Los analistas Macro estiman una expansión de la actividad económica y del consumo para el año 2024. ¿Qué está haciendo su empresa en términos Micro y estratégicos?
Crear valor y capturar parte de éste en beneficio de los accionistas constituye el objetivo fundamental de cualquier empresa. Desde el mismo momento en que se analiza el mercado target, se diseña el producto y se analiza las alternativas de Pricing, los datos y su analítica deben estar presente.
Son varias las herramientas y los modelos estadísticos que pudieran permitirnos, una vez contásemos con data, identificar la demanda, así como los nichos no atendidos o donde la demanda “residual” nos permitiría entrar, posicionarnos o simplemente atender vía “proliferación de marcas” si es que ya nos encontramos presente en el mercado. Lo anterior no tendría por qué responder a únicamente un objetivo de captura de valor sino incluso con objetivos estratégicos o preventivos para evitar que nuevos competidores o los actuales tomen terreno en nuestro mercado.
En materia de Pricing, los modelos estadísticos, desde estimaciones de modelos de elección discreta y precios hedónicos que nos permitirían identificar aquellos atributos de nuestra oferta de valor que incrementa la probabilidad de que nuestro producto sea el demandado, hasta la identificación de la contribución a la disponibilidad a pagar de nuestros clientes tributo por atributo. Análisis de esta naturaleza satisfacen el criterio de que el precio constituye una variable de decisión que debe estar presente al momento del diseño del producto así como a la hora de ofrecerlo en el mercado, reconociendo que existen modelos y enfoques que pueden contribuir a la toma de decisiones en cada etapa más allá de los mencionados hasta ahora (por ejemplo, metodologías de análisis de la pérdida crítica o de Breakeven puede orientarnos en la fijación o modificación de nuestro precio una vez ya estamos ofertando y ajustando precios en el mercado).
La teoría económica asoma que estrategias de discriminación de precios poseen mayores grados de libertad a la hora de capturar valor del mercado en comparación con un escenario de precios únicos.
Asimismo, la teoría señala que la Discriminación de Precios de Primer Grado -según la taxonomía de Pigou- o Precios Personalizados -según la taxonomía de Varian- permitiría a la empresa la mayor captura de valor volcado al mercado. Dicha discriminación de precios satisface tres requisitos o posee tres características propias que cualquier estrategia de precios debería perseguir en procura de la mayor captura de valor. Estos tres elementos deseables que se satisfacen con una discriminación de precios perfecta de primer grado o precios personalizados y pueden ser puntos de referencia contra los cuales se puede medir la rentabilidad de otros esquemas de precios son:
1. Extracción: Ningún individuo realiza ningún excedente de consumo en sus compras.
2. Exclusión: Ningún individuo consume un bien si el costo de ese bien excede su precio de reserva para él.
3. Inclusión: Cualquier individuo consume un bien si el costo de ese bien es menor que su precio de reserva para el mismo.
En un escenario de precio único, la fijación de precios independiente siempre satisface la Exclusión porque los precios individuales nunca se establecen por debajo del costo. Sin embargo, el desafío es satisfacer los otros dos requisitos para capturar mayor valor.
La discriminación de precios puede aportar a la consecución de dicho objetivo y en este sentido dos pueden ser las estrategias: la primera constituida por una discriminación de precios implícitos vía empaquetamiento de productos -hablaremos de esta estrategia en otro artículo- y segundo la discriminación de precios por medio de ofertas diferenciadas primordialmente vía precios (Discriminación de Primer, Segundo y Tercer Grado).
La discriminación de precios de Tercer Grado –Group Pricing– y la de Segundo Grado –Menu Pricing o Versioning– se diferencian en que en la primera se cuenta con una característica observable del consumidor, altamente correlacionada con la valoración o disponibilidad a pagar por el bien, mientras que en el segundo caso constituye una característica no observable del consumidor que estaría altamente correlacionada con la disponibilidad a pagar. Una alternativa resulta superior a la otra en la medida que permita capturar el mayor valor posible producto de que la información o característica observable en el primer caso o la característica oculta correlacionada que permitiría diseñar un mecanismo de Screening posea la correlación más alta con la disponibilidad a pagar (ergo, mayor potencial de captura de valor).
Lo anterior puede constituir un tema para ser atendido vía la analítica de datos.
