Los medicamentos GLP-1, conocidos por marcas como Ozempic, Wegovy, Mounjaro o Zepbound, han entrado en la cuenta de resultados del retail por una puerta inesperada: las devoluciones. Lo que empezó como un fenómeno sanitario y de consumo se está convirtiendo en un problema operativo para el ecommerce de moda, especialmente en Estados Unidos, donde el uso de estos tratamientos se ha extendido con rapidez.
El impacto no se limita a que algunos clientes compren tallas más pequeñas. La dificultad está en que muchos compradores están cambiando físicamente mientras el sistema comercial sigue usando modelos de tallaje, recomendación e inventario basados en patrones históricos. Un cliente que pierde peso de forma sostenida puede comprar varias tallas de una misma prenda, devolver las que no encajan y volver a repetir el proceso semanas después. Para una tienda online, esa secuencia multiplica costes logísticos, reduce margen y complica la previsión de demanda.
El Wall Street Journal ha recogido el caso de FlexSuits, un retailer online de trajes económicos cuyo fundador asegura haber visto un aumento del 50 % en devoluciones en el último año. La señal que describe es conocida por cualquier ecommerce de moda: clientes que piden una misma chaqueta en dos o tres tallas. La diferencia es que ahora ese comportamiento no responde solo a indecisión o falta de información sobre el tallaje, sino a una pérdida de peso acelerada.
El problema ya no es solo logístico
Las devoluciones siempre han formado parte del negocio online. En moda, además, son estructurales. El cliente no puede probarse la prenda antes de comprar, las marcas tallan de forma distinta y muchas tiendas han acostumbrado al usuario a pedir varias opciones para decidir en casa. El reto de los GLP-1 es que alteran la base sobre la que se calculaban esos retornos.
La National Retail Federation y Happy Returns estiman que el 19,3 % de las ventas online serán devueltas en 2025 en Estados Unidos. En moda, la tasa puede ser superior según categoría, precio, canal y política comercial. Si a esa base se añaden consumidores que cambian de talla varias veces en pocos meses, el coste deja de ser una desviación asumible y pasa a convertirse en una presión directa sobre el margen bruto.
| Variable | Modelo tradicional | Efecto GLP-1 |
|---|---|---|
| Recomendación de talla | Basada en compras anteriores | El histórico puede quedar obsoleto en semanas |
| Inventario | Curvas por temporada y ventas pasadas | Mayor riesgo de exceso en tallas grandes |
| Devoluciones | Ajuste normal por talla, color o gusto | Incremento por pérdida de peso en curso |
| Margen | Coste logístico previsto | Más transporte, reacondicionamiento y descuentos |
| Cliente | Talla relativamente estable | “Cliente en movimiento” durante meses |
El impacto financiero puede ser importante. Una empresa de ecommerce con 1.000 millones de dólares en ventas y una tasa de devolución del 20 % gestiona 200 millones en mercancía devuelta. Si la tasa sube cinco puntos, el volumen devuelto pasa a 250 millones. Si sube diez puntos, alcanza 300 millones. El daño real dependerá del margen bruto, del coste de transporte, de la capacidad para revender la prenda y del descuento necesario para liquidarla, pero el golpe puede entrar con facilidad en decenas de millones.
| Escenario sobre 1.000 M$ de ventas | Tasa de devolución | Volumen devuelto | Incremento frente al 20 % |
| Base | 20 % | 200 M$ | — |
| Estrés moderado | 25 % | 250 M$ | +50 M$ |
| Estrés alto | 30 % | 300 M$ | +100 M$ |
El problema es que una devolución no solo cancela una venta. También genera transporte de ida y vuelta, revisión, reacondicionamiento, pérdida de temporada, posible descuento y coste financiero de inventario. En prendas de margen ajustado, una devolución repetida puede convertir una venta aparentemente rentable en una operación negativa.
El riesgo oculto está en las curvas de talla
La consecuencia más profunda puede estar en el inventario. Impact Analytics estima que, si la tendencia continúa, hasta 400 millones de unidades de ropa podrían quedar desalineadas con la demanda real en 2027, con un riesgo de hasta 5.000 millones de dólares para el sector por inventario sobredimensionado, descuentos y pérdida de margen.
La expresión “curva de talla” suena técnica, pero es una de las decisiones más sensibles en moda. Un retailer no compra la misma cantidad de XS, S, M, L, XL o XXL. Compra según una curva esperada de demanda. Si esa curva se desplaza y el sistema no lo detecta a tiempo, la empresa puede quedarse con exceso de tallas grandes y falta de tallas pequeñas. Eso significa perder ventas donde hay demanda y liquidar producto donde ya no la hay.
| Categoría | Riesgo principal |
| Vaqueros y pantalones | Alta sensibilidad a cambios de cintura y cadera |
| Sujetadores y ropa interior | Cambios rápidos de ajuste y comodidad |
| Ropa deportiva | Compra recurrente y dependencia fuerte del fit |
| Trajes y chaquetas | Coste elevado por devolución y ajuste |
| Vestidos | Mayor incertidumbre entre tallaje, silueta y evento |
| Calzado y anillos | Cambios menos evidentes, pero posibles en algunos clientes |
Las tallas M, L, XL y superiores son las que pueden sufrir más tensión en determinados mercados. No porque vayan a desaparecer, sino porque la demanda puede moverse más rápido que los calendarios de compra. En moda, las decisiones de inventario se toman con mucha antelación. Si una marca planifica 2027 con datos de 2022 o 2023 sin incorporar el efecto de los GLP-1, puede equivocarse tanto en volumen como en mix de tallas.
