Dall’aceto che d’inverno finisce con la candeggina e d’estate con le glasse, fino alla fuga continua da un supermercato all’altro (+16,5% di infedeltà).
Un’analisi di Tuidi svela i comportamenti di consumo invisibili dietro agli scontrini e spiega come la GDO sta provando a salvarsi
Cosa lega un aceto alla candeggina durante i mesi freddi, o alle glasse per dolci in pieno agosto? A prima vista sembrano abbinamenti casuali, bizzarri incidenti di percorso tra le corsie del supermercato. Eppure, dietro a questi carrelli “insoliti” si nascondono schemi matematici rigorosi e abitudini di consumo profonde, che si trasformano radicalmente a seconda della stagione e del punto vendita.
A scattare questa fotografia insolita è l’analisi condotta da Tuidi, (https://www.tuidi.ai/), tech company italiana specializzata in intelligenza artificiale per il settore retail, che ha mappato le dinamiche d’acquisto di migliaia di scontrini.
Dalle gomme da masticare all’aceto con candeggina: radiografia dei due “popoli” della spesa al supermercato
L’indagine ha permesso di catalogare le abitudini degli acquirenti in due macro-categorie:
- I fedelissimi dell’impulso (es. le gomme da masticare): abitudini granitiche che non cambiano mai. Chi compra chewing gum ha una probabilità 3,4 volte superiore alla media di acquistare caramelle e 2,6 volte di prendere lo shampoo, indipendentemente dal fatto che sia inverno o estate.
- I trasformisti della stagione (es. l’aceto): cambiano completamente compagno a seconda del clima. In inverno finiscono nel carrello insieme alla candeggina (con una probabilità 3,8 volte superiore alla media); in estate il legame si sposta sui condimenti, abbinandosi alle glasse per dolci (7,5 volte la media) e all’aglio (3,5 volte).
Tuttavia, l’analisi dimostra che non esistono regole universali: ciò che vale in un negozio di quartiere non si ripete nello store di un’altra città, a causa di variabili geografiche, climatiche e demografiche locali.
La GDO sotto assedio: tra clienti in fuga e margini azzerati
Decifrare queste connessioni non è solo una curiosità statistica, ma una questione di sopravvivenza per i supermercati italiani. Il settore vive oggi una fase di fortissima pressione: secondo i trend di mercato analizzati da Circana, la mobilità e la propensione all’infedeltà dei clienti tra le diverse insegne registrano una crescita significativa (+16,5%), mentre i punti vendita continuano ad aumentare a fronte di una popolazione in calo.
In questo scenario di margini ridotti all’osso, capire cosa spinge davvero le vendite di un prodotto rispetto a un altro fa la differenza tra chiudere in utile o in perdita. Per riuscirci, Tuidi ha integrato algoritmi avanzati di Double Machine Learning(una tecnologia che isola il legame causale reale tra i prodotti al di là delle semplici coincidenze) aiutando i retailer a ottimizzare prezzi, assortimenti e promozioni.
«L’analisi statistica classica vede che due prodotti finiscono nello stesso scontrino, ma non va oltre: non sa dire se sia un legame reale o una coincidenza, né in quali condizioni tenga. Spesso dietro c’è un terzo fattore che li muove entrambi – spiega Vincenzo Morelli, co-founder di Tuidi -. Ed è qui che il Deep Learning fa un salto diverso: impara come ogni relazione si comporta in base alle differenti variabili esogene ed endogene, rilevandone nuove che nessuno gli ha indicato. Il Double Machine Learning chiude il cerchio e isola l’effetto reale: quanto un prodotto sposta davvero le vendite dell’altro, al netto di tutto il resto. È la differenza tra osservare una coincidenza e misurare una leva su cui decidere».
Dalla teoria al bilancio: l’impatto sul business
Interpretando gli scontrini come una rete dinamica di relazioni, il sistema individua probabilità di acquisto, effetti di trascinamento e fenomeni di cannibalizzazione. Su questa base, Tuidi supporta i retailer nell’ottimizzare assortimenti, politiche di pricing e approvvigionamento.
«Il retail alimentare vive di margini sottili: qui ogni decimale conta – conclude Giulio Martinacci, co-founder di Tuidi – .È il motivo per cui un’analisi come questa ha un valore economico diretto: non si limita a descrivere, ma rende più precise centinaia di decisioni quotidiane, dalle scelte di prezzo a quelle di assortimento. Abbiamo stimato che un miglioramento anche solo del 10% nella precisione di queste stime possa valere circa mezzo punto di margine lordo: su volumi come quelli del retail, è una differenza che arriva a bilancio».
About Tuidi
Tech company che sviluppa piattaforme AI che trasformano la previsione della domanda in decisioni operative per Retail e Brand del Largo Consumo. Alla base ci sono modelli avanzati di Deep Learning capaci di analizzare le esigenze dei consumatori misurandone l’impatto sul business: approvvigionamento, gestione del personale, pricing e assortimento per il Retail, demand planning per l’Industria.
