Optimización de Surtido y Planogramas con ChatGPT

Antes de empezar

Lo que necesitas para completar este tutorial

Lo que conseguiras al terminar

Si sigues estos pasos, en 30-45 minutos tendras:

✓ Listado priorizado de SKUs candidatos a retirar
✓ Planograma alternativo con reasignación de espacio
✓ Estimación comercial y operativo del impacto

Antes de empezar, asegurate de tener lo siguiente:

Obligatorio Fichero CSV o Excel con ventas por SKU, rotación, margen, stock y espacio asignado (últimos 12 meses).

Obligatorio Acceso a métricas de espacio físico por lineal o góndola (metros o caras) y límites de espacio por categoría.

Recomendado Histórico de promociones y lanzamientos para ajustar estacionalidad y efectos puntuales.

Recomendado Datos cualitativos de encuestas de cliente o feedback de fuerza de ventas para validar decisiones.

Transferencia internacional de datos: ChatGPT procesa datos en servidores externos. Sin acuerdo de procesamiento de datos (DPA) firmado, no introduzcas datos personales, financieros confidenciales ni datos especialmente protegidos. Verifica con tu departamento legal o IT antes de usar datos reales de tu empresa.

El caso

Distribuciones NorteSol SA, sector distribución alimentaria — el problema real

Rotación decreciente en varias referencias que consumen espacio valioso. Directivos deben decidir qué SKUs retirar sin perder ventas ni cuota por categoría.

Con ChatGPT y el prompt de este tutorial, puede resolver este reto en 30-45 minutos — sin conocimientos tecnicos previos.

Situacion real
Datos + contexto

→

ChatGPT
Prompt estructurado

→

Output ejecutivo
Listo para usar

Por que funciona: ChatGPT sintetiza criterios cuantitativos y cualitativos rápidamente y genera salidas estructuradas. Su habilidad para combinar reglas de negocio explícitas con análisis de datos narrativo lo hace útil para decisiones ejecutivas y planes operativos.

Contexto

Cuando usar este tutorial

✓ Usalo cuando...	× No lo uses cuando...
Cuando hay exceso de SKUs con baja rotación que reducen eficiencia del lineal Al preparar una reconfiguración de planogramas antes de campaña estacional Para decisiones que requieren balance entre ventas, margen y espacio físico	Cuando faltan datos históricos mínimos (ventas, stock, espacio) para evaluar rotación Si la cadena de suministro impide cambios operativos en el corto plazo Para decisiones puramente tácticas de reposición diaria sin impacto de surtido

Paso 01

Recopilar y validar datos

Reúna los datos necesarios para que el análisis sea riguroso: ventas, rotación, margen, stock y espacio por SKU. Validar calidad de datos evita recomendaciones erróneas.

1
Exportar ventas y rotación Extraiga un CSV con ventas unidades y euros por SKU por periodo (preferible mensual) para los últimos 12 meses. Asegúrese de incluir identificadores SKU claros.
2
Incluir variables operativas Agregue columnas de stock medio, días de inventario, metros o caras ocupadas por SKU y margen bruto por unidad. Estas métricas permiten calcular coste de ocupar el lineal.
3
Verificar integridad Revisar valores faltantes, outliers y promociones atípicas. Documente supuestos (p. ej. ventas ajustadas por promociones) antes de pasar al análisis.

Checkpoint: Fichero validado con ventas, rotación, margen, stock y espacio por SKU listo para análisis.

Paso 02

Definir criterios y reglas de negocio

Establezca criterios cuantitativos y límites operativos que guiarán la selección de SKUs a retirar. Esto asegura que ChatGPT aplique la política corporativa correcta.

1
Determinar umbrales de rotación Defina rotación mínima por categoría (p. ej. <0.5 rotaciones/mes) y margen mínimo aceptable. Estas reglas filtran candidatos automáticos.
2
Incluir restricciones de surtido Considere contratos con proveedores, SKU estratégicos por imagen o regionalidad, y requerimientos de variedad mínima por categoría.
3
Definir objetivo de espacio Fije objetivo de metros por categoría tras la optimización (p. ej. reducir espacio total un 10% o reasignar 2 caras a productos de mayor rotación).

Checkpoint: Documento con reglas de negocio y umbrales que se pasarán al prompt principal.

Paso 03

Ejecutar el prompt principal

Este es el prompt central del tutorial. Cópialo completo, rellena las variables entre corchetes con los datos de tu empresa o situación, y envíalo.

