RETAIL HOTELS FUNDAMENTALS: FASHION (PRICING … · clientes finales, y ii) agentes que compiten en...
Transcript of RETAIL HOTELS FUNDAMENTALS: FASHION (PRICING … · clientes finales, y ii) agentes que compiten en...
REVENUE MANAGEMENT(PRICING OPTIMIZATION)
FUNDAMENTALS:PRICE THEORYMODELING MARKETSFORECASTING MODELS
APPLICATIONS:RETAIL
HOTELSFASHIONAIRLINES
TRANSPORTBROADCASTING
TELECOMMUNICATIONS…
Ing. Jesus Velásquez-Bermúdez, Dr. Eng. Chief Scientist
DecisionWare & DO Analytics [email protected]
REVENUE MANAGEMENT: FUNDAMENTALS & APPLICATIONS
1
Revenue Management: Fundamentals & Applications
Ing. Jesus Velásquez-Bermúdez, Dr. Eng.
Chief Scientist
DecisionWare & DO Analytics [email protected]
In 1985, PEOPLExpress an everyday low-price airline, was named the fastest growing company in U.S.A. . By September 1986, however, PEOPLE Express was dead.
What changed ? For one thing, American Airlines implemented a new version of Revenue Management
“What you don’t know about Revenue Management could kill you !”
Donald Burr
Chairman and CEO PEOPLExpress Airlines in “Revenue Management Comes of Age”
ABSTRACT
1. INTRODUCCIÓN
1.1. MARKETING CIENTÍFICO
El Marketing Científico utiliza datos para recopilar información (data mining & big data) con la finalidad de establecer modelos matemáticos predictivos del mercado de interés, el cual está conformado por: i)
clientes finales, y ii) agentes que compiten en el mercado. Estos modelos pueden estar basados en una
o varias de las siguientes metodologías matemáticas: “machine learning”, redes neuronales artificiales y modelos probabilísticos avanzados.
Los datos se analizan para: i) crear informes BI (Business Intelligence) del mercado, y ii) diseñar e
implementar modelos matemáticos prescriptivos que sirvan de soporte científico a las decisiones que se
deben tomar; estos modelos se basan en el modelamiento algebraico orientado hacia la optimización matemática. Ejemplos de este modelaje son: marketing mix optimization, market share optimization,
revenue management (optimal pricing), inventory optimization, maximización del valor del cliente, pedido sugerido, rebalanceo de inventarios, …
1.2. DEMAND CHAIN OPTIMIZATION (OPCHAIN-DCO)
OPCHAIN-DCO convierte en información los datos provenientes de los registros históricos de ventas
de usuario. El núcleo central de OPCHAIN-DCO es el modelo OPCHAIN-DCO-DEM (DEM) cuya
finalidad es ayudar a los decisores a caracterizar probabilísticamente el comportamiento dinámico de la
demanda de los productos que atiende su empresa. El siguiente esquema de relaciones entre los
diferentes modelos que integran OPCHAIN-DCO.
REVENUE MANAGEMENT: FUNDAMENTALS & APPLICATIONS
2
OPTIMIZATION
Market ShareOptimization
ClientManagement Optimization
MarketingChampaignsOptimization
Marketing-MixOptimization
InventoryPoicies
Revenue Management
Suggested OrderOptimization
Preliminary DataAnalysis
Market by SegmentCharacterization
SegmentationRegions - Chanales - Products
Bottom-Up ForecastingVariables del Mercado
Multi-Product by Segment
Syndicated DatabasesNIELSEN®
ENTERPRISEDatabases
ExogenousDatabases
STOCHASTIC PROCESS
New ClientsClassification
DEMAND CHAIN OPTIMIZATION
A continuación, se describen los modelos típicos que hacen parte de OPCHAIN-DCO:
OPCHAIN-DCO: MATHEMATICAL MODELS Model
Sub-Model Description
DEMAND CHARACTERIZATION
DEM Characterization of demand for a set of products or categories of products, in a POS (Point of Sale) or a set of POS. It is composed of various types of models, within which are:
DEM-FCT Forecast
Generic algebraic model of demand S-ARIMAX-GARCH type that allows the user to configure multiple specific models according to the characteristics of random processes that affect the demand for its products and / or services in a specific site, which can be a wine cellar, distribution center, warehouse, point of sale, ...
DEM-MS Market Share
Aimed at analyzing the market share (MS) corresponding to a derived variable that determines market shares (%) in the care / control of demand, volume or value of an entity to which it refers (manufacturer, model brand, channel, ...) MS. It aims to identify the independent variables that explain the behavior of the MS of a manufacturer (dependent variable), or a brand, as a function of the characteristics are: i) market trends; ii) the decisions of the manufacturer; iii) the decisions of the competence of the manufacturer; and iv) consumer preferences.
DEMAND CHAIN OPTIMIZATION
MMO Marketing Mix Optimization
It aims to help decision makers to determine the decisions that will maximize profits derived from the management of marketing events and sales (marketing-mix); within the constraints of the market, allocated budgets and business rules.
REM Revenue Management
Set of mathematical programming models through which typical problems of "pricing" (also known as Optimal Pricing), which are associated with are met: i) price lists, ii) prices over the life of the product and iii) prices to be used in an event auction
OPS Suggested Order
Assign the portfolio that each vendor offers each customer (store) in the short term (daily), set short-term goals of the traditional channel to meet every regional. Establishes: ▪ Short-term sales to be met by each regional customer and seller; ▪ The portfolio that every "salesman" offers each customer; y The model is the state boundary condition of sales per customer in pesos ($) and seller in kilos (Kg) at the beginning of the period and provides sales so that the goals set for this period is met.
SUPPLY CHAIN OPTIMIZATION
S&OP Sales & Operation Planning
Set of patterns tactical planning required for industrial operations aggregate short and medium term. Process known as S&OP: Sales & Operations Planning.
INV Inventories Policy
Defining parameters for inventory management policies. These parameters focus on minimum inventories of raw materials and finished products and quantities to order along all chain facilities that must meet the end customer orders. It is also applicable for inventory management of spare parts and / or raw materials.
