Como localizar novos varejistas: chega de visitar CNPJ que não existe mais

O endereço estava certo no sistema. O CNPJ estava ativo no ERP. O vendedor foi até lá, estacionou, desceu do carro, e encontrou uma porta fechada com aviso de desocupação colado no vidro. Voltou para o carro, anotou no caderno, e seguiu para o próximo. Esse também havia mudado de ramo. Dois stops, quarenta e cinco minutos, zero venda.

Agora multiplique isso por 200 vendedores, quatro vezes por semana. O número de horas desperdiçadas visitando CNPJs que não existem mais, que mudaram de endereço, ou que nunca foram relevantes para o portfólio da empresa, chega a uma cifra que a maioria dos diretores comerciais nunca calculou, mas que sente todo mês quando olha para a eficiência da força de vendas.

O problema tem duas faces. A lista está desatualizada para baixo: inclui PDVs que fecharam ou ficaram irrelevantes. E está desatualizada para cima: não inclui novos varejistas que abriram, mudaram de perfil ou cresceram e hoje teriam alta propensão de compra para o portfólio da empresa.

Resolver um lado sem o outro não resolve o problema. Purgar a lista sem qualificar novas inclusões só encolhe a base. Adicionar novos PDVs sem critério de potencial aumenta o volume de visitas improdutivas.

A inteligência comercial aplicada à execução de vendas no PDV resolve os dois lados com o mesmo mecanismo: dados enriquecidos de PDVs combinados com modelagem de propensão de compra.

Índice

• Como localizar novos varejistas: chega de visitar CNPJ que não existe mais
• Por que as listas de PDVs que as equipes de vendas usam estão sempre desatualizadas?
• O que custa visitar um CNPJ que não existe mais ou que não tem potencial?
• Como identificar novos varejistas com alto potencial de compra?
• O que é cobertura de mercado e como calculá-la com dados reais?
• Como a Cortex Reach identifica PDVs novos com alta propensão de compra?
• Como o agente de IA qualifica novos varejistas antes da primeira visita?
• Perguntas frequentes

Como localizar novos varejistas: chega de visitar CNPJ que não existe mais

O endereço estava certo no sistema. O CNPJ estava ativo no ERP. O vendedor foi até lá, estacionou, desceu do carro, e encontrou uma porta fechada com aviso de desocupação colado no vidro. Voltou para o carro, anotou no caderno, e seguiu para o próximo. Esse também havia mudado de ramo. Dois stops, quarenta e cinco minutos, zero venda.

Agora multiplique isso por 200 vendedores, quatro vezes por semana. O número de horas desperdiçadas visitando CNPJs que não existem mais, que mudaram de endereço, ou que nunca foram relevantes para o portfólio da empresa, chega a uma cifra que a maioria dos diretores comerciais nunca calculou, mas que sente todo mês quando olha para a eficiência da força de vendas.

O problema tem duas faces. A lista está desatualizada para baixo: inclui PDVs que fecharam ou ficaram irrelevantes. E está desatualizada para cima: não inclui novos varejistas que abriram, mudaram de perfil ou cresceram e hoje teriam alta propensão de compra para o portfólio da empresa.

Resolver um lado sem o outro não resolve o problema. Purgar a lista sem qualificar novas inclusões só encolhe a base. Adicionar novos PDVs sem critério de potencial aumenta o volume de visitas improdutivas.

A inteligência comercial aplicada à execução de vendas no PDV resolve os dois lados com o mesmo mecanismo: dados enriquecidos de PDVs combinados com modelagem de propensão de compra.

Por que as listas de PDVs que as equipes de vendas usam estão sempre desatualizadas?

As listas estão desatualizadas porque o varejo pulverizado brasileiro tem uma taxa de rotatividade brutal, e nenhum sistema interno consegue acompanhar esse ritmo sozinho.

Dados do IBGE mostram que cerca de 30% dos pequenos varejistas não sobrevivem aos primeiros dois anos de operação. No universo de bares, lanchonetes, mercearias, minimercados e conveniências que compõem a cauda longa do varejo de bens de consumo, essa rotatividade é ainda mais intensa. Negócios abrem, fecham, mudam de ponto, mudam de segmento, mudam de dono. Em um ano, uma lista de 500 PDVs pode ter 150 alterações relevantes.

O ERP da indústria registra pedidos de quem já compra. Não enxerga quem parou de comprar se o pedido simplesmente zerou, e não enxerga nada sobre quem nunca entrou no sistema. Bases de dados de trade, quando existem, têm ciclo de atualização lento. E a atualização manual feita pelo próprio vendedor, quando acontece, é fragmentada e inconsistente.