Adicional y “recientemente”, con la “irrupción” de las tecnologías TIC y de los datos masivos, la estrategia de precios personalizados pasó de ser una “excepción” teórica idealizada para la empresa con escasos casos empíricos salvo por los “mercados bilaterales” tipo “mercados de las pulgas” o el médico que discrimina -imperfectamente- según la escasa información observable y la negociación bilateral, a constituir una estrategia en difusión en numerosos sectores económicos.
Información Refinada y/o Fidedigna, Datos Masivos y la Analítica de Datos:
La literatura especializada cuando explica la discriminación de precios de tercer grado basada en una característica o en una información observable que permite discriminar sobre un número separado de curvas de demanda, partiendo de la demanda agregada, adolece de la presencia de “ruidos” en la información. Lo anterior implica solapamiento de las demandas por grupos, es decir, individuos clasificados en grupos distintos poseen baja variabilidad entre sí, específicamente respecto a características asociadas con la disponibilidad a pagar o en la propia capacidad y propensión al consumo.
La lámina anterior muestra que lo mejor que podemos hacer cuando tenemos información para segmentar por medio de una característica observable -aun cuando no podemos saber a ciencia cierta la disponibilidad a pagar exacta por individuo- es descremar de mejor forma a los demandantes inframarginales y expandir la demanda atendida hacia los demandantes supramarginales. Esto aumentaría los beneficios de la empresa producto d una mayor captura de valor.
Sin embargo, este “ruido” limita la capacidad de capturar valor del mercado. ¿Pero qué ocurriría si la información a la que tenemos acceso es lo suficiente y valiosa como para evitar dicho ruido o solapamiento?
En un extremo, qué ocurriría si dicha información y la analítica de datos nos permite reducir en un extremo el ruido y clasificar grupos de consumidores correlativos por su disponibilidad a pagar. ¿Qué pasaría si la información a la que la empresa pudiera tener acceso resulta de una calidad tal, que le permite, sin ruido ni solapamiento, identificar segmentos de consumidores según su valoración correlativa por el bien?
Supongamos que dicha información permite construir segmentos de menor a mayor poder de compra, sin necesariamente tener la precisión de cuánto valora el bien cada individuo –en una primera instancia- pero sí identificarlo respecto al segmento al cual pertenece.
Imagina una empresa monopolista. Supongamos por simplicidad que el costo marginal del productor es igual a cero. La empresa conoce que existe un espectro de consumidores con valoración por el bien θ, uniformemente distribuidos a lo largo del intervalo [0,1] y con demanda unitaria (sin embargo, no conoce quién es quién).
Al precio p, los consumidores con θ ≥ p compran una unidad del producto y los demás consumidores se quedan fuera del mercado.
En este caso la Demanda es igual: q = 1 – P. Por su parte, la Función Objetivo a maximizar de la empresa es su función de Beneficio: Π = P * (1 – P) (Recuerde que hemos supuesto Cmg=0).
Sin información Refinada y detallada sobre los consumidores no puede sino determinar un precio uniforme o único en el mercado que maximice su beneficio: P = 1/2 ∧ q = 1/2 con beneficio de 1/4 (recordemos que hemos supuesto costo marginal y/o unitario nulo).
Ahora supongamos que la analítica de datos y un eventual modelo de clasificación nos permite segmentar dicha demanda en N segmentos correlativos por su disponibilidad de pago.
Si tuviésemos la capacidad en un extremo de clasificar los consumidores en N segmentos correlativos respecto a su disponibilidad a pagar gracias a los datos y a la analítica de datos, la empresa mejorará significativamente su desempeño.
Nótese que al diferenciar la función de beneficio respecto a la cantidad de segmentos que podemos obtener, el beneficio aumenta (la derivada es positiva). En un extremo cuando N tiende a infinito, el beneficio de la empresa será 1/2 no solo superior a 1/4 sino que constituye todo el valor posible de dicho mercado. Para niveles elevados de N el excedente de los consumidores disminuye, producto del hecho que la empresa estaría descremando de mejor forma al mercado. Asimismo, la pérdida de peso muerto tiende a desaparecer, es decir que la empresa está pudiendo cumplir con los tres requisitos de Extracción, Exclusión e Inclusión.
Ahora que los analistas Macro estiman expansión de la actividad económica para el 2024, con especial incidencia en el sector consumo y comercio -especialmente en el mercado de productos de consumo masivo-, busque el equipo de expertos que contribuya a posicionarse y capturar la mayor porción posible del valor en le mercado.
Economista UCV. Profesor de Mercado Digital y Competencia, Universidad Torcuato Di Tella. Profesor de Estrategia Competitiva, UCAB.
