Delphine
Decisiones de compra pre-temporada para calzado. El comprador manda una foto de un zapato que aún no se lanza y Delphine predice la velocidad de venta semanal por clúster de tiendas, dimensiona el pedido y devuelve un veredicto comprar/pasar con banda de incertidumbre calibrada.
Los compradores de calzado comprometen inventario 6–12 meses antes de que el zapato llegue a la sala, con olfato y los números del año pasado. Lo caro no es elegir un mal zapato — es pedir el zapato correcto en la profundidad equivocada, para las tiendas equivocadas. Los dos errores cuestan margen en direcciones opuestas: muy poco y la temporada se agota temprano a precio lista que nunca capturaste; demasiado y el sobrante se liquida en descuento.
Delphine predice unidades por tienda activa por semana a nivel (SKU, banner, clúster de tiendas, trimestre) y lo convierte en una cantidad de pedido dimensionada por newsvendor según el tier. Cada predicción lleva una banda P20/P50/P80 calibrada por conformal prediction, y una explicación de por qué esa banda es ancha.
Matching Visual de Pares
CLIP genera el embedding de la foto y encuentra las siluetas visualmente más cercanas en un catálogo histórico de 2.718 imágenes. Sus historiales reales de velocidad se vuelven features — y el comprador ve los SKUs históricos más cercanos junto al número, así la predicción es discutible y no un oráculo.
Modelamiento de Cascada Entre Banners
El grupo opera una escalera de premium a takedown: una silueta llega a su peak en un banner unos dos trimestres antes de que el takedown aterrice en el siguiente. Delphine lleva velocidad de pares por banner, pendiente y trimestres-desde-el-peak como features — así pronostica dónde está el estilo en esa escalera, no solo si vende.
Granularidad por Clúster de Tiendas
Clustering K-means por banner sobre flujo de personas y mix de venta, con K elegido por silhouette score. El mismo zapato se mueve 1,5–2× más rápido en un flagship que en un outlet, así que la profundidad de compra se asigna por clúster en vez de repartirse pareja.
Incertidumbre Calibrada
CatBoost MultiQuantile produce P20/P50/P80, calibrado por conformal prediction por banner y clúster contra un objetivo de cobertura de 60%. El comprador recibe un rango de confianza explícito y una razón en lenguaje simple cuando es ancho — cold start, pocos pares o sin match visual fuerte.
Un tercio de nuestras unidades se vende con descuento, con una profundidad promedio de diez por ciento bajo precio normal — y esa profundidad se ha ampliado todos los años desde 2023. La profundidad de compra es lo que la mueve. A nuestra escala, bajar entre cinco y diez por ciento la cuenta de markdown vale siete cifras al año, y lo podemos medir porque somos dueños del modelo y del P&L contra el que corre.
El equivalente comercial más cercano — una plataforma de forecasting para apparel respaldada por venture capital, construida sobre la misma apuesta: imagen de producto más señales externas — levantó US$25M y fue adquirida por un proveedor de planificación enterprise en 2025. Ya no se vende por separado: la capacidad ahora viene dentro de una plataforma de planificación cuyo módulo de demanda por sí solo se lista entre US$80.000 y US$250.000 al año, con implementación presupuestada en 60–120% de la suscripción del primer año encima. El benchmark publicado por ese proveedor para la categoría son ahorros de aproximadamente 2% de los ingresos. Una diferencia que vale la pena decir: ellos venden señales de sentimiento social e influencers como inputs. Nosotros las probamos y las sacamos — contra nuestros propios datos midieron negativo neto.