En 2019 en España hay 46 millones de habitantes, teniendo internet una penetración del 88%, de ellos el 63% son e-shopper o compradores online (E-CommerceReports, 2019). Pese a estos datos, en la actualidad hay pocos estudios científicos que investigan las ventas de los hipermercados y supermercados por Internet para analizar las diferencias regionales de consumo y, aún menos, las correspondientes a Marcas de Distribuidor (MDD) por el formato online. Aunque son numerosos los estudios sobre MDD, existe una clara deficiencia al respecto en el campo online (Bockholdt et al., 2020; Negri, 2014). De hecho, se hace referencia a la necesidad de estudios sobre las experiencias de los clientes en cadenas minoristas multicanal (Watson et al., 2015), siendo los factores regionales un factor determinante en canal offline (Gómez-Suárez & Abril, 2020), teniendo una carencia de estudio en el canal online. Por esta razón el estudio que presentamos intentará servir de base para futuras investigaciones en esta área.

No podemos negar que la experiencia de compra ha cambiado drásticamente en los últimos años (Bastani & Bayati, 2020). La aparición de la era online propicia nuevos modelos para interactuar con el cliente y se convierte en parte esencial de la distribución del siglo XXI (PWC total retail, 2015). En este sentido, los minoristas deben contemplar nuevos competidores donde antes no existían. Este es el caso de Amazon, la compañía adquirió Whole Foods en 2017 por 13.700 millones de dólares y lanzó sus tiendas Amazon Go en 2018, combinando tecnología e internet en el sector “supermercado/hipermercado” (Fulgoni, 2018). Por ello el avance de la tecnología y de Internet ha cambiado las formas de compra, siendo necesario por parte de las organizaciones entender si los consumidores online se comportan de la misma forma en todas las regiones (Jindal & Jindal, 2016).

Aunque algunos autores afirman que la actitud de los españoles hacia la compra de marca de distribuidor es positiva en el mercado tradicional (Miquel et al., 2017), no hay estudios que examinen el comportamiento de compra regional de MDD a través del e-commerce. Por ello es importante que se conozcan los datos más importantes a la hora de la adquisición de las MDD en el entorno online y ver el potencial que puede llegar a tener.

Si examinamos datos del año 2019, en Europa hay una penetración de internet del 85,18%, de los cuales el 72% de personas son e-shoppers (E-CommerceReports, 2019), Estos datos sirven como referencia del mercado potencial que puede suponer la venta online. España es uno de los países que más incrementa las ventas online en los últimos años, siendo importante conocer el comportamiento regional para determinar diversas aplicaciones empresariales (E-CommerceReports, 2019).

El principal objetivo de este trabajo es analizar el comportamiento regional del consumidor al adquirir un producto online con marca de distribuidor (MDD), basándonos en las relaciones de la MDD por CCAA en España. Para ello, se han desarrollado modelos de regresión de clases latentes.

En los últimos años, Internet se ha convertido en un formato esencial para muchas personas en su vida cotidiana, pudiéndolo utilizar para el correo electrónico, juegos, noticias, búsqueda de información, viajes e incluso para las compras online (Kranz, 2017). Hace quince años no podíamos hablar de Internet como medio que fomenta la interactividad entre empresa y cliente, ni se sabía el impacto que iba a tener en la vida familiar y laboral, mientras que en la actualidad estos efectos ya están demostrados (Conchar et al., 2005; Stafford, 2005).

Hoy podemos afirmar que la evolución del canal online permite realizar compras desde cualquier parte del mundo, el 22% de la población mundial compró bienes y servicios a través de Internet en todo el mundo durante el año 2016, con ventas online globales de 1.8 billones de € (Carvalhosa et al., 2017), aumentando este dato un 13% en 2018 (Kantar Worldpanel, 2018).

Si revisamos la literatura, gran parte de los datos anteriores vienen determinados por los diferentes tipos de comercio online existentes en la actualidad (Droguett et al., 2010; Kumar & Raheja, 2012; Ocloo et al., 2020), centrándonos en esta investigación en el Business to Consumer (B2C), siendo definido como el comercio electrónico entre empresas y consumidores con el fin de realizar las diferentes transacciones comerciales (Ocloo et al., 2020). Siendo de aplicación en nuestra investigación para analizar las fluctuaciones de las ventas online de un conjunto de hipermercados y supermercados, en referencia a sus MDD.

