Optimización de las campañas de reducción de precios: recomendaciones por producto validadas con el desempeño histórico

En la gran distribución, las campañas de reducción de precios movilizan presupuestos importantes y son inmediatamente visibles para los clientes. La dirección de pricing elige los productos a rebajar, a nivel nacional o local, tras las negociaciones con proveedores o para reposicionarse frente a la competencia.

Pero hay que saber lo que aporta una rebaja. Tres efectos dificultan la lectura de las ventas.

• La estacionalidad. Las ventas de un producto varían de una semana a otra, con o sin rebaja de precio.
• Las promociones. Una promoción en curso puede inflar u ocultar el efecto de una rebaja.
• La canibalización. Lo que gana un producto, un producto cercano puede perderlo.

Sin una medición confiable, es imposible saber qué rebajas fueron rentables o elegir las siguientes con base en hechos. La necesidad: recomendar, producto por producto, si conviene rebajar el precio o no, para maximizar el retorno de la inversión de cada oleada.

Abordamos el tema como una cuestión de evidencia antes de convertirlo en una cuestión de modelo. Tres principios estructuran el enfoque.

• Una medición de impacto común. Antes de comparar estrategias, hay que saber lo que una rebaja aportó realmente. Esta medición sirve de árbitro para todo lo demás.
• El back-test antes de la producción. Cada estrategia de recomendación se reproduce sobre las oleadas pasadas y se califica con la misma medición. Solo la mejor pasa a producción.
• Una recomendación que indica su nivel de certeza. Cada producto recibe un índice de confianza, para que el equipo de pricing sepa dónde concentrar sus decisiones.

• Medición de impacto. A partir de las ventas con tarjeta de fidelidad, una medición aísla el efecto de cada rebaja de precio y neutraliza la estacionalidad, las promociones y la canibalización.
• Banco de pruebas. Varias estrategias de recomendación, entre ellas el enfoque por elasticidades ya utilizado internamente, se reproducen sobre las oleadas de rebajas pasadas y se comparan con esta medición.
• Recomendación. La estrategia elegida se aplica a las oleadas en curso, con un índice de confianza por producto.
• Industrialización. La cadena funciona en Google Cloud: pipelines de Dataform sobre BigQuery, orquestados por Airflow.

Seis meses de proyecto.

En las oleadas locales, las recomendaciones ahora se aplican automáticamente. Cubren casi una cuarta parte de los ingresos. Ya se han procesado varias decenas de oleadas.

El impacto se lee en la elasticidad: en cada oleada se mide la diferencia de elasticidad media entre productos recomendados y no recomendados, lo que permite al equipo de pricing ajustar sus decisiones con base en hechos.

• Una medición que neutraliza el ruido. La medición aísla la estacionalidad, las promociones y la canibalización para conservar solo el efecto de la rebaja.
• Estrategias comparadas con el histórico. La recomendación elegida demostró su eficacia en oleadas reales antes de aplicarse.
• Un índice de confianza por producto. El equipo de pricing sabe cuándo seguir la recomendación y cuándo decidir por su cuenta.
• Una cadena en producción. De la ingesta de las ventas a la recomendación, la cadena funciona sin intervención manual.

Este enfoque responde a cuatro situaciones.

• Sus campañas de reducción de precios o de promociones comprometen presupuestos importantes sin una medición confiable de su rentabilidad.
• Sus equipos de pricing deciden producto por producto, con poco tiempo, después de las negociaciones con proveedores.
• Usted dispone de datos de fidelidad o de tickets de compra subutilizados.
• Usted quiere comparar varios enfoques, incluidos sus modelos actuales, antes de industrializar uno.

Partimos de sus datos de ventas, de sus reglas de negocio y de sus campañas pasadas. Los expertos que diseñan las recomendaciones también las ponen en producción y las hacen evolucionar con usted.