Si yo ajusto la pauta sin mirar demanda por SKU y stock semanal, termino gastando de más o frenando productos que sí pueden vender.
La idea central es simple: uso pedidos, descuentos, inventario y recompra para estimar qué SKU puede sostener inversión en las próximas semanas. En Shopify, esto se baja a una rutina corta: exporto ventas, las ordeno por SKU y semana, separo semanas con y sin promo, miro cobertura de stock y después recién decido presupuesto en ARS.
En este enfoque, yo me guío por cuatro reglas:
También me quedo con algunos números puntuales:
Lo que sigue en la nota baja todo eso a un flujo simple: exportar datos de Shopify, detectar productos con intención de compra, corregir el forecast por descuentos y usar stock + recompra para mover presupuesto con más criterio.
Flujo Semanal de Forecast para Pauta en Shopify
Ordená los datos por SKU para decidir la pauta. Con esa base, ya podés separar la demanda real del ruido promocional.
Los dos reportes de arranque son "Sales over time" y "Sales by product", disponibles en Analytics → Reports de Shopify y exportables como CSV. En "Sales over time", incluí la fecha del pedido, ventas brutas, descuentos, devoluciones y ventas netas en ARS. Si operás con varias monedas, normalizá todo a ARS antes de comparar.
En "Sales by product", sumá:
Para conectar esa demanda con la pauta, necesitás sumar la atribución. Shopify te da el origen de venta básico. Después cruzalo con UTMs y con las exportaciones de Meta Ads o Google Ads para asignar ingresos por campaña. El campo clave es la campaña o el conjunto de anuncios que generó cada pedido. Eso te permite calcular ROAS e ingreso por SKU, canal y campaña, siempre en ARS.
Usá una fila por línea de pedido para separar cada SKU. Si no hacés ese cruce, mover presupuesto entre productos con distinta demanda se vuelve casi a ciegas.
Para cada SKU, tomá on hand, committed, available, unavailable e incoming.
La lógica es simple: stock disponible + ventas semanales = cobertura. Y cobertura + umbrales = regla de presupuesto. Con esas métricas, clasificá cada SKU así:
Usalos para validar cobertura. Cuando el stock ya está ordenado, el paso siguiente es detectar los SKUs con mayor intención y ver cómo cambia esa señal semana a semana.
Si usás Burbuxa, sincronizás Shopify en tiempo real y sumás señales de WhatsApp e Instagram para detectar intención antes del pedido. Así dejás la base lista para ajustar la pauta según stock, descuento y demanda semanal.
Con el stock ya clasificado y los datos ordenados por SKU, ahora toca separar los productos que de verdad venden de los que solo suman visitas. La idea es simple: poné primero los SKUs que juntan conversión, agregado al carrito y recompra.
| Métrica | Fuente de datos | Cálculo | Uso en presupuesto |
|---|---|---|---|
| Tasa de conversión por producto | Shopify Analytics + UTMs | Pedidos del SKU ÷ sesiones en la ficha del producto | Señal principal de alta intención; subí presupuesto en campañas con CPA aceptable en ARS |
| Tasa de agregado al carrito | Shopify Analytics + Pixel de Meta / GA4 | Eventos de agregar al carrito ÷ sesiones en la ficha del producto | Detectá SKUs con interés fuerte; usalos para retargeting y recuperación de carritos abandonados |
| Checkout completado | Pixel + pedidos de Shopify | Pedidos ÷ inicios de checkout | Si es alta, el SKU tiene poca fricción; priorizalo en campañas de performance |
| Peso en ingresos | Reportes de pedidos de Shopify | Ingresos en ARS del SKU ÷ ingresos totales del período | Concentrá el presupuesto en los SKUs que aportan la mayor parte del ingreso |
| Tasa de recompra por SKU | Historial de clientes y pedidos de Shopify | Clientes que compraron el SKU ≥2 veces ÷ total de clientes que lo compraron | Activá remarketing en la ventana de recompra |
Si un SKU junta alta conversión, un peso claro en ingresos y una tasa de recompra por encima del 30%, merece presupuesto fijo, no solo durante promos o fechas calientes. Esto suele verse seguido en consumibles, sobre todo en categorías como cosmética o alimentos.
Cuando ya tenés los SKUs rankeados, el paso siguiente es mirar el patrón semanal. Ahí es donde se ve si hay demanda firme o si todo depende de una promo puntual.
Armá una serie de tiempo semanal por SKU, con semanas de lunes a domingo. Cada fila debería incluir unidades vendidas netas, ingresos netos en ARS y una marca que indique si esa semana tuvo descuento activo o una campaña especial.
