Dynamic Pricing in the Retail Sector and their Elasticity Effects

Abstract

Este proyecto consiste en el desarrollo de un modelo de Pricing Dinámico en la industria retail físico de alimentos. Sigue un proceso ordenado compuesto por el cálculo de curvas de elasticidad y elasticidad cruzada, un modelo de predicción y una optimización para maximizar el margen operativo. El cálculo de las curvas de elasticidad consiste en desarrollar algunos modelos de regresión lineal para saber cómo evolucionaría la demanda según el precio del producto y el precio de otros productos (canibalización). Los modelos de predicción desarrollan algunos algoritmos de Machine Learning para conocer la evolución de la demanda a diferentes niveles (producto, categoría y la demanda completa). El modelo de optimización toma los resultados de los otros dos, para maximizar el margen operativo. La predicción limitaría las ventas y la elasticidad representaría los puntos posibles para elegir en el modelo. La complejidad del proyecto haría muy difícil extenderlo a todos los productos y puntos de venta del cliente, por lo que se ha realizado una selección exhaustiva. El proyecto espera tener un NPV importante en comparación con los resultados de la compañía, y un payback de 1.32 años. El proyecto es un piloto, y hay muchos desarrollos futuros para continuar su mejora.

This project consists on the development of a Dynamic Pricing model in the physical Retail Food Industry. It follows an ordered process composed by self and cross elasticity curves calculation, a prediction model and an optimization one to maximize the operating margin. The elasticity curves calculation consists on developing some linear regression models to know how the demand would evolve depending on the price of the product and the price of other products (cannibalization). The prediction models develop some Machine Learning algorithms to know the evolution of the demand at different levels (product, category and the complete demand). The optimization model takes the results of the other two, to maximize the operating margin. The prediction would limit the sales, and the elasticity would represent the possible points to choose in the model. The project complexity would make very difficult to extend it to all the products and outlets of the client, for that reason an exhaustive selection has been made. The project expects to have an important Net Present Value, compared to the results of the company, and a payback of 1.32 years. The project is a pilot, and there are many future developments to continue its improvement.