Para entender el B2C debemos tener en cuenta que el comercio electrónico sustituye la interacción presencial entre vendedor y comprador por un flujo de información respecto al bien a vender, produciéndose este flujo en los dos sentidos, dado que el comprador a su vez proporciona información al vendedor (Kumar & Raheja, 2012), siendo esencial conocer la distribución geográfica para poder adaptar las campañas comerciales (Taylor et al., 2020). En este sentido, es posible que los consumidores tengan un comportamiento diferente de compra dependiendo de los diferentes ámbitos geográficos. Por lo tanto, no podemos esperar que el consumidor online (teniendo la posibilidad de comprar desde cualquier área geográfica) se comporte de la misma forma que un comprador local de una zona geográfica específica (Rohm & Swaminathan, 2004).

Las tiendas físicas tienen peculiaridades en base a sus ventas siendo un factor determinante la región en la que se encuentren los consumidores y las empresas (Boonchai & Freathy, 2020). De hecho, las cadenas de supermercados minoristas suelen adaptar el surtido a los gustos locales, aunque sean cadenas nacionales o internacionales. En base a lo anterior, las "e-compras” tienen ventajas que no pueden aportar las tiendas físicas, pero siendo consciente que no deja de ser importante el estudio regional de los consumidores que intervienen en el procedimiento de compra. Por ello, algunos autores afirman al estudiar las MDD a través del e-commerce que es importante analizar todos sus factores desencadenantes para conocer el comportamiento del consumidor en los supermercados online (Degeratu et al., 2000) y dentro de esos factores puede estar el análisis regional del mismo.

La MDD representa uno de los fenómenos más interesantes en los mercados de la distribución norteamericano y europeos, su crecimiento y expansión unido a una amplia variedad de categorías de producto, han estado ampliamente documentados (Lybeck et al., 2006; Sethuraman, 2001). Alcanzado en España en 2019 un 41.3% del mercado de gran consumo, lo que sitúa al país como el segundo de Europa en este ámbito (Symphony IRI, 2019). La razón del crecimiento se atribuye parcialmente a los buenos resultados alcanzados por las enseñas que más se apoyan en ellas (Mercadona), así como al diferencial de precios respecto a las marcas del fabricante (MFF).

Entre 2009 y 2010 Andalucía, la Comunidad Valenciana, y en menor medida la Comunidad de Madrid fueron las comunidades autónomas donde la MDD ha conseguido una mayor penetración de mercado. En estas tres regiones, el incremento de la MDD (alimentación y droguería, sin incluir productos frescos perecederos) fue superior a los 2,6 puntos porcentuales. La cuota de mercado de la MDD en Andalucía, Comunidad Valenciana y Madrid alcanzó el 37.7%, 35.3% y 34.3% respectivamente, lo que influyó considerablemente en la compra de los consumidores en el total de la cesta de la compra (García & Delgado, 2012).

Por otro lado, en 2016, las tres comunidades autónomas con más cuota de MDD fueron Extremadura (47.95%), Andalucía (47.13%) y Murcia con un 46.30% (Nielsen, 2017). Este fenómeno, por lo tanto, influye de forma diferente en las CCAA y varía a lo largo del tiempo, lo que puede ser debido a las políticas comerciales en cada uno de los minoristas, influencia de las diferentes políticas de precios u otros factores (Martínez, 2013). Algunos autores se han centrado en una de esas variables: la sensibilidad al precio que tienen los consumidores que eligen comprar MDD, MFF y productos sin marca (pan, frutas…) a través del comercio online (Chu et al., 2008). En este sentido, Dawson et al. (Dawson et al., 2003) encuentran que el comprador on-line está dispuesto a pagar un poco más por el producto o servicio siempre que la experiencia de compra en esa empresa sea positiva. Pero posiblemente no ocurra lo mismo en todos los territorios dado las características demográficas de la población. También se encuentran diferencias de precios tanto en supermercados o tiendas físicas (Francisco, 2004; OCU, 2019) como en supermercados online (Soysuperblog, 2019).

