Tienda física vs e-commerce: por qué comparar los dos canales sale mal

Casi toda cadena de retail con canal digital tiene la misma diapositiva: venta de tiendas contra venta en línea, dos barras lado a lado, crecimiento porcentual de cada una. Y casi siempre esa comparación está mal construida — no por un error de cálculo, sino porque los dos números no miden lo mismo.

Las consecuencias no son académicas. Con esa comparación se decide dónde invertir, qué canal recibe inventario prioritario y a qué equipo se le reconoce el resultado.

Los cuatro errores que hacen incomparables los canales

1. La venta omnicanal se atribuye dos veces — o a ninguno. El cliente compra en línea y recoge en tienda. ¿De quién es esa venta? Si el sistema de comercio la registra y el punto de venta también registra la entrega, aparece dos veces en el consolidado. Si se decide que es de e-commerce, la tienda que preparó el pedido, guardó la mercancía y atendió al cliente no aparece en ningún indicador — y su gerente lo va a notar.

2. Las devoluciones se cargan al canal donde se reciben, no donde se vendieron. Es el caso más común y el más distorsionante: la compra en línea que se devuelve en mostrador se descuenta de la venta de la tienda. El canal digital queda con la venta bruta y la tienda absorbe el ajuste. En categorías con devolución alta —ropa y calzado, sobre todo— esto puede invertir por completo la comparación de rentabilidad.

3. Los costos no son equivalentes y rara vez se restan. La tienda carga renta, personal y servicios. El canal digital carga adquisición de tráfico, empaque, envío y logística inversa. Comparar ingreso contra ingreso hace ver al canal digital más eficiente de lo que es, porque su costo variable por pedido es mucho más alto y vive en otra cuenta contable.

4. El ticket promedio no significa lo mismo. En línea, el mismo cliente puede generar tres pedidos en una semana; en tienda esa misma persona hace una visita con tres artículos. La unidad de medida cambia sin que nadie lo declare, así que comparar “ticket promedio” entre canales compara una transacción contra una visita.

Qué se necesita para compararlos de verdad

No es un tablero mejor. Son tres definiciones acordadas antes de construir nada.

Una unidad de análisis explícita. Decide si mides pedido, visita o cliente — y usa la misma en los dos canales. Si te importa entender comportamiento, la unidad correcta casi siempre es el cliente, no la transacción; ahí es donde se ve que el cliente omnicanal gasta más que el de un solo canal, lo cual es la conclusión que realmente cambia la estrategia.

Atribución declarada, no implícita. Escribe la regla: la venta pertenece al canal donde se originó el pedido, y la tienda que cumple recibe crédito de cumplimiento como un indicador separado. Dos métricas distintas, ninguna peleada con la otra. Lo que no funciona es dejar que cada sistema atribuya a su manera y consolidar después.

Devolución ligada a la venta original. Requiere que el identificador del pedido viaje del canal digital al punto de venta. Es trabajo de integración, no de reportería, y es la razón por la que este problema casi nunca se arregla en la capa de tableros.

Dónde se resuelve: en el modelo, no en el reporte

Las tres definiciones de arriba tienen que vivir en un solo lugar del que todos consulten. Si viven en cada tablero, cada equipo va a implementar su versión y volvemos al punto de partida — con la diferencia de que ahora los números discrepan con más confianza.

Ese lugar es la capa semántica: una definición de “venta neta por canal” que cualquier consulta hereda, sin importar quién la haga ni desde dónde. Es una de las razones por las que Omni encaja bien en retail: el modelo gobernado convive con la libertad de escribir SQL, así que el analista que necesita una pregunta nueva no tiene que salirse de las definiciones ni esperar a que alguien las replique. El contexto completo está en qué es una capa semántica.

Y hay una razón adicional para resolverlo ahora: cuando entra un agente de IA a responder “¿cómo va el canal digital contra tienda?”, va a tomar la definición que encuentre. Si hay tres, va a elegir una y presentarla sin advertirte que había alternativas.

Lo que hemos implementado

Para una cadena de retail de ropa con más de 100 tiendas y venta en línea, trabajamos la ingesta de más de diez fuentes hacia un repositorio central con Fivetran y Snowflake, que es el paso que hace posible comparar canales sobre una misma base.

Ese es el orden real: primero los datos de tienda, comercio electrónico, ERP y las demás fuentes en un solo lugar consultable; después las definiciones; al final la comparación. Intentarlo al revés produce una diapositiva que nadie puede defender cuando alguien pregunta cómo se calculó.

Presentamos nuestros casos por sector y sin cifras específicas porque no contamos con autorización escrita para nombrar clientes. El trabajo y las tecnologías sí son exactamente los implementados. Puedes ver el resto en casos de éxito.

Las tres preguntas que sí vale la pena responder

Cuando la base está bien construida, la comparación entre canales deja de ser el objetivo y aparecen preguntas más útiles:

¿El canal digital está canibalizando la tienda o ampliando el mercado? Se responde mirando el código postal del pedido en línea contra la zona de influencia de cada tienda. Si el crecimiento digital viene de zonas sin tienda, es mercado nuevo.

¿Cuánto vale un cliente omnicanal contra uno de un solo canal? Requiere identificar a la misma persona en los dos canales, que es difícil y es exactamente donde está el valor.

¿Qué categorías se compran en línea y se devuelven en tienda? Ese patrón es información de producto y de tallas, no de canal, y suele ser la respuesta más rentable de todo el ejercicio.

---

En EGOS BI trabajamos principalmente con retail: integramos punto de venta, comercio electrónico y ERP en Snowflake y montamos la analítica encima con Omni o Tableau según la audiencia. Si tu comparación entre canales no aguanta la pregunta “¿cómo se calculó esto?”, agenda un diagnóstico — o revisa cómo trabajamos con datos en retail.