REVENUE MANAGEMENT: FUNDAMENTALS & APPLICATIONS
3
Para más información sobre OPCHAIN-DCO el lector es invitado a consultar los siguientes documentos: ▪ http://www.doanalytics.net/Documents/DW-OPCHAIN-DCO-DEM.pdf ▪ http://www.doanalytics.net/Documents/DW-OPCHAIN-DSO-Demand&SupplyOptimization.pdf
2. REVENUE MANAGEMENT
2.1. BREVE HISTORIA
Wikipedia define Revenue Management (RM) como:
“Revenue management is the application of disciplined analytics that predict consumer behaviour at the micro-market levels and optimize product availability and price to maximize
revenue growth. The primary aim of revenue management is selling the right product to the right customer at the right time for the right price and with the right pack. The essence of this
discipline is in understanding customers' perception of product value and accurately aligning
product prices, placement and availability with each customer segment”.
De dónde proviene la práctica del RM ? En definitiva, la industria aérea. El punto de partida para RM fue la Airline Deregulation Act of 1978, en USA. Con este acto de ley, el control del CAB (U.S. Civil
Aviación Board) perdió el control de precios que estaban estrictamente regulados conjuntamente con la
rentabilidad de las empresas. El cambio en la ley condujo a un cambio rápido y soportado en una explosión de innovación en la industria de transporte de pasajeros. Las líneas aéreas eran libres de
cambiar precios, horarios y servicio sin la aprobación de la CAB. Al mismo tiempo, las aerolíneas charter y las de bajo costo entraron en el mercado. Debido a sus menores costos de operación, sus operaciones
más simples (punto a punto) y los servicios de bajo costo, estos nuevos participantes fueron capaces de
ser rentables operando con precios muchos más bajos que las principales compañías aéreas. Dos líneas aéreas se deben destacar en este proceso PeopleExpress y American Airlines.
PeopleExpress (PE) fue la línea aérea de bajo costo que incursionó en el mercado americano con mayor
éxito. PE comenzó en 1981 con operaciones costo-eficientes y tarifas 50% a 70% menores que los principales aéreas tradicionales. En 1984, sus ingresos se aproximaban a 1 billón de dólares americanos
(USD), y para el año 1984 su beneficio fue de 60 millones (USD). En 1985, PE fue la empresa de más
rápido crecimiento en USA; en septiembre de 1986, PE fue vendida a Continental Airlines en medio de un proceso de banca rota.
American Airlines (AA) se destaca por haber enfrentado la competencia por el mercado utilizando el método científico como soporte de sus decisiones relacionadas con la creación de tarifas bajas para
competir en el mercado de las líneas de bajo costo sin perder su mercado de tarifas “altas” orientadas a segmentos de pasajeros diferentes de los que viajan en las aerolíneas de bajo costo. Para tener éxito
AA reconoció que requería de un enfoque científico para manejar de manera controlada la oferta de sillas de bajo costo; por tanto, AA se embarcó en el desarrollo de lo que se conoció como DINAMO
(Dynamic INventory Allocation and Maintenance Optimizer), el primer sistema RM de gran escala en
la industria mundial. DINAMO fue puesto en funcionamiento totalmente en enero de 1985 para soportar un nuevo sistema de precios denominado Ultimate Super-Saver Fares, para igualar o rebajar las tarifas
en cada mercado atendido por AA. Los modelos matemáticos incluidos en DINAMO hicieron posible y rentable la estrategia de AA.
Las palabras de Donald Burr, CEO de PE, son lacónicas. Y dejan en claro el poder económico de las matemáticas aplicadas a los procesos de decisión.
BIN Inventories Balance
Operating model aimed at establishing daily / weekly orders for product distribution that should be addressed from the distribution center to demand points and between points of demand. For this policy it considers the inventory at each site, the status of inventories and inventory on hand in order to arrive at the distribution center and / or demand points.
REVENUE MANAGEMENT: FUNDAMENTALS & APPLICATIONS
4
“We were still the same company. What changed was American’s ability to do widespread Yield Management in every one of our markets. . . . We did a lot of things
right. But we didn’t get our hands around Yield Management and automation issues.
. . . [If I were to do it again,] the number one priority on my list every day would be to see that my people got the best information technology tools. In my view, that’s
what drives airline revenues today more than any other factor - more than service, more than planes, more than routes.”
2.2. FUNDAMENTOS
RM se refiere a decisiones de gestión de la demanda, a la metodologías matemáticas y los sistemas computacionales necesarios para hacerlo. Se trata de la gestión de la interfaz de un agente comercial
con el mercado, con el objetivo de aumentar los ingresos. RM puede ser considerado como el complemento de administración de la cadena de suministro (SCM, Supply Chain Management).
Otros nombres más o menos sinónimos se han dado a RM, se pueden nombrar: ▪ Yield Management (un término tradicional en la línea aérea)
▪ Optimal Pricing ▪ Pricing and Revenue Management
▪ Pricing and Revenue Optimization
▪ Revenue Process Optimization ▪ Demand Management
▪ Demand Chain Management (preferido por quienes desean crear una práctica paralela al SCM) Cada uno de los anteriores nombres tienen sus propios matices en el significado y en el posicionamiento
dentro de las metodologías de analítica avanzada.
En este documento RM se visualiza como una aplicación de la analítica avanzada orientada a fijar los
precios como parte de los procesos que se deben realizar para optimizar la gestión de la cadena de demanda.
RM puede dividirse en tres actividades principales:
▪ Estrategia de Precios: Cómo será el proceso de definir el precio de los productos ?
▪ Gestión de Inventarios: Cuál es el nivel de inventarios se debe tener disponibles en cada punto de venta para cada producto ?
▪ Estrategia de Ventas: Cómo será el proceso de venta de los productos?
Las dos primeras actividades están soportadas en modelos matemáticos prescriptivos que ayuden a definir cuantitativamente el precios y la demanda esperada, así como su rango de variación, para
todos los productos que se manejen bajo RM; la tercera actividad se relaciona con los
procedimientos administrativos que se requieren para lograr las metas establecidas por los modelos matemáticos, incluyendo los ajustes de precios que se tengan que realizar
La clave del éxito de RM se fundamenta en:
▪ La segmentación apropiada del mercado;
▪ La caracterización apropiada de la elasticidad de la demanda de cada segmento; y ▪ La optimización de todos los recursos involucrados en el proceso.
