Pricing Dinámico para Productos de Moda en Tiendas por Departamento Usando Información Transaccional de Clientes

Abstract

Hoy en día, la alta competencia y los bajos márgenes que presentan las tiendas por departamento, obligan a estas empresas a buscar estrategias que permitan mejorar sus ganancias. Una de las herramientas que apuntan en este sentido es la determinación de políticas de precios óptimos, particularmente aplicadas a productos perecibles, como el vestuario de temporada. El problema de negocio asociado a esta problemática es maximizar los ingresos acumulados durante la temporada mediante el ajuste dinámico de la intensidad de la demanda a través del precio.

El principal objetivo de este trabajo consiste en desarrollar un modelo de Pricing dinámico para productos de moda en tiendas por departamento usando información transaccional de clientes, y de manera complementaria realizar una caracterización de éstos en función de su disposición a pagar para generar ofertas focalizadas según los distintos perfiles, extrayendo un mayor excedente al consumidor de productos de temporada.

La metodología utilizada se basa en el proceso KDD, que se combina con un modelo de estimación de demanda multiplicativo, y programación dinámica para determinar las políticas de precios óptimos que maximicen los ingresos esperados. La metodología para realizar la segmentación está basada también en el proceso KDD y específicamente se realiza mediante conglomerados en 2 fases.

Los resultados obtenidos muestran que los modelos de estimación de demanda presentan un buen ajuste tanto a nivel local como a nivel global, con errores de estimación del 27% para la base train (70% de la muestra)y del 26% para la base test (30% restante). Los resultados de la programación dinámica sugieren que las políticas óptimas de precios varían entre $6.990 y $9.990 para un producto de precio inicial $9.990 y con esto se produce un aumento del ingreso del 10% aproximadamente con respecto a los ingresos reales. En la segmentación de clientes se logró identificar 2 grandes grupos: uno con alta disposición a pagar, “clientes chic”, y otro cuyas compras se realizan en temporadas de liquidación o descuentos, “buscadores de ofertas”. Dentro de cada uno de estos segmentos se encontraron perfiles distintos en cuanto a frecuencia y consumo anual en monto, por lo cual se dividió en 2 subsegmentos cada uno de ellos.

Se concluye que tanto el modelo de estimación de demanda como el modelo de pricing dinámico presentan un buen desempeño, cumpliendo los objetivos de maximización del ingreso esperado, y de mejoras a la estimación de demanda utilizadas en estudios anteriores. Con respecto a los clientes de cada perfil se proponen acciones focalizadas que apunten a: aumento del ticket promedio para “clientes chic”, adelanto del consumo para clientes “buscadores de ofertas”, aumento de la frecuencia de compra, entre otros.

Como trabajo futuro se plantea abordar el problema mediante la utilización de modelos Bayesianos para resumir la información de ventas y precios históricos de manera eficiente, con el fin de optimizar los ingresos de un determinado stock de artículos en un horizonte finito.