00:00:07 Optimización de precios y desafíos.
00:01:34 Enfoques clásicos de precios y sus limitaciones.
00:04:12 Importancia de integrar la optimización de precios y supply chain.
00:05:48 Ejemplos exitosos de precios dinámicos en ecommerce.
00:07:26 Equilibrando el mensaje de mercado y la optimización para precios dinámicos.
00:09:07 Usando un enfoque probabilístico para una mejor optimización de precios.
00:11:58 Importancia de los datos históricos y las prácticas de precios.
00:13:56 Requisitos técnicos para la optimización de precios.
00:15:03 Requisitos de proceso y de datos para la optimización de precios.
00:17:35 Importancia de los precios de los competidores en diferentes industrias.
00:19:22 Pronosticar los precios futuros y las ganancias, y las industrias que ya lo están haciendo.
00:20:33 La lección clave sobre la optimización de precios y su relación con la demanda.
00:21:18 Observaciones finales.
Resumen
En una entrevista, el fundador de Lokad, Joannes Vermorel, discute los desafíos de modelar los precios y la demanda, enfatizando que a menudo están desconectados. Él argumenta que los modelos tradicionales de forecast son limitados, ya que no consideran los efectos de los precios. Vermorel cree que la optimización de precios y supply chain management están fundamentalmente entrelazados y deben considerarse conjuntamente. Las estrategias de precios dinámicos, como las usadas por Amazon, permiten a las empresas gestionar faltante de stock y maximizar los márgenes. Vermorel resalta la importancia de un enfoque probabilístico para forecast, que tiene en cuenta un rango de posibilidades. Al unir a los equipos responsables de precios, planificación, compras y producción, las empresas pueden ejecutar mejores estrategias de optimización utilizando requisitos mínimos de datos.
Resumen Extendido
En la entrevista, el presentador Kieran Chandler y Joannes Vermorel, el fundador de Lokad, discuten los desafíos de modelar la conexión entre los precios y la demanda, y cómo los avances en machine learning y big data han hecho posible la optimización de precios para las empresas modernas.
Vermorel comienza explicando que lo más llamativo del pricing es lo desconectado que está de la planificación de la demanda. Los equipos de marketing suelen determinar los puntos de precio para los productos, mientras que los equipos de planificación deciden sobre la demanda. El equipo de ventas puede coordinarse como parte de un proceso de S&OP, pero el pricing suele ser ignorado una vez que se ha tomado una decisión.
Continúa discutiendo el principio básico de la economía según el cual, a medida que aumentan los precios, disminuye la demanda. Para la mayoría de los bienes, esto es cierto, aunque existen excepciones conocidas como bienes Veblen. Vermorel señala que esos bienes son raros, y que la experiencia en Lokad se centra principalmente en productos más comunes. El desafío surge al considerar que la mayoría de las herramientas de planificación de supply chain no tienen en cuenta el pricing, dejando a los planificadores sin visibilidad de los fuertes efectos de los precios que pueden impactar los forecast.
La razón por la que muchas herramientas de supply chain no consideran el pricing se debe a la gran cantidad de variables, como las influencias del marketing, que pueden afectar la demanda. Sin embargo, Vermorel argumenta que la gran cantidad de variables no es necesariamente un problema, ya que las computadoras modernas pueden procesar cientos de miles de variables. En cambio, la cuestión radica en los modelos simplistas utilizados, que a menudo solo consideran la demanda como un promedio móvil con un coeficiente estacional, sin tener en cuenta los faltantes de stock ni los efectos de los precios.
Vermorel enfatiza la importancia de monitorear los precios de los competidores, lo que se ha vuelto más fácil con los web crawlers y las empresas especializadas en la recuperación de datos. Él cree que el punto de partida para la optimización de precios es reconocer que la optimización de supply chain debe tener en cuenta la optimización de precios. Estos dos elementos están fundamentalmente entrelazados y no pueden separarse. Al reconocer esto, las empresas pueden comenzar a trabajar hacia estrategias de pricing más efectivas y una gestión de supply chain.
