Autores
Daniel Farré (Universidad de Buenos Aires).
Paula Lucía Farré (Universidad de Buenos Aires).
El avance exponencial de la Ciencia de Datos durante la última década permite optimizar todo tipo de técnicas tradicionales de gestión. En la presente ponencia ponemos foco en la aplicación de enfoques y modelos de Gestión y Costos sobre la técnica de Desagregación (Unbundling) de Mercadotecnia, potenciado por el análisis de grupos con aprendizaje automatizado (Clustering con machine learning) de la Minería de Datos.
La combinación de modelos de Gestión sobre el unbundling tradicional en empresas de mercados competitivos (de elasticidad conocida) que estuviesen operando en óptimos de mercado con desaprovechamiento de capacidad permite optimizar el nuevo precio para lograr objetivos múltiples: aumento de participación de mercado y rentabilidad y disminución de capacidad ociosa. Yendo más lejos aún, la incorporación de la técnica de clustering con aprendizaje automatizado a dichos modelos permite un análisis de mayor granularidad del comportamiento del mercado ante el unbundling, aumentando los beneficios por la segmentación de ofetas.
Introducción
Uno de los principios que más aportó al éxito del concepto original de Cadena de Valor (Porter,1985) en la Contabilidad Directiva fue la comparación entre el valor agregado al cliente y el costo necesario para lograr su satisfacción, discriminando eslabón por eslabón en la visión Mesoeconómica y actividad por actividad dentro de cada eslabón, en la visión Microeconómica. Si se detecta que una actividad aporta menor valor que su costo, esta no tiene sentido económico, por cuanto se dispara un proceso de revisión
para eliminarla (u optimizarla para mejorar su aporte o disminuir su costo).
Desde el punto de vista de Mercadotecnia, si dicha actividad o conjunto de actividades se realizan para lograr un componente del producto que es factible desasociar al producto principal, en muchas ocasiones se procede a realizar su desagregación o unbundling, lo que permite un ahorro de costos que debiera ser mayor a la pérdida de ingresos por la reducción de precio (disminución del valor percibido de dicho componente) sin pérdida de volumen de ventas.
Ahora bien, no todos los clientes perciben el valor de la misma manera. Decidir en función de grandes promedios da lugar a resultados con desvíos que pueden ser relevantes. El avance exponencial de la Ciencia de Datos durante la última década permite mejorar el entendimiento de esas percepciones segmentadas por grupos y nos da la posibilidad de elaborar modelos de Toma de Decisiones más precisos.
Adicionalmente, al cambiar las variables precio, costos variables y margen de contribución, podemos aplicar modelos de Contabilidad de Gestión con foco en la elasticidad precio-demanda para demostrar que los beneficios no sólo serán los detectados en la cadena de valor.
Razón de Ser
La ponencia tiene por objetivo analizar distintos casos de unbundling en empresas de mercados competitivos (de elasticidad conocida) que estuviesen operando en óptimos de mercado con desaprovechamiento de capacidad, partiendo de un escenario base sin percepción de impacto en el valor de los componentes de producto desagregados y evolucionando a casuísticas en donde existen distintas brechas negativas entre el valor aportado y los costos de las actividades a eliminar, de acuerdo a diferentes clusters de clientes, identificados en ejercicios de aplicación de modelos de minería de datos.
Para cada caso se determinan nuevos óptimos de precios y participación de mercados segmentados, más allá de las reducciones tradicionales por el efecto del desagregado de productos.
La modelización se simplifica asumiendo las siguientes características:
- Modelo determinista (Si se desea transformar en un modelo estocástico se podrán
utilizar los mismos lineamientos, pero utilizando matemática borrosa) - Maximización de valor agregado (neteando, de los ingresos, todos los costos con
visión económica de la Teoría General de Costos) como objetivo económico. - Elasticidad precio-demanda conocida (constante sólo dentro de todo el nivel de
actividad en análisis) en base a estudios de mercado (que determina una curva
cuadrática en base a la cercanía de estas con los distintos puntos observados, lo
que equivale a decir que existe un comportamiento lineal de la función de
cantidad en función de precio dentro de dicho rango):
o General en el caso base
o Segmentado bajo criterios de comportamientos asociados al valor
percibido para los casos siguientes. - En dicho nivel de actividad se mantienen constantes los Costos Fijos Totales
(Estructurales y Operativos) y el costo variable unitario.