¿Cómo pueden las empresas en línea aprovechar los vastos datos históricos? potencia de cálculo, y sofisticadas técnicas de aprendizaje automático para analizar y pronosticar rápidamente la demanda, y optimizar los precios y aumentar los ingresos?

Un artículo destacado de investigación en la edición de otoño de 2017 de MIT Sloan Management Review por el profesor del MIT David Simchi-Levi describe nuevos conocimientos sobre la previsión de la demanda y la optimización de precios.

El algoritmo aumenta los ingresos en un 10 por ciento en seis meses

Simchi-Levi desarrolló un algoritmo de aprendizaje automático, que ganó el premio INFORMS Revenue Management and Pricing Section Practice Award, y lo implementó por primera vez en el minorista en línea Rue La La.

El objetivo de la investigación inicial era reducir el inventario, pero lo que terminó con la empresa fue "una tecnología de vanguardia, aplicación que modela la demanda que tiene un impacto tremendo en los resultados finales del minorista, "Dice Simchi-Levi.

El gran desafío de Rue La La fue fijar precios en artículos que nunca se habían vendido antes y, por lo tanto, requería un algoritmo de precios que pudiera establecer precios más altos para algunos artículos nuevos y precios más bajos para otros.

Dentro de los seis meses posteriores a la implementación del algoritmo, aumentó los ingresos de Rue La La en un 10 por ciento.

Pronóstico, aprender, optimizar

El proceso de Simchi-Levi implica tres pasos para generar mejores predicciones de precios:

El primer paso consiste en hacer coincidir productos con características similares a los productos a optimizar. Luego, se predice una relación entre la demanda y el precio con la ayuda de un algoritmo de aprendizaje automático.

El segundo paso requiere comparar un precio con las ventas reales, y ajustar la curva de precios del producto para que coincida con los resultados de la vida real.

En el tercer y último paso, Se aplica una nueva curva para ayudar a optimizar los precios en muchos productos y períodos de tiempo.

Predecir la demanda del consumidor en Groupon

Groupon tiene una enorme cartera de productos y lanza miles de nuevas ofertas todos los días, ofreciéndolas solo por un corto período de tiempo. Dado que Groupon tiene un período de ventas tan corto, predecir la demanda era un gran problema y pronosticar casi imposible.

La aplicación del enfoque de Simchi-Levi a este caso de uso comenzó generando múltiples funciones de demanda. Luego, aplicando un precio de prueba y observando las decisiones de los clientes, se obtuvieron conocimientos sobre cuánto se vendió, información que podría identificar la función de demanda más cercana al nivel de ventas al precio de aprendizaje. Esta fue la función final de demanda-precio utilizada, y se utilizó como base para optimizar el precio durante el período de optimización.

El análisis de los resultados del experimento de campo mostró que este nuevo enfoque aumentó los ingresos de Groupon en aproximadamente un 21 por ciento, pero tuvo un impacto mucho mayor en los acuerdos de bajo volumen. Para ofertas con menos reservas por día que la mediana, el aumento promedio de los ingresos fue del 116 por ciento, mientras que los ingresos aumentaron solo un 14 por ciento para los acuerdos con más reservas por día que la mediana.

Potencial para interrumpir la banca y los seguros de consumo

La capacidad de automatizar los precios permite a las empresas optimizar los precios de más productos de los que la mayoría de las organizaciones consideran posible en la actualidad. Este método también se ha utilizado para una aplicación física mediante la aplicación del método a la promoción y fijación de precios de una empresa. en varios canales minoristas, con resultados similares.

"Estoy muy contento de que nuestro algoritmo de fijación de precios pueda lograr resultados tan positivos en un período corto de tiempo, ", Dice Simchi-Levi." Esperamos que este método pronto se utilice no solo en el comercio minorista, sino también en la industria de la banca de consumo. En efecto, mi equipo en el MIT ha desarrollado métodos relacionados que se han aplicado recientemente en las industrias de las aerolíneas y los seguros ".

Esta historia se vuelve a publicar por cortesía de MIT News (web.mit.edu/newsoffice/), un sitio popular que cubre noticias sobre la investigación del MIT, innovación y docencia.