O resultado prático: toda operação de campo carrega um percentual de PDVs “fantasma” na lista. Endereços sem movimento. CNPJs sem atividade real. Contas que figuram no sistema mas não geram pedido há meses ou anos. E ao lado dessas contas inativas, PDVs novos ou recém-qualificados que ninguém visita porque simplesmente não estão na lista.

Para quem quer entender a dimensão do problema de ruptura de estoque, vale notar que parte do problema de ruptura começa aqui: PDVs que deveriam receber produto regularmente, mas ficam fora do radar da força de vendas porque as listas não os incluem.

O que custa visitar um CNPJ que não existe mais ou que não tem potencial?

O custo direto é tempo. Uma visita improdutiva consome entre 20 e 30 minutos do vendedor, entre deslocamento, tentativa de contato e anotação do ocorrido. Em uma rota de 40 PDVs por dia, três ou quatro visitas mortas representam 20% da capacidade operacional do dia desperdiçada.

Mas o custo real é a oportunidade que essa visita substituiu. Esses 25 minutos poderiam ter sido usados para visitar um PDV com PMI alto, para aprofundar uma negociação de cross-sell em um cliente regular, para qualificar um novo varejista com alta propensão de compra que está dois quarteirões adiante, mas não está na lista.

Escale esse custo. Com 200 vendedores em campo e três visitas improdutivas por dia, são 600 horas de campo desperdiçadas semanalmente. Por mês, mais de 2.400 horas. A operação está pagando salário, custo de deslocamento e custo de oportunidade para que vendedores visitem lugares vazios.

Além do custo operacional, há o custo de dado incorreto. Quando a lista está errada, qualquer análise feita sobre ela também está errada. Taxa de cobertura superestimada. Taxa de positivação distorcida. Metas calculadas sobre uma base que não reflete a realidade do mercado.

A inteligência de shelf life dos produtos também depende de PDVs ativos. PDVs fantasma que figuram na base como cobertos distorcem qualquer análise de perecibilidade e reposição.

Como identificar novos varejistas com alto potencial de compra?

Não é questão de volume. Adicionar 500 PDVs novos a uma lista sem critério de qualificação apenas aumenta o trabalho de campo sem aumentar o retorno. O desafio é identificar os varejistas com alta propensão de compra para o portfólio específico da empresa.

Três critérios definem essa qualificação.

Relevância de categoria: o tipo de estabelecimento vende produtos compatíveis com o portfólio da empresa? Um bar é candidato a bebidas, snacks e energéticos. Uma farmácia é candidata a higiene pessoal e saúde. Uma padaria é candidata a achocolatados, sucos, laticínios. O perfil do CNPJ define quais categorias fazem sentido antes de qualquer visita.

Perfil do consumidor do entorno: o público que frequenta aquele ponto de venda tem perfil de consumo compatível com as SKUs do portfólio? Um minimercado em bairro residencial de renda média é um perfil diferente de um minimercado em região de alto fluxo comercial. O mesmo portfólio tem propensão diferente de giro nos dois.

Comportamento de PDVs semelhantes: o indicador mais forte de propensão de compra de um PDV novo é o comportamento de PDVs com perfil similar que já compram. Se 80% dos bares com características parecidas numa mesma área de operação já compram determinada categoria, um bar novo com esse perfil tem alta propensão de entrar como comprador. A comparação com o cluster é o que transforma dado de cadastro em score de potencial.

Esses três critérios combinados são a base da dimensão Cobertura do PMI — Potencial de Mercado Inexplorado. Dentro do Cortex Reach, essa modelagem identifica PDVs que não estão ativos na base da empresa, mas que têm perfil estatisticamente semelhante ao de PDVs que já compram e compram bem.

O que é cobertura de mercado e como calculá-la com dados reais?

Cobertura de mercado é o percentual dos PDVs relevantes dentro de uma área de operação que estão ativos na base de sell-in da empresa. Se há 1.000 PDVs com perfil compatível com o portfólio em uma determinada região, e 620 estão comprando ativamente, a cobertura efetiva é 62%. Os 380 restantes são o universo de cobertura — a dimensão Cobertura do PMI.

Dentro desse universo de 380 PDVs não cobertos, três grupos distintos:

PDVs que nunca foram abordados: estão no mercado, têm perfil adequado, mas nunca receberam visita de prospecção da força de vendas. Isso acontece quando a lista nunca foi validada contra a base de PDVs existentes.

