Modelo para Fijación de Precios Base de una Categoría de Productos en un Supermercado

Abstract

Actualmente la industria del retail en Chile ha crecido de manera exponencial, llegando incluso a ser el segundo sector más importante dentro del PIB de Chile. Junto con esto se han realizado grandes avances en lo que es conocer al cliente y su comportamiento en la sala de venta. Dentro de las tácticas del retail se encuentra el precio, variable que afecta directamente en los resultados de la cadena y que pese a su relevancia e impacto, es fijada sin utilizar toda la información disponible, sin considerar las interacciones entre los productos de la categoría ni los efectos que implican las distintas fiestas y estacionalidades. Los tomadores de decisiones se guían por la intuición o por la simple experiencia y es por este motivo que nace la necesidad de una herramienta que de soporte a estas decisiones. El objetivo de este proyecto es modelar los patrones de compra de los clientes con respecto al precio y la sensibilidad que presentan frente a este, para luego optimizar el vector de precios y obtener mejoras en los resultados de la categoría de productos. Junto con esto se busca comprender la interacción entre los distintos productos de categoría, con el fin identificar productos sustitutos, complementarios y evitar la canibalización de los productos pertenecientes a la misma categoría. Se planteó también como objetivo la creación de una herramienta que permitiera monitorear los resultados obtenidos con las distintas políticas de pricing aplicadas. El trabajo desarrollado se basa en la metodología del KDD adaptada a las necesidades de este trabajo. Se diseñó una metodología de dos partes: Modelamiento y Optimización de la demanda. En la primera parte se modela el comportamiento de la demanda de los productos y las distintas relaciones de sustitución y complementariedad existentes en la categoría. En la segunda etapa se toman las relaciones existentes en la primera etapa y se resuelve el problema de optimización no lineal para encontrar el set óptimo de precios para la categoría. Se obtuvo un modelo que considera una segmentación previa de los productos de la categoría y un set de variables dummies con información adicional relacionada con estacionalidades, festividades, etc. Se concluyo que la inclusión de estas variables mejora la predicción del modelo en un 64% En la segunda etapa se obtuvo el conjunto de precios óptimos para la maximización de volumen, maximización de ingreso y la maximización de margen separadamente. La aplicación del modelo para cada caso implicó importantes mejoras en los resultados por la cadena: un 61% de aumento de Volumen; un 74% de aumento de Ingreso; y un 89% adicional de margen. Se concluye que el principal aporte de este trabajo es el segmentar los productos en sub categorías, las que mejora el nivel de predicción del modelo en un 61% al facilitar el cálculo de las elasticidades cruzadas dentro de las categoría. Esto también permite visualizar de mejor forma los productos que son sustitutos o complementarios entre sí. Al separar los clientes en tres grupos según su intensidad de compra (Light, Normal y Heavy), se concluyo que a mayor intensidad más elástica es la demanda de los clientes. En resumen, se cumplieron los objetivos propuestos para este trabajo al modelar la demanda con un buen nivel de predicción y encontrando el vector de precio óptimo. Se deja planteado para trabajo futuro la inserción de variables de atributos al modelo de tal manera que se obtenga la funcionalidad de fijación de precios para productos sin historia transaccional. Adicionalmente a esto, se propone la creación de un módulo en la herramienta de control que permita detectar canibalización de productos debido a los precios fijados para una categoría.