Tengo sucursales en México y el ranking mensual de ventas

Respuesta

Deja de rankear por ventas totales y pasa a comparar desempeño contra contexto. Descompón las ventas en palancas comparables, normaliza por tráfico, calendario e inventario, y luego rankea dentro de pares similares. Para dirección, usa un ranking de “vs esperado” que muestre quién está sobrecumpliendo, no quién tuvo más gente en la puerta. Si lo haces bien, el ranking deja de castigar a la tienda correcta por el motivo equivocado.

Por qué el ranking mensual “miente” (y qué sesgos introduce)

El ranking mensual clásico, ventas totales y listo, suele medir más la ubicación y la suerte del mes que la calidad de ejecución. Termina empujando decisiones equivocadas, como regañar a una tienda que está convirtiendo muy bien pero que simplemente tiene menos tráfico.

Estos son sesgos frecuentes, cómo detectarlos y qué decisión mala suelen gatillar.

Sesgo por tráfico base. Señal: tiendas con tráfico alto siempre “ganan” aunque su conversión sea mediocre. Decisión típica equivocada: quitar personal o presupuesto a una tienda con bajo tráfico pero conversión excelente, cuando en realidad conviene invertir en traerle más visitas o replicar su ejecución.
Sesgo por ticket promedio y poder adquisitivo de la zona. Señal: ticket consistentemente más alto en ciertas plazas o colonias, incluso con el mismo mix. Decisión equivocada: exigir el mismo crecimiento nominal a tiendas en zonas de ticket estructuralmente más bajo.
Sesgo por mix de categorías y márgenes. Señal: tiendas con categorías de alto precio o alta rotación dominan en ventas, pero no necesariamente en rentabilidad. Decisión equivocada: premiar volumen y castigar tiendas que venden categorías de menor precio pero estratégicas o más rentables.
Sesgo por estacionalidad y calendario. Señal: meses con distinta cantidad de fines de semana, puentes o campañas, y comparaciones mes contra mes sin contexto. Decisión equivocada: declarar “crisis” en una tienda por un mes corto o con menos fines de semana, o sobrecelebrar un mes con Buen Fin y asumir que fue pura ejecución.
Sesgo por inventario y disponibilidad. Señal: más quiebres de stock y menos surtido en ciertas tiendas, junto con caídas en ventas en categorías específicas. Decisión equivocada: castigar al gerente por ventas bajas cuando el producto no estuvo disponible, o mover inventario tarde porque “no vende”.
Sesgo por capacidad operativa. Señal: tiendas con menos cajas, menos personal, horarios más cortos o restricciones de operación, con picos de fila y abandono. Decisión equivocada: comparar productividad total sin ajustar capacidad y concluir que “no se esfuerzan”.
Sesgo por madurez de la tienda. Señal: aperturas recientes o remodelaciones con curvas de estabilización. Decisión equivocada: meterlas al mismo ranking que tiendas maduras y tomar recortes tempranos.

Si tu ranking no separa contexto de ejecución, es como comparar corredores donde a unos les tocó bajada y a otros subida, y luego sorprenderte de que el podio “no es justo”.

Define el objetivo de comparación: crecimiento, eficiencia, ejecución o rentabilidad

Antes de escoger métricas, define para qué quieres comparar. Si no lo haces, aparece el efecto Goodhart, cuando la métrica se vuelve objetivo y la gente aprende a optimizar el número, no el negocio.

Una matriz práctica objetivo a métricas.

Crecimiento. Principal: crecimiento de ventas comparables, idealmente año contra año en semanas equivalentes. Auxiliares: crecimiento de transacciones, crecimiento de tráfico, crecimiento de conversión. Advertencia: si solo premias crecimiento, se puede “comprar” con descuento agresivo y destruir margen.
Eficiencia. Principal: ventas por hora abierta y ventas por colaborador hora. Auxiliares: transacciones por caja hora, tasa de abandono en fila, costo laboral sobre ventas. Advertencia: si solo premias eficiencia, pueden recortar personal y empeorar experiencia y conversión.
Ejecución comercial. Principal: conversión y unidades por ticket, o attach de complementos. Auxiliares: cumplimiento de planograma, disponibilidad en anaquel, tiempos de atención. Advertencia: si solo premias conversión, pueden “espantar” a quien solo está explorando y reducir tráfico futuro.
Rentabilidad. Principal: margen bruto, contribución por metro cuadrado o por hora, y margen sobre ventas. Auxiliares: mix hacia categorías objetivo, merma, devoluciones. Advertencia: si solo premias margen, pueden dejar de empujar volumen saludable o categorías de tráfico.

