Growth
Actualizado a 9 jul 2026 Refresco diario · ERP
Retail · Proxy cross-canal · Retiro en tienda · Tablero dinámico

El retiro en tienda:
el puente que mueve venta a la tienda.

Cuando alguien compra en el ecommerce y elige retirar en un local, entra a la tienda. La pregunta es si esa visita se convierte en más venta física. Este tablero la responde con un proxy medible y lo deja vivo: de los clientes que retiran, cuántos además compraron en la tienda física, comparado contra los que pidieron despacho a domicilio. Evolución por día y por mes, y el lift abierto por zona, local y departamento. Se refresca solo cada mañana.

Retiro en tienda Ecommerce y 33 tiendas Cliente identificado Ventana enero a junio 2026
El pulso · Ventana móvil de enero a junio 2026

El retiro no solo entrega: trae al cliente a la tienda.

El retiro en tienda es una porción grande del ecommerce, y ese cliente vuelve a comprar en el local mucho más que quien pide despacho. Esa diferencia (el lift) es la señal de que el ecommerce, vía retiro, alimenta la venta física. Los seis meses cerrados más recientes.

39%
Venta ecommerce entregada que es retiro en tienda
de la venta que se entrega (retiro o despacho). Por órdenes pesa más: 65%.
143.181 órdenes de retiro
31,3%
De quien retira en tienda, además compró en la tienda física
mismo mes, cliente identificado. Es el proxy de la pregunta. IC 95%: 30,6–31,9%.
+11,2 pp
Más cruce a tienda que quien pide despacho a domicilio
despacho cruza 20,1%. El retiro casi lo duplica (1,56x).
IC 95%: 10,4–11,9 pp
35de 35
Departamentos donde el retiro cruza más que el despacho
las 3 zonas y 29 de 31 locales también con lift positivo. El efecto es transversal.
Evolución · Día a día y mes a mes

Cómo se mueve el retiro y su lift en el tiempo.

El volumen del ecommerce por día y por mes, retiro contra despacho, y el lift que mide cuánto más cruza el retiro a la tienda. Elige la granularidad y la métrica. A grano diario el lift usa una ventana móvil de 28 días, porque el cruce de un solo día es demasiado ralo para leerse.

Granularidad
Métrica
El lift, tienda por tienda

Dónde el retiro arrastra más venta física

La misma medida, abierta por la zona y el local donde el cliente de ecommerce terminó comprando en tienda. El retiro cruza más que el despacho en las tres zonas, y en casi todos los locales.

Lift global+11,2 pp
Por zona · Retiro contra despacho

Las tres zonas responden: el retiro trae más a la tienda.

De cada cliente que compró en el ecommerce, qué porcentaje cruzó a una tienda física de cada zona ese mes. En las tres, el retiro supera al despacho. El sur y las regiones son donde el retiro más eleva la visita, aunque el centro concentra el mayor volumen.

Sur
11 locales · cruce a tienda de esta zona
10,0%
Retiro
4,6%
Despacho
+5,4 ppde lift · el retiro trae más a las tiendas de esta zona
Regiones
9 locales · cruce a tienda de esta zona
7,9%
Retiro
4,0%
Despacho
+3,9 ppde lift · el retiro trae más a las tiendas de esta zona
Centro
13 locales · cruce a tienda de esta zona
13,5%
Retiro
11,6%
Despacho
+1,9 ppde lift · el retiro trae más a las tiendas de esta zona
La atribución por zona usa el local donde ocurrió la compra física del cross-shopper (no dónde retiró la orden). Un cliente que visitó tiendas de dos zonas cuenta en ambas, por eso la suma de zonas excede levemente el cruce global. El denominador es siempre el total de clientes de cada tipo (retiro o despacho).
Por local · Los 31 locales activos

Local por local: el retiro casi siempre gana.

El porcentaje de clientes de ecommerce (retiro y despacho) que además compró en cada local. 29 de 31 locales muestran lift positivo. Filtra por zona u ordena por la columna que quieras.