1
Copia el prompt completo Selecciona todo el texto del prompt y cópialo. No modifiques la estructura — está diseñado para obtener el output más útil posible.
2
Rellena las variables entre corchetes Sustituye cada [VARIABLE] con información real de tu empresa. Cuanto más específico seas, mejor será el output.
3
Envía el prompt y espera la respuesta Pega el prompt en el chat y envíalo. El modelo puede tardar entre 10 y 60 segundos dependiendo de la complejidad.

Variables del prompt — sustituye cada [VARIABLE] con datos reales

[EMPRESA]Nombre de la empresa y unidad de negocio (p. ej. 'Distribuciones NorteSol SA - Región Norte')

[PERIODO]Periodo de análisis (p. ej. 'Últimos 12 meses: 2025-07 a 2026-06')

[DATA_CSV]Ruta o descripción del archivo CSV con columnas obligatorias: SKU, Categoría, Ventas_unidades, Ventas_valor, Margen_bruto_por_unidad, Stock_medio, Rotación_mensual, Espacio_metros_o_caras, Promociones_flag

[CRITERIOS_BUSINESS]Reglas de negocio y umbrales (p. ej. 'rotación mínima 0.6/mes; margen mínimo 12%; mantener mínimo 4 SKUs por subcategoría')

Prompt principal — Optimización de Surtido y Planogramas Eres un consultor ejecutivo en optimización de surtido y planogramas. Tu tarea es analizar los datos que te proporciono y producir una recomendación ejecutiva clara y accionable. Datos: Empresa: [EMPRESA]; Periodo analizado: [PERIODO]; Archivo de datos: [DATA_CSV] (CSV con columnas: SKU, Categoría, Ventas_unidades, Ventas_valor, Margen_bruto_por_unidad, Stock_medio, Rotación_mensual, Espacio_metros_o_caras, Promociones_flag). Reglas de negocio: [CRITERIOS_BUSINESS] (p. ej. rotación mínima, margen mínimo, contratos estratégicos). Objetivos: reducir SKUs ineficientes, liberar espacio para productos de alto rendimiento y estimar impacto en ventas y margen. Entregables (estructura obligatoria): 1) Resumen ejecutivo (máx. 6 frases) con decisión recomendada; 2) Tabla priorizada de SKUs candidatos a retirar con columnas: SKU, Categoría, Ventas_últ_12m, Rotación_mensual, Margen_bruto_por_unidad, Espacio_actual, Puntaje_riesgo (0-100) y Recomendación (Retirar/Conservar/Examinar); 3) Justificación por SKU (breve, 2-3 líneas) explicando motivos cuantitativos; 4) Planograma alternativo por categoría (describir reasignación de espacio en metros o caras y prioridad de entrada de SKUs alternativos); 5) Estimación del impacto (estimación de cambio esperado en ventas y margen en % y € para 3 horizontes: 3, 6 y 12 meses) con supuestos claros; 6) Acciones operativas necesarias (logística, compras, PLV, formación) y cronograma breve; 7) Riesgos clave y mitigaciones; 8) KPIs para seguimiento y umbrales de alerta. Usa métricas derivadas (p. ej. ventas/m2, margen/m2) para priorizar. Si faltan datos, indica explícitamente qué campos faltan y cómo completar el análisis. Presenta resultados en formato ejecutivo, con puntos numerados y tablas sintetizadas. Prioriza decisiones que maximicen margen/m2 en el corto plazo respetando restricciones de surtido definidas en [CRITERIOS_BUSINESS].

Checkpoint: El modelo ha respondido con un output estructurado que incluye las secciones solicitadas en el prompt.

Paso 04

Iterar, validar y planificar implementación

Refine la propuesta con escenarios alternativos, valide con datos de campo y prepare un plan operativo. Iterar reduce riesgos y facilita la aceptación por stakeholders.

1
Validar con campo y ventas Comparar recomendaciones con ventas reales en tiendas piloto o por segmento. Ajuste umbrales si la pérdida de ventas es mayor de la estimada.
2
Generar plan de ejecución Definir calendario, responsables logísticos, ajuste de pedidos y formación para equipo de tienda. Incluya checklist para retirar SKUs y reetiquetar espacio.

Checkpoint: Plan operativo aprobado para implementación piloto y lista de KPI para seguimiento.