Vermorel enfatiza la importancia de incorporar el pricing en el proceso de forecast. Los modelos tradicionales de forecast, que tratan el pricing y la demanda por separado, son limitados en su capacidad para predecir el futuro con precisión. Él argumenta que el pricing no debe tratarse como una entidad separada para ser forecast, sino como un factor que puede ser diseñado para optimizar supply chain management.
Se cita a las empresas ecommerce como pioneras en la optimización inteligente y cuantitativa a través de precios dinámicos. Vermorel explica que, al ajustar los precios en función de los niveles de inventario, las empresas pueden gestionar mejor los faltantes de stock y maximizar los márgenes. Por ejemplo, si una empresa sabe que se dirige hacia un faltante de stock, no es necesario liquidar rápidamente el inventario restante. En cambio, puede aumentar el precio para obtener márgenes más altos en las últimas unidades. Por el contrario, si los competidores están experimentando faltantes de stock, no hay necesidad de apresurarse y crear una situación de faltante de stock para ellos mismos.
Otro ejemplo que ofrece Vermorel es la práctica común entre los minoristas de moda de realizar ventas al final de una colección para liquidar el exceso de stock. Las estrategias de precios dinámicos como estas ya están siendo utilizadas por empresas como Amazon, cuyos precios cambian con frecuencia en función de la demanda y la oferta.
El pricing dinámico se basa en varios factores, incluyendo el desempeño histórico del producto y los niveles de demanda. Vermorel señala que el pricing cumple múltiples propósitos, uno de los cuales es enviar un mensaje al mercado sobre el posicionamiento de una marca. Por ejemplo, una marca económica no debería aumentar demasiado sus precios durante los faltantes de stock, ya que podría perjudicar su imagen.
Otro aspecto importante del pricing es su capacidad para ayudar a gestionar los desafíos e incertidumbres del supply chain mediante la aceleración o desaceleración de la demanda. El pricing dinámico puede conducir a una mejor asignación de recursos y mejorar la experiencia general del cliente. Si hay dos productos casi idénticos disponibles pero uno está a punto de agotarse, aumentar el precio del artículo escaso puede ayudar a dirigir a los clientes que son indiferentes entre ambos hacia el producto más abundante, mientras que aquellos que desean específicamente el producto escaso aún pueden acceder a él a un precio premium.
En lo que respecta a integrar el pricing con el forecast, Vermorel sugiere abandonar la idea de forecast estáticos. Critica el enfoque tradicional, que consiste en predecir un número específico de ventas futuras para un producto. Este enfoque no tiene en cuenta que el pricing es una palanca que puede emplearse para influir en la demanda. En cambio, argumenta que los forecast deben considerar no solo las incertidumbres futuras, sino también las decisiones que las empresas pueden tomar para moldear la demanda mediante ajustes en el pricing.
Vermorel explica que el pricing no es incierto, sino indeciso, y que las empresas deberían tener la capacidad de ajustar sus precios en función de la retroalimentación del mercado. Esto puede implicar aumentar los precios para reducir la demanda cuando se está agotando el stock o disminuirlos para incrementarla.
Un enfoque probabilístico, que tiene en cuenta un rango de posibilidades, puede ayudar a las empresas a comprender mejor los efectos de los cambios en el pricing. Vermorel utiliza el ejemplo del Big Mac de McDonald’s, explicando que pequeños cambios en el precio tienen un impacto medible en la demanda debido a la envergadura del producto y su sensibilidad al precio. Sin embargo, en situaciones típicas de supply chain donde se venden menos unidades, el análisis del pricing se vuelve más impreciso. El forecast probabilístico ayuda a abordar esta incertidumbre al permitir a las empresas ajustar sus forecast de demanda hacia arriba o hacia abajo, manteniéndose relativamente inciertas.
Vermorel destaca la importancia de unir a los equipos responsables de establecer los precios, la planificación, las compras y la producción para optimizar el pricing. Al hacerlo, las empresas pueden ejecutar mejores estrategias de optimización. Los requisitos de datos para la optimización de precios no son extensos; los datos históricos de ventas, el historial de promotion y la información sobre los precios de los competidores (si está disponible) son generalmente suficientes.
La entrevista también aborda la importancia del pricing de los competidores. Vermorel explica que el impacto del pricing de los competidores depende de la industria, siendo las marcas de lujo menos afectadas, mientras que las industrias con productos fácilmente sustituibles son más sensibles a los precios de los competidores.
