos de pago (13-16% cada uno) sugiere que ningún método es claramente preferido, generando fricción en la decisión final. La acción recomendada es reducir el checkout a máximo 2 pasos, establecer 2-3 métodos de pago principales basados en el perfil de cada segmento de cliente, y agregar sellos de seguridad visibles. El impacto esperado es reducir el abandono del 84.6% al 50%, generando $5.5 mil M adicionales en ingresos recuperados.

Decisión 02 — Basada en Dashboard de Clientes

Campaña de reactivación segmentada para los 4.000 clientes inactivos

El Dashboard de Clientes muestra que el 40% de la base (4.000 clientes) está inactiva. Usando los filtros de Ciudad, Segmento y Género disponibles en el dashboard, se pueden crear campañas hiperpersonalizadas. Por ejemplo: clientes inactivos de 26-35 años en Barranquilla reciben una oferta de Tecnología; clientes inactivos de 36-45 años en Bogotá reciben una oferta de Hogar. La visualización permite a los directivos ver en tiempo real el tamaño exacto de cada segmento objetivo y medir el impacto de la campaña semana a semana.

Decisión 03 — Basada en Dashboard de Visitas Web

Estrategia de expansión internacional con foco en Ecuador y México

El Dashboard de Visitas Web revela que Ecuador (1.465) y México (1.447) generan más tráfico que Colombia (1.427). Sin embargo, sin métodos de pago locales (OXXO en México, Depósito bancario en Ecuador) ni precios en moneda local, la conversión de estos visitantes es mínima. La implementación de checkout localizado para estos 2 mercados, combinada con campañas específicas en Google Ads para cada país, podría incrementar las ventas internacionales entre un 15-25% en el primer trimestre de implementación. El dashboard permite monitorear el impacto filtrando por País en tiempo real.

Cómo la visualización ayuda a los directivos

Los 3 dashboards de Power BI transforman datos complejos en decisiones accionables. El Dashboard de Ventas permite a la gerencia financiera ver de inmediato que los $11 mil M en carritos abandonados requieren atención urgente. El Dashboard de Clientes permite al equipo de marketing identificar exactamente a quién dirigir cada campaña sin necesidad de análisis técnicos. El Dashboard de Visitas Web permite al equipo de tecnología priorizar la optimización del checkout para los dispositivos y países con mayor tráfico. Esta democratización de los datos reduce el tiempo de toma de decisiones de semanas a minutos.

Fase 06
Seguridad y gobernanza de datos

Acceso no autorizado a datos de 10.000 clientes

La base de 10.000 clientes con nombres, correos, ciudades y métodos de pago preferidos es un objetivo de alto valor para atacantes. Acceso no controlado puede derivar en filtración masiva.

Riesgo alto

Exposición de datos transaccionales

Los $13 mil M en transacciones incluyen información de métodos de pago. Sin cifrado TLS en transmisión, estos datos son vulnerables a intercepción.

Riesgo alto

Inyección SQL en filtros del dashboard

Los segmentadores de Power BI que se conectan directamente a la base de datos pueden ser vectores de ataque si no hay validación de entradas en el backend.

Riesgo medio

Datos internacionales sin cumplimiento

Las visitas desde Ecuador, México y Chile implican manejo de datos de ciudadanos extranjeros, sujetos a regulaciones locales de protección de datos que pueden diferir de la Ley 1581.

Riesgo medio

Acceso no controlado a Power BI

Los dashboards contienen información financiera sensible. Sin control de roles, cualquier empleado podría ver datos estratégicos como ventas por ciudad o segmentos de clientes.

Riesgo bajo

Datos sin anonimizar en análisis

El análisis de clientes usa datos reales. Para modelos predictivos, los datos deben anonimizarse para cumplir con principios de minimización de datos.

Riesgo bajo

Medidas propuestas: Cifrado AES-256 para los 10.000 registros de clientes · TLS 1.3 para todas las transacciones · Roles en Power BI: gerencia ve todo, marketing solo ve clientes, TI solo ve métricas técnicas · Auditorías mensuales de acceso · Data Steward designado para datos de clientes internacionales · Cumplimiento GDPR para visitantes europeos y regulaciones locales para Ecuador y México.

