La analítica retail tiene un secreto incómodo: la mayor parte de los datos de "comportamiento del cliente" son comportamiento de la mercancía observado desde lejos. El RFID hace genuinamente precisa la parte de la mercancía, y esa precisión vale más que una historia vaga sobre afluencia.

El RFID a nivel de artículo mide prendas, no personas

Ten claro cuál es la unidad de observación antes de diseñar nada.

Una etiqueta identifica una prenda, su talla, su color y su ubicación.
Una etiqueta no identifica a una persona, una intención ni un hogar.
Todo lo que infieres sobre personas es un modelo superpuesto a eventos de prendas.
El valor está en el recorrido de la prenda: sala, probador, caja o vuelta a stock.
Cualquier afirmación sobre "viajes del cliente" debe decir qué eventos de prenda la sostienen.

La señal del probador y lo que demuestra

Una prenda que entra en un probador es la señal no transaccional más fuerte de una tienda.

La entrada es un evento real: el artículo salió de la sala y entró en un espacio privado.
No comprar tras probar es un fallo concreto y accionable, no una "venta perdida" genérica.
La diferencia entre "probado y rechazado" y "nunca visto" es todo el asunto.
La disponibilidad de talla explica buena parte de los rechazos en probador, y es corregible.
Un montón de devoluciones sin etiqueta del probador indica que falló el proceso, no el cliente.

Tráfico en tienda: contar cuerpos no es identificar personas

Contar tráfico y seguir artículos responden a preguntas distintas.

Un contador de puerta da un denominador; sin él, la conversión no significa nada.
Los sistemas que cuentan sondas bluetooth o trazas de cámara conllevan obligaciones legales que varían por país.
Excluir al personal importa; una tienda que cuenta a sus empleados infla el denominador en un tercio.
La entrada en grupo rompe el supuesto de "una persona, una visita" y debe reconocerse.
Nunca intentes casar a una persona concreta con una compra concreta; ahí la analítica se vuelve vigilancia.

El problema de la clave de unión

Los eventos de artículo y los de venta se registran en sistemas distintos con relojes distintos.

El POS conoce la cesta, la marca de tiempo y el medio de pago; el RFID conoce la prenda.
La unión se hace por EPC en el punto de venta, y solo si la etiqueta se leyó realmente en caja.
Una caja sin lector produce una venta sin evento de artículo, y el modelo la pierde en silencio.
Las uniones por ventana temporal son un proxy, y un proxy debe etiquetarse como tal.
Concilia a diario: artículos vendidos, artículos leídos y la brecha explicada.

Qué puede guardar Odoo y qué no

Odoo es bueno en transacciones e inventario; no es una plataforma de datos de comportamiento.

Órdenes de venta, órdenes POS, movimientos de stock y variantes son nativos y fiables.
Los eventos de probador no tienen modelo nativo y requieren una tabla propia con esquema claro.
Los conteos de tráfico pertenecen a un almacén de series temporales aparte, no al maestro de producto.
Mantén las tablas analíticas fuera del camino transaccional, para que una consulta pesada no frene la caja.
Expón los resultados como capa de informes de solo lectura, refrescada por calendario.

Ventanas de atribución y la honestidad de la conversión

La tasa de conversión es la métrica retail más citada y menos definida.

Define la ventana: misma visita, mismo día o siete días, y decláralo en todas partes.
Una prenda probada a las 14:00 y comprada a las 14:20 es conversión limpia; una comprada la semana siguiente es una conjetura.
Las devoluciones deben reducir la conversión, o la métrica premia el comportamiento equivocado.
Excluye compras de personal y transacciones mayoristas conocidas del denominador.
Publica la definición junto al número, porque la discusión siempre es sobre la definición.

Sell-through, permanencia y la curva de tallas

El valor operativo está en las decisiones de surtido y reposición.

El sell-through por variante dice qué combinación de talla y color se mueve de verdad.
El tiempo de permanencia en sala separa "no visto" de "visto y rechazado".
La tasa de rechazo en probador por talla es la señal más clara de un hueco de reposición.
Usa los datos para corregir la curva de tallas, no para culpar al equipo de tienda.
Una semana es ruido; exige al menos cuatro antes de cambiar una compra.

Privacidad: la frontera que no debes cruzar

La línea legal está más cerca que la ambición de marketing.

Nunca vincules una etiqueta a una tarjeta de pago, una cuenta de fidelización o un identificador de teléfono en la capa analítica.
Los datos de probador deben ser agregados y, idealmente, no conservarse a nivel de prenda individual más allá de la temporada.
El personal debe poder explicar en una frase qué se recoge y por qué.
Los requisitos de señalización y aviso varían por jurisdicción; asume la más estricta en la que operes.
Una evaluación de impacto en privacidad antes del piloto es más barata que una orden de borrado después.

Calidad de datos: las lecturas que nunca ocurrieron

Las lecturas ausentes no se anuncian, y sesgan todas las conclusiones.

Un probador sin lector no registra nada, lo que parece "hoy no hubo pruebas".
Los herrajes metálicos, espejos y barras llenas reducen la tasa de lectura de forma variable por hora.
Las lecturas duplicadas inflan la permanencia; deduplica por etiqueta y por minuto.
Los artículos que salen sin lectura en caja aparecen como stock permanente y distorsionan la disponibilidad.
Publica una puntuación de calidad de datos junto a cada panel, porque la confianza es el producto real.

Del panel a la decisión

Un informe sobre el que nadie actúa es un coste, no un insight.

Cada métrica debe tener un responsable con nombre y una decisión que cambia.
La reposición por talla es el primer caso de uso más fiable.
La revisión de rechazos en probador pertenece a la reunión semanal de merchandising, no a una presentación mensual.
Elimina las métricas sobre las que nadie actuó en dos trimestres.
Mide si cambiaron las decisiones, no si se abrió el panel.