Local (compra física) Zona Retiro cruza Despacho cruza Lift
AhumadaCentro2,2%2,0%+0,2
Puente 696Centro1,8%1,7%+0,1
TalcaSur1,7%0,6%+1,0
AntofagastaRegiones1,6%0,7%+1,0
San BernardoCentro1,5%1,2%+0,4
AlamedaCentro1,5%1,3%+0,2
MaipúCentro1,5%1,2%+0,3
Puente AltoCentro1,4%1,4%+0,1
TemucoSur1,4%0,6%+0,8
Concepción 2Sur1,4%0,9%+0,5
RancaguaCentro1,4%0,8%+0,6
Estación CentralCentro1,4%1,4%-0,0
Puerto MonttSur1,1%0,5%+0,6
QuilpuéRegiones1,1%0,7%+0,5
La SerenaRegiones1,1%0,6%+0,6
ChillánSur1,1%0,5%+0,6
Los ÁngelesSur1,0%0,4%+0,6
IquiqueRegiones1,0%0,5%+0,6
QuilicuraCentro1,0%0,7%+0,2
OsornoSur0,9%0,4%+0,5
LinaresSur0,8%0,3%+0,5
CopiapóRegiones0,8%0,3%+0,5
CoquimboRegiones0,8%0,4%+0,4
OvalleRegiones0,7%0,3%+0,4
MelipillaCentro0,7%0,5%+0,2
CuricóSur0,6%0,3%+0,3
San AntonioRegiones0,4%0,2%+0,1
Expo-ValparaísoRegiones0,3%0,2%+0,1
QuillotaRegiones0,2%0,2%+0,1
BuinCentro0,2%0,1%+0,1
Vivo OutletCentro0,2%0,2%+0,0

"Cruza" = porcentaje del total de clientes de ecommerce (de ese tipo de entrega) que además compró en ese local, en la ventana enero a junio 2026. Excluye dos ID_LOC anómalos del ERP (marketplace y un id corrupto) al unir contra la maestra de tiendas.

Por departamento · Producto comprado en ecommerce

El efecto se repite en todos los departamentos.

El mismo cálculo, abierto por el departamento del producto comprado en el ecommerce. En los 35 departamentos con volumen suficiente el retiro cruza más a tienda que el despacho, sin una sola excepción. Ordena por la columna que quieras.

Global · enero a junio 2026
Retiro 31,3%
Despacho 20,1%
Lift +11,2 pp
22.504 vs 26.058 clientes-mes
Departamento (compra ecommerce) Clientes retiro Retiro cruza Despacho cruza Lift
Zapatilla4.15933,4%17,2%+16,2
Telefonía2.35725,7%14,2%+11,4
Electrodomésticos1.97433,5%17,4%+16,1
Calzado Mujer1.89336,3%17,9%+18,4
Textil Cama1.83132,5%16,8%+15,7
Perfumería1.43130,7%15,7%+14,9
Mujer Juvenil1.28932,7%16,8%+15,9
Computación1.19725,6%15,9%+9,7
Textil Depor.Hombre1.18532,8%18,0%+14,9
Televisión y Video1.13128,5%17,3%+11,2
Accesorios1.09831,7%19,1%+12,6
Calzado Infantil1.00734,5%14,7%+19,8
Menaje93833,2%16,9%+16,2
Línea Blanca85429,6%20,9%+8,7
Cuidado Personal82934,7%18,3%+16,5
Hombre Juvenil82831,8%20,1%+11,7
Calzado Hombre75832,7%19,3%+13,4
Ropa Interior61427,7%12,8%+14,9
Text.Deporte Mujer59732,0%14,6%+17,4
Hombre Sport57828,4%17,1%+11,3
Colchonería51727,9%24,3%+3,6
Climatización49633,1%19,8%+13,3
Sport Masivo48631,9%13,3%+18,6
Contemporáneo42437,0%18,2%+18,8
Librería y Acc41631,2%12,9%+18,4
Deportes39840,0%16,9%+23,1
Calzado Escolar35731,1%14,6%+16,5
Muebles27436,1%25,9%+10,3
Lencería26932,3%17,2%+15,1
Textil Baño23431,2%14,8%+16,4
Vestuario Escolar23035,6%15,9%+19,7
Mujer Formal21334,7%19,2%+15,5
Niña20428,9%15,9%+13,0
Ropa Interior Inf.20427,0%20,7%+6,3
Video Juegos15630,1%15,3%+14,8

Solo departamentos con al menos 150 clientes-mes en retiro y en despacho, para que la comparación sea estable. "Cruza" = porcentaje de esos clientes que además compró en la tienda física el mismo mes.

El universo que medimos · ¿Se puede extrapolar?

Medimos un universo pequeño: el cliente identificado.

El RUT solo se captura cuando la compra se paga con Tarjeta Hites, así que solo vemos al tarjetahabiente. Es una porción chica del total de boletas, y no es una muestra aleatoria: el cardholder compra y vuelve más que el comprador anónimo. Por eso hay que ser honestos con qué se puede afirmar.

