IA al por menor

Pocas tácticas empresariales estadounidense son tan peculiares, en una sociedad capitalista libre, como los precios sugeridos al púlbico por las fabricantes. P.H. Hanes, fundador de la planta textil que se convirtió en la compañía de ropa interior HanesBrands, la concebió en los años 20. La estrategia le permitió poner avisos en publicaciones de todo el país para impedir que las distribuidoras especulasen con los precios de sus prendas.

Incluso hoy, muchos comercios estadounidenses cobran los precios recomenddos por los fabricantes, aunque les encantaría elevarlos para compensar las presiones inflacionarias sobre sus otros costos. Sin embargo, un número creciente está recurriendo a técnicas de determinación de precios más sofisticadas.

Un estudio seminal del 2010, elaborado por la consultora McKinsey, estimó que subir precios en 1%, sin perder ventas, puede incrementar las utilidades operativas en 8.7%, en promedio. Pero hacerlo de la manera correcta puede ser complejo. Si los precios son fijados demsiado altos, se corre el riesgo de perder clientes, si son fijados demasiado bajos, se desperdiciará dinero.

Históricamente, los minoristas han utilizado reglas basadas en la experiencia, tales como adicionar un margen fijo por encima de los costos o igualar los precios que los competidores cobran. Pero cuando la energía, la fuerza laboral y otros insumos se ponen por las nubes, ya no pueden darse el lujo de tratar la fijación de precios como un asunto a posteriori.

A fin de sacar ventaja, los comercios han estado aplicando sistemas de optimización de precios, que predicen cómo los consumidores responderán a diferentes escenarios y recomiendan los que maximizan ventas o ganancias. En esencia, estos métodos son modelos matemáticos que utilizan infinidad de datos de transacciones para estimar elasticidades de precios, es decir, cuánto se incrementa la demanda cuando el precio disminuye, y viceversa, para miles de productos.

De esta forma, los artículos que presentan sensibilidad al precio pueden ser ofrecidos con descuentos, pero los que no son sensibles al precio pueden venderse con un margen de ganancia. Los comercios pueden afinar los algoritmos para prevenir resultados indeseables, como aumentos de precios de doble dígito o que paquetes de productos cuesten más por unidad que los de menor tamaño.

Estos sistemas se están volviendo más habilidosos gracias al progreso de la inteligencia artificial (IA). Mientras los previos usaban data de ventas...

Para continuar leyendo

Solicita tu prueba

VLEX utiliza cookies de inicio de sesión para aportarte una mejor experiencia de navegación. Si haces click en 'Aceptar' o continúas navegando por esta web consideramos que aceptas nuestra política de cookies. ACEPTAR