2.3. SISTEMA DE MODELOS MATEMÁTICOS
Desde el punto de vista operativo, RM implica dos modelamientos fundamentales: i) de la elasticidad demanda-precio y ii) de la optimización de los precios.
REVENUE MANAGEMENT: FUNDAMENTALS & APPLICATIONS
5
OPTIMIZATION
Market ShareOptimization
ClientManagement
Optimization
MarketingChampaigns
Optimization
Marketing-MixOptimization
InventoryPoicies
Revenue Management
Suggested OrderOptimization
Preliminary DataAnalysis
Market by SegmentCharacterization
SegmentationRegions - Chanales - Products
Bottom-Up ForecastingVariables del Mercado
Multi-Product by Segment
Syndicated Databases
NIELSEN®
ENTERPRISEDatabases
ExogenousDatabases
STOCHASTIC PROCESS
New ClientsClassification
DEMAND CHAIN OPTIMIZATION
Teniendo como primer objetivo el producir un análisis de la elasticidad demanda-precio al nivel de segmentos (micro-mercados), el modelamiento de la elasticidad demanda-precio puede requerir
uno o varios de los siguientes modelos matemáticos:
▪ Clustering: este modelo está orientado a producir como resultados los segmentos
“comerciales” en los que se deben clasificar el bien. Es útil cuando no existe segmentación previa y se requiere determinar los segmentos “óptimos” en los que se deben clasificar los
clientes. En muchos casos los segmentos pueden estar ya definidos, o pueden definirse de
acuerdo con reglas socio-demográficas básicas.
▪ Segmentación: modelo orientados a establecer reglas de clasificación de clientes de acuerdo con la información histórica disponible y requiere de la previa identificación de los segmentos
y de la clasificación de la muestra histórica de acuerdo con dichos segmentos. Pueden estar basados en metodologías de machine learning (support vector machines) o en metodologías
probabilísticas avanzadas.
▪ Identificación: modelos orientados a identificar las funciones de demanda, o de oferta, para
cada segmento de forma tal que los parámetros que definen la función de demanda puedan ser incorporados en los modelos de optimización de RM; para que esto sea posible, estos
modelos pueden estar basados en modelos probabilísticos avanzados o en machine learning
regression.
Para cumplir con el segundo objetivo, la optimización de los precios por medio de un modelo matemático, lo convencional es utilizar modelos de programación matemática no-lineal con base
en una tecnología de optimización convencional.
2.4. MODELAMIENTO DE MERCADOS
Económicamente un mercado se puede definir con base en dos funciones básicas:
▪ Función de Demanda Agregada: representa la agregación de las funciones de demanda (utilidad) de cada agente que participa como comprador en el mercado.
▪ Función de Oferta Agregada: representa la agregación de las funciones de oferta (costos
marginales) de cada agente que participa como productor en el mercado.
REVENUE MANAGEMENT: FUNDAMENTALS & APPLICATIONS
6
Uno de los principios del modelamiento de los mercados se basa en el equilibrio entre la oferta y la
demanda. Bajo competencia perfecta, el equilibrio lo establece conjuntamente todos los agentes que participan en el mercado: compradores y vendedores. El punto de equilibrio se determina como aquel
en el que se maximiza el excedente social, el cual es la suma del excedente de los productores más el
excedente de los consumidores. Este punto es el que más conviene a la sociedad ya que maximiza la riqueza generada por las transacciones en el mercado, tal como lo presenta la siguiente gráfica.
CANTIDAD (Q)
EXCEDENTEDEL
PRODUCTOR
PRECIO($/Q)
EXCEDENTEDEL
CONSUMIDOR
Q
P
Función de ofertaDI(Q)
Función de demandaSI(Q)
EQUILIBRIO MERCADOS PERFECTOS
Matemáticamente este problema se define como maximizar la integral sobre Q de la función de demanda
agregada menos la función de oferta agregada.
ʃQϵ{0,Q} DI(Q) – SI(Q) ] ∂Q
donde DI(Q) representa el valor como función de la demanda y SI(Q) el costo marginal de producción como función de la cantidad producida.
En un mercado se deben tener en cuenta tres definiciones fundamentales:
1. Valor: corresponde a la utilidad que representa el bien para el consumidor; dado que no todos los consumidores son iguales el valor es determinado por cada consumidor. La función de demanda se
establece con base en el valor de todos los consumidores, los cuales compararan el bien siempre y cuando, el mayor sea mayor que el precio.
2. Costo: corresponde al costo de producción del bien. En sistemas industriales, en el corto plazo, el costo marginal (costo del último bien producido) es una función creciente que aumenta en la medida
que aumente la cantidad producida y determina la función de oferta. Un productor producirá bienes hasta el punto en el que el precio sea mayor que el costo marginal.
3. Precio: es un indicador del mercado y representa el valor al cual se realizan las transacciones en el mercado.
El equilibrio se presenta cuando el valor es igual al costo marginal, a partir de ese punto (QE) no hay
incentivos para que los compradores sigan comprando y los productores sigan produciendo; este punto de equilibrio determina automáticamente el precio de equilibro (PE).
REVENUE MANAGEMENT: FUNDAMENTALS & APPLICATIONS
7
CANTIDAD (Q)
PRECIO($/s) Función de
Oferta AgregadaSI(s)
Función de Demanda Agregada
DI(s)
QE
PE
Valor
Precio
Costo
Comprador
Mercado Promedio
Productor
VALOR, PRECIO Y COSTO
En un mercado perfecto todos los agentes son: “price takers”; en un mercado imperfecto hay dos tipos de agentes: i) “price makers” y ii) “price takers”. La posición del agente decisor debe ser tenida en
cuenta al elaborar los modelos RM. Los tipos de mercados se pueden caracterizar en:
1. Competitivos: mercados “perfectos” en los que todos los agentes, compradores y vendedores, son tomadores de precio. En este caso el precio lo dicta el mercado siguiendo las leyes de la oferta y de
la demanda. Los agentes pueden implementar modelos clásicos de RM basados en las estimaciones
de la función de demanda, o de la función de oferta. Ejemplo de este tipo de mercados pueden ser los productos de consumo masivo.