Vermorel señala que algunas empresas, como Amazon, ya están utilizando la optimización de precios de manera efectiva. Predice que la optimización de precios se volverá más prevalente en varios verticales en el futuro. En resumen, la optimización de precios es una parte integral del forecast de demanda, y las empresas no deben ignorar los efectos del pricing en sus esfuerzos de optimización de supply chain.
Transcripción Completa
Kieran Chandler: Hoy en Lokad TV, vamos a aprender cómo los avances en machine learning y Big Data han cambiado todo esto, y ahora es posible la optimización de precios para las empresas modernas. Entonces, Joannes, ¿podrías contarnos un poco sobre cómo los enfoques clásicos que muchas empresas están utilizando para el pricing funcionan hoy en día?
Joannes Vermorel: Lo más espectacular del pricing es, por lo general, lo desconectado que está de la planificación de la demanda. Tienes, digamos, al equipo de marketing que evalúa cuál es un buen punto de precio para los productos, y luego, en gran medida de forma aislada, se tiene a los equipos de planificación que deciden cuál será la demanda. Tal vez el equipo de ventas se coordine como parte de un proceso de S&OP, pero numéricamente, el pricing se ignora una vez que alguien ha decidido el punto de precio de un producto.
Kieran Chandler: Ya cubrimos los procesos de S&OP en un episodio anterior, y el pricing en sí, ¿cómo funciona como mecanismo?
Joannes Vermorel: La educación en economía básica dice que, típicamente, al aumentar el precio, se reduce la demanda. En teoría, existe una clase de bienes conocidos como bienes Veblen, que pueden comportarse de manera opuesta porque un precio más alto los hace más atractivos. Pero la experiencia en Lokad es que esos bienes son sumamente raros. Así que, para prácticamente cualquier producto común, si aumentas el precio, disminuye la demanda, y esto es relativamente obvio. Sin embargo, se vuelve muy complicado porque, al pensar en la optimización clásica de supply chain, se enfatiza mucho la demanda, pero el pricing es inexistente. La mayoría de las herramientas de planificación de supply chain ni siquiera consideran el pricing. Por ello, estás completamente a ciegas, y obviamente, significa que siempre que intervenga un fuerte efecto del pricing, toda la planificación y todos tus forecast salen dramáticamente mal.
Kieran Chandler: Entonces, es una de las razones por las que muchas de estas herramientas de supply chain no tienen en cuenta el pricing, ya que hay tantas variables. Existen influencias del marketing y otros factores que pueden obstaculizar la demanda. ¿Es esa la razón por la que el pricing realmente no se considera?
Joannes Vermorel: Sí, pero además, el hecho de que la cantidad de variables en sí misma no es necesariamente un problema. Con la potencia de procesamiento de las computadoras modernas, se pueden manejar cientos de miles de variables. Esto, por sí solo, no es un obstáculo insuperable. Sin embargo, esos modelos clásicos tienden a ser completamente simplistas. Se concibe la demanda como un promedio móvil puro con solo un coeficiente estacional, y eso es todo. Ni siquiera se consideran con frecuencia aspectos tan básicos como los faltantes de stock. Así que, obviamente, si hay faltantes de stock, se observan cero ventas, pero eso no significa que no haya demanda. Y mucho menos el efecto del pricing. De hecho, el pricing es más sutil, y lo ideal sería tener en cuenta el precio de los competidores, que hoy en día, con web crawlers, también se pueden monitorear en línea. Nunca ha sido tan fácil acceder a los datos. Incluso hay empresas especializadas en recuperar esos precios para ti.
Kieran Chandler: Entonces, si no es tal un problema y es posible hacer seguimiento de todas estas variables, ¿cómo podemos comenzar a trabajar hacia la optimización de precios? ¿Por dónde se empieza?
