Lo peor de una gran venta no es no vender. Es vender un montón y luego ver cómo todo vuelve.
Cada Black Friday, Navidad y Prime Day, los grupos de vendedores se llenan de capturas de pantalla de ingresos. Nadie publica lo que pasa unos diez días después: el tsunami de devoluciones. Cajas inundando tu zona de devoluciones, estantes desbordados, materiales de embalaje agotados, atención al cliente ahogada en tickets de "dónde está mi reembolso". Estás contando dinero por un lado mientras el otro está en llamas.
Me quemé dos veces antes de aprender: las devoluciones son predecibles. No hacen falta modelos sofisticados. Con una hoja de cálculo basta para empezar. Contrata personal dos semanas antes, vacía tus contenedores, abastece tus materiales de embalaje, y cuando llegue la ola solo asentirás y dirás "ahí está" en lugar de "estamos perdidos".
El Black Friday pasado, mi zona de devoluciones se ahogó
Esta es la escena del desastre. La temporada navideña pasada vendía ropa y pequeños artículos para el hogar en el sitio de EE. UU. A finales de diciembre mi tasa de devolución no dejaba de subir, y en la segunda semana de enero llegó al 28%. Que quede claro: 28 de cada 100 unidades vendidas volvieron.
Mi zona de devoluciones tenía 4 contenedores. Bien para una tasa de devolución normal del 8%. Inútil cuando las devoluciones se triplicaron. Las cajas se acumulaban en los pasillos más rápido de lo que control de calidad podía abrirlas. El personal fue el verdadero problema: normalmente 2 personas se ocupaban de las devoluciones a tiempo parcial, así que agarré a 3 chicos del almacén como ayuda de emergencia. Tardamos dos semanas completas en liquidar el atraso.
Hice los números de esas dos semanas: horas extra del personal prestado, materiales de embalaje pedidos con urgencia, y los reembolsos lentos que provocaron quejas de compradores: 6 reseñas negativas extra. Solo esas reseñas me costaron más que las horas extra. Y algunas devoluciones quedaron tanto tiempo que el embalaje se humedeció, acabando con cualquier posibilidad de revenderlas.
El Prime Day no fue mucho mejor. Esa vez sí contraté personal con antelación, pero lo hice mal. Planifiqué para el volumen total de devoluciones y me golpearon los artículos para el hogar de gran tamaño. Mi equipo de control de calidad de artículos pequeños miraba cajas gigantes, indefenso. La cantidad de personal era correcta, la mezcla no. Como si no hubiera hecho nada.
Dos desastres, una lección: la ola de devoluciones no es una cuestión de si ocurrirá. Es cuándo, cuántas y de qué tipo. Los datos responden a las tres preguntas.
Mi pronóstico de devoluciones con IA: con una hoja de cálculo basta
Primero, una comprobación de la realidad: no necesitas aprendizaje automático. No necesitas comprar ninguna herramienta SaaS. Mi método es una hoja de cálculo, ajustada una vez al año, en funcionamiento desde hace tres años.
Paso 1: De dónde vienen los datos
Tres fuentes, todas gratuitas y dentro de tus cuentas de vendedor:
- Tu informe de devoluciones: extráelo semanalmente. Solo tres campos: fecha de devolución, SKU, motivo de devolución. Este es el núcleo.
- Tus datos de pedidos, también semanales: unidades vendidas. Ese es tu denominador.
- Informe de devoluciones de FBA: si usas FBA, no lo omitas. Los datos de devoluciones de FBA tienen un retraso de 3-5 días, así que recuérdalo al pronosticar.
Exporta los tres, combínalos en una tabla semanal: unidades vendidas por semana, devoluciones por semana, tasa de devolución por semana. Una vez que tengas un par de años de historia, el patrón salta a la vista.
Paso 2: Cómo funciona el pronóstico
Las devoluciones tienen un retraso natural: la mayoría de los compradores devuelven dentro de los 7-30 días posteriores a la compra. Así que pronosticar el volumen de devoluciones es realmente solo "ventas de hace X semanas × la tasa de devolución de esa semana".
Mi fórmula es rudimentaria pero funciona:
Devoluciones en la semana N ≈ Ventas en la semana N-1 × tasa histórica de devolución + Ventas en la semana N-2 × factor de ajuste
¿Cómo se fija la tasa histórica de devolución? Mira la curva del año pasado tras el mismo evento. Si la semana +2 del Black Friday estuvo en 22%, la semana +3 en 28% y la semana +4 en 19%, multiplica las ventas conocidas de este Black Friday por esas tasas y ya tienes el tamaño y el momento de la ola.