Este punto importa mucho. Si mezclás demanda base con semanas empujadas por descuento o pauta, el forecast queda inflado. Y después pasa lo de siempre: se aprueba más presupuesto del que el producto puede sostener por sí solo.
Para planificar sin descuento, usá la mediana de las semanas sin promo activa para ese SKU. También conviene dejar asentada cada campaña importante: profundidad del descuento, canales usados y presupuesto extra en ARS. Así después podés revisar si ese efecto vale la pena repetirlo o si fue solo un pico aislado.
En Argentina suelen aparecer dos momentos de suba: inicio de mes y fin de semana. Pero no lo des por hecho. Validalo según la categoría. Si la data muestra un lift de fin de semana parejo en un SKU de alta intención, subí los límites de presupuesto el viernes por la tarde y volvé a la base el lunes.
Con esa línea base, ya podés mover presupuesto según stock, descuento y recompra.
Con la base semanal ya definida, el siguiente paso es pasar cobertura, descuento y recompra a decisiones de presupuesto. Hacelo con una revisión semanal según el stock disponible y el tiempo de reposición. El orden importa: primero mirá el stock y después ajustá el forecast por descuento y recompra.
| Estado del stock | Cobertura estimada | Acción en pauta | Distribución del presupuesto |
|---|---|---|---|
| Saludable | Más de 30 días | Escalá adquisición con audiencias similares del 1% basadas en clientes VIP | 60–70% del presupuesto total asignado a ese SKU |
| Bajo | 15–30 días | Reducí adquisición; enfocáte en remarketing de segmentos cálidos | 10–20% del presupuesto normal |
| Crítico | Menos de 15 días | Pausá campañas de adquisición; dejá solo remarketing muy eficiente o recordatorios de reposición | Mínimo o cero en adquisición |
| Sobrestock | Más de 60 días | Aumentá presupuesto de forma controlada; activá bundles y promos de liquidación | Incremento del 20–30% sobre la base |
La decisión se toma por SKU, no por tienda completa. Esto en Argentina pesa más de lo que parece. Los tiempos de reposición, tanto de proveedores locales como importados, pueden cambiar de golpe, sobre todo en categorías con trabas de importación. Un SKU que hoy muestra 30 días de cobertura puede quedar en estado crítico en pocos días si la reposición no está confirmada.
Por eso conviene revisar el stock al menos una vez por semana antes de aprobar cualquier cambio de presupuesto.
Un descuento activo empuja la demanda del período. Si mezclás semanas con promo y semanas sin promo para calcular la base, el forecast te va a quedar inflado. Y ahí aparece el problema: sobreestimás la demanda futura y te exponés mucho más a quedarte sin stock.
La forma más simple de corregir esto es calcular el factor de suba histórico según el tipo de descuento. Filtrá en Shopify las semanas con descuento activo y comparalas contra semanas parecidas sin promo. Si una promo generó una suba del 80%, entonces para campañas similares tenés que multiplicar el forecast por 1,8. Antes de salir con la campaña, chequeá que el stock actual alcance para cubrir esa demanda proyectada durante todo el período, SKU por SKU.
| Tipo de descuento | Impacto en el forecast | Riesgo de inventario | Uso recomendado |
|---|---|---|---|
| Descuento fijo en ARS | Suba moderada; funciona bien en productos de precio medio | Manejable si se aplica a SKUs saludables o con sobrestock | Campañas cortas en fechas locales (Hot Sale, CyberMonday) |
| Porcentaje de descuento | Suba alta, especialmente en productos de ticket elevado; en estudios comparativos se observó +42% en gasto promedio frente a descuentos fijos | Riesgo de stockout si no se ajusta el forecast | Stock saludable o sobrestock con reposición confirmada |
| Bundles | Suba fuerte del ticket promedio; acelera la salida de complementarios | Alto: afecta varios SKUs al mismo tiempo | Sobrestock de productos complementarios con cobertura alineada |
Con ese ajuste ya hecho, podés pasar a activar remarketing dentro de la ventana de reposición.
El historial de pedidos de Shopify te muestra cuándo un cliente vuelve a comprar. Acá conviene trabajar la ventana de recompra por SKU o por categoría, no como un promedio general. Para eso, calculá la mediana de días entre el primer y el segundo pedido. En belleza y cuidado personal, ese valor suele estar entre 30 y 60 días. En indumentaria y calzado, suele moverse entre 90 y 180 días.