Joannes Vermorel: Tu optimización de supply chain necesita tener en cuenta la optimización de precios. No se pueden disociar, ya ves, porque la perspectiva tradicional es que tendrás personas que, de forma aislada, decidan un precio y luego otras personas de forma aislada que decidan cuál será la demanda futura. Pero la realidad es que esos dos elementos están completamente acoplados entre sí, y si no puedes desenredarlos, están fundamentalmente entrelazados. Esto significa que el punto de partida es reconocer, en términos de proceso, que esas cosas irán de la mano. Y si, por diseño, los separas, entonces no importa cuán inteligentes sean tus cosas de machine learning o todas tus numerical recipes. Una vez que estén completamente separados por diseño, ya no puedes reconocer, desde una perspectiva de demand forecast, el hecho de que los precios existen porque, numéricamente hablando, estás ciego. Así que, la idea es que el pricing es, en lugar de ser algo que pronosticas, es algo que realmente diseñas tú mismo. Un ejemplo sería bastante bueno, y hay empresas aquí que lo están haciendo bien hoy en día. Las empresas de ecommerce, como de costumbre, van por delante cuando se trata de optimización cuantitativa muy inteligente. Están optimizando agresivamente el precio de forma cuantitativa. Básicamente, si saben que se dirigen a faltantes de stock, no tiene sentido apresurarse a liquidar el stock que queda, porque de todos modos, terminarás con un faltante de stock. Puedes inflar un poco tu precio, y aún enfrentarás tu faltante de stock, pero al menos habrás logrado mayores márgenes en esas últimas unidades. Por el contrario, si ves que tus competidores están sufriendo todos de faltantes de stock, no tiene sentido apresurarse hasta el punto en que enfrentes un faltante de stock tú mismo solo por el influjo extra de demanda. De manera opuesta, eso es lo que hacen todos los minoristas de moda si terminas con demasiado stock para un producto dado al final de la colección: haces una venta para básicamente liquidar lo que queda. So, dynamic pricing is already used in production. Amazon, for example, if you look at their prices, they are very much in flux. The prices change from day to day and even from hour to hour, especially during very busy periods like pre-Christmas.
Kieran Chandler: Entonces, ¿la base para ese pricing dinámico es básicamente cómo han funcionado los productos históricamente y, en cierta forma, los niveles de demanda en diferentes momentos?
Joannes Vermorel: La idea es que el pricing es muchas cosas. El pricing es un mensaje que envías al mercado, por lo que esa parte es relativamente rígida. No quieres desviarte demasiado del mensaje. Si te posicionas como una marca económica, no deseas aumentar drásticamente tu precio debido a los faltantes de stock. Así que existe esta parte de la comunicación que es importante, ese componente a largo plazo. Pero además, está el hecho de que el pricing es un mecanismo fantástico para acelerar o desacelerar la demanda y ayudarte a enfrentar los desafíos y dificultades de tu supply chain. El futuro es incierto, y es muy difícil tener un accurate forecast cuando los mercados son extremadamente erráticos. Por lo tanto, contar con pricing dinámico es una forma de lograr una mejor asignación de recursos e incluso de ofrecer un mejor servicio a tus clientes.
No tiene sentido, por ejemplo, si tienes dos productos que son casi sustitutos perfectos pero a uno de ellos se le va a agotar. No es naturalmente un sustituto perfecto a los ojos de todos tus clientes. Si elevas el precio de uno de esos dos productos, los clientes a quienes no les importa usar un producto en lugar del otro simplemente cambiarán al otro. Los clientes que sí se preocupan aún tendrán acceso al producto que realmente buscan, e incluso están dispuestos a pagar un pequeño premium.
Kieran Chandler: Ahora, veamos las cosas desde la perspectiva del forecast. Quiero decir, ¿cómo puedes construir un forecast que funcione bien en conjunto con el pricing?
Joannes Vermorel: La idea es que debes renunciar a la noción de tener un forecast estático. Esa es también una de mis grandes preocupaciones con la perspectiva clásica sobre el forecasting. Se supone que debes decir: “esto es, este es el futuro, venderemos 1,000 unidades de esta cosa”, y la respuesta es, pues, depende. Tu pricing es fundamentalmente una palanca que puede influir en la demanda. Así que, lo que intentas forecast está impulsado fundamentalmente por algo que tú puedes hacer. No se trata de capturar la incertidumbre futura; también se trata de capturar las decisiones futuras que tú mismo tomarás. Y esas decisiones no son inciertas; son indecisas. No hay incertidumbre sobre tu pricing; tu pricing es exactamente lo que quieres que sea. Si deseas aumentar tu precio, puedes aumentarlo, salvo que estés en un dominio altamente regulado. En su mayoría, tienes completa libertad sobre tu pricing, por lo que no hay incertidumbre, pero podrías cambiar de opinión.
