{"id":93663,"date":"2026-04-21T11:51:16","date_gmt":"2026-04-21T10:51:16","guid":{"rendered":"https:\/\/flameanalytics.com\/?p=93663"},"modified":"2026-04-21T11:51:16","modified_gmt":"2026-04-21T10:51:16","slug":"pompeii-analitica-retail-flame-analytics","status":"publish","type":"post","link":"https:\/\/flameanalytics.com\/en\/pompeii-analitica-retail-flame-analytics\/","title":{"rendered":"Caso Pompeii: c\u00f3mo la anal\u00edtica retail impulsa la toma de decisiones en tienda"},"content":{"rendered":"<figure style=\"margin: 0 0 36px;\"><img decoding=\"async\" style=\"width: 100%; height: auto; border-radius: 8px;\" src=\"https:\/\/flameanalytics.com\/wp-content\/uploads\/2024\/03\/analitica-retail-pompeii-1030x1030-2.webp\" alt=\"Pompeii apuesta por la anal\u00edtica retail de Flame Analytics para sus tiendas f\u00edsicas\" \/><\/figure>\n<div class=\"fa-lead\" style=\"border-left: 4px solid #31b1f8; padding: 4px 0 4px 20px; margin-bottom: 32px;\">\n<p style=\"font-size: 16px; line-height: 1.75; color: #374151;\">Pompeii, una de las marcas espa\u00f1olas de calzado de referencia, decidi\u00f3 dejar de tomar decisiones sobre su red de tiendas f\u00edsicas a partir de intuiciones y empezar a hacerlo a partir de datos. Con la plataforma de anal\u00edtica retail de Flame Analytics, hoy mide tr\u00e1fico, permanencia, recorridos, conversi\u00f3n y rentabilidad en cada punto de venta, y aplica esa informaci\u00f3n para mejorar el producto, la distribuci\u00f3n del espacio y la experiencia del cliente.<\/p>\n<\/div>\n<div class=\"fa-meta\" style=\"border-top: 1px solid #E5E7EB; border-bottom: 1px solid #E5E7EB; padding: 14px 0; margin-bottom: 36px; display: flex; gap: 24px; flex-wrap: wrap; font-size: 13px; color: #6b7280;\">\ud83d\udcc5 Actualizado 2026<br \/>\u23f1 5 min de lectura<br \/>\ud83c\udfec Caso de \u00e9xito \u00b7 Retail \u00b7 Moda y calzado<\/div>\n<div style=\"display: flex; gap: 16px; margin-bottom: 40px; flex-wrap: wrap;\">\n<div style=\"flex: 1; min-width: 180px; background: #eff6ff; border-radius: 10px; padding: 20px 24px; text-align: center;\">\n<div style=\"font-size: 22px; font-weight: bold; color: #0c6fd5; margin-bottom: 6px;\">Tr\u00e1fico<\/div>\n<div style=\"font-size: 13px; color: #374151;\">Medici\u00f3n precisa de transe\u00fantes, visitantes y tasa de entrada por tienda<\/div>\n<\/div>\n<div style=\"flex: 1; min-width: 180px; background: #eff6ff; border-radius: 10px; padding: 20px 24px; text-align: center;\">\n<div style=\"font-size: 22px; font-weight: bold; color: #0c6fd5; margin-bottom: 6px;\">Dwell time<\/div>\n<div style=\"font-size: 13px; color: #374151;\">Tiempo de permanencia y patrones de movimiento dentro del espacio<\/div>\n<\/div>\n<div style=\"flex: 1; min-width: 180px; background: #eff6ff; border-radius: 10px; padding: 20px 24px; text-align: center;\">\n<div style=\"font-size: 22px; font-weight: bold; color: #0c6fd5; margin-bottom: 6px;\">Fidelidad<\/div>\n<div style=\"font-size: 13px; color: #374151;\">Recurrencia real de clientes y comportamiento entre visitas<\/div>\n<\/div>\n<div style=\"flex: 1; min-width: 180px; background: #eff6ff; border-radius: 10px; padding: 20px 24px; text-align: center;\">\n<div style=\"font-size: 22px; font-weight: bold; color: #0c6fd5; margin-bottom: 