2. Monopolios – Monopsonios: mercados en los que existe un agente dominante, comprador o
vendedor, que actúa como “price maker”. Se asume que bajo racionalidad económica el agente
dominante fijará el precio maximizando su excedente; excedente del productor para monopolios, y excedente del consumidor para monopsonios.
3. Oligopolios – Oligopsonios: mercados en los que existen dos tipos de agentes: i) un conjunto
reducido de agentes dominantes que compiten entre ellos y fijan el precio, y ii) el resto de los
agentes que toman el precio fijado por los agentes dominantes. Ejemplo de este tipo de mercados suelen ser el de la electricidad, el de las líneas aéreas, … Este tipo de mercado clasifica como
mercado tipo Stackelberg.
4. Regulados: mercado en los que existen reglas determinadas por un agente regulador y que limita las transacciones que se pueden realizar en el mercado. Este tipo de mercado requiere de
modelamientos especializados y no será analizado en el presente documento.
Es importante conocer el mecanismo que se realiza para ejercer la posición dominante de un agente.
Como ya se mencionó anteriormente, no existen incentivos para que punto de equilibrio de un mercado exceda el valor QE en el cual se igualan precio y valor; por lo tanto, la región factible para cantidad a
transar en el mercado varía entre cero y QE, lo que lleva a que el medio para alterar el equilibrio del
mercado “perfecto” será contraer la cantidad a transar lo que conllevará a que el precio de en el mercado tendrá más de una solución factible, que varía entre el costo y el valor de la cantidad a producir Q <
QE; lo anterior se puede visualizar en la siguiente gráfica.
REVENUE MANAGEMENT: FUNDAMENTALS & APPLICATIONS
8
CANTIDAD (Q)
PRECIO($/Q)
EXCEDENTESOCIAL
Q
P
Función de ofertaDI(s)
Función de demandaSI(s)
DISMINUCIÓN EN LA CANTIDAD
EJERCICIO DEL PODER DE MERCADO
EQUILIBRIO MERCADOS IMPERFECTOS
La reducción de la cantidad abre la posibilidad de tomar ventaja de la posición de “price maker” del agente dominante que aumentará su excedente capturando el excedente del agente dominado; tal como
se puede visualizar en la siguiente figura.
CANTIDAD (Q)
EXCEDENTEDEL
PRODUCTOR
PRECIO
($/Q)
EXCEDENTE
DEL
CONSUMIDOR
P
Q
MONOPOLIO
Función de ofertaDI(s)
Función de demandaSI(s)
EQUILIBRIO MERCADOS IMPERFECTOS
CANTIDAD (Q)
EXCEDENTE
DEL
PRODUCTOR
PRECIO
($/Q)
EXCEDENTEDEL
CONSUMIDOR
P
MONOPSONIO
Q
Función de ofertaDI(s)
Función de demandaSI(s)
El productor contraerá la cantidad producida y subirá el precio de forma tal de maximizar su excedente (revenue); el comprador disminuirá la cantidad comprada y bajará el precio de tal forma maximizar su
excedente. Las dos posiciones anteriores se pueden cuantificar por medio de dos problemas
matemáticos:
▪ Problema del vendedor/productor:
ʃQϵ{0,Q} P – SI(Q) ] ∂Q
▪ Problema del comprador:
REVENUE MANAGEMENT: FUNDAMENTALS & APPLICATIONS
9
ʃQϵ{0,Q} DI(Q) – P ] ∂Q
Las anteriores formulaciones definen modelos de Revenue Management (RM) básicos, en los que no se realiza segmentación del mercado.
Una forma de aumentar la ganancia de los agentes dominantes es segmentar el mercado y definir precios independientes para cada segmento (micro-mercado); a continuación, se analiza el caso de un
productor/vendedor que es capaz de segmentar el mercado. En este caso el productor fijará precios para cada segmento del mercado reduciendo el excedente del consumidor; en el extremo si el
productor/vendedor puede manejar el mercado a nivel de individuo, podría capturar todo el excedente
del mercado eliminando el excedente del consumidor, lo que socialmente puede ser cuestionable ya que induce al enriquecimiento del productor dominante, a cambio de la pobreza de los consumidores.
CANTIDAD (Q)
PRECIO($/Q)
q
P
Función de ofertaDI(s)
Función de demandaSI(s)
P1
P3
P2
PS
EQUILIBRIO MERCADOS SEGMENTADOS
2.5. TEORÍA DE PRECIOS
2.5.1. FUNDAMENTOS
La función de demanda determina lo que se denomina la elasticidad de la demanda con respecto al precio, o sea la forma cómo responderá la demanda ante cambios en el precio, aspecto que es
fundamental en los modelos de optimización de precios (“optimal pricing” o “revenue management”), en los que el decisor busca maximizar sus ingresos por medio de decisiones sobre los precios que le
permitan maximizar la utilidad proveniente de la venta de los productos en el momento y en el sitio apropiado.
Dependiendo de los productos la función de demanda cambia, lo que implica que es necesario caracterizar los bienes para determinar el modelo matemático que mejor puede representar la elasticiad
demanda-precio. Por ejemplo; 1. Bien necesario o bien de lujo:
▪ Bien necesario: demanda inelástica.
▪ Bien de lujo: demanda muy elástica. 2. Existencia o no de bienes sustitutos:
▪ Existen: demanda elástica.
REVENUE MANAGEMENT: FUNDAMENTALS & APPLICATIONS
10
▪ No existen: demanda inelástica
El bien se comporta coherentemente desde el punto de vista económico: si baja el precio y sube la
demanda. En microeconomía, la demanda de un bien es elástica si la cantidad demandada responde
significativamente a la variación del precio, e inelástica si responde muy levemente. La elasticidad se define como.