PDVs que pararam de comprar: já foram clientes ativos, mas saíram da base por algum motivo. Podem ter migrado para concorrente, podem ter tido atrito com o representante anterior, podem ter passado por dificuldade financeira temporária. São candidatos a reativação.

PDVs que abriram recentemente: novos estabelecimentos que ainda não estão em nenhuma base da empresa. São os mais difíceis de identificar sem dado externo atualizado, porque nenhum sistema interno os enxerga.

Calcular cobertura com precisão exige cruzar a base interna de sell-in com um universo de referência externo — uma base de PDVs do mercado que inclua CNPJs ativos, perfis de estabelecimento e localização. Sem esse cruzamento, a empresa não sabe o que não sabe. Ela mede a cobertura do que já visita, não a cobertura do que deveria visitar.

Para fabricantes que trabalham com planejamento integrado de demanda, a análise de S&OP é impactada diretamente pelo tamanho real do universo de PDVs cobertos. Cobertura subestimada distorce o planejamento de produção e de metas.

Como o Cortex Reach identifica PDVs novos com alta propensão de compra?

A Cortex tem uma base com dados de quase 7 milhões de PDVs no Brasil. Para cada estabelecimento dessa base, há um conjunto de variáveis enriquecidas: dados de transação Mastercard, número de funcionários CLT (CBO), renda do entorno, densidade de fluxo, perfil socioeconômico da área de influência e segmento do estabelecimento.

Esses dados alimentam o agrupamento em hiperclusters: grupos de PDVs estatisticamente semelhantes em comportamento, perfil e contexto. Um bar no centro de uma cidade de médio porte com determinado padrão de fluxo e renda do entorno pertence ao mesmo hipercluster de outros bares com características comparáveis em diferentes regiões.

Quando um fabricante implementa o Cortex Reach, o modelo cruza a base de clientes ativos com os hiperclusters. Identifica quais PDVs no universo total têm perfil compatível mas não estão na base de sell-in. Esses PDVs recebem um score de propensão baseado no comportamento de compra dos PDVs semelhantes que já são clientes ativos.

Um PDV novo em uma área de operação, com perfil de hipercluster compatível, que nunca foi abordado, aparece na interface como oportunidade de cobertura com PMI calculado. O vendedor não precisa descobrir esse PDV visitando aleatoriamente. O agente identifica e entrega.

Esse mecanismo resolve o problema dos PDVs novos que abrem e ninguém visita. E resolve o problema inverso: evita que o vendedor visite PDVs com baixa propensão só porque estão no caminho.

Para entender como execução no ponto de venda se conecta com identificação de novos varejistas, o conceito de planograma e execução na gôndola mostra o que precisa acontecer depois que o novo PDV é convertido em cliente ativo.

Como o agente de IA qualifica novos varejistas antes da primeira visita?

A qualificação de um novo PDV antes da visita resolve um dos maiores custos ocultos da prospecção: o vendedor que vai até um endereço, descobre que o dono não está, que o horário não é bom, que o estabelecimento não tem interesse no momento. Visita fria, sem resultado.

O agente de IA do Cortex Reach pode iniciar um contato via WhatsApp com o varejista antes da visita do vendedor. Esse contato não é robótico nem genérico. É uma abordagem de qualificação que verifica disponibilidade, interesse e contexto do estabelecimento.

Boa tarde. Sou o agente da [Marca], passando pelo bairro Boa Vista.
Você tem 5 minutos para uma conversa sobre abastecimento de bebidas?
Temos condição especial para pontos de venda novos na região.

O varejista responde — ou não. Se responder e mostrar interesse, o vendedor recebe uma notificação: esse PDV foi pré-qualificado, está disponível na manhã de quinta, perguntar pelo João. A visita passa de fria para morna. A probabilidade de conversão sobe. O tempo do vendedor é investido em uma conta que já demonstrou abertura.

Se o varejista não responder, o PDV fica em lista de tentativa posterior. O vendedor não perde tempo com uma visita improdutiva. A rota do dia é construída em cima de contas que têm real chance de resultado.

Esse ciclo — identificação por propensão, qualificação por agente, visita pelo vendedor — é o que transforma a dimensão Cobertura do PMI de um conceito estratégico em captura real no campo. O PDV certo, no momento certo, com a abordagem certa.

O blog da Cortex traz análises sobre como fabricantes de bens de consumo em diferentes categorias estão usando inteligência comercial para qualificar cobertura e acelerar a abertura de novos clientes.

Perguntas frequentes