Glosario de supply chain

Previsión de promociones

Predecir la demanda durante una promoción: qué mueve el uplift, por qué importa la granularidad tienda–día y por qué la previsión nace cuando sus inputs aún son decisiones.

03. september 2026

4 min

La previsión de promociones es la predicción de la demanda de una referencia durante una acción promocional, expresada como incremento (uplift) sobre la demanda base que la referencia tendría a precio normal. Se estima a partir de promociones históricas comparables, ponderadas por las mecánicas que las impulsaron: profundidad del descuento, presencia y posición en el folleto, exposición secundaria y apoyo en medios.

El resultado no es una cifra sino un conjunto: el volumen total de la campaña, el reparto por tienda y el perfil por día, porque la distribución del uplift en el tiempo depende de la mecánica – donde el folleto sale al inicio de la semana, el perfil se concentra en los primeros días. Además del incremento en sí, la previsión debe recoger efectos fuera de la referencia promocionada: la canibalización de sustitutos de la misma categoría, el efecto halo sobre productos complementarios y la caída posterior a la campaña, cuando los clientes que se han aprovisionado dejan de comprar.

Impulsores: profundidad del descuento, mecánica (multibuy, «compra y llévate»), posición en el folleto (portada frente a página interior), exposición secundaria, apoyo en TV u online.
Granularidad: tienda–día, porque la reposición trabaja con lo que debe llegar a qué lineal y qué día, no con el total de la campaña.
Efectos colaterales: canibalización dentro de la categoría, efecto halo, caída pospromocional.
Dependencia del baseline: el uplift solo es tan bueno como el baseline contra el que se mide.

La previsión de promociones en la práctica

La previsión se elabora cuando sus inputs todavía son decisiones. El folleto se cierra semanas antes de la campaña y, entre el cierre y el primer día, pueden cambiar la profundidad del descuento, la posición en la página o el apoyo en medios; cada cambio desplaza el uplift, y una previsión congelada al cierre del folleto describe una promoción que quizá ya no existe. Un montaje que funciona trata la previsión como función de la mecánica, recalculada con cada cambio, no como una cifra pegada a la campaña.

La segunda cuestión es el nivel al que se juzga la previsión. El total de la campaña puede salir bien y, aun así, parte de la red se queda sin producto a partir del tercer día mientras el resto lo liquida con descuento después, porque el reparto por tiendas y días estaba mal; la precisión medida sobre el total no lo ve. El error, además, recae sobre un volumen mayor que el de un error en el baseline: donde el volumen promocional triplica el baseline, el mismo error relativo supone el triple de unidades faltantes o sobrantes. Por eso la precisión de la previsión promocional se reporta por separado, y un valor que parece modesto junto a la precisión del baseline puede ser un buen resultado.

Veritico PROMO prevé por separado el baseline y la demanda promocional con granularidad tienda–día; donde una referencia o tienda no tiene historial comparable, toma como referencia los perfiles de tienda más próximos o el baseline de una categoría similar, y entrega el volumen de la campaña a la reposición. La eficacia se lee después como uplift incremental real frente al baseline calculado, incluyendo canibalización, efecto halo y caída pospromocional, y el modelo cuantifica el efecto de la ubicación y de los medios (TV, portada del folleto) sobre el uplift; véase planificación y efectividad de promociones. Kofola alcanzó con Veritico PROMO un 76 % de precisión en la previsión promocional y redujo un 14 % la depreciación de stock caducado (caso de éxito Kofola). Donde las promociones no están marcadas en los datos, Veritico STOCK las detecta automáticamente y limpia el historial antes de calcular la previsión, de modo que el baseline no queda inflado por campañas sin etiquetar – véase previsión de la demanda y optimización de inventario.