Con esas ventanas definidas por SKU, ya podés armar segmentos dinámicos. Por ejemplo: si un cliente compró hace 40 días un producto con ciclo de 45 días, entra en una audiencia de “próximos a reponer”. Ese tipo de segmento suele funcionar muy bien en remarketing porque junta dos cosas que pesan mucho: intención implícita y timing de compra. Además, conecta de forma directa con la demanda semanal que ya venías siguiendo para ese SKU.
Burbuxa puede automatizar este flujo. Dispara mensajes personalizados por WhatsApp o Instagram cuando se abre la ventana de recompra, con el producto exacto, el precio actualizado en ARS y, si el SKU está en sobrestock, una sugerencia de bundle. Eso baja la carga operativa y mejora la retención, sobre todo en Argentina, donde las apps de mensajería están metidas en la rutina de todos los días.
Todo esto funciona solo si se hace todas las semanas. Sin ese ritmo, el forecast se pone viejo enseguida y las decisiones de pauta quedan desalineadas con lo que pasa de verdad en el inventario.
La forma más simple de sostenerlo es reservar un bloque corto semanal, idealmente el lunes bien temprano. Ahí actualizás la demanda y la cobertura por SKU, detectás los productos con alta intención y stock sano, aplicás las reglas de presupuesto según el estado del inventario, sumás los descuentos activos al forecast y activás los segmentos de recompra que abren ventana esa semana. Todo ese ciclo puede resolverse en menos de 30 minutos.
Con esa rutina, el dato que más importa pasa a ser el error de pronóstico: la diferencia entre lo que estimaste y lo que al final se vendió. Shopify recomienda moverse dentro de un margen de error del 10–15 %. Si ese error sube, hay una señal clara: cambió alguno de los supuestos. Tal vez hubo una promo que no estaba en el cálculo, un quiebre de stock o un pico estacional. Y eso conviene corregirlo cuanto antes, antes de que arrastre malas decisiones de inversión.
También ayuda mucho dejar registro de cada cambio. El forecast mejora semana a semana cuando anotás qué pasó y cuándo pasó. Cada promo, cada lanzamiento y cada evento local, como Hot Sale o CyberMonday, debería quedar guardado con fecha, nivel de descuento y canal. Así, cuando aparezca una situación parecida, el modelo no arranca de cero ni tropieza con la misma piedra.
Burbuxa automatiza parte de este flujo: inventario, descuentos, pedidos y recompra quedan sincronizados en tiempo real. Eso le devuelve tiempo al equipo para enfocarse en lo que sí pide criterio humano: leer los números y decidir la pauta.
Cuando un SKU tiene poca data histórica, te encontrás con un arranque en frío. En ese punto, no alcanza con mirar ventas pasadas porque, simple: casi no existen.
Para destrabar ese escenario, Burbuxa mira los atributos del producto - categoría, precio, descripción e imágenes - y los cruza con datos externos y con el comportamiento de artículos similares para proyectar la demanda.
Además, la integración en tiempo real con Shopify ayuda a detectar señales tempranas de interés, como DMs iniciados, guardados o clics. Eso le da al equipo margen para ajustar stock y campañas antes de depender solo de las ventas previas.
Cuando hacés varias promociones seguidas, el reto está en sacar el ruido de los datos para no inflar la demanda futura.
Para eso, conviene usar modelos ensemble que mezclen históricos de ventas, promociones vigentes y estacionalidad. Así no te quedás con una lectura parcial de lo que pasó.
Estos modelos toman el comportamiento real de tus clientes para separar el efecto de cada oferta y ajustar los pronósticos en tiempo real. En la práctica, eso te ayuda a entender si una suba en ventas vino por una promo puntual, por la época del año o por un cambio más de fondo en la demanda.
También suma mirar el rendimiento semana a semana y hacer pruebas what-if para planificar mejor el stock. Es una forma simple de anticiparte: ver qué podría pasar si repetís una oferta, si la frenás o si cambiás la intensidad de la promo.
La pauta no se deja “corriendo y listo”. Conviene ajustarla todo el tiempo. Con datos en tiempo real, revisá aperturas, clics, conversiones y tasa de respuesta para meter cambios en cuestión de horas o días si el rendimiento cae.
Además, sumá una revisión semanal, idealmente los lunes. Ese corte fijo ayuda a detectar desvíos, ordenar prioridades y no llegar tarde a los ajustes.
Para stock y pronóstico de demanda, hacé revisiones trimestrales y anuales. La idea es actualizar los modelos con datos frescos y medir qué tan bien están funcionando con MAPE. Si el modelo venía acertando y de golpe se desvía, esa revisión te lo muestra rápido.