Iteracion

Prompts para refinar el output

Estos son los ajustes mas frecuentes que se piden despues del primer output. Copialos directamente en el chat:

Hacer el output más específico

cuando el output es demasiado genérico. "Revisa la recomendación anterior y aplica estos ajustes: usa el umbral de rotación [ROTACION_UMBRAL], prioriza margen/m2 sobre ventas absolutas, y destaca 10 SKUs con mayor pérdida de margen por m2. Reemplaza las recomendaciones vagas por acciones operativas concretas con responsables y tiempos."

Cambiar el nivel de detalle

cuando necesitas más o menos profundidad. "Devuélveme una versión más concisa del informe (1 página ejecutiva) o una versión extendida (5 páginas) según el parámetro: si pido 'CONCISA' entrega resumen y 5 KPIs; si pido 'EXTENSA' incluye tablas completas por categoría y escenarios con supuestos detallados."

Adaptar el tono

cuando el tono no es el adecuado para tu audiencia. "Reescribe el informe en tono directo para Comité de Dirección, priorizando impactos financieros y decisiones estratégicas. Mantén la misma estructura pero reduce el detalle operativo al mínimo y añade recomendaciones para aprobación ejecutiva."

Versión ejecutiva resumida

para compartir con el Comité de Dirección. "Genera una diapositiva ejecutiva con: 1) decisión recomendada en una frase; 2) 3 impactos financieros clave (€/año y %); 3) riesgos críticos y mitigaciones; 4) plan de implementación en 3 hitos."

Resultado

Que vas a obtener

Este es el tipo de output que genera ChatGPT con el prompt de este tutorial. El contenido varia segun tu empresa y situacion, pero la estructura es siempre esta:

Ejemplo de output — Distribuciones NorteSol SA, sector distribución alimentaria

Estructura del output

El prompt genera un informe estructurado que incluye: resumen ejecutivo, tabla priorizada de SKUs, justificaciones por SKU, planograma alternativo, estimaciones de impacto por horizonte, acciones operativas, riesgos y KPIs. Cada sección debe ser concisa y con supuestos explícitos.

Senales de un buen output

La tabla priorizada incluye las métricas solicitadas y ordena por impacto esperado
Las estimaciones de impacto indican supuestos y muestran horizontes 3/6/12 meses
Las acciones operativas están asignadas a responsables y tiempos concretos
Se enumeran riesgos con mitigaciones claras y KPIs con umbrales

Senal de que el output es bueno: La recomendación prioriza SKUs por margen/m2 y presenta estimaciones numéricas con supuestos claros

Costes

Inversion y retorno

20$ ChatGPT Plus / mes

20-40 min por ejecución Por ejecucion del tutorial

∞ Reutilizaciones del prompt

ROI: Una optimización correcta puede liberar espacio para productos de mayor rendimiento, aumentando ventas y margen por m2. En 6-12 meses se puede recuperar el esfuerzo si el cambio incrementa margen/m2 y reduce costes de stock muerto.

Errores frecuentes

Que hacer cuando algo no funciona

Sintoma	Causa probable	Solucion exacta
Respuesta genérica sin tabla priorizada	Falta de datos o prompt insuficientemente específico	Reenvía el prompt incluyendo [DATA_CSV] con las columnas obligatorias y confirma [CRITERIOS_BUSINESS] en una oración.
Estimaciones de impacto con rangos muy amplios	No se definieron supuestos claros sobre elasticidad de ventas o efectos de promoción	Añade supuestos explícitos en el prompt: elasticidad estimada, efecto promoción (%), y horizonte analizado.
Recomendaciones que contravienen contratos o políticas	No se indicó información sobre contratos estratégicos o restricciones	Incluye en [CRITERIOS_BUSINESS] las restricciones contractuales y marcas estratégicas a conservar.
Salida con errores en métricas calculadas (p. ej. ventas/m2 incorrectas)	Formato de datos incorrecto (valores texto, separadores decimales distintos)	Normaliza el CSV: usa punto para decimales, columnas numéricas sin texto, y vuelve a subir el archivo.
El modelo omite riesgos operativos críticos	Falta de contexto operativo local (logística, tiempo de cambio de planograma)	Proporciona en el prompt limitaciones operativas concretas (p. ej. 'tiempo de cambio máximo 2 horas por góndola') y pide re-evaluación.