Tip práctico 1: elige una métrica principal y máximo tres auxiliares por objetivo. Más de eso crea discusiones infinitas y nadie sabe qué mejorar mañana.

Descompón ventas en palancas comparables (tráfico × conversión × ticket × mix)

La forma más limpia de hacer comparables las tiendas es descomponer ventas en palancas que sí se pueden influir.

Modelo base para retail transaccional.

Ventas = Tráfico × Conversión × Ticket promedio.

Donde tráfico es número de visitas o entradas, conversión es transacciones dividido entre visitas, y ticket promedio es ventas dividido entre transacciones.

Luego agregas mix, porque dos tiendas pueden tener el mismo ticket, pero con categorías muy distintas.

Ventas = Tráfico × Conversión × Ticket promedio × Factor mix.

Ese factor mix se puede operacionalizar como una mezcla ponderada por categorías, por ejemplo ponderando por margen o por una “canasta estándar” para comparar ejecución, no solo precio.

Variante para servicios o ventas asistidas, donde el cuello no es el tráfico sino el tiempo del asesor.

Ventas = Citas o interacciones calificadas × Tasa de cierre × Ingreso por cierre.

Y una segunda capa útil.

Citas = Tráfico × Tasa de agendamiento o de engagement.

Con esto separas marketing y atracción de demanda, de la habilidad del equipo para cerrar.

Tip práctico 2: si no tienes contador de tráfico, empieza con un proxy consistente, por ejemplo conteo manual en horas pico dos días por semana, o datos de plaza, o geolocalización agregada. Un proxy estable gana a una “verdad” inexistente.

Métricas normalizadas que sí permiten comparar sucursales

Piensa en un “core set” que puedas revisar cada mes sin ahogarte y un “extended set” para diagnosticar.

Core set recomendado, cinco a ocho métricas.

Conversión, transacciones entre visitas.
Ticket promedio, ventas entre transacciones.
Ventas por visita, que combina conversión y ticket.
Ventas por hora abierta, para ajustar por calendario operativo.
Margen bruto por hora o por transacción, si puedes.
Disponibilidad, por ejemplo tasa de quiebre de stock en SKUs clave.
Crecimiento año contra año en semanas comparables.

Extended set cuando quieres explicar el porqué.

Unidades por ticket y attach rate de complementos.
Participación de categorías estratégicas y margen por categoría.
Devoluciones y cancelaciones como porcentaje de ventas.
Días de inventario y fill rate de reposición.
Tiempos de espera, abandono y productividad por caja.
Ventas por metro cuadrado, con cuidado.

Pitfall importante: ventas por metro cuadrado suele castigar tiendas grandes con categorías de baja rotación o espacios de experiencia. Úsala dentro de formatos comparables, no como ranking universal.

Comparación justa: rankea dentro de clusters (pares similares)

A la mayoría de equipos les cambia la vida pasar de un ranking único a rankings por grupos de tiendas similares. La comparación “entre pares” baja la fricción interna porque el gerente siente que compite en la misma liga.

Variables típicas para clusterizar.

Formato y tamaño, metros cuadrados y layout. Zona socioeconómica. Tipo de plaza, calle, power center, centro comercial. Intensidad competitiva alrededor. Horarios y restricciones. Nivel de tráfico base. Mix de categorías, porcentaje de ventas por familia.

Dos métodos prácticos.

Rule based. Definir reglas simples, por ejemplo formato A y B, metros cuadrados en rangos, plaza tipo, y nivel de tráfico alto medio bajo. Es rápido, explicable y suficiente para arrancar.
Data driven. Usar clustering como k means o jerárquico con variables normalizadas, y luego validar que los grupos tengan sentido comercial. Es más fino, pero cuida la interpretabilidad para que operaciones lo adopte.

