Como implementar de forma consistente inteligências e nova tecnologia de Pricing, trazendo resultados no menor tempo possível? Apresentamos uma versão trial de um aplicativo de Pricing desenvolvido para empresas da indústria de bens de consumo
São notáveis os esforços que empresas de diversos segmentos têm promovido para modernizar e implementar novas inteligências em suas decisões de Pricing, assunto já abordado no artigo Inovação e Eficiência: A Tecnologia como aliada da Precificação. Contudo, é comum o abandono de parte considerável dessas novas inteligências em decorrência de dificuldades no desenvolvimento e implementação destes projetos. Como, então, as empresas podem aplicar consistentemente inteligências e novas tecnologias, trazendo resultados positivos no menor tempo possível?
Teros desenvolve ferramentas de fácil implementação, utilizando técnicas de Machine Learning, Economia Comportamental e Data Science, e que têm, como objetivo, tornar as decisões estratégicas das empresas mais simples, inteligentes e eficientes. Neste artigo apresentamos uma versão trial de um aplicativo de Pricing desenvolvido para uma empresa (BETA) da indústria de bens de consumo, a partir de dados transacionais da própria empresa (Sell-In) e do mercado (Sell-Out).
O trial é construído de forma a sugerir políticas de preços regionais que considerem todas as etapas da cadeia de negócios de BETA, visando sempre o nível ótimo de rentabilidade. Dessa forma, a ferramenta foi dividida em três abas:
O exemplo acima mostra que caso Beta tenha um aumento de 2% nos seus custos, o reajuste simples de 5% seria o pior cenário para a empresa, com uma redução de 5.77% de sua receita, enquanto o reajuste ótimo apresenta o maior ganho de receita. O último gráfico mostra também que os estados do Nordeste deveriam ter aumento de preços mais elevados que os demais. Esse resultado está de acordo com a menor elasticidade ao preço que os produtos da empresa Beta apresentam nessa região, já que possuem uma marca mais forte nos estados nordestinos e seus produtos são essenciais para os varejistas.
A aba de Sell-In permite também que se calcule os reajustes médios para diferentes unidades da federação (UF) e para diferentes níveis de agregação de produto, como global, categoria e família.
O exemplo acima mostra que caso Beta tenha um aumento de 2% nos seus custos, o reajuste simples de 5% seria o pior cenário para a empresa, com uma redução de 5.77% de sua receita, enquanto o reajuste ótimo apresenta o maior ganho de receita. O último gráfico mostra também que os estados do Nordeste deveriam ter aumento de preços mais elevados que os demais. Esse resultado está de acordo com a menor elasticidade ao preço que os produtos da empresa Beta apresentam nessa região, já que possuem uma marca mais forte nos estados nordestinos e seus produtos são essenciais para os varejistas.
A aba de Sell-In permite também que se calcule os reajustes médios para diferentes unidades da federação (UF) e para diferentes níveis de agregação de produto, como global, categoria e família.
O exemplo acima mostra que caso Beta tenha um aumento de 2% nos seus custos, o reajuste simples de 5% seria o pior cenário para a empresa, com uma redução de 5.77% de sua receita, enquanto o reajuste ótimo apresenta o maior ganho de receita. O último gráfico mostra também que os estados do Nordeste deveriam ter aumento de preços mais elevados que os demais. Esse resultado está de acordo com a menor elasticidade ao preço que os produtos da empresa Beta apresentam nessa região, já que possuem uma marca mais forte nos estados nordestinos e seus produtos são essenciais para os varejistas.
A aba de Sell-In permite também que se calcule os reajustes médios para diferentes unidades da federação (UF) e para diferentes níveis de agregação de produto, como global, categoria e família.
2. Pass-Through de preços Sell-In -> Sell-Out
Essa aba analisa historicamente como variações dos preços transacionais de BETA são repassadas para os consumidores finais, servindo como ponte entre as outras abas do trial. Essa análise permite, por exemplo, avaliar o quão pressionados estão os varejistas e em que medida seria possível pressioná-los com repasse de custos. Por exemplo, se um produto de Beta no varejo é muito elástico, e a aba seguinte do aplicativo permite essa análise de elasticidade, o repasse de um aumento de custos dos varejistas a seus consumidores finais se torna menos provável. Já no caso de produtos menos elásticos, Beta teria uma maior liberdade para aumentar seus preços para o varejo, já que este conseguiria repassar boa parte desse aumento de custos.
A ferramenta permite a análise de pass-through através de um gráfico que mostra a evolução do mesmo para um determinado produto e uma UF e através da média do pass-through considerando os últimos seis meses de venda do produto.
O exemplo acima mostra que nos últimos 6 meses, o reajuste médio do preço de Sell-Out do produto 60, vendido em Pernambuco, ficou em média 8 pontos percentuais acima do reajuste médio do preço de Sell-In. Dessa forma, se a empresa Beta aumentasse o preço médio do produto 60 em 1% para os varejistas pernambucanos, estes tenderiam a elevar o preço desse produto para os consumidores finais em 9%.
3. Sell-Out Analysis
A análise de sell-out calcula o nível de preços para o qual os produtos da empresa BETA devem convergir ao longo do tempo, indicando o posicionamento que retorna a maior rentabilidade de seus produtos. Essa aba entrega também uma visão mais completa do mercado, informando os preços dos concorrentes de BETA, o market-share de cada produto e a elasticidade preço dos consumidores finais. Dessa forma, a empresa BETA tem os insumos necessários para definir de forma simples o posicionamento ótimo dos seus produtos e para refinar ainda mais o seu entendimento sobre o mercado e o comportamento de seus consumidores finais.
O primeiro output dessa aba é um gráfico que mostra o posicionamento relativo atual e de longo prazo dos diferentes produtos que compõem uma categoria em uma UF, previamente selecionados. Além do nível de preços de cada produto, o gráfico destaca qual deve ser a tendência de evolução dos preços, ou seja, se devem aumentar ou diminuir.
O exemplo acima mostra que os produtos da categoria 11, vendidos em Pernambuco, estão atualmente com o posicionamento de preços abaixo do ótimo.
A aba contém também uma tabela resumo dos preços, market-share e elasticidade própria de todos os produtos de uma UF previamente selecionada.
No exemplo acima, o produto 674 possui 63% do volume de vendas dentro da sua categoria, um preço de R$ 5,90 e uma elasticidade própria de -0.59.
Selecionando uma UF e um produto, é possível obter uma tabela resumo dos níveis atuais e de longo prazo do preço de um produto, do seu share volume dentro de sua categoria e das elasticidades preço próprias e cruzadas do mesmo. Também apresenta um gráfico que resume para o mesmo produto a evolução do seu preço, do seu share volume dentro de sua categoria e da sua elasticidade preço própria.
A imagem acima mostra que o produto 633 vendido em Pernambuco possui um preço médio de R$ 6,72, mas para obter a rentabilidade ótima, há espaço para aumento de 50% no seu preço, podendo chegar até R$ 9,58.
Conclusão
Os últimos anos trouxeram uma disponibilidade de dados e poder de processamento dos computadores como nunca vista, e, associado a eles, um potencial elevado de oportunidades para que empresas consigam adotar estratégias de Pricing mais inteligentes e que gerem melhores resultados. Porém nem sempre esse processo de transição é simples.
Nesse artigo, apresentamos um produto desenvolvido pela Teros que entrega ao seu usuário, de forma simples e inteligente, uma visão ampla do impacto de sua política de preços na sua cadeia de negócios e indica qual o nível de preços que deveria ser praticado para que ele obtenha a maior rentabilidade possível.