ELASTICIDAD = % VARIACIÓN DE LA CANTIDAD / % VARIACIÓN DEL PRECIO
Dos aspectos que se deben tener en cuenta:
▪ La elasticidad - precio de la demanda no suele ser la misma a lo largo de toda la curva, sino que varía en la medida que cambia el precio. Esto implica la necesidad de un modelo matemático no-
lineal para representar apropiadamente la función de demanda. La siguiente grafica presenta las diferencias entre una función de demanda lineal y una no-lineal; adicionalmente, sirve de ejemplo
de cómo dos modelos estadísticos con estructuras diferentes pueden tener igualdad en un índice
estadístico como el R2 y representar dos procesos diferentes.
ESTIMACIÓN DE LA ELASTICIDAD DE LA DEMANDA
▪ La función de demanda varía a lo largo del tiempo, lo cual es evidente para muchos productos,
principalmente aquellos con tiempos de vida cortos y/o demandas estacionales; por ejemplo, los vestidos de baño en los que la disponibilidad a pagar de los compradores varía significantemente a
lo largo de la temporada de consumo, desde la primavera hasta el otoño; otro caso son los “bests seller” los cuales pueden llegar a ser inelásticos en su momento de lanzamiento y convertirse en
totalmente elásticos al final de la temporada de éxito/lanzamiento. Esto implica la necesidad de un
modelo dinámico para representar apropiadamente la variación de los parámetros de la función de demanda a lo largo del tiempo.
2.5.2. MODELAMIENTO MATEMÁTICO
Una de las formas comunes para expresar la relación entre la demanda y el precio es por medio de un
polinomio con base en el precio
Qt = tN n × Pt
n
REVENUE MANAGEMENT: FUNDAMENTALS & APPLICATIONS
11
donde Qt representa la cantidad demandada en el período t, Pt el precio, n la potencia aplicada al precio,
N el conjunto de potencias incluidas en el modelo y la tupla {1 , 2 , … , N los parámetros que se
deben estimar en el proceso de identificación de parámetros. El parámetro 0 corresponde a la media
dinámica del proceso y por lo tanto no se considera como parte del efecto precio, ya que se confunde
con la media no condicionada de la demanda. Para ser consistentes económicamente, los precios del producto deben estar en unidades monetarias de valor constante.
También se puede utilizar una regresión no-lineal con base en la siguiente ecuación:
Qt = Pt
La cual se convierte en un modelo lineal aplicando el logaritmo, esto es:
Log (Qt) = × Log (Pt)
La estimación de puede tener complicaciones cuando la ecuación para demanda tiene otros
componentes lineales y/o no-lineales.
2.5.3. ESTIMACIÓN DE ELASTICIDADES
Como parte importante del proceso de RM, está la caracterización de los productos de acuerdo con su
comportamiento comercial principalmente de relaciones precio-demanda (elasticidades) las cuales se espera sean coherentes microeconómicamente para poder realizar análisis posteriores, si estas los
parámetros estimados no son coherentes, se debe tenar claro que el uso de modelos matemáticos RM
no resuelven el problema, y generaran resultados incoherentes que en vez de producir “revenue” pueden generar pérdidas.
A continuación, se presentan algunos casos reales encontrados una base de datos sindicada. Se debe
notar que las incoherencias que se encuentran no tienen nada que ver con la calidad de los datos de la
base de datos sindicada.
▪ PRODUCTO NORMAL: el bien se comporta coherentemente desde el punto de vista microeconómico: baja el precio, sube la demanda.
CARACTERIZACIÓN DE LAS SERIES DE DEMANDACOMPORTAMIENTO DE BIEN “NORMAL”
Precio x Categoría Demanda Volumen per Cápita Demanda Valor per Cápita
REVENUE MANAGEMENT: FUNDAMENTALS & APPLICATIONS
12
La coherencia económica se refleja en el comportamiento dinámico de las elasticidades de la
demanda, las cuales deben ser negativas, lo que implica cambios en la demanda en una dirección contraria a los cambios en los precios.
CARACTERIZACIÓN DE LAS SERIES DE DEMANDA
COMPORTAMIENTO DE LAS ELASTICIDADES DE UN BIEN ”NORMAL”
NORMAL
NONORMAL
Producto 1 Producto 1
La siguiente gráfica presenta la desagregación por del comportamiento del precio y de la demanda
por regiones; el comportamiento por regiones parece ser normal en todas ellas, pero existe una
marcada diferencia del impacto en las diferentes regiones. Esto implica que los análisis se deben realizar utilizando un esquema “bottom-up”, que permite validar el comportamiento para cada uno
de los átomos, ya que es posible el análisis agregado esconda átomos que no siguen un comportamiento “normal”.
CARACTERIZACIÓN DE LAS SERIES DESAGREGADAS DE DEMANDACOMPORTAMIENTO DE BIEN NORMAL
▪ PRODUCTO ANORMAL: el bien se comporta incoherentemente desde el punto de vista
microeconómico: baja el precio, baja la demanda.
REVENUE MANAGEMENT: FUNDAMENTALS & APPLICATIONS
13
CARACTERIZACIÓN DE LAS SERIES DE DEMANDACOMPORTAMIENTO DE BIEN “ANORMAL”
Precio x Categoría Demanda Volumen per Cápita Demanda Valor per Cápita
La incoherencia económica también se refleja en el comportamiento dinámico de las elasticidades
de la demanda, las cuales deben ser negativas, y en este caso son positivas, lo que implica cambios
en la demanda en la misma dirección de los cambios en los precios. Este tipo de productos se denominan productos Geifen. La incoherencia en los resultados se puede deber a múltiples causas,
una de ellas podría ser la ausencia de variables explicativas importantes.
