Determinación de Precios Óptimos de una Categoría para una Cadena de Supermercado

Abstract

La presente memoria se centra en la determinación de precios, una de las principales decisiones tácticas que hoy en día deben tomar las cadenas de retail si se considera el gran impacto que genera en los resultados finales de las empresas y el incipiente crecimiento que hasta el año 2008 ha experimentado esta industria.

El principal objetivo es construir una metodología para la determinación de precios óptimos de una categoría para una cadena de supermercado a través de datos transaccionales que permita escalar un modelo de pricing, desde una sala de ventas a una cadena de supermercado. Además, se busca encontrar modelos y definir criterios que mejoren la estimación de elasticidades y agilicen el posterior modelamiento de optimización que entrega los precios óptimos para una categoría, logrando así aumentar los ingresos o márgenes, dependiendo del rol que cumplan las categorías.

Para lograr lo anterior se define una adaptación de la metodología KDD, extracción de conocimiento de bases de datos, la cual contempla en un principio la limpieza y preprocesamiento de los datos. A continuación se analizan distintos modelos de regresiones doble-log para la obtención de las elasticidades precio demanda, tanto directa como cruzada dentro de la categoría, parámetros que sirven de entrada para los modelos de optimización de precios. Para determinar el conjunto de precios que maximizan los ingresos o margen de la categoría se utilizan modelos matemáticos de optimización no lineal.

La metodología se validó con datos reales de la subcategoría pastas largas de la categoría fideos, dentro de un grupo de sucursales de una cadena de supermercados. Con estos datos se pudo determinar que el mejor modelo regresivo es el que incluye elasticidades cruzadas ya que con ellas se puede identificar sensibilidades de la demanda a los precios, productos sustitutos y productos complementarios, además este modelo de estimación de demanda presentó un error MAPE promedio de un 16%. El modelo de optimización que maximiza el ingreso determinó precios que permiten estimar aumentos en un 16% en el ingreso y en un 25% en el margen, mientras que el modelo de optimización que maximiza el margen determinó precios que permiten estimar aumentos en un 8% en el ingreso y en un 47% en el margen.

Como conclusión del trabajo realizado se puede establecer que se pueden reducir los costos de tiempo al aplicar la metodología por grupos de tiendas en vez de abarcar solo una sala de ventas. Además, utilizar modelos de elasticidades cruzadas que involucren dimensiones factoriales para su estimación mejoran la productividad y aseguran una mejor interpretación y análisis del comportamiento de los consumidores, lo cual se ve reflejado en los resultados de la optimización.