p Como os negócios online podem aproveitar vastos dados históricos, poder computacional, e técnicas sofisticadas de aprendizado de máquina para analisar e prever a demanda rapidamente, e otimizar preços e aumentar a receita? p Um artigo de destaque de pesquisa na edição do outono de 2017 do MIT Sloan Management Review pelo professor do MIT David Simchi-Levi descreve novos insights sobre previsão de demanda e otimização de preços.

p Algoritmo aumenta a receita em 10 por cento em seis meses

p Simchi-Levi desenvolveu um algoritmo de aprendizado de máquina, que ganhou o prêmio INFORMS Revenue Management e Pricing Section Practice, e o implementou pela primeira vez na loja online Rue La La.

p O objetivo inicial da pesquisa era reduzir o estoque, mas o que a empresa acabou conseguindo foi "tecnologia de ponta, aplicativo de modelagem de demanda que tem um tremendo impacto nos resultados financeiros do varejista, "Simchi-Levi diz.

p O grande desafio da Rue La La era precificar itens que nunca haviam sido vendidos antes e, portanto, exigia um algoritmo de precificação que pudesse definir preços mais altos para alguns itens novos e preços mais baixos para outros.

p Dentro de seis meses de implementação do algoritmo, aumentou a receita da Rue La La em 10%.

p Previsão, aprender, otimizar

p O processo da Simchi-Levi envolve três etapas para gerar melhores previsões de preços:

p A primeira etapa envolve combinar produtos com características semelhantes aos produtos a serem otimizados. Uma relação entre demanda e preço é então prevista com a ajuda de um algoritmo de aprendizado de máquina.

p A segunda etapa requer o teste de um preço em relação às vendas reais, e ajustar a curva de preços do produto para corresponder aos resultados da vida real.

p Na terceira e última etapa, uma nova curva é aplicada para ajudar a otimizar os preços em muitos produtos e períodos de tempo.

p Previsão da demanda do consumidor no Groupon

p O Groupon tem um enorme portfólio de produtos e lança milhares de novos negócios todos os dias, oferecendo-os apenas por um curto período de tempo. Como o Groupon tem um período de vendas tão curto, prever a demanda era um grande problema e fazer previsões quase impossível.

p A aplicação da abordagem de Simchi-Levi a este caso de uso começou gerando várias funções de demanda. Ao aplicar um preço de teste e observar as decisões dos clientes, insights foram coletados sobre quanto foi vendido - informações que poderiam identificar a função de demanda mais próxima do nível de vendas no preço de aprendizagem. Esta foi a função de preço de demanda final usada, e foi usado como base para otimizar o preço durante o período de otimização.

p A análise dos resultados do experimento de campo mostrou que esta nova abordagem aumentou a receita do Groupon em cerca de 21 por cento, mas teve um impacto muito maior em negócios de baixo volume. Para negócios com menos reservas por dia do que a média, o aumento médio na receita foi de 116 por cento, enquanto a receita aumentou apenas 14% para negócios com mais reservas por dia do que a média.

p Potencial para interromper serviços bancários e de seguros ao consumidor

p A capacidade de automatizar a precificação permite que as empresas otimizem a precificação de mais produtos do que a maioria das organizações atualmente acha possível. Este método também foi usado para uma aplicação de tijolo e argamassa, aplicando o método à promoção e preços de uma empresa, em vários canais de varejo, com resultados semelhantes.

p "Estou muito satisfeito que nosso algoritmo de preços possa alcançar resultados tão positivos em um curto período de tempo, "Simchi-Levi diz." Esperamos que esse método seja usado em breve não apenas no varejo, mas também no setor bancário de consumo. De fato, minha equipe no MIT desenvolveu métodos relacionados que foram recentemente aplicados nas indústrias de companhias aéreas e de seguros. " p Esta história foi republicada por cortesia do MIT News (web.mit.edu/newsoffice/), um site popular que cobre notícias sobre pesquisas do MIT, inovação e ensino.