6px;\">Conversi\u00f3n<\/div>\n<div style=\"font-size: 13px; color: #374151;\">Ratios de venta por tienda y por zona, comparables entre puntos<\/div>\n<\/div>\n<\/div>\n<nav class=\"fa-toc\" style=\"background: #f9fafb; border: 1px solid #e5e7eb; border-radius: 8px; padding: 24px 28px; margin-bottom: 40px;\">\n<p style=\"font-weight: bold; font-size: 16px; color: #15163a; margin-bottom: 12px;\">Contenido<\/p>\n<ol style=\"margin: 0; padding-left: 20px; font-size: 14px; line-height: 2; color: #374151;\">\n<li><a style=\"color: #0c6fd5; text-decoration: none;\" href=\"#desafio\">El desaf\u00edo: decidir en tienda sin datos fiables<\/a><\/li>\n<li><a style=\"color: #0c6fd5; text-decoration: none;\" href=\"#solucion\">La soluci\u00f3n: anal\u00edtica retail con Flame Analytics<\/a><\/li>\n<li><a style=\"color: #0c6fd5; text-decoration: none;\" href=\"#que-miden\">Qu\u00e9 miden hoy en cada tienda<\/a><\/li>\n<li><a style=\"color: #0c6fd5; text-decoration: none;\" href=\"#testimonio\">La visi\u00f3n del equipo Pompeii<\/a><\/li>\n<li><a style=\"color: #0c6fd5; text-decoration: none;\" href=\"#aplicacion\">C\u00f3mo aplican los datos en el d\u00eda a d\u00eda<\/a><\/li>\n<li><a style=\"color: #0c6fd5; text-decoration: none;\" href=\"#resultados\">Resultados y beneficios para la marca<\/a><\/li>\n<li><a style=\"color: #0c6fd5; text-decoration: none;\" href=\"#faq\">Preguntas frecuentes<\/a><\/li>\n<\/ol>\n<\/nav>\n<h2 id=\"desafio\" style=\"font-size: 26px; font-weight: bold; color: #15163a; margin: 40px 0 18px;\">El desaf\u00edo: decidir en tienda sin datos fiables<\/h2>\n<p style=\"font-size: 15px; line-height: 1.75; color: #374151; margin-bottom: 16px;\">En un entorno retail cada vez m\u00e1s competitivo, entender el comportamiento real del cliente en la tienda f\u00edsica se ha convertido en un factor clave para mejorar la experiencia de compra y aumentar la rentabilidad. Pompeii, una marca que vive de su producto y de la relaci\u00f3n directa con el consumidor final, se enfrentaba a un problema com\u00fan en el sector: buenas ventas, pero poca visibilidad sobre <strong>qu\u00e9 est\u00e1 pasando exactamente dentro de cada tienda<\/strong>.<\/p>\n<p style=\"font-size: 15px; line-height: 1.75; color: #374151; margin-bottom: 16px;\">La marca identific\u00f3 la necesidad de capturar datos reales en sus puntos de venta f\u00edsicos para tomar decisiones estrat\u00e9gicas basadas en hechos, no en suposiciones. En concreto, necesitaba medir:<\/p>\n<ul style=\"font-size: 15px; line-height: 1.8; color: #374151; margin-bottom: 16px; padding-left: 22px;\">\n<li>Tr\u00e1fico de personas que pasa por delante y entra en tienda<\/li>\n<li>Tiempo de permanencia de los clientes y ritmo de recorrido<\/li>\n<li>Zonas con mayor y menor afluencia dentro del espacio<\/li>\n<li>Conversi\u00f3n de visitas en ventas por tienda y por zona<\/li>\n<li>Impacto del tr\u00e1fico en la rentabilidad de cada punto de venta<\/li>\n<\/ul>\n<h2 id=\"solucion\" style=\"font-size: 26px; font-weight: bold; color: #15163a; margin: 40px 0 18px;\">La soluci\u00f3n: anal\u00edtica retail con Flame Analytics<\/h2>\n<p style=\"font-size: 15px; line-height: 1.75; color: #374151; margin-bottom: 16px;\">Pompeii encontr\u00f3 la respuesta en la plataforma de <a style=\"color: #0c6fd5; text-decoration: none;\" href=\"\/es\/traffic-insights\/\">anal\u00edtica de tr\u00e1fico en tienda<\/a> de Flame Analytics. A partir de sensores y visi\u00f3n por ordenador, la marca dispone hoy de una visi\u00f3n continua sobre c\u00f3mo interact\u00faan los clientes con cada espacio f\u00edsico.