Hershey Utiliza IA para Optimizar la Temporada de S'mores

Imagina la escena. Tu equipo comercial lleva meses preparando la gran campaña de verano. Habéis negociado cabeceras de góndola, pagado cartelería costosa y ahora solo queda cruzar los dedos para que el consumidor responda. Así es como se ha hecho siempre en el gran consumo. Juegas a ciegas hasta que llegan los lentos reportes trimestrales.

Pero tus competidores ya no juegan a eso.

Acabamos de ver cómo Hershey, una marca con más de un siglo de historia, ha decidido que la temporada de s’mores (la galleta americana con nube y chocolate) no se deja al azar. Han metido la inteligencia artificial hasta la cocina de su estrategia de trade marketing. Y los números asustan a cualquiera que siga tomando decisiones anclado en el Excel.

Visión artificial para ganar el metro cuadrado físico

Aquí es donde la mayoría se equivoca. Muchos directores de marketing todavía creen que la inteligencia artificial sirve, sobre todo, para redactar textos masivos o generar imágenes bonitas para redes sociales. Falso. El verdadero dinero está en la predicción de demanda y la logística de última milla en el punto de venta.

Hershey ha desarrollado internamente una herramienta que cruza visión por ordenador y realidad aumentada. Los comerciales sacan una foto de los expositores en el supermercado y el sistema fusiona esa imagen con los datos del terminal de punto de venta (POS). La IA les dice exactamente dónde rinde mejor cada palé dentro de esa tienda específica, cruzando variables que un humano pasaría por alto.

101 % — Es el rendimiento de ventas superior que han conseguido las islas independientes (pallet trains) frente a las clásicas cabeceras durante esta campaña. Fuente: Modern Retail 2026

Enfoque comercial	Ubicación en tienda	Tiempo de análisis	Retorno de inversión
Tradicional	Acuerdos fijos y datos históricos	3-5 meses post-campaña	Crecimiento plano
Impulsado por IA	Dinámica según datos POS cruzados	Menos de 24 horas	+20 % en ROAS interanual

El fin de las hojas de cálculo a toro pasado

Para marcas y fabricantes, la estacionalidad lo es todo. Las ventas de nubes de azúcar y galletas graham se disparan hasta un 300 % en las semanas pico de verano, según datos de la consultora de consumo Circana. Si fallas el tiro ahí, pierdes el año entero.

Por eso Hershey también ha inyectado modelos predictivos en su marketing mix. Antes tardaban hasta cinco meses de trabajo manual en procesar qué promociones habían funcionado. Hoy, su sistema normaliza datos de redes sociales, búsquedas y plataformas de streaming de un día para otro. Toman decisiones de inversión publicitaria basándose en lo que ocurre en el mercado en ese instante, no en lo que pasó la primavera pasada.

De la señal social al lineal del supermercado

Un ejemplo brillante de esta agilidad ocurrió hace unas semanas. La marca lanzó una encuesta rápida preguntando a sus seguidores si preferían la nube muy tostada o más derretida. El 70 % votó por la versión más quemada.

Esa interacción no se quedó en un simple informe de vanidad para el community manager.

Esa señal alimentó directamente su modelo para entender dónde y cuándo estaban comprando esos consumidores hiper-involucrados. Les permitió ajustar el gasto publicitario casi en vivo junto a sus retailers, reaccionando a los picos de demanda. La infraestructura tecnológica que soporta esto requiere agrupar silos históricos, un reto que empresas como Hershey superan apoyándose en arquitecturas de datos modernas como SAP Datasphere.

Dato Epinium: El 68 % de las marcas de gran consumo pierde hasta un tercio de su presupuesto promocional por no ajustar el inventario y la inversión publicitaria en tiempo real durante los picos estacionales.

¿Qué herramienta de IA utiliza Hershey para sus ventas en tienda?

La marca emplea una solución propia desarrollada internamente que integra visión por ordenador y realidad aumentada. Esta herramienta analiza fotografías tomadas por los comerciales en las tiendas y las cruza con datos de ventas en tiempo real para optimizar la ubicación de los expositores.

¿Cómo impacta la visión artificial en el trade marketing?

Permite abandonar las decisiones basadas en la intuición o en datos del año anterior. Al analizar el rendimiento del metro cuadrado en vivo, los equipos de ventas saben al instante si un palé funcionará mejor en el pasillo central o cerca de las cajas, maximizando el margen por tienda.

¿Cuánto ha mejorado el ROAS de Hershey con la IA?

Gracias a la implementación de modelos predictivos en su mix de medios, la compañía ha registrado un aumento aproximado del 20 % interanual en el retorno de su inversión en retail media (ROAS) durante la campaña estacional de verano.

¿Qué papel juega el tiempo real en la estrategia de retail media?

Es el factor diferencial. Reducir el tiempo de análisis de cinco meses a menos de 24 horas permite a los fabricantes ajustar sus pujas y presupuestos mientras el consumidor todavía está en modo de compra, evitando malgastar dinero cuando el pico de demanda ya ha pasado.

¿Por qué las cabeceras de góndola ya no son siempre la mejor opción?

El cruce de datos físicos y de ventas ha revelado que ubicaciones alternativas pueden ser mucho más rentables. En el caso de los ingredientes para s’mores, las islas independientes (pallet trains) superaron a las costosas cabeceras tradicionales en un 101 % de rendimiento.

La lección para brand managers, CTOs y directores de marketing está clara. Ya no puedes permitirte planificar en enero, ejecutar en junio y analizar en noviembre. El talento huye del trabajo manual repetitivo y tus competidores se mueven a una velocidad que castiga la lentitud. O conectas el dato digital con la ejecución en tienda física, o te quedarás definitivamente fuera del lineal.