Si piensas en un forecast estático, es como si dijeras: “bueno, mi precio no cambiará pase lo que pase”, lo cual es malo. Es mucho más inteligente, y en los negocios, significa ser más rentable poder ajustar lo que haces dependiendo del feedback del mercado.
Kieran Chandler: Entonces, básicamente, si deseas reducir la demanda porque se te está acabando el stock, ¿aumentarás los precios, y luego, si deseas aumentar la demanda, podrás reducir el precio?
Joannes Vermorel: Exactamente. Y aquí es donde encaja un enfoque probabilístico; tener este rango de posibilidades podría funcionar bien. Las probabilidades realmente ayudan porque, a menos que estés vendiendo un producto como el Big Mac en un país grande como Alemania, donde tienes cantidades fantásticas, si aumentas el precio del Big Mac, cada centavo probablemente tendrá un impacto medible en la demanda. Así que aquí, tienes un producto que se vende a escala y es altamente sensible al precio. Estoy bastante seguro de que hay personas inteligentes en McDonald’s que conocen la elasticidad de precio del Big Mac país por país.
Pero eso funciona bien porque tienen una gran cantidad de datos. En situaciones típicas de supply chain, no estás vendiendo millones de unidades a la semana de un producto dado. Frecuentemente, terminas con solo unos pocos cientos de unidades a la semana o incluso menos, lo que significa que tu análisis de pricing será muy difuso. Donde sí ayuda es que contar con un forecast probabilístico significa que en realidad puedes tener un forecast en el que simplemente desplazas tu forecast de demanda hacia arriba o hacia abajo, pero sigue siendo relativamente incierto. Cuanto más lejos estés de tu punto de precio habitual, más incertidumbre extra agregarás.
Porque si simplemente mueves el precio un poco, resulta que, muy probablemente, tus datos históricos son relevantes como línea base para adivinar lo que sucederá. Pero si pensaras en lo que pasaría si tu precio fuera, por ejemplo, 10 veces más barato, lo más probable es que no tengas datos históricos que respalden eso, simplemente porque nunca lo hiciste. Entonces, debido a que no era rentable, ninguno de tus competidores se atrevió a hacerlo tampoco, así que simplemente no lo sabes. Nadie lo sabe. Quizás haya 100 veces más demanda para tu producto si fuera 10 veces más barato, pero simplemente no es un punto que hayas explorado. Así que, simplemente no lo sabes, y esa es una situación extrema, pero la misma idea se aplica.
Kieran Chandler: Cuanto más lejos estés de tus prácticas de pricing habituales, menos información tendrás proveniente de tu tienda, por lo que mayor será la incertidumbre.
Joannes Vermorel: Bien, entonces, en el ejemplo del Big Mac, lo que dices es que si cambias por un par de centavos aquí o allá, tendrás más entendimiento, mientras que si cambias por un par de euros, un cambio mayor, entonces tendrás mucho menos comprensión del posible futuro.
Kieran Chandler: Hablemos de algunos de los requerimientos técnicos para la optimización de precios. Quiero decir, ¿qué necesita una empresa? Dijiste esto sobre el Big Mac y McDonald’s teniendo muchos datos históricos. ¿Qué tipo de requerimientos técnicos necesita una empresa para optimizar sus precios?