<\/p>\n<p style=\"font-size: 15px; line-height: 1.75; color: #374151; margin-bottom: 16px;\">Desde el n\u00famero de transe\u00fantes hasta los tiempos de permanencia, pasando por la fidelidad de los clientes y las tasas de conversi\u00f3n, Pompeii cuenta con datos precisos y comparables entre tiendas que les permiten <strong>identificar patrones, optimizar decisiones y mejorar el rendimiento global de cada punto de venta<\/strong>.<\/p>\n<div class=\"fa-callout\" style=\"background: #eff6ff; border-left: 4px solid #0c6fd5; padding: 16px 20px; border-radius: 0 8px 8px 0; margin: 24px 0;\">\n<p style=\"font-size: 14px; color: #1e40af; margin: 0;\"><strong>Principio cero biometr\u00eda:<\/strong> Flame Analytics mide el comportamiento agregado en tienda sin reconocimiento facial, sin datos biom\u00e9tricos y sin identificar a ning\u00fan cliente individual. Cumple con RGPD por dise\u00f1o.<\/p>\n<\/div>\n<h2 id=\"que-miden\" style=\"font-size: 26px; font-weight: bold; color: #15163a; margin: 40px 0 18px;\">Qu\u00e9 miden hoy en cada tienda<\/h2>\n<p style=\"font-size: 15px; line-height: 1.75; color: #374151; margin-bottom: 16px;\">La plataforma consolida en un \u00fanico cuadro de mando los indicadores clave que el equipo de Pompeii necesita para operar y comparar su red:<\/p>\n<div style=\"overflow-x: auto; margin: 24px 0;\">\n<table style=\"width: 100%; border-collapse: collapse; font-size: 14px;\">\n<thead>\n<tr style=\"background: #15163a; color: #fff;\">\n<th style=\"padding: 12px 16px; text-align: left;\">Indicador<\/th>\n<th style=\"padding: 12px 16px; text-align: left;\">Qu\u00e9 mide<\/th>\n<th style=\"padding: 12px 16px; text-align: left;\">Para qu\u00e9 lo usan<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr style=\"border-bottom: 1px solid #e5e7eb;\">\n<td style=\"padding: 12px 16px; color: #374151;\">Transe\u00fantes y visitantes<\/td>\n<td style=\"padding: 12px 16px; color: #374151;\">Personas que pasan y personas que entran<\/td>\n<td style=\"padding: 12px 16px; color: #374151;\">Atractivo del escaparate y tasa de captaci\u00f3n<\/td>\n<\/tr>\n<tr style=\"border-bottom: 1px solid #e5e7eb; background: #f9fafb;\">\n<td style=\"padding: 12px 16px; color: #374151;\">Dwell time<\/td>\n<td style=\"padding: 12px 16px; color: #374151;\">Tiempo de permanencia y patrones de movimiento<\/td>\n<td style=\"padding: 12px 16px; color: #374151;\">Evaluar inter\u00e9s real y distribuci\u00f3n del espacio<\/td>\n<\/tr>\n<tr style=\"border-bottom: 1px solid #e5e7eb;\">\n<td style=\"padding: 12px 16px; color: #374151;\">Fidelidad<\/td>\n<td style=\"padding: 12px 16px; color: #374151;\">Recurrencia de clientes a lo largo del tiempo<\/td>\n<td style=\"padding: 12px 16px; color: #374151;\">Medir la fuerza de marca en cada ubicaci\u00f3n<\/td>\n<\/tr>\n<tr style=\"border-bottom: 1px solid #e5e7eb; background: #f9fafb;\">\n<td style=\"padding: 12px 16px; color: #374151;\">Conversi\u00f3n<\/td>\n<td