Pocas tácticas empresariales estadounidenses son tan peculiares, en una sociedad capitalista libre, como los precios sugeridos al público por los fabricantes. P.H. Hanes, fundador de la planta textil que se convirtió en la compañía de ropa interior HanesBrands, la concibió en los años 20. La estrategia le permitió poner avisos en publicaciones de todo el país para impedir que las distribuidoras especulasen con los precios de sus prendas.
Incluso hoy, muchos comercios estadounidenses cobran los precios recomendados por los fabricantes, aunque les encantaría elevarlos para compensar las presiones inflacionarias sobre sus otros costos. Sin embargo, un número creciente está recurriendo a técnicas de determinación de precios más sofisticadas.
Un estudio seminal del 2010, elaborado por la consultora McKinsey, estimó que subir precios en 1%, sin perder ventas, puede incrementar las utilidades operativas en 8.7%, en promedio. Pero hacerlo de la manera correcta puede ser complejo. Si los precios son fijados demasiado altos, se corre el riesgo de perder clientes, si son fijados demasiado bajos, se desperdiciará dinero.
Históricamente, los minoristas han utilizado reglas basadas en la experiencia, tales como adicionar un margen fijo por encima de los costos o igualar los precios que los competidores cobran. Pero cuando la energía, la fuerza laboral y otros insumos se ponen por las nubes, ya no pueden darse el lujo de tratar la fijación de precios como un asunto a posteriori.
A fin de sacar ventaja, los comercios han estado aplicando sistemas de optimización de precios, que predicen cómo los consumidores responderán a diferentes escenarios y recomiendan los que maximizan ventas o ganancias. En esencia, estos métodos son modelos matemáticos que utilizan infinidad de datos de transacciones para estimar elasticidades de precios –es decir, cuánto se incrementa la demanda cuando el precio disminuye, y viceversa– para miles de productos.
De esta forma, los artículos que presentan sensibilidad al precio pueden ser ofrecidos con descuentos, pero los que no son sensibles al precio pueden venderse con un margen de ganancia. Los comercios pueden afinar los algoritmos para prevenir resultados indeseables, como aumentos de precios de doble dígito o que paquetes de productos cuesten más por unidad que los de menor tamaño.
Estos sistemas se están volviendo más habilidosos gracias al progreso de la inteligencia artificial (IA). Mientras los previos usaban data de ventas históricas para estimar elasticidades de precios de artículos individuales, la más reciente hornada de modelos con IA puede identificar tendencias y relaciones entre múltiples artículos. Las desarrolladoras de software para determinar precios están incorporando nuevas fuentes de data en sus modelos, desde tuits de los consumidores hasta comentarios online, señala Doug Fuehne, vicepresidente sénior de Pricefx, una de esas firmas.
Por su parte, la plataforma basada en la nube desarrollada por Eversight permite que los minoristas testeen cómo ligeros ascensos o descensos en el precio de, digamos, el kétchup Heinz en distintas tiendas, no solo impactan en las ventas de esa salsa sino de toda la categoría. Este modelo es usado por grandes compañías como Coca-Cola y Johnson & Johnson, así como algunos supermercados (Raley’s) y tiendas de ropa (JCPenney).
Todo esto hace que los sistemas para determinar precios sean “mucho más tridimensionales”, opina Chad Yoes, exejecutivo de Walmart que supervisaba dicha tarea en la gigante minorista. Los CEO de comercios al por menor están deseosos de promocionar esta sofisticación a los inversionistas, quienes valoran el poder de fijación de precios de las empresas en tiempos de alta inflación.
En febrero, Starbucks se jactó del uso de analítica e IA para modelar la determinación de precios “de forma continua”. En tanto, la distribuidora de alimentos US Foods ha pregonado la capacidad de su sistema de fijación de precios en el uso “más de una docena de inputs diferentes” para impulsar sus ventas y ganancias.
No obstante, la optimización de precios podría hacerlos volátiles. “Los minoristas están fijando precios con más frecuencia que nunca”, señala Matt Pavich, director gerente de Revionics, otra firma de software especializado. Esto es particularmente cierto en el mundo del e-commerce. Pero incluso Walmart revisa los precios de muchos artículos entre dos y cuatro veces al año, indica Yoes, cuando hace unos años lo hacía una o dos veces.
Lo que estos sistemas no hacen es conducir a precios inexorablemente más altos. Pavich dice que este es “uno de los grandes mitos” respecto de software como el de su firma. La distribuidora de alimentos Sysco es un ejemplo. Dice que su nuevo sistema para fijar precios le permite bajarlos en artículos populares sensibles al precio y subirlos en otros. Así, puede aumentar sus ganancias ampliando sus ventas al tiempo que sostiene sus márgenes. Eso mantiene contentos a los inversionistas y tranquilos a los clientes.
Traducido para Gestión por Antonio Yonz Martínez
© The Economist Newspaper Ltd, London, 2022