Error común: hacer clusters perfectos en Excel y luego cambiarlos cada mes. En su lugar, define clusters estables por trimestre o semestre, y solo reagrupa cuando haya cambios estructurales como remodelación, mudanza o apertura de competencia.

Ranking por desempeño vs. esperado: construye un baseline y mide el uplift

El ranking más justo no pregunta “quién vendió más”, pregunta “quién vendió mejor de lo esperable dado su contexto”. Ese uplift es la conversación correcta con gerentes y con finanzas.

Nivel 1, baseline simple. Para cada tienda, calcula ventas esperadas con un promedio móvil, ajusta por estacionalidad y por tráfico.

Ventas esperadas = Promedio móvil reciente × Factor estacionalidad × Factor tráfico.

Luego mide uplift.

Uplift = Ventas reales dividido entre ventas esperadas menos 1.

Nivel 2, modelo estadístico. Una regresión o un modelo tipo GBM puede estimar ventas esperadas usando variables como tráfico, días abiertos, fines de semana, quincena, eventos, precio promedio, mix por categoría, inventario disponible, promoción, y capacidad de personal.

Para rankear de forma robusta, usa el residual estandarizado.

Residual = Ventas reales menos ventas esperadas.

Residual estandarizado = Residual dividido entre la desviación estándar histórica de la tienda o del cluster.

Interpretación simple: un residual estandarizado alto y positivo es una tienda que sobrecumple más allá del ruido normal. Uno negativo persistente indica un problema de ejecución o de oferta que vale la pena investigar.

Control de estacionalidad y calendario México (quincena, Buen Fin, puentes)

En México el calendario no es un detalle, es parte del motor de demanda. Si comparas meses sin normalizar, tu ranking básicamente premia a quien “cayó” en un mes con más fines de semana o con campaña fuerte.

Eventos y patrones típicos a considerar. Quincenas, especialmente en formatos sensibles a ingreso. Buen Fin. Día de las Madres. Regreso a clases. Navidad y fin de año. Semana Santa. Puentes por feriados. Cambios de clima que mueven ciertas categorías.

Buenas prácticas simples.

Compara año contra año por semana equivalente cuando puedas, no solo mes contra mes.
Usa dummies de calendario para eventos y feriados en tu baseline.
Normaliza por días comparables, por ejemplo cuántos sábados y domingos tuvo el mes.

Aquí conviene apoyarte en controles operativos claros, porque si esos sets están mal configurados, lo que se rompe es la credibilidad del ranking.

La tabla determinística que sigue resume controles, dónde viven, qué configurar y qué se rompe si está mal.

Set: Estacionalidad (mensual/semanal). Si no lo ajustas, comparas picos de demanda como si fueran ejecución. Set: Eventos especiales (Buen Fin, Día de Madres). Si lo ignoras, confundes campaña con talento gerencial. Set: Días comparables (fines de semana). Si no normalizas, el calendario gana el ranking. Set: Tráfico de clientes (peatonal/vehicular). Si no lo mides, castigas a quien mejor convierte.

Ajustes por disponibilidad e inventario (evitar castigar a quien no tuvo producto)

Nada desmoraliza más que un ranking que penaliza a la tienda por no vender lo que nunca tuvo. Por eso necesitas al menos tres capas.

Tasa de quiebre de stock, OOS rate, en SKUs clave o top ventas.
Fill rate de reposición, qué porcentaje del pedido se surtió.
Ventas perdidas estimadas, por ejemplo cuando hay demanda histórica y la tienda estuvo en cero.

Un enfoque muy útil para rankings es ventas a disponibilidad constante, conocido como ACV en algunos contextos. La idea es estimar cuánto habría vendido la tienda si hubiera tenido el mismo nivel de disponibilidad que su cluster, y comparar esa venta ajustada contra el baseline. No hace falta que sea perfecto para ser más justo que ignorarlo.

Separar límites de capacidad vs. ejecución (personal, cajas, horarios)

Cuando una tienda está al límite de capacidad, su problema no es “vender más”, es procesar la demanda sin perderla. Si comparas sin ajustar, puedes terminar premiando a una tienda con más cajas como si fuera mejor equipo.

Indicadores que ayudan a separar capacidad de ejecución.