Según lo citado, es importante conocer si, eliminando estos factores comerciales específicos de cada comunidad autónoma y centrándonos en el medio online (donde por regla general hay una política más homogénea), nos seguiremos encontrando diferencias tan significativas con respecto a las MDD, MFF y productos sin marca en relación a sus importes de compra en las diferentes CCAA. Como afirma Morschett (Morschett et al., 2005), citado por Theodoridis & Chatzipanagiotou (Theodoridis & Chatzipanagiotou, 2009), "el consumidor, durante su compra presencial, formula sus experiencias en términos de satisfacción afectando a ésta el entorno físico de la tienda, los distintos procedimientos que deben seguir (cajas, colas, tráfico, carros, etc.), los momentos de contacto con el personal, y el conjunto de la oferta de productos (variedad de productos, política de precios, surtido, etc.)". Este concepto, centrado en el consumidor y su percepción del entorno, coincide con lo que la literatura científica revisada denomina: experiencia de compra, verificando en esta investigación si existen diferencias entre el importe de la compra de MDD, MFF, producto sin marca e importe total en el medio online, al igual que ocurre en el offline.

Tomando como referencia los razonamientos teóricos efectuados, enunciamos las siguientes hipótesis.

H1: La relación entre la cuota de MDD y el importe de ventas en MDD, difiere según los territorios en el canal online,

En la actualidad hay numerosos artículos en los que encontramos información sobre MDD, pero siempre referidos a las compras offline. En este artículo estamos analizando la venta online de MDD utilizando para ello datos de Soysuper, un intermediario que permite hacer la lista de la compra, comparar precios de siete grandes supermercados online entre los cuales están Mercadona, Carrefour, Alcampo, Eroski, Condis, El Corte Inglés y DIA (Kantar Worldpanel, 2018). Se ha usado su herramienta principal “SoysuperInsights”, con la cual se puede acceder a información y comparación de precios en tiempo real, hábitos de consumo y tendencias de compra. En este estudio se analizaron un total de 17.484 compras de MDD y 92.094 compras de MFF.

La suma de facturación de estos 7 establecimientos cubre, aproximadamente, el 73% de las ventas de gran distribución en España tanto online como offline. Teniendo en cuenta el total de carritos que se envían a los supermercados seleccionados en toda España desde la plataforma Soysuper, entre las fechas 1 de enero 2014 y 30 de marzo 2015, se han extraído las siguientes variables:

Ventas en € de MDD de cadena. Se toma como ventas el importe en € enviado en las cestas a los 7 supermercados online. Se entiende como MDD la marca propia de cada cadena de supermercados (ej. Hacendado, Deliplus, Auchan, ...)

Según se ha explicado, se trabajará con una información real y objetiva sobre los productos que se comercializan en las enseñas comentadas. Siendo una importante fuente para el estudio analítico de los hábitos de consumo por el comercio online, hemos tomado como referencia la evolución mensual de la MDD online en el año 2014 para todas las provincias que componen el estado español. La variable dependiente considerada en el desarrollo del estudio es la siguiente:

Cuota de MDD online por comunidad autónoma. Se calcula la media de MDD online por provincia que, posteriormente, se agrupa por comunidades autónomas. En su cálculo se empleará el número de unidades de MDD adquiridas online, dividiéndola entre las unidades totales y el resultado multiplicándolo por cien.

Los predictores o variables independientes utilizadas son 3: el total del importe de las compras con marca de distribuidor (importe_dist) por CCAA y meses; el importe de las compras para productos sin marca (importe_sin_marca) por CCAA y meses; el importe de las compras con productos de marca de fabricante (importe_marca) por CCAA y meses.

Para el análisis de datos, se ha empleado el programa Latent Gold. Este software nos ha permitido desarrollar los modelos de regresión de clases latentes. Las principales ventajas de estos modelos sobre los de regresión normal son: 1) se relaja la hipótesis tradicional de que el mismo modelo se sostiene para todos los casos, 2) los estadísticos de diagnóstico están disponibles para determinar el mejor número de clases latentes y 3) cuando hay más de una clase latente, se pueden incluir covariables en el modelo para mejorar la clasificación de cada caso o individuo en el segmento con mayor probabilidad de inclusión (Vermunt & Magidson, 2003).

Cuando procedemos al estudio de clases latentes existen dos supuestos a considerar. El primero es el de independencia local, el cual considera que dentro de cada clase latente las variables observadas son estadísticamente independientes, por lo que la relación entre éstas viene dada exclusivamente por la pertenencia de un individuo a una clase en particular. Un aspecto importante y que tiene que ver con el agrupamiento de categorías, es que si el supuesto de independencia local se verifica para un conjunto de variables manifiestas, también lo hará para un subconjunto de estas variables (Clogg, 1988).