Fase 07
Privacidad y ética

Datos sensibles en el Dashboard de Clientes

Los 10.000 registros incluyen ciudad de residencia, género, rango de edad y estado de actividad. Combinados, estos datos permiten identificar patrones de comportamiento que van más allá de lo autorizado en los términos de uso.

Anonimización para análisis

Para los modelos predictivos y el análisis de clustering, los nombres e identificadores deben reemplazarse por códigos únicos. Los dashboards de Power BI solo deben mostrar datos agregados, nunca registros individuales identificables.

Sesgo por concentración geográfica

Si el modelo predictivo se entrena principalmente con datos de Barranquilla y Bogotá (las ciudades con más clientes), puede generar recomendaciones sesgadas para ciudades con menos representación en los datos.

Consentimiento para datos internacionales

Los visitantes de Ecuador, México y Chile deben tener consentimiento explícito para el uso de sus datos bajo las regulaciones de cada país, lo cual probablemente no está implementado actualmente.

Uso ético de la segmentación por edad

El filtro de edad (18-65) en el Dashboard de Ventas no debe usarse para excluir segmentos o mostrar precios diferenciados por edad, lo cual sería discriminatorio y antiético.

Transparencia en recomendaciones

Si se implementan sistemas de recomendación basados en el historial de navegación, los usuarios deben ser informados de que sus datos de comportamiento se usan para personalizar su experiencia, conforme a la Ley 1581 de 2012.

Fase 08
Calidad y veracidad de los datos
Problemas identificados en los datos

Distribución 33/33/33 sospechosamente uniforme

En el Dashboard de Visitas, la distribución perfectamente igual entre escritorio, móvil y tablet (33.5%, 33.34%, 33.16%) es estadísticamente improbable en e-commerce real. Esto puede indicar un problema en la recolección de datos de dispositivo o un sesgo de muestreo que afecta las decisiones de optimización móvil.

Ecuador superando a Colombia en visitas

Que un país extranjero genere más visitas que el mercado local puede indicar tráfico de bots, campañas mal configuradas geográficamente, o datos de referral URL incorrectamente clasificados por país.

Métodos de pago perfectamente distribuidos

La distribución casi perfecta de ventas entre 7 métodos de pago (13-16% cada uno) es inusual. Normalmente 2-3 métodos dominan. Esto puede indicar un error en la clasificación de métodos de pago en la base de datos.

Barranquilla superando a Bogotá y Medellín

En el contexto de e-commerce colombiano, este resultado requiere validación. Puede ser real (campañas regionales exitosas) o puede reflejar duplicación de registros de clientes barranquilleros.

Estrategias de limpieza y validación

Validar detección de dispositivos

Implementar múltiples métodos de detección (User-Agent, tamaño de pantalla, tipo de touch) y cruzarlos para obtener una clasificación más precisa de dispositivos.

Filtrar tráfico no humano

Implementar Google Analytics con filtros de bots y spiders para limpiar el tráfico internacional de posibles fuentes automatizadas antes de cargarlo al dashboard.

Auditar clasificación de métodos de pago

Revisar el pipeline de datos entre el procesador de pagos y la base de datos para identificar si hay errores de mapeo que estén distribuyendo artificialmente las transacciones.

Deduplicar base de clientes

Cruzar email + teléfono + ciudad para identificar registros duplicados, especialmente en ciudades con datos sospechosamente altos como Barranquilla.

Impacto de la mala calidad en decisiones

Si la distribución uniforme de dispositivos es producto de un error de datos, las inversiones en optimización móvil basadas en ese dato serían incorrectas. Si el tráfico de Ecuador es mayormente de bots, una expansión internacional enfocada en ese mercado sería un desperdicio de recursos. Cada decisión estratégica de las 3 identificadas en la Fase 5 depende de la veracidad de los datos subyacentes — por esto la calidad de datos no es un tema técnico secundario sino una prioridad estratégica fundamental.