Transacciones por caja hora.
Ventas por asesor hora, en formatos asistidos.
Tiempo de espera o longitud de fila, si lo puedes medir.
Tasa de abandono, gente que entra, espera y se va.
Horas efectivas abiertas y horas con dotación completa.

Regla práctica: no compares conversión de una tienda con colas constantes contra una tienda holgada sin reconocer que la primera podría estar “topada”. En ese caso, el plan de acción puede ser abrir otra caja, ajustar turnos o simplificar el flujo, no pedirle milagros al gerente.

Cómo presentar el ranking “correcto”: tablero con 3 vistas y semáforos

La adopción depende más de cómo lo cuentas que de la estadística. Mi recomendación es un tablero con tres vistas, para que cada audiencia vea lo suyo sin discutir la existencia de la gravedad.

Vista 1, ranking ejecutivo por uplift vs esperado. Columnas: ventas reales, ventas esperadas, uplift porcentual, residual estandarizado, y un semáforo. Verde sobrecumple consistente, amarillo dentro de rango normal, rojo bajo esperado de forma persistente.

Vista 2, palancas operativas. Para cada tienda: tráfico, conversión, ticket, mix, disponibilidad, y capacidad. Aquí el ranking puede ser por palanca, no solo por venta.

Vista 3, comparativo por pares. Filtro por cluster y vista de distribución, por ejemplo percentiles dentro del grupo. A los gerentes les tranquiliza ver que compiten contra tiendas con condiciones similares.

Narrativa para explicar cambios sin pelear. Empieza por contexto, luego ejecución. “Tu tráfico estuvo 12 por ciento abajo del esperado por calendario y plaza, pero tu conversión estuvo en el percentil 80 del cluster. El foco del mes no es vender más con el mismo flujo, es recuperar tráfico o corregir disponibilidad en categoría X.”

Un toque de humor que sí ayuda: un ranking sin ajustes es como evaluar a todos los restaurantes por ingresos sin ver si uno está en el aeropuerto y otro en una callecita romántica. Ambos pueden ser excelentes, pero uno vende más cafés solo porque la gente ya está ahí.

Cierre práctico para empezar esta semana. Primero, define el objetivo del ranking, porque crecimiento y rentabilidad no se gestionan igual. Segundo, construye un baseline simple con estacionalidad y tráfico, y publica el ranking de uplift dentro de clusters. Tercero, agrega inventario y capacidad como semáforos, para que el equipo sepa cuándo el problema es ejecución y cuándo es producto o infraestructura. No lo sobrecomplices al inicio, pero tampoco vuelvas al ranking de ventas totales cuando llegue el primer mes raro del calendario.

Control	Dónde vive	Qué configurar	Qué se rompe si está mal
Set: Estacionalidad (mensual/semanal)	Histórico de ventas y tráfico	Factores de ajuste por mes/día de la semana	Comparaciones injustas entre sucursales con diferentes picos de demanda
Set: Eventos especiales (Buen Fin, Día de Madres)	Calendario de marketing y ventas	Dummies o ajustes específicos para cada evento	Sobrestimar o subestimar el rendimiento real de la sucursal
Set: Días comparables (fines de semana)	Calendario anual	Normalizar ventas por número de fines de semana en el mes	Sucursales con más fines de semana parecen mejores sin serlo
Set: Tráfico de clientes (peatonal/vehicular)	Contadores de tráfico, datos de geolocalización	Factor de ajuste por tráfico para ventas esperadas	Castigar sucursales con bajo tráfico pero alta conversión
Set: Mix de productos/servicios	Datos de venta por categoría/SKU	Ponderar ventas por margen o volumen de cada categoría	Comparar manzanas con naranjas. sucursales con mix de bajo margen parecen peores
Set: Capacidad de la sucursal (m2, personal)	Ficha técnica de la sucursal, horarios de personal	Ventas por m2 o por empleado para normalizar	Esperar el mismo rendimiento de una sucursal pequeña que de una grande

Fuentes

Última actualización: 2026-07-09 | Calypso

Tengo sucursales en México y el ranking mensual de ventas “miente” porque cada una tiene distinto tráfico, ticket y mix de productos: ¿cómo compararlas de forma