style=\"padding: 12px 16px; color: #374151;\">Ratio de ventas sobre visitantes, por tienda y zona<\/td>\n<td style=\"padding: 12px 16px; color: #374151;\">Comparar rendimiento entre puntos de venta<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<h2 id=\"testimonio\" style=\"font-size: 26px; font-weight: bold; color: #15163a; margin: 40px 0 18px;\">La visi\u00f3n del equipo Pompeii<\/h2>\n<blockquote style=\"border-left: 4px solid #31b1f8; background: #f9fafb; padding: 20px 24px; margin: 24px 0; border-radius: 0 8px 8px 0;\">\n<p style=\"font-size: 16px; line-height: 1.75; color: #15163a; margin: 0 0 12px;\">&#8220;Flame es una herramienta muy amplia que nos ayuda a obtener datos diarios a trav\u00e9s de los cuales podemos ejecutar planes de acci\u00f3n e intentar mejorarlos y optimizarlos, de cara a que nuestros puntos de venta sean los m\u00e1s rentables posibles y que tanto staff como clientes disfruten del punto de venta.<\/p>\n<p style=\"font-size: 16px; line-height: 1.75; color: #15163a; margin: 0 0 12px;\">Por si fuera poco, el servicio t\u00e9cnico y el de atenci\u00f3n al cliente es r\u00e1pido y est\u00e1n a tu disposici\u00f3n cuando lo necesites. Experiencia muy buena por nuestra parte.&#8221;<\/p>\n<p style=\"font-size: 14px; color: #6b7280; margin: 0;\"><strong style=\"color: #15163a;\">Jose Antonio Huertas<\/strong> \u00b7 Retail Manager de <a style=\"color: #0c6fd5; text-decoration: none;\" href=\"https:\/\/www.linkedin.com\/company\/pompeiibrand\/\" target=\"_blank\" rel=\"nofollow noopener\">Pompeii<\/a><\/p>\n<\/blockquote>\n<h2 id=\"aplicacion\" style=\"font-size: 26px; font-weight: bold; color: #15163a; margin: 40px 0 18px;\">C\u00f3mo aplican los datos en el d\u00eda a d\u00eda<\/h2>\n<p style=\"font-size: 15px; line-height: 1.75; color: #374151; margin-bottom: 16px;\">Lo relevante del caso Pompeii no es que recopilen datos, sino que los usan. El equipo ha incorporado la anal\u00edtica de tr\u00e1fico a su operativa para tomar decisiones que antes se quedaban en el terreno de la intuici\u00f3n:<\/p>\n<ul style=\"font-size: 15px; line-height: 1.8; color: #374151; margin-bottom: 16px; padding-left: 22px;\">\n<li><strong>Disposici\u00f3n de producto:<\/strong> ajustan la colocaci\u00f3n y el layout para generar recorridos m\u00e1s intuitivos que favorecen la compra espont\u00e1nea.<\/li>\n<li><strong>Promociones por zona:<\/strong> personalizan ofertas y comunicaci\u00f3n seg\u00fan las zonas con m\u00e1s visitas dentro de cada tienda.<\/li>\n<li><strong>Planificaci\u00f3n del staff:<\/strong> ajustan los turnos a la afluencia real, mejorando la atenci\u00f3n y controlando costes de personal.<\/li>\n<li><strong>Experiencia en tienda:<\/strong> detectan fricciones y zonas muertas para intervenir antes de que impacten en conversi\u00f3n.<\/li>\n<li><strong>Rentabilidad por punto de venta:<\/strong> toman decisiones de portfolio basadas en datos comparables tienda a tienda.