Pregunta orientadora final
¿Cómo transformar grandes volúmenes de datos en decisiones estratégicas confiables, seguras y éticas?

Respuesta integral basada en el caso ShopFast

ShopFast demuestra que tener datos no es suficiente. Con 10.000 clientes, 10.000 transacciones y 10.000 visitas registradas, la empresa tenía toda la información necesaria para identificar sus problemas, pero no contaba con las herramientas, procesos ni cultura analítica para convertirlos en acciones.

El proceso para transformar datos en decisiones confiables requiere cuatro pilares que funcionan de manera integrada. El primer pilar es la calidad y gobernanza: como evidencian las anomalías detectadas en los dashboards (distribución uniforme de dispositivos, tráfico internacional sospechoso), los datos deben validarse, limpiarse y auditarse antes de ser usados. Un dato incorrecto genera una decisión incorrecta, y en e-commerce, una decisión incorrecta puede costar millones.

El segundo pilar es la analítica multinivel: los 3 dashboards de Power BI muestran que el análisis descriptivo (qué pasó) debe complementarse con análisis exploratorio (por qué pasó) y predictivo (qué pasará). Saber que hay $11 mil M en carritos abandonados es descriptivo; identificar que se concentra en el paso de pago es exploratorio; proyectar que reducirlo al 50% generaría $5.5 mil M adicionales es predictivo.

El tercer pilar es la visualización democratizadora: los dashboards de Power BI permiten que tanto el gerente financiero como el equipo de marketing puedan tomar decisiones basadas en los mismos datos, eliminando interpretaciones subjetivas. La capacidad de filtrar por Ciudad, Género, Categoría y Mes en tiempo real convierte cada dashboard en una herramienta de simulación estratégica.

El cuarto pilar es la ética y seguridad: los 10.000 registros de clientes de 7 países diferentes deben manejarse con cifrado, control de accesos y cumplimiento regulatorio. Una brecha de datos no solo tiene consecuencias legales — destruye la confianza del cliente y puede colapsar el negocio. La seguridad no es una capa adicional sino un componente central del diseño de cualquier sistema de datos.

Confiabilidad

Datos validados + modelos auditados + fuentes verificadas = decisiones en las que la gerencia puede confiar sin dudar de su base factual.

Seguridad

Cifrado + control de accesos + auditorías + cumplimiento legal = protección de los datos de 10.000 clientes en 7 países diferentes.

Ética

Anonimización + consentimiento + transparencia + no discriminación = uso responsable que respeta los derechos de los usuarios y la reputación de la empresa.

Hallazgos Principales
Lo que revelaron los dashboards
Dashboard 1 — Ventas
$11 mil M
perdidos en carritos abandonados

Por cada $1 vendido, $0.85 adicionales se pierden en el proceso de checkout. Tecnología domina con 48.31% de ventas pero Laptop HP 15 concentra el 16% del total — riesgo de dependencia crítica.

Dashboard 2 — Clientes
40%
de clientes están inactivos

4.000 de 10.000 clientes no generan ingresos. Barranquilla supera a Bogotá en clientes activos — anomalía que revela oportunidad regional desaprovechada. Distribución etaria uniforme indica producto con alcance amplio.

Dashboard 3 — Visitas Web
7 países
generan tráfico sin conversión efectiva

Ecuador (1.465) supera a Colombia (1.427) en visitas. Con 127.57 mil minutos de sesión el engagement es alto, pero sin métodos de pago localizados la conversión internacional es mínima.

Resumen de hallazgos críticos

Brecha ventas vs abandono: Los $11 mil M en carritos abandonados representan el 84.6% de las ventas reales ($13 mil M). Este es el hallazgo más urgente — resolver el checkout casi duplicaría los ingresos sin aumentar el tráfico.

Crisis de retención: Una tasa de inactividad del 40% supera el umbral crítico de la industria (25%). Indica que el problema no es solo de adquisición sino de retención — los clientes llegan, compran una vez y no regresan.

Dependencia de un producto: Laptop HP 15 genera $2.1 mil M del total de $13 mil M (16.1%). Si este producto tiene problemas de abastecimiento o precio, el impacto en ventas totales sería devastador.