En el segundo de los casos, las clases latentes son internamente homogéneas, es decir, todos los miembros de una clase tienen la misma distribución de probabilidad con respecto a la variable latente, y ésta será distinta a la distribución de probabilidad para los individuos pertenecientes a otra clase. Este hecho sirve para diferenciar a los individuos pertenecientes a diferentes clases y poder caracterizar tanto la variable como las clases latentes teniendo en cuenta parte de la heterogeneidad no observada (Castro López et al., 2011).

Los modelos de clases latentes son una poderosa herramienta para la segmentación de mercados. Algunos estudios sobre el tema demuestran mejores resultados que las técnicas tradicionales basadas en el análisis clúster (Wedel & DeSarbo, 1994). La principal característica de esta metodología es que puede usarse con variables cualitativas (nominales) (Kamakura & Wedel, 1995). Más aún, la creación de segmentos “a posteriori” es otra ventaja sobre otras formas de segmentación. Un segmento a priori puede ser diferente según otros estudios, pero puede comportarse de forma diferente respecto a las variables analizadas en cada caso particular (Desarbo et al., 2001). Entre los autores clave en el desarrollo de estos modelos, podemos citar a Lazarsfeld y Henry (Lazarsfeld & Henry, 1968) o Goodman (Goodman, 1974). Trabajos como los de Lindsay, Clogg & Greco (Lindsay et al., 1991), Uebersax (Uebersax, 1993), Magidson & Vermunt (Magidson & Vermunt, 2001), Vermunt & Magidson (Vermunt & Magidson, 2003), Correa (Correa, 2004), Navarro-García et al. (Navarro-García et al., 2014) o más recientemente Nylund-Gibson et al. (Nylund-Gibson et al., 2019), dan cuenta del desarrollo que han alcanzado. Las clases latentes dividen la población en grupos discretos que tienen diferentes conjuntos de atributos que dirigen sus preferencias. Ofrece a una segmentación que puede ser definida en términos de actitudes o comportamientos para obtener una mayor comprensión de los fenómenos estudiados. Conducen a una gran mejora en la fiabilidad de los modelos (Bond & Morris, 2003).

En este análisis se estudia cómo la variable dependiente que en este caso es la cuota MDD por comunidades autónomas en el entorno online, se comporta con respecto a las variables independientes que corresponde con el importe de las ventas de MDD (gasto en MDD por CCAA), importe de compras de productos sin marca e importe de compras de productos con marca de fabricante. Recordamos que todos los datos son ventas de productos de los minoristas por sus plataformas web, por tanto, ventas online. A continuación, en la tabla 1 se estima el modelo óptimo para nuestra investigación.

Tabla 1.

*M=Modelos; N-CLU=Número de clases; LL=log-likeli-hood; BIC= Bayesian Information Criterion; Npar= Número de parámetros; CI=Intervalo de confianza; R2=Coeficiente de determinación.

Los resultados obtenidos arrojan una valiosa contribución a la literatura de marketing y al estudio regional de las MDD vendidas online. Aunque son numerosos los estudios sobre MDD, existe una clara deficiencia al respecto en el campo online por comunidades autónomas. Teniendo en cuenta los volúmenes de compras online de nuestros días, así como el creciente interés de las empresas por captar al consumidor por esta vía, resulta aconsejable contar con estudios teóricos y empíricos sólidos sobre este fenómeno, cada vez más común.

En esta investigación el análisis de datos clasifica las distintas CCAA españolas en 3 clases latentes. En la primera, que engloba las CCAA de Aragón, Asturias, Canarias, Castilla la Mancha, Comunidad Valenciana, Galicia, Islas Baleares y País Vasco, la cuota de MDD online es de 46.47%. Por tanto, son altas y cercanas a las del grupo con mayor cuota. En esta clase las variables importe sin marca o el importe distribución (MDD) influyen sobre la variable dependiente estudiada, pero con signo negativo. Esto nos indica que, en las compras online de estas CCAA, el efecto del importe de productos con MDD con marca de fabricante y sin marca tiene un efecto negativo sobre esta cuota, pudiendo ser debido a la incidencia de la MDD Premium (productos MDD con una mayor calidad que las MDD y por lo general un mayor precio), dado que tienen precios más altos, aunque se compran con menos frecuencia. Otra explicación puede ser que, a menos dinero gastado en el total de la cesta de la compra, mayor es la cuota de mercado de las MDD.