Ecommerce · órdenes identificadas
De las 220.899 órdenes de ecommerce entregadas en la ventana, solo 60.556 traen RUT.
27,4%
identificadas (con RUT)35,4% de la venta en pesos
Tienda física · boletas identificadas
De 3.696.986 boletas de tienda física, solo 401.084 traen RUT.
10,8%
identificadas (con RUT)25,8% de la venta en pesos
31,3%
Retiro cruza a tienda
IC 95%: 30,6–31,9% · n 22.504
20,1%
Despacho cruza a tienda
IC 95%: 19,6–20,6% · n 26.058
+11,2 pp
Lift (la brecha)
IC 95%: 10,4–11,9 pp
Lo que SÍ se puede afirmar
La dirección del efecto. El retiro cruza más que el despacho, y la brecha (+11,2 pp) es un número duro: los dos grupos están identificados igual, así que el sesgo de identificación se cancela por diseño. Con 48.562 clientes-mes el intervalo de confianza es angosto (10,4–11,9 pp). Esa conclusión se sostiene para el universo total: el retiro mueve venta a la tienda.
Lo que NO se puede afirmar
La magnitud absoluta para todos. El 31,3% es la tasa del tarjetahabiente, que compra y vuelve más que el público general: proyectarla a todas las boletas la sobreestima. La precisión estadística es excelente, pero la representatividad no lo es, y ningún tamaño de muestra la arregla. Escalar el número a todo el universo sería una estimación techo, no una medición.
estimaciónSi el patrón del cardholder se sostuviera para todos (supuesto fuerte y probablemente optimista), el cruce del público general sería menor al 31% medido, no mayor. La lectura correcta no es "multipliquemos por el total de boletas", sino "la brecha retiro vs despacho es real y direccional; para dimensionar el peso en pesos de todo el universo hace falta un test controlado o captura de identidad más amplia".
El método, punta a punta

Cómo se construye y qué límites tiene.

1
Una sola fuente, refresco diario. Todo sale del hecho de ventas del ERP BI_MOD_HECHO_VENTAS, la misma tabla que registra la venta del ecommerce y la de las 33 tiendas físicas. El tablero se reconstruye cada mañana con los datos hasta el día anterior y se vuelve a publicar solo.
2
Qué es cada canal. Ecommerce = ID_LOC = 425 (la localidad Internet). Tienda física = ID_CANAL_VENTA = 4 sin esa localidad (los 33 locales). Venta positiva = ID_TIPTR = 6. Monto bruto = MNT_BRU_VEN_DET.
3
Retiro y despacho. El tipo de entrega es ID_TIPO_DESPACHO. Retiro en tienda = códigos 1 y 3 (retiro y site to store). Despacho a domicilio = códigos 4, 6, 7 y 12. Marketplace, fletes, punto de retiro externo y entrega inmediata quedan fuera.
4
La identidad es el RUT. Cruzamos por RUT_CLIENTE, el mismo campo en los dos canales. El ERP captura el RUT solo cuando la orden se paga con Tarjeta Hites, así que miramos al cliente identificado (mayormente tarjetahabiente): un 27% de las órdenes de ecommerce y un 11% de las boletas de tienda.
5
La ventana: mismo mes, y móvil. Para cada mes contamos, de los que compraron en el ecommerce, cuántos además compraron en tienda ese mismo mes. El pulso usa los seis meses cerrados más recientes; la serie diaria usa una ventana móvil de 28 días porque el cruce de un solo día es demasiado ralo.
6
El truco que lo hace robusto: la comparación. No leemos el 31% solo. Lo comparamos contra el mismo cálculo para quien pidió despacho (20%). Los dos grupos están identificados igual, así que el sesgo de identificación se cancela: la diferencia aísla el efecto de venir a la tienda a retirar.
7
Zona y local. La apertura por zona y local usa el local donde ocurrió la compra física del cross-shopper, unido a la maestra de tiendas dim_tienda (id_loc, tienda, zona). El departamento usa la maestra de producto BI_MVW_PRODUCTOS (GLOSA_DEPARTAMENTO).
8
Es un piso, y es correlación. Como solo vemos al identificado, el cruce real es mayor que el medido. Y es correlación, no causa: quien elige retiro puede ser de por sí más de tienda. La comparación contra despacho controla parte de ese sesgo, pero para causalidad y para el peso total en pesos haría falta un test controlado.