Demanda internacional sin atender: Ecuador, México y Chile generan más tráfico que Colombia pero sin infraestructura de pago local, esta demanda no se convierte en ingresos reales.

Fragmentación de métodos de pago: 7 métodos con distribución casi igual (13-16% cada uno) genera parálisis de decisión en el checkout. Consolidar en 3 métodos principales puede aumentar la conversión.

Oportunidad en Hogar (19.41%): La segunda categoría más grande coincide con la tendencia global de trabajo remoto. Ampliar el catálogo de Hogar y Oficina puede diversificar ingresos y reducir dependencia de Tecnología.

Decisiones Recomendadas
Plan de acción basado en datos
PRIORIDAD ALTA — IMPACTO INMEDIATO
Fuente: Dashboard 1 de Ventas

Rediseñar el proceso de checkout

84.6%
tasa actual de abandono
50%
tasa objetivo post-rediseño
+$5.5B
ingresos recuperados estimados

El Dashboard de Ventas muestra que $11 mil M quedan atrapados en carritos sin convertirse en compra. La solución no es traer más tráfico — es convertir mejor el tráfico que ya existe. Reducir el checkout de 5 pasos a 2, establecer Nequi y Tarjeta Crédito como métodos principales (los más familiares para el usuario colombiano), y agregar sellos de confianza visibles en la página de pago.

Checkout en 2 pasos 3 métodos de pago principales Sellos de seguridad visibles Tiempo de implementación: 4-6 semanas
PRIORIDAD ALTA — RETENCIÓN
Fuente: Dashboard 2 de Clientes

Campaña de reactivación de 4.000 clientes inactivos

4.000
clientes inactivos identificados
20%
tasa de reactivación esperada
+$1.07B
ingresos recuperados estimados

El Dashboard de Clientes permite segmentar los 4.000 inactivos por ciudad, género, rango de edad y segmento. Esto habilita campañas hiperpersonalizadas: clientes inactivos de 26-35 años en Barranquilla reciben oferta de Tecnología con 15% de descuento; clientes de 46-55 años en Bogotá reciben oferta de Hogar. La personalización basada en datos aumenta la tasa de respuesta en 3x comparada con campañas masivas genéricas.

Email personalizado por segmento Descuento 15% primera recompra Segmentación por ciudad y edad Tiempo de implementación: 2-3 semanas
PRIORIDAD MEDIA — CRECIMIENTO
Fuente: Dashboard 3 de Visitas Web

Expansión internacional en Ecuador y México

2.912
visitas Ecuador + México sin convertir
15-25%
incremento en ventas esperado
Q2 2024
fecha objetivo de implementación

El Dashboard de Visitas Web revela que Ecuador y México generan más tráfico que Colombia pero sin infraestructura adaptada. Implementar checkout en moneda local (dólares para Ecuador, pesos mexicanos para México), agregar métodos de pago locales (Depósito Pichincha en Ecuador, OXXO y SPEI en México) y crear campañas de Google Ads segmentadas por país. El filtro de País en el dashboard permite monitorear el impacto en tiempo real semana a semana.

Checkout en moneda local Métodos de pago locales Campañas Google Ads por país Tiempo de implementación: 8-12 semanas
Roadmap de implementación
Semanas 1-6
Rediseño Checkout

Reducir pasos, consolidar métodos de pago, agregar sellos de confianza. Impacto directo en los $11 mil M en abandono.

Semanas 2-3
Campaña Reactivación

Email segmentado por ciudad, edad y categoría para los 4.000 clientes inactivos. Puede iniciarse en paralelo con el rediseño.

Semanas 8-12
Expansión Internacional

Checkout localizado para Ecuador y México. Una vez estabilizado el checkout local, replicar la mejora en mercados internacionales.

Impacto total proyectado: Implementando las 3 decisiones en el roadmap propuesto, ShopFast podría incrementar sus ingresos de $13 mil M a $19.6 mil M en el siguiente año — un crecimiento del 50% sin necesidad de aumentar el tráfico actual, únicamente optimizando la conversión y recuperando clientes existentes.