La clase segunda incluye las CCAA de Cantabria, Castilla y León, Extremadura, La Rioja, Murcia y Navarra. Este grupo es el que cuenta con una menor cuota de MDD vendida a través del canal online (algo más del 37%). En este grupo la recta de regresión tiene parámetros muy parecidos a los de la clase latente anterior. A pesar de ello tienen una cuota de mercado de MDD mucho más baja.

La tercera clase, formada por Andalucía, Cataluña y Madrid, tiene la cuota de mercado de MDD online más alta (por encima del 48%). Además, la recta de regresión tiene parámetros muy distintos a las dos anteriores. Las variables independientes importe sin marca e importe de marca distribuidor y ventas con marca de fabricante, son predictores que influyen significativa y positivamente en la explicación de la dependiente. En este caso a mayor volumen total de la cesta de la compra mayor cuota de mercado de MDD.

La exposición efectuada permite confirmar la aceptación de las hipótesis H1 y H2, pero no de la H3, dado que existen diferencias significativas entre los tres grupos de CCAA en la relación entre las ventas de productos con MDD y las de productos con marca de fabricante, pero no para productos sin marca en el canal online. Ya que, aunque entre la primera y segunda clase latente no hay susceptibles diferencias significativas, sí las encontramos con respecto a la tercera, por lo que será importante para su estudio en el comercio minorista.

A continuación, en la tabla 5 se expondrá un resumen del contraste de las hipótesis:

Tabla 5. Tabla 5. Resumen del contraste de hipótesis Fuente: Elaboración propia.

Este exhaustivo estudio, que tiene como base principal la extensa base de datos, compuesta por 17.484 compras de MDD y 92.094 compras de marcas de fabricantes, permite asentar las bases teóricas de futuros trabajos sobre MDD en el sector alimentario dentro del contexto online y en un contexto de análisis regional, algo que resultaba necesario como ya adelantaron Arce, M., & Cebollada, J. (Arce-Urriza & Cebollada, 2012). Realizándose una aportación desde el punto de vista teórico, y desde el punto de vista de gestión, para dar respuesta al objetivo principal de este artículo.

Se destacan 3 grupos de regiones con distintas cuotas de MDD online donde 2 grupos tienen un comportamiento parecido pero el tercer grupo nos ofrece un comportamiento diferenciado con respecto a las variables independientes.

Desde el punto de vista para la gestión, hemos destacado el hecho de que en 2 grupos de CCAA, a mayor importe de compras MDD menor sea la cuota de MDD. Como hemos expresado anteriormente, puede ser debido a la incidencia de MDD Premium que tienen precios más altos, aunque se compran con menos frecuencia, por lo que los principales minoristas deben tener en cuenta las estrategias basadas en la marca distribuidor Premium. Ya algunos autores como Dunne y Narasimhan (Dunne & Narasimhan, 1999) afirmaron que el auge que están teniendo los minoristas para aplicar marcas distribuidor Premium a sus carteras de productos van en aumento, con el objeto de aplicar precios superiores a alternativas a las que el consumidor asigna una calidad más elevada. Por lo que creemos que debe ser un factor importante a tener en cuenta por los minoristas en el canal online.

Por otro lado, podemos decir que, aunque el medio online sea el mismo, los consumidores no actúan de la misma forma y difieren por comunidades autónomas. En este sentido, Aragón, Asturias, Canaria, Castilla la Mancha, Comunidad Valenciana, Galicia, Islas Baleares, País Vasco Cantabria, Castilla y León, Extremadura, La Rioja, Murcia y Navarra se comporta de la misma forma en la interacción online y difiriendo de Andalucía, Cataluña y Madrid, por lo que los minoristas pueden tener dos estrategias diferenciadas dentro de su canal online favoreciendo segmentaciones adecuadas que ayuden a una correcta estrategia de marketing tal como ocurre con el canal offline (Russell & Kamakura, 1997).Los resultados anteriores pueden favorecer la adaptación por parte de los minoristas de las políticas regionales de las MDD.

Por último, en esta investigación nos hemos encontrado con una fuerte carencia de investigaciones científicas en el campo de la MDD en el formato online, a pesar de que las compras online toma cada vez más fuerza en nuestra sociedad, por lo que en futuras investigaciones sería interesante tener datos de otros países para hacer comparaciones internacionales, para poder determinar las prácticas de los usuarios en base a otras culturas y analizar las estrategias que sigue el minorista con respecto a la marca distribuidor en el formato online. Por lo que nos proponemos contar con estos datos en futuras investigaciones y analizar si este caso de España se repite en otros países.