Producto 1 Producto 1
CARACTERIZACIÓN DE LAS SERIES DE DEMANDACOMPORTAMIENTO DE LAS ELASTICIDADES DE UN BIEN ”GEIFEN”
NORMAL
NONORMAL
PRODUCTO “PANTRY LOADING”: el efecto de pantry loading se caracteriza por la siguiente
dinámica: i) baja el precio, inmediatamente sube la demanda, y ii) después la demanda baja, independientemente de que el precio siga bajando. Este comportamiento es típico de producto en
los que la baja de precios conlleva un aumento de la demanda de corto plazo, pero afecta la
demanda de mediano/largo plazo, la cual es atendida en el momento inicial de la bajada de precios y por lo tanto disminuye su valor en el futuro. La siguiente gráfica permite visualizar más
fácilmente el efecto “pantry loading”. Para manejar este tipo de productos, se debe incluir en el modelaje ecuaciones que permitan estimar el efecto “pantry loading”
REVENUE MANAGEMENT: FUNDAMENTALS & APPLICATIONS
14
CARACTERIZACIÓN DE LAS SERIES DE DEMANDACOMPORTAMIENTO DE BIEN “PANTRY LOADING”
Precio x Categoría Demanda Volumen per Cápita Demanda Valor per Cápita
▪ PRODUCTO “ESTACIONAL”: existen estacionalidades periódicas que hacen que suba la demanda del bien por arriba de la media, lo que conlleva subida de precios, por oportunidad o porque los
costos marginales de producción comportan estacionalmente debido al aumento de la producción, conllevando la subida de los precios por razones de la estacionalidad. En este caso el modelo de
identificación del mercado debe incluir ecuaciones que permitan estimar el efecto estacional de la
demanda.
CARACTERIZACIÓN DE LAS SERIES DE DEMANDACOMPORTAMIENTO DE BIEN ESTACIONAL
Precio x Categoría Demanda Volumen per Cápita Demanda Valor per Cápita
La siguiente gráfica presenta la desagregación por del comportamiento del precio y de la demanda,
los que presentan los mismos patrones encontrados en la serie agregada.
REVENUE MANAGEMENT: FUNDAMENTALS & APPLICATIONS
15
CARACTERIZACIÓN DE LAS SERIES DESAGREGADAS DE DEMANDACOMPORTAMIENTO DE BIEN ESTACIONAL
▪ PRODUCTO EXTRAÑO: el bien se comporta incoherentemente desde el punto de vista
microeconómico: baja el precio, baja la demanda, luego baja el precio y baja la demanda. En estos casos los modelos matemáticos desarrollados sobre hipótesis de comportamiento económico normal
parecen no ser utilizables, la realidad es que se requieren otras variables explicativas y un conocimiento profundo del mercado. En este caso el producto en referencia tiene, al final del periodo
un comportamiento “pantry loading”
CARACTERIZACIÓN DE LAS SERIES DE DEMANDA
COMPORTAMIENTO DE BIEN “EXTRAÑO”
EL BIEN SE COMPORTA INCOHERENTEMENTE DESDE EL PUNTO DE VISTA ECONÓMICO:BAJA EL PRECIO, BAJA LA DEMANDA; LUEGO BAJA EL PRECIO Y SUBE LA DEMANDA, Y LA DEMANDA EN TÉRMINOS DE VALOR
ECONÓMICO SIEMPRE BAJA
Precio x Categoría Demanda Volumen per Cápita Demanda Valor per Cápita
El resultado final del modelaje es la caracterización probabilística de los productos que se mueven en el
mercado y de su comportamiento comercial, como paso previo a validar la posibilidad de realizar los
siguientes pasos del proceso relacionado con los modelos RM. Para los productos que no se puedan caracterizar apropiadamente, se debe analizar que hacer para lograr el objetivo de la optimización de
los precios.
2.6. OPTIMIZACIÓN DE PRECIOS: MODELAMIENTO MATEMÁTICO
REVENUE MANAGEMENT: FUNDAMENTALS & APPLICATIONS
16
En palabras el modelo matemático tipo RM debe considerar: dada una capacidad de producción/compra,
un inventario disponible, un proceso de demanda conocido, un menú de productos disponibles y unas una serie de políticas de precios viables, el objetivo del decisor es encontrar: la estrategia de precios
que maximice el valor esperado de los ganancias contabilizados como ingresos por ventas
menos costos de producción.
A continuación, se presentan varios casos básicos, elementales, de RM; para cada uno de ellos se presenta el modelo matemático correspondiente.
2.6.1. PRECIO COMÚN PARA EL MERCADO
Este caso considera un producto que debe venderse con un precio único (P) ya que no es posible venderlo con precios diferenciales por segmento, limitándose la decisión a las cantidades a vender en
cada segmento (Qi) los cuales se diferencian por la función de demanda, fi(P). La función Costo (Q) se asocia al costo de producir/comprar Q unidades, esta función que puede ser no lineal ya que a mayor
producción mayor costo marginal.
Max P (Q1+Q2)–Costo(Q1+Q2)
|
Q1 + Q2 ≤ InventarioQ1=f1(P) , Q2=f2(P)
0 ≤ Q1 , 0 ≤ Q20 ≤ P
PRICE COMMON FOR ALL SEGMENTS OF THE MARKET
Q2Q1
P
Price
Quantity
Un modelo genérico para múltiples segmentos se puede formular como
{ Max z = P×(QT) – Costo(QT) |
QT = i Qi
QT ≤ Inventario ; Qi = fi(P)
0 ≤ Qi ; 0 ≤ P }
2.6.2. PRECIO SEGMENTADO PARA EL MERCADO
Este caso considera un producto que puede venderse con un precio diferenciado por segmento (Pi); la
decisión debe definir las cantidades a vender (Qi) y los precios a fijar (Pi) en cada segmento.
REVENUE MANAGEMENT: FUNDAMENTALS & APPLICATIONS
17
Max P1Q1 + P2Q2- Costo(Q1+Q2)
|
Q1 + Q2 ≤ InventarioQ1=f1 (P1) , Q2=f2(P2)
0 ≤ Q1 , 0 ≤ Q20 ≤ P1 , 0 ≤ P2
PRICE SEGMENTED FOR EACH SEGMENT OF THE MARKET
Q2Q1
P1
Price
Quantity
P1
P2
Un modelo genérico para múltiples segmentos se puede formular como
{ Max z = i Pi × Qi – Costo(QT)
|
QT = i Qi
QT ≤ Inventario ; Qi = fi(P)
0 ≤ Qi ; 0 ≤ Pi }
2.6.3. PRECIO DINÁMICOS SEGMENTADO PARA UN MERCADO
Este caso considera un producto que puede venderse en múltiples períodos con un precio diferenciado
por periodo y por por segmento (Pi,t) la decisión debe definir, para cada período las cantidades a vender (Qi,t) y los precios a fijar (Pi,t) en cada segmento. La función de demanda, fi,t(P), varía en cada período
para cada segmento. La función Costo (Q) se asume estática.