Joannes Vermorel: El requisito para empezar es primero reunir a los equipos que están a cargo de diseñar el precio y los equipos que normalmente se dedican a la planificación, y aquellos que se encargan de todas las compras y planes de producción. Verás, porque el problema es que necesitas, como requisito, unir todas esas funciones; de lo contrario, no podrías realizar la optimización. Es como si, por diseño, te hubieras impedido siquiera poder ejecutar eso. Luego, diría que en cuanto a los requerimientos del proceso, en términos de datos, no necesitas tanto. En realidad, tus datos históricos tradicionales de ventas son buenos. Necesitas contar con los sospechosos habituales: tu historial de promociones, porque las promociones son como movimientos temporales de precios que son interesantes para analizar lo que sucede cuando mueves el precio. También necesitas tener históricamente faltantes de stock para evitar tener contaminación y valores atípicos que no puedas explicar en términos de precio. Idealmente, si puedes tener el precio de tus competidores, al menos en la web, eso realmente ayuda. Eso no es estrictamente requerido, pero realmente ayuda a entender, diría yo, los efectos de la no linealidad cuando te posicionas por debajo del competidor o el competidor se posiciona por debajo de ti. Eso puede tener pequeños efectos no lineales en la demanda que puedes ver, picos y caídas que se explican simplemente porque la gente cambia de quien es el más económico.
Kieran Chandler: Al unir todos estos departamentos, ¿en qué se diferencia esto de un enfoque de S&OP más tradicional?
Joannes Vermorel: Se diferencia en el hecho de que, fundamentalmente, en tu pricing renuncias a la idea de tener un precio fijo para un producto. En su lugar, tienes una estrategia de pricing. Supongamos que estás abasteciendo productos en Asia, y va a tomar 13 semanas entre el momento en que haces un pedido a tu proveedor asiático hasta el punto en que realmente puedes exhibir el producto y comenzar a vender en Norteamérica y Europa. ¿Por qué decidirías, en el día cero, cuál será tu precio cuando empieces a vender tu producto 13 semanas después? Sabes, esta decisión puede posponerse. Si, 13 semanas después, ves que la demanda ha aumentado para este tipo de producto y tu pedido inicial de 1,000 unidades, ya te das cuenta de que serán muy pocas. No tiene sentido ceñirse a lo que tenías en mente en ese momento, hace 13 semanas. Puedes reevaluar con base en los últimos datos que tienes y decidir algo que sea más inteligente.
Kieran Chandler: ¿Qué tan importante es llevar un seguimiento del pricing de los competidores, especialmente ahora que tenemos fácil acceso a sus precios en línea?
Joannes Vermorel: Realmente depende de los verticales. Por ejemplo, si eres una marca de lujo, realmente no importa. Una marca de lujo como Louis Vuitton no decide bajar su precio solo porque Cartier lo hizo. Ambos son marcas de lujo de primer nivel que se enfocan en tener la mejor calidad para sus productos, y van a fijar sus precios en consecuencia. Se supone que una marca de lujo es algo que no tiene sustituto. Por otro lado, tienes productos que son casi sustitutos perfectos. Si estás comprando azúcar por kilogramo para un restaurante, realmente no importa quién sea tu proveedor, siempre y cuando cumpla con los estándares de calidad.
Kieran Chandler: Mirando hacia el futuro, ¿puedes imaginar un momento en que las empresas establezcan puntos de pricing con una comprensión sólida de sus beneficios resultantes?
Joannes Vermorel: Algunas empresas, como Amazon, ya lo están haciendo. Tenemos unos pocos clientes en el ecommerce muy agresivo que también lo están haciendo, incluso si no lo publicitan tanto. En verticales más sofisticados como el aeroespacial, también ya lo están haciendo. Las aerolíneas han estado haciendo yield management durante décadas para vender boletos, e incluso con repuestos de aviones, lo están haciendo. Lo que veo es que esto llegará a casi todos los demás verticales, pero puede ser más o menos aplicable.
Kieran Chandler: Para concluir, ¿cuál es la lección clave que debemos extraer de hoy sobre la optimización de precios?
Joannes Vermorel: La optimización de precios es una parte integral de la demanda y de los demand forecasts. No hay demanda sin precio – el precio define la demanda y viceversa. Si tu organización de supply chain está tratando de optimizar ignorando los efectos del pricing, estás pasando por alto un elefante en la sala. No importa si microoptimizas tu promedio móvil; aún existe ese elefante que estás ignorando, y eso es malo.
Kieran Chandler: Espero que ahora nadie pase por alto el elefante en la sala. Eso es todo por esta semana. Muchas gracias por sintonizarnos, y nos vemos la próxima vez. Adiós por ahora.