Para el director financiero, esto cambia el análisis. El problema no está solo en el almacén o en atención al cliente. Está en working capital, margen bruto, rotación de inventario, markdowns y cash conversion cycle. Una curva de talla mal ajustada inmoviliza capital en producto que quizá solo salga con descuento.
Qué debería hacer ahora el ecommerce de moda
El primer cambio debe estar en la recomendación de talla. Muchos sistemas siguen funcionando con reglas simples: talla anterior, medidas declaradas, guía de la marca y comportamiento agregado. Ese enfoque puede fallar cuando el cliente ha dejado de parecerse a su histórico. Un comprador que hace tres meses usaba una XL puede necesitar una L, una M o incluso no saberlo todavía.
El motor de recomendación debería incorporar señales más recientes: última talla comprada, talla finalmente conservada, motivo de devolución, frecuencia de cambio, tiempo entre pedidos, patrón de intercambios y categoría del producto. No se trata de preguntar datos médicos, sino de observar comportamiento comercial. Si un cliente devuelve de forma repetida tallas grandes para quedarse con tallas inferiores, el sistema debe aprenderlo rápido.
El segundo cambio está en la política de devoluciones. Endurecerla sin matices puede reducir costes a corto plazo, pero también expulsar a un cliente con alto valor potencial. Una persona que está renovando armario durante 12 o 24 meses puede comprar mucho más que un cliente estable. La clave no es regalar devoluciones indefinidamente, sino diseñar procesos que reduzcan pérdidas: cambios directos en vez de reembolsos, crédito en tienda, recomendaciones proactivas, límites inteligentes para pedidos mult talla y ventanas distintas para categorías de alto coste.
| Medida | Objetivo financiero |
| Cambios directos por talla | Retener venta y reducir reembolso |
| Crédito en tienda | Mantener caja dentro del retailer |
| Recomendación dinámica | Reducir pedidos mult talla |
| Alertas de patrón de devolución | Detectar clientes en transición |
| Ajuste de curvas de talla | Evitar exceso de inventario |
| Reventa rápida de devoluciones | Reducir markdowns |
| Segmentación por categoría | Proteger prendas con mayor coste de retorno |
El tercer cambio está en forecasting. Los modelos que proyectan demanda a partir de temporadas anteriores deben incorporar variables externas. En Estados Unidos, KFF estimaba en 2025 que alrededor del 12 % de los adultos tomaban actualmente un GLP-1, mientras que casi uno de cada cinco había usado alguno en algún momento. Si ese dato sigue creciendo, el patrón de consumo en moda, alimentación, bienestar y deporte también cambiará.
Para una compañía de moda, la pregunta ya no es si los GLP-1 afectan a su negocio. La pregunta es dónde aparecen primero en sus datos: devoluciones por talla, caída de XL, aumento de M, mayor rotación en ropa deportiva, más compras de transición, más intercambios o mayor sensibilidad al fit.
De amenaza a oportunidad comercial
No todos los efectos serán negativos. Las marcas que entiendan rápido al “cliente en movimiento” pueden ganar cuota. Una persona que pierde peso necesita renovar parte del armario, busca prendas más cómodas durante la transición y puede cambiar de estilo. Eso abre oportunidades en básicos, ropa flexible, denim, prendas ajustables, activewear, moda laboral, eventos y suscripciones de renovación de talla.
También puede beneficiar a retailers con mejor analítica. Quien ajuste antes sus curvas de talla comprará mejor, descontará menos y responderá antes a la demanda. Quien siga planificando con datos antiguos asumirá el coste de una transformación que no se ve en el escaparate, pero sí en el P&L.
El fenómeno GLP-1 muestra algo que va más allá de la moda. Los cambios de salud, hábitos y tecnología pueden alterar modelos financieros aparentemente estables. Igual que la pandemia cambió el comercio online y el teletrabajo cambió ciertas categorías de consumo, los medicamentos para perder peso están modificando alimentación, ropa, deporte, belleza y logística inversa.
Para el ecommerce, la lección es clara: la devolución ya no puede tratarse solo como un coste operativo. Es una señal de demanda. Y en la era GLP-1, esa señal puede estar avisando de que el cliente está cambiando más rápido que el modelo que intenta venderle.
Preguntas frecuentes
¿Qué son los GLP-1 y por qué afectan al ecommerce?
Son medicamentos usados para diabetes, obesidad o pérdida de peso. Al provocar bajadas de peso en parte de los usuarios, pueden cambiar la talla de ropa que compran y aumentar devoluciones o intercambios.
¿Qué categorías de moda están más expuestas?
Vaqueros, pantalones, ropa deportiva, sujetadores, trajes, vestidos y prendas donde el ajuste corporal es especialmente importante.
¿El problema es solo de devoluciones?
No. También afecta a inventario, previsión de demanda, descuentos, margen bruto, caja y planificación de tallas.
¿Qué pueden hacer los retailers?
Mejorar recomendadores de talla, usar señales recientes de comportamiento, fomentar cambios en vez de reembolsos, ajustar curvas de inventario y revisar políticas de devolución por categoría.
vía: Linkedin