Max t {P1,t Q1,t + P2,t Q2,t– Costo(Q1,t + Q2,t)}
|Inventariot =
Inventariot-1-Q1,t-Q2,t
Q1,t=f1,t(P1,t) , Q2,t=f2,t(P2,t)
0 ≤ Q1,t , 0 ≤ Q2,t0 ≤ P1,t , 0 ≤ P2,t
0 ≤ Inventariot
DYNAMIC PRICES SEGMENTED FOR EACH SEGMENT OF THE MARKET
Q2Q1
P1
Price
Quantity
P1
P2
Q2Q1
P1
Price
Quantity
P1
P2
Q2Q1
P1
Price
Quantity
P1
P2
REVENUE MANAGEMENT: FUNDAMENTALS & APPLICATIONS
18
Un modelo genérico para múltiples segmentos se puede formular como
{ Max z =
t
i ( Pi,t
× Qi,t
) – Costo(QTt)}
|
QTt = i Qi,T
Inventariot = Inventariot-1 - QTt
Qi,t=fi,t(Pi,t) ; 0 ≤ Qi,t ; 0 ≤ Pi,t
0 ≤ Inventariot }
Si el anterior modelo quiere convertirse en un modelo genérico para múltiples segmentos se puede
formular incluyendo dos restricciones: ▪ Precios descendentes: Pi,t+1 ≤ Pi,t
▪ Inventario final igual a cero InventarioT = 0 , donde T representa al último período del horizonte de planificación.
El siguiente diagrama presenta un ejemplo de resultados para un caso de dos segmentos (dos almacenes: Av. 19 y San Martin) y un producto.
REMATE – CASO UN PRODUCTO MULTI-SITIO – CENTRO DISTRIBUCIÓN
2.6.4. PLANIFICACIÓN TÁCTICA S&OP
A partir de los modelos matemáticos básicos posible generar variaciones para múltiples casos reales,
como puede ser la planificación de corto mediano plazo de ventas y de producción (S&OP, Sales & Operations Planning). Un caso real esta asociado con la producción de prendas de vestir (fashion
market), el cual puede representarse en producción de productos estacionales, que se pueden asociadas
a varias temporadas. En el diagrama siguiente, extraído de material publicitario de Manugistics Inc., se consideran tres temporadas; i) pre-temporada, ii) en temporada, y iii) fin de temporada. A lo largo del
ciclo productivo (posiblemente un año), una empresa productora de ropa debe decidir las cantidades y los precios para los diferentes productos que ofrece al mercado.
REVENUE MANAGEMENT: FUNDAMENTALS & APPLICATIONS
19
PRE TEMPORADAPRE TEMPORADA
FIN DE FIN DE TEMPORADATEMPORADA
EN EN TEMPORADATEMPORADA
Determinar Objetivos Financieros
Plan Unitario y FinancieroOptimizar Precio Inicial y de Promoción
Revisar y Actualizar Plan Actual
Monitorear y Seguir Excepciones
Análisis
AjustesResultados de Desempeño
Interacción Con:
•Compras
•Planificación de Demanda
•Manejo de Inventarios y otros sistemas de Merchandising
Fuente Manugistics, Inc.
PLANIFICACIÓN DE LA VIDA DEL PRODUCTO
En este caso se debe coordinar ventas, producción y distribución como parte de una plan integrado de
planificación del negocio de manera de maximizar el revenue de la organización durante el ciclo de vida
del negocio. Un modelo genérico (académico) para este caso se puede formular como
{ Max z =
t p [ i ( Pi,p,t QSi,p,t
) – Costop(QPp,t) ]
|
p CPp QPp,t = ≤ Cap-Producciont
Inventariop,t = Inventariop,t-1 – VOp QSp,t + VOp QPp,t
QSi,t=fi,p,t(Pi,t) ; 0 ≤ QSi,p,t ; 0 ≤ Pi,p,t
0 ≤ Inventariot ; 0 ≤ Cap-Inventario }
donde p Tipo de producto
QSi,p,t Cantidad de producto p vendido en el segmento i durante el período t QPp,t Cantidad de producto p producido durante el período t
Costop() Costo de producción del producto p
CPp Consumo de unidades de producción por unidad producida de producto p (simplificación de un modelo de producción del tipo Cobb-Douglas)
VOp Volumen ocupado por unidad de producto p Cap-Producciont Capacidad de producción durante el período t
Cap-Inventario Capacidad de almacenamiento de inventarios en volumen
El anterior modelo esta alineado con las ideas de Enterprice-Wide Optimization en los que se
reconoce que el mayor nivel de productividad gerencial esta vinculado con la planificación integrada de la empresa en varias dimensiones: la temporal, la espacial y la funcional.
REVENUE MANAGEMENT: FUNDAMENTALS & APPLICATIONS
20
J. Shapiro. “Beyond Supply Chain Optimization to Enterprise Optimization”
DEMAND CHAIN OPTIMIZATION
2.7. IMPLEMENTACIÓN COMPUTACIONAL
En el proceso de implementar un sistema de soporte de decisiones RM de debe tener en cuenta el problema computacional asociado, debido a la cantidad de información que se debe manejar.
Por ejemplo, para estimar la funciones de demanda (elasticidades demanda-precio), una empresa propietaria de una cadena de supermercados la cantidad de modelos matemáticos (regresiones) que
debe calibrar es igual a POS PRO, donde POS corresponde a la cantidad de puntos de venta
(segmentos) y PRO la cantidad promedio de SKUs que vende en los puntos de venta. Los valores de POS y de PRO pueden crecer rápidamente; por ejemplo, en una empresa productora de alimentos líder
en un país latinoamericano medio, la cantidad de clientes del canal tradicional ascendía más de 125.000
tiendas para el año 2005. La cantidad de SKUs pasaba de los 10.000.
