Nuestra plataforma de monitorización de precios, facilita establecer políticas óptimas de precios y tomar decisiones en las estrategias de precios a partir de la información que ésta aporta. Además, ayuda a desarrollar técnicas como Revenue – Yield Management en función de la demanda y la disponibilidad de artículos. Estas técnicas están encaminadas a incrementar los ingresos cuando gran parte de la demanda proviene de sistemas de comparación de precios.
En este artículo, nos centramos en un caso de uso de optimización de precio para productos de electrónica en un entorno multitienda a partir de la estimación de la elasticidad de la demanda y del emplazamiento o la exposición del producto, con el fin de mejorar el margen de contribución.
El Reto:
Para un cliente específico que dispone de 64 tiendas distribuidas por todas las provincias de España, se establece para cada tienda una política de precio diferenciada que, actualmente está fijada por el comité de pricing de la empresa. Nuestro cliente se pregunta si la metodología utilizada es mejorable, por lo que nos plantea el siguiente reto: ofrecer una alternativa que incremente sus beneficios.
Los Datos:
El cliente nos suministra para cada tienda un conjunto de datos que contiene la demanda de un producto commodity de electronica durante unas 60 semanas aproximadamente. En este conjunto se incluye: el precio y el emplazamiento de dicho producto en cada una de esas semanas (un índice entre 0 y 10), teniendo en cuenta que no todas las tiendas han vendido el producto en todas las semanas.
Modelización Demanda:
Por las características del problema decidimos emplear un modelo jerárquico bayesiano con dos niveles que permite estimar la demanda a partir de los precios y de la exposición del producto para cada tienda. Este modelo tendrá un nivel correspondiente a las ventas de cada tienda y el otro nivel correspondiente al conjunto de tiendas.
Figura-1: Proporción de tiendas respecto a su elasticidad de la demanda según el precio
Este modelo presenta algunas ventajas sobre otros, principalmente porque permite compensar la falta de datos de alguna tienda con los datos de las otras. Además, como valor añadido es posible obtener la elasticidad de precio o de la exposición, esto es, la variación porcentual de las ventas para un incremento porcentual del precio o de la exposición.
Una vez generado el modelo, se comprueba que todas las tiendas presentan elasticidades negativas respecto al precio, lo cual es correcto, ya que esto implica que para una bajada de precio se incremente la demanda en cada las tiendas. Por el contrario para la “elasticidad” de la exposición se obtienen valores positivos, lo que es razonable ya que para un mayor índice de exposición del producto frente al consumidor se incremente la demanda. La proporción de tiendas respecto a la elasticidad de la demanda según el precio, se muestra en la Figura-1.
Optimización Precio y Exposición:
Teniendo en cuenta el modelo jerárquico anterior se procede a crear un modelo de optimización con restricciones para maximizar el beneficio obtenido en las ventas del producto a partir del precio y la exposición óptimos en cada tienda.
Para ello el cliente nos indica:
Tras aplicar el modelo de optimización, los resultados nos indican que para optimizar el margen de contribución es necesario disminuir el precio hasta un valor óptimo en las tiendas más elásticas, pues aportarán un considerable incremento de ventas, mientras que al disminuirlo en las poco elásticas este incremento será prácticamente nulo, razón por la que se aconseja mantener el precio más alto, esto se aprecia en la Figura-2.
Figura – 2. Elasticidad de la demanda
Respecto a la exposición, el modelo ha considerado más óptimo ordenar las tiendas según la repercusión de la exposición en las ventas del producto e invertir el presupuesto de 80000 € en dicho orden.
Para determinar si el modelo planteado ofrece ventajas sobre la política de pricing actual se considera la semana, en que para los datos históricos del cliente, se obtuvo el mayor margen de contribución entre todas las tiendas. La mejor semana fue la 29 con un beneficio de 744.743 € y un gasto en exposición de 17.593 €. Aplicamos nuestros modelos para encontrar el precio y exposición óptimas en cada tienda obteniéndose un beneficio previsto, con estos nuevos valores, de 1.488.330 €, lo que duplica el beneficio esperado.