Skip to main content
El conjunto de datos Product Store-Level (nivel producto-tienda) te permite aportar información de productos a nivel de tienda, mercado o canal de venta. Este conjunto de datos es necesario si:
  • Operas varias tiendas físicas
  • Vendes en distintos mercados (países)
  • Gestionas varios canales de venta (Online / Marketplace / Mayorista)
  • Los precios, costos, tipos impositivos o el stock difieren por tienda
Cada fila representa:
Un producto en una tienda concreta (o mercado / canal)

​
Cuándo usar datos a nivel de tienda

Usa este conjunto de datos si:
  • Los precios varían por tienda
  • El costo unitario difiere por almacén o región
  • El stock se gestiona por tienda
  • Los tipos impositivos varían por país
  • Algunos productos están activos solo en ciertas tiendas
Si todas las tiendas comparten datos de producto idénticos, puedes usar únicamente el conjunto de datos Products.

​
Esquema de datos

Puedes incluir atributos adicionales como columnas aparte (solo en cargas CSV / XLSX; la API JSON rechaza los campos desconocidos).

​
Lógica de emparejamiento

  • item_id debe coincidir con el conjunto de datos Products
  • store_id debe coincidir con una tienda definida en Gestión de tiendas
El emparejamiento se puede configurar con:
  • Coincidencia exacta
  • Claves compuestas (item_id + store_id)
  • Identificadores personalizados

​
Cargar por CSV o por API

Los datos a nivel de tienda se pueden cargar de dos formas:
  • Carga CSV / XLSX: desde la página Datasets, siguiendo los requisitos de formato indicados más abajo.
  • API pública: envía registros producto-tienda de forma programática (POST /v1/product_store/bulk para registros JSON, POST /v1/imports/product_store para importación de CSV), un registro por combinación producto-tienda. La clave de upsert es (item_id, store_id); store_id es obligatorio en las cargas producto-tienda. Los registros a nivel de producto se gestionan en cambio con los endpoints de Products. Consulta las novedades de la API para más detalles.
Las cargas por API difieren del esquema CSV en algunos puntos:
  • Campos obligatorios en las cargas por API: item_id, sku, store_id, current_price. Ten en cuenta que sku es obligatorio en las cargas por API aunque no sea una columna del CSV, y que la columna price del CSV se llama current_price en la API.
  • stock se llama stock_on_hand en la API.
  • Campos opcionales solo de la API: store_name, country_code.
Los atributos adicionales como columnas extra solo se admiten en cargas CSV / XLSX. La API JSON rechaza los campos desconocidos: las cargas que contengan campos fuera del esquema no superan la validación.

​
Lógica de interpretación de precios

Retailgrid aplica la siguiente lógica:
  • Si existe regular_price y price < regular_price → el producto se considera en promoción
  • El margen se calcula como:
  • Si se proporciona tax_rate, se admiten cálculos brutos/netos

​
Flexibilidad de tienda / mercado / canal

store_id puede representar:
  • Tienda física
  • País
  • Almacén
  • Tienda online
  • Marketplace (Amazon, Zalando, etc.)
  • Canal B2B frente a B2C
Retailgrid lo trata como una dimensión de ubicación.

​
Gestión de monedas

Si varias tiendas usan monedas distintas:
  • La moneda debe indicarse
  • Deben configurarse las reglas de conversión de divisas
Recomendación:
Mantén el precio y el costo en la misma moneda dentro de cada fila.

​
Gestión del tiempo

Este conjunto de datos suele ser una instantánea actual, no una serie temporal. Si se proporciona price_effective_date:
  • Se hacen posibles las simulaciones de precios futuros
  • Se pueden modelar cambios de precio programados

​
Requisitos de formato de datos

Formatos admitidos:
  • CSV (recomendado)
  • XLSX
Codificación:
  • UTF-8
  • Punto (.) como separador decimal
Reglas:
  • Una fila = un producto × una tienda
  • No dupliques combinaciones producto-tienda idénticas
  • Usa un formato de store_id consistente

​
Reglas de validación

La carga fallará si:
  • Falta item_id
  • Falta store_id
  • Falta price o no es numérico
  • Falla el emparejamiento con el conjunto de datos Products

​
Fila de ejemplo

​
Cómo usa Retailgrid los datos a nivel de tienda

Este conjunto de datos alimenta:

​
Análisis de margen por tienda

  • Rentabilidad a nivel de tienda
  • Detección de fugas de margen

​
Optimización de precios local

  • Precios dinámicos por tienda
  • Precios basados en el mercado

​
Estrategia de surtido

  • Disponibilidad específica por tienda
  • Decisiones de precio basadas en el stock

​
Estrategia de promociones

  • Activación de promociones locales
  • Comparativa de descuentos por región

​
Recomendaciones avanzadas

Para obtener los mejores resultados:
  • Proporciona siempre unit_cost para la optimización de margen
  • Mantén los identificadores de tienda consistentes
  • Proporciona el stock para las señales de reposición impulsadas por IA
  • Incluye tax_rate para operaciones en varios países

​
Relacionado