Adicionalmente, si se requiere calcular funciones de demanda dinámicas, los modelos de regresión deben incluir elementos que permitan calcular los efectos estacionales que pueden llegar a ser de varios niveles,
por ejemplo: nivel mensual y nivel semanal al interior de cada mes; alternativamente se pueden calibrar
modelos estacionales lo que aumenta la cantidad de modelos matemáticos de identificación.
Lo anterior implica, que, aun para casos pequeños, es imposible pensar en un método convencional de validación de los parámetros de los modelos de identificación que se requiere calibrar; basado en
analistas capacitados que revisen visualmente todos los modelos matemáticos. Por lo tanto, se requiere incluir como parte del proceso la validación automática de modelos y la selección automática de los
modelos que se deben revisar y de los casos que parecen no tener solución de corto plazo.
Si la optimización del RM se realiza individualmente para cada producto y para cada segmento (POS)
la cantidad de modelos de optimización a resolver es igual a la cantidad de modelos de identificación aceptados como válidos. Para garantizar la calidad del proceso de optimización, se debe realizar el
seguimiento a los resultados de las proyecciones de ventas realizadas por los modelos RM, si las
proyecciones no se ajustan a lo observados, se deberán realizar ajustes, ya reflejan casos de sobre-valoración de los productos para el ca de ventas proyectadas menor que las observadas, y de
subvaloración para el caso contrario. Nuevamente, el seguimiento de los resultados por medios de analistas humanos es imposible.
REVENUE MANAGEMENT: FUNDAMENTALS & APPLICATIONS
21
Por lo tanto, este aspecto es parte del problema a resolver: la implementación computacional y la
robotización del proceso de análisis.
3. APLICACIONES
Desde su nacimiento en la industria del transporte aéreo de pasajeros, las aplicaciones de RM se han
extendido de manera considerable, hasta cubrir casi todo sector industrial y/o comercial. La siguiente tabla presenta un resumen de las áreas de aplicación de RM más comunes
TRADITIONAL NON-TRADITIONAL
Airline Hotel
Extended Stay Hotel Car Rental
Rail
Tour Operators Cargo Cruise Retail
Energy Broadcast Healthcare
Manufacturing Apparel
Restaurants Golf …
Se debe tener en cuenta que la formulaciones de RM conceptualmente todos buscan lo mismo maximizar el “revenue” de la empresa, su estructura varía dependiendo del sector específico y en muchos casos
pueden depender del negocio del específico del usuario final.
Los modelos presentados en los numerales anteriores, están orientados al sector retail. En los numerales
siguientes se presentan la conceptualización de RM para múltiples sectores. No todos los casos están preparados en el momento de publicar la última versión de este documento; al lector interesado se le
sugiere enviar un email a [email protected] solicitando se incluya el sector de su interés.
La profundidad de la explicación es superficial y solo se concentra en presentar la conceptualización y la estructura de los modelos matemáticos que se requieren para RM.
3.1. TRANSPORTE AÉREO DE PASAJEROS
Como ya se mencionó el sector de las aerolíneas es el lugar de nacimiento del RM. Uno de los principios
fundamentales: las aerolíneas, y muchos negocios similares (como cual tipo de transporte de pasajeros)
no pueden guardar asientos: ya que sólo están disponibles en el momento de la salida del avión/vehículo. En los hoteles ocurre lo mismo con la noches de una habitación vacía. Bajo esta premisa cada
silla/habitación vacía es pérdida de ganancia.
Lo anterior conlleva a la racionalidad de que puede ser parte de la política de RM permitir el overbooking
(ventas por arriba de la capacidad del avión), teniendo en cuenta que en la medida que se acerca la hora de partida aumenta la cantidad de no-shows, o de cambio de planes. Si no se tiene una política de
overbooking, los no-shows y los cambio de planes se convierten en sillas vacías. Por lo tanto, una primera idea de RM es determinar la línea de overbooking la cual es dinámica y cambia a medida se acerca la
salida del avión.
La política de sobreventa sería trivial si la aerolínea no tiene que pagar penalizaciones por razón de no
proveer las sillas compradas cuando finalmente se presenta el overbooking. El sistema ideal es aquel que consigue una línea de límite de overbooking que hace que al momento de salida la cantidad de sillas
utilizadas sea igual al cantidad de sillas vendidas, cualquier desviación implica costos para la aerolínea.
REVENUE MANAGEMENT: FUNDAMENTALS & APPLICATIONS
22
OVERBOOKING
CapacidadVuelo
Límite Overbooking
Reservas CON OverbookingReservas SIN Overbooking
Tiempo
Demanda Real Conocidadebido el
Overbooking
Reservas
HoraSalida
Demanda AtendidaSIN Overbooking
Demanda Perdida SIN Overbooking
PenalizaciónCON
Overbooking
El siguiente diagrama presenta la arquitectura de un sistema de RM para aerolíneas.
Fuente: Revenue Management in the Airline Industry: Problems and Solutions
Nota: Falta incluir modelos matemáticos básicos relacionados con el tema.
3.2. TRANSPORTE DE CARGA
Se sugiere al lector interesado consultar el siguiente documento:
▪ Transport Revenue Management. Case: Less-Than-Truckload (LTL) Transport Networks
https://www.linkedin.com/pulse/transport-revenue-management-optimal-pricing-case-ltl-jesus-
velasquez/
REVENUE MANAGEMENT: FUNDAMENTALS & APPLICATIONS
23
3.3. HOTEL
MATHEMATICAL MODELS IN REVENUE MANAGEMENT - HOSPITALITY INDUSTRY
Source: Bandalouski, A. (2015) “Revenue Management Models for Hotel Business” Nota: Falta incluir modelos matemáticos básicos relacionados con el tema.
3.4. BROADCASTING
MATHEMATICAL MODELS IN REVENUE MANAGEMENT - BROADCASTING INDUSTRY
Nota: Falta incluir modelos matemáticos básicos relacionados con el tema.
3.5. FASHION
Nota: Falta incluir descripción y modelos matemáticos básicos relacionados con el tema.
3.6. RETAIL