<\/li>\n<\/ul>\n<h2 id=\"resultados\" style=\"font-size: 26px; font-weight: bold; color: #15163a; margin: 40px 0 18px;\">Resultados y beneficios para la marca<\/h2>\n<p style=\"font-size: 15px; line-height: 1.75; color: #374151; margin-bottom: 16px;\">Con Flame Analytics, Pompeii ha pasado de gestionar sus tiendas con informaci\u00f3n parcial a tener una <strong>visi\u00f3n de negocio continua<\/strong> sobre toda la red. Esa visi\u00f3n se traduce en mejoras medibles en cuatro frentes:<\/p>\n<ol style=\"font-size: 15px; line-height: 1.8; color: #374151; margin-bottom: 16px; padding-left: 22px;\">\n<li>Mayor conversi\u00f3n y rentabilidad por tienda al entender qu\u00e9 funciona y qu\u00e9 no dentro de cada espacio.<\/li>\n<li>Mejor experiencia de cliente, con tiendas m\u00e1s c\u00f3modas, mejor distribuidas y mejor atendidas.<\/li>\n<li>Decisiones de expansi\u00f3n y portfolio m\u00e1s informadas, basadas en comparables reales entre ubicaciones.<\/li>\n<li>Capacidad de reaccionar r\u00e1pido a cambios de tendencia, campa\u00f1as o estacionalidad.<\/li>\n<\/ol>\n<h2 id=\"faq\" style=\"font-size: 26px; font-weight: bold; color: #15163a; margin: 40px 0 18px;\">Preguntas frecuentes<\/h2>\n<div class=\"fa-faq\">\n<details>\n<summary>\u00bfQu\u00e9 mide exactamente Pompeii con Flame Analytics?<\/summary>\n<p class=\"fa-faq-answer\">Tr\u00e1fico de personas en la calle y en tienda, tiempo de permanencia, patrones de movimiento, zonas de mayor y menor afluencia, fidelidad de clientes y tasas de conversi\u00f3n por tienda y por zona. Toda la informaci\u00f3n se consolida en un \u00fanico cuadro de mando comparable entre puntos de venta.<\/p>\n<\/details>\n<details>\n<summary>\u00bfLa soluci\u00f3n cumple con RGPD?<\/summary>\n<p class=\"fa-faq-answer\">S\u00ed. Flame Analytics trabaja con datos agregados y an\u00f3nimos, sin reconocimiento facial ni tratamiento biom\u00e9trico. No identifica a personas individuales, por lo que el sistema est\u00e1 dise\u00f1ado para operar dentro del marco del RGPD.<\/p>\n<\/details>\n<details>\n<summary>\u00bfHay que cambiar las c\u00e1maras o instalar hardware nuevo?<\/summary>\n<p class=\"fa-faq-answer\">En la mayor\u00eda de casos no. Flame Analytics se puede desplegar sobre infraestructura CCTV existente o con sensores dedicados de bajo consumo, reduciendo coste y tiempo de implantaci\u00f3n.<\/p>\n<\/details>\n<details>\n<summary>\u00bfEste tipo de anal\u00edtica encaja solo en moda y calzado?<\/summary>\n<p class=\"fa-faq-answer\">No. Aunque Pompeii es un caso del sector moda, la anal\u00edtica de tr\u00e1fico en tienda aplica a cualquier retail con red f\u00edsica: calzado, deporte, gran consumo, electr\u00f3nica, hogar, farmacia o centros comerciales. El valor crece cuanto mayor es el n\u00famero de puntos de venta.<\/p>\n<\/details>\n<details>\n<summary>\u00bfC\u00f3mo podemos ver la plataforma aplicada a nuestro negocio?<\/summary>\n<p class=\"fa-faq-answer\">Podemos mostrarte en una demo personalizada c\u00f3mo encajar\u00eda la anal\u00edtica retail de Flame en tus tiendas, con tus indicadores y tus objetivos. Solicita una reuni\u00f3n desde el formulario de contacto.<\/p>\n<p><a style=\"display: inline-block; background: #31b1f8; color: #15163a; font-weight: bold; font-size: 14px; text-transform: uppercase; letter-spacing: 1px; padding: 14px 32px; border-radius: 6px; text-decoration: none; margin-top: 8px;\" href=\"#contact\">Solicitar demo<\/a><\/p>\n<\/details>\n<\/div>\n<p><script type=\"application\/ld+json\">{\"@context\":\"https:\/\/schema.org\",\"@type\":\"FAQPage\",\"mainEntity\":[{\"@type\":\"Question\",\"name\":\"\u00bfQu\u00e9 mide exactamente Pompeii con Flame Analytics?