Modelo de pricing dinámico para productos de moda en retailer especialista

Abstract

El siguiente trabajo se desarrolla en un retailer especialista dedicado a la ropa íntima femenina, con una importante oferta de productos de temporada, para los que resulta fundamental la administración de inventario y de precios en el tiempo. De forma complementaria, el retailer incorpora información de cámaras de video, donde se observa el tráfico en las distintas tiendas, pudiendo apoyar en las decisiones antes mencionadas. El objetivo del trabajo es definir una política de precios para productos de moda cuantificando el descuento y el período a realizarlo, usando información transaccional y de cámaras de video. Además se evalúa el aporte de la información de las cámaras para el proceso de fijación de precios y se caracteriza la tasa de conversión de las tiendas y de los productos a evaluar en cuanto a sus principales variables explicativas. Se utiliza una metodología que modela la demanda como un proceso de poisson que considera la llegada de clientes de la información de cámaras y la probabilidad de comprar dado el precio. Una vez definido el modelo de estimación de demanda se utiliza como input en la estimación de precios óptimos que tiene por objetivo maximizar recursivamente los ingresos esperados. Se trabaja con 23 artículos de la categoría trajes de baño que representan el 27% de las ventas de la categoría en el período. Se obtuvo una estimación de demanda con un MAPE semanal menor al 25%. Se definió una política de precios que busca concentrar la demanda en la temporada alta, con un precio alto al inicio y descuentos tempranos dejando pocas unidades para el final de la temporada. Actualmente el problema del retailer es que comienza de manera tardía con los descuentos, lo que lleva a que al final de temporada se deba rematar un alto porcentaje del stock. Con este cambio propuesto en la política de precios se espera tener un aumento de los ingresos de alrededor de un 5%. En cuanto al aporte de la información de cámaras por sobre la transaccional se concluye que en la estimación de demanda no es mucho mejor (disminuye el error en un 2%), principalmente por la fuerte correlación entre las variables (0,91). Su mayor potencial se encuentra al analizar la tasa de conversión, asociada positivamente a la lealtad de los clientes. Se cumplieron los objetivos del trabajo, llegando a resultados satisfactorios. Se proponen mejoras en la estimación de demanda al incorporar más información del tráfico a lo largo del tiempo, pudiendo realizarse regresiones sobre estos valores. Se propone también ahondar en otros usos de la información de cámaras, como lo es gestión de personal, de cajas, entre otros.