Curva de tallas: cuánto comprar de cada talla
La curva de tallas es la proporción en que repartes tu compra entre S, M, L y el resto. Casi todas las guías coinciden en cómo calcularla: mirando tu historial de ventas. Esta guía explica por qué ese método arrastra un error que se agranda solo, y qué se puede medir en su lugar.
Qué es una curva de tallas
Es la proporción en la que compras cada talla de un mismo modelo. Se escribe como una relación: 1:2:2:1 significa que por cada unidad de la primera talla llevas dos de la segunda, dos de la tercera y una de la cuarta.
Cuando una tienda parte sin historial, la recomendación estándar del sector es una curva de campana: pocas tallas extremas, muchas del medio. Para cinco tallas suele ser 1:2:3:2:1. Es un punto de partida razonable, pero es exactamente eso: un supuesto sobre cómo es tu clientela, no una medición.
El método estándar: construirla con tus ventas
Apenas tienes historial, todas las guías dicen lo mismo: calcula qué porcentaje de tus ventas fue cada talla la temporada pasada y reparte la compra siguiente con esas proporciones. Si el 35% fue M, compra 35% de M.
Es mejor que la curva de campana genérica, porque usa datos de tu tienda. Y es el consejo correcto si es el único dato que tienes. El problema es lo que ese dato no es.
Por qué tu historial de ventas viene contaminado
Tus ventas no son tu demanda. Tus ventas son la intersección entre lo que la gente quería y lo que tú tenías. Cada vez que una talla se agota, todas las semanas siguientes registran cero ventas de esa talla, y ese cero entra al cálculo como si nadie la hubiera querido.
No es una observación nueva: la propia mejor práctica del sector lo reconoce, y su solución es descartar datos.
Construye la curva a partir de demanda limpia, usando solo las semanas en que todas las tallas estuvieron en stock y nada estaba rebajado.Recomendación estándar de planificación de surtido en moda
El error que se agranda solo
Ahí está el círculo. Si el XL se agota rápido, tus ventas dicen que el XL vende poco. Compras menos XL la temporada siguiente. Se agota antes. El dato empeora. Y así.
Mientras tanto pasa lo contrario con las tallas del medio: la persona que quería XL y no lo encontró se lleva una L, o una M. Esa venta se anota como demanda de M. Tu curva no solo subestima el XL, además infla la M con compradores que no eran de M.
Y el filtro de las semanas con stock completo no arregla lo peor: las tallas que nunca compraste. Si nunca tuviste XXL, no hay ninguna semana que puedas mirar.
Qué se puede medir en vez de deducir
Hay un momento en que el comprador declara su talla sin que la compra haya ocurrido todavía: cuando pregunta cuál es la suya. Si tu tienda tiene una recomendación de talla en la ficha de producto, cada consulta es una declaración de demanda, y esa declaración no depende de tu inventario.
Eso permite dos lecturas que el historial de ventas no puede dar. La primera es la curva de demanda real, talla por talla y producto por producto. La segunda es más específica: cuántas veces la talla ideal de alguien estaba agotada. Esa demanda no deja rastro en ningún otro sistema, porque no llegó a haber carrito ni búsqueda ni pedido: no pasó nada que registrar.
Cómo lo hace Fittly
Fittly es una app de Shopify que calcula la talla de cada comprador con las medidas reales de cada prenda. Registra la talla ideal de cada persona, esté disponible o no, así que la analítica mide demanda y no disponibilidad.
El panel muestra la curva por escala y por producto, y un segundo panel con las veces que la talla ideal estaba agotada y hubo que ofrecer la más cercana. Cada comprador cuenta una vez por producto, con su última talla, para que un indeciso no distorsione el conteo.
Qué mirar primero
El número más accionable no es la curva, es el segundo panel: en qué productos y cuántas veces faltó la talla ideal. Eso es reposición concreta, no un ajuste de proporciones.
Después conviene mirar los productos que se salen del patrón. Si una prenda vuelve siempre una talla más arriba que el resto de su escala, esa prenda talla chico. Suele ser la que genera devoluciones sin que nadie sepa por qué.