\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Tr\u00e1fico de personas en la calle y en tienda, tiempo de permanencia, patrones de movimiento, zonas de mayor y menor afluencia, fidelidad de clientes y tasas de conversi\u00f3n por tienda y por zona.\"}},{\"@type\":\"Question\",\"name\":\"\u00bfLa soluci\u00f3n cumple con RGPD?\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"S\u00ed. Flame Analytics trabaja con datos agregados y an\u00f3nimos, sin reconocimiento facial ni tratamiento biom\u00e9trico. No identifica a personas individuales.\"}},{\"@type\":\"Question\",\"name\":\"\u00bfHay que cambiar las c\u00e1maras o instalar hardware nuevo?\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"En la mayor\u00eda de casos no. Flame Analytics se puede desplegar sobre infraestructura CCTV existente o con sensores dedicados de bajo consumo.\"}},{\"@type\":\"Question\",\"name\":\"\u00bfEste tipo de anal\u00edtica encaja solo en moda y calzado?\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"No. Aplica a cualquier retail con red f\u00edsica: calzado, deporte, gran consumo, electr\u00f3nica, hogar, farmacia o centros comerciales.\"}},{\"@type\":\"Question\",\"name\":\"\u00bfC\u00f3mo podemos ver la plataforma aplicada a nuestro negocio?\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Podemos mostrarte en una demo personalizada c\u00f3mo encajar\u00eda la anal\u00edtica retail de Flame en tus tiendas, con tus indicadores y objetivos.\"}}]}<\/script><\/p>\n","protected":false},"excerpt":{"rendered":"<p>C\u00f3mo Pompeii usa la anal\u00edtica retail de Flame Analytics para medir tr\u00e1fico, permanencia, fidelidad y conversi\u00f3n en cada tienda, y traducir esos datos en decisiones de negocio.<\/p>\n","protected":false},"author":11,"featured_media":78862,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[605,618],"tags":[],"class_list":["post-93663","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-case-studies","category-retail-case-studies"],"acf":[],"_links":{"self":[{"href":"https:\/\/flameanalytics.com\/en\/wp-json\/wp\/v2\/posts\/93663","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/flameanalytics.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/flameanalytics.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/flameanalytics.com\/en\/wp-json\/wp\/v2\/users\/11"}],"replies":[{"embeddable":true,"href":"https:\/\/flameanalytics.com\/en\/wp-json\/wp\/v2\/comments?post=93663"}],"version-history":[{"count":1,"href":"https:\/\/flameanalytics.com\/en\/wp-json\/wp\/v2\/posts\/93663\/revisions"}],"predecessor-version":[{"id":93674,"href":"https:\/\/flameanalytics.com\/en\/wp-json\/wp\/v2\/posts\/93663\/revisions\/93674"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/flameanalytics.com\/en\/wp-json\/wp\/v2\/media\/78862"}],"wp:attachment":[{"href":"https:\/\/flameanalytics.com\/en\/wp-json\/wp\/v2\/media?parent=93663"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/flameanalytics.com\/en\/wp-json\/wp\/v2\/categories?post=93663"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/flameanalytics.com\/en\/wp-json\/wp\/v2\/tags?post=93663"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}