Modo avanzado

Como hacer este tutorial con ChatGPT en modo avanzado

En modo agente (o con herramientas avanzadas como carga de archivos y ejecución de código) ChatGPT puede abrir el CSV, ejecutar cálculos (ventas/m2, margen/m2), y generar tablas automáticamente. Use este modo para análisis reproducible y para exportar resultados en formatos listos para equipo operativo.

Modo avanzado

Flujo de trabajo avanzado

1
Cargar el archivo CSV [DATA_CSV] en el entorno de ChatGPT con capacidad de archivos
2
Solicitar que el agente ejecute cálculos automáticos (ventas/m2, margen/m2, puntaje de prioridad) y genere tablas
3
Pedir visualizaciones o exportar tablas a Excel/CSV para compartir con operaciones
4
Solicitar un plan de implementación con checklist exportable y cronograma

Eres un agente analítico con acceso al archivo [DATA_CSV]. Ejecuta los siguientes pasos: 1) cargar y validar el CSV; 2) calcular métricas por SKU: ventas_totales_12m, ventas_por_m2, margen_por_m2, rotación_mensual; 3) aplicar reglas de negocio en [CRITERIOS_BUSINESS] y generar una tabla priorizada en formato CSV con columnas: SKU,Categoría,Ventas_12m,Rotación,Margen_unidad,Espacio_m2,Ventas_por_m2,Margen_por_m2,Puntaje,Recomendación; 4) crear un planograma alternativo por categoría con reasignación de metros y una estimación de impacto en ventas y margen para 3/6/12 meses; 5) exportar resultados como dos archivos: 'recomendaciones_surtido.csv' y 'planograma_alternativo.xlsx'. Reporta cualquier campo faltante y pasos que no puedas ejecutar automáticamente.

Cuando usar el modo avanzado en este tutorial: Uso recomendado cuando dispone del CSV y necesita resultados reproducibles, tablas exportables y cálculos exactos sin transcribir datos manualmente; especialmente valioso para grandes catálogos (>1.000 SKUs).

Siguiente paso

Que hacer ahora?

Ahora que has completado este tutorial, hay dos caminos naturales:

Tutorial relacionado · ChatGPT

Explorar mas tutoriales de ChatGPT

Descubre otros casos de uso de ChatGPT para directivos en diferentes funciones y sectores.

Biblioteca completa

Ver todos los tutoriales

Explora los tutoriales del programa organizados por herramienta, funcion y nivel de dificultad.

Para sacarle mas partido: Después de implementar un piloto, compare KPIs reales con estimaciones y ajuste umbrales; automatice la ejecución mensual del prompt para detectar SKUs de bajo rendimiento de forma continua.

Alternativa segura

Puedo hacer esto sin que mis datos salgan de la empresa?

Si. Este caso de uso trabaja con datos que, por su naturaleza confidencial, estrategica o regulada, son candidatos optimos para ejecutarse con un modelo de lenguaje open source desplegado en infraestructura propia (on-premises o nube privada). Con esta configuracion, ningun dato abandona nunca los servidores de tu organizacion y el modelo no puede ser entrenado con tu informacion.

Modelos recomendados

Llama 3.3 70B — Ideal para analisis de documentos largos y generacion de texto estructurado (contexto 128K tokens).

Mistral Large 2 — Excelente para extraccion de informacion y clasificacion con alta precision.

Qwen 2.5 72B — Especialmente potente para analisis de datos tabulares y financieros.

Plataformas de despliegue

Ollama — Para equipos pequenos o uso individual en hardware propio.

vLLM — Para entornos de produccion con multiples usuarios simultaneos.

LM Studio — Para pruebas y uso individual sin configuracion de servidor.

Infraestructura minima

Para un modelo de 70B parametros en produccion:

GPU: 2x NVIDIA A100 40GB o 4x RTX 4090.

RAM: 128GB minimo.

Alternativa cloud privada: AWS Private Cloud, Azure Government o Google Cloud Confidential Computing.

Garantia de privacidad: Con un modelo on-premises correctamente configurado, los datos nunca salen de tu red corporativa, el modelo no se entrena con tu informacion, no hay transferencia internacional de datos y el cumplimiento normativo es total incluso para datos del art. 9 RGPD.

Necesitas implementar esta solucion en tu organizacion?

La configuracion de modelos open source on-premises requiere un proveedor tecnico especializado. Agere puede ayudarte a desplegar esta solucion en tu infraestructura de forma segura, con garantias legales y sin que tus datos salgan nunca de tu organizacion.

Contactar con Agere Conocer Agere