Así se comparan los tres métodos de pronóstico:
| Método | Qué haces | Precisión | Esfuerzo | Mi veredicto |
|---|---|---|---|---|
| Intuición | "El año pasado fue duro, contratemos más manos" | Aleatoria | Cero | La forma estándar de fracasar |
| Promedio histórico | Usar las devoluciones del año pasado como pronóstico de este año | Dirección correcta, volumen muy desviado | 30 min en Excel | Bien para principiantes |
| Regresión con retraso | Ventas × curva histórica de tasa de devolución, semanal y continua | Normalmente con un error dentro del 10% | 2 hrs para construir + 10 min/semana | Lo que uso ahora. Probado y comprobado |
Paso 3: ¿Funciona de verdad?
Respuesta honesta: el primer año, mi error fue del 25%. Pero aun así superó a la intuición: al menos sabía que "más o menos la segunda semana de enero explotará" y tenía trabajadores temporales en fila.
El segundo año añadí dos correcciones: dividir las tasas de devolución por categoría (la ropa y la electrónica tienen curvas totalmente distintas) y separar FBA de la autogestión. El error bajó a alrededor del 12%.
Antes del Black Friday de este año, pronostiqué aproximadamente 3,400 devoluciones para la segunda semana de enero. Realidad: 3,550. Error: 4%. Había programado 4 trabajadores temporales con dos semanas de antelación, vaciado 12 contenedores de devoluciones y abastecido 5,000 sobres de devolución. El día de la ola, me tomé el café en paz.
La verdad contraintuitiva: la precisión es barata, el plazo es oro
La mayoría oye "pronóstico" y piensa que necesita precisión con decimales. Totalmente equivocado.
Un pronóstico con 80% de precisión dos semanas antes supera a un pronóstico con 95% de precisión un día antes. Siempre. ¿Por qué? Porque el personal, los contenedores y los suministros para devoluciones deben estar asegurados con antelación. Los trabajadores temporales necesitan reserva anticipada. Los contenedores necesitan vaciarse. Los materiales de embalaje tardan 7-10 días en llegar. Pronostica a la perfección con un día de aviso y aun así no podrás sacar gente de la nada.
Mi estándar siempre ha sido: dentro del 15% de error, dos semanas antes. Eso es una puntuación perfecta. El 15% restante lo absorbe la mano de obra flexible: reservo temporales con "3 días garantizados + ampliar según necesidad". Por encima o por debajo, se equilibra.
Otra cosa contraintuitiva: tus SKU con menos devoluciones no son tus SKU más rentables, pero sin duda son tus SKU menos estresantes. Hice los números: los SKU con menos del 5% de tasa de devolución generan un tercio de los tickets de soporte que los SKU con alta devolución, y su tasa de reseñas negativas es un nivel completo más baja. Elegir productos solo por margen ignorando la tasa de devolución es como contar ingresos e ignorar costos. Ahora, cuando lanzo un producto, vigilo su tasa de devolución en el primer mes. ¿Más del 15%? Retirar de la lista y corregir. Sin dudarlo.
Errores: he cometido los cuatro
- Crear la hoja de cálculo y no volver a tocarla. La tabla de pronóstico necesita una actualización semanal: 10 minutos. En temporada alta, cada 3 días. Los datos están vivos, así que tu pronóstico también tiene que estarlo.
- Olvidar el retraso de los datos de FBA. Los informes de devoluciones de FBA tienen un retraso de 3-5 días. Si usas datos retrasados para pronosticar "la próxima semana", en realidad estás pronosticando la semana siguiente. Mantén FBA y autogestión en columnas separadas. No los mezcles.
- Pronosticar el volumen pero no la mezcla. Esa es la lección del Prime Day. Las devoluciones de gran tamaño y las de paquetes pequeños necesitan mano de obra y contenedores totalmente distintos. Mi tabla ahora divide grande/mediano/pequeño y pronostica cada uno por separado.
- Ignorar los motivos de devolución. "Talla equivocada" y "defectuoso" son dos animales distintos. El primero significa reforzar personal. El segundo significa que tu producto está roto: si las devoluciones por defecto superan el 8%, deja de pronosticar y ve a arreglar el producto.
Una última cosa
Nadie hará esto por ti. Ni la plataforma, ni tus proveedores de servicios. El pronóstico de devoluciones con IA suena sofisticado, pero en manos de un vendedor es una hoja de cálculo y 10 minutos de disciplina a la semana.
Este enero, mientras los vendedores de mi grupo de chat se lamentaban "mi zona de devoluciones es una montaña", la mía funcionaba como un reloj. Temporales en horario, suministros abastecidos. Una palabra para esa sensación: dulce.
Este método está probado y comprobado: tres años en funcionamiento. Puedes empezar esta noche: extrae los datos de devoluciones del año pasado por semana, traza la curva, y el patrón hablará por sí solo. No esperes a la próxima gran venta. No esperes hasta que la ola te llegue al cuello.
Probado por mí, funciona de verdad. Pruébalo.
Por Ah K, Vendedor de comercio electrónico (5 años)
Traducido del inglés. En caso de discrepancia, prevalece la versión en inglés.
