Precificação com ML causal: elasticidade, canibalização e estratégia
Precificação com ML causal estima o que uma mudança de preço causa, com elasticidade própria e cruzada, e define preços conforme o objetivo estratégico.
Pelo time da Snowfox AI
Otimizar preços com ML causal é estimar o que uma mudança de preço vai causar, e não o que historicamente andou junto com o preço, para então escolher os preços do portfólio que atendem a um objetivo de negócio declarado. O trabalho se apoia em três estimativas: como a demanda de um produto reage ao próprio preço, como reage ao preço de produtos relacionados e onde cada preço está em relação à concorrência. Sem uma estimativa causal desses efeitos, o modelo de precificação basicamente repete os padrões das decisões de preço do passado.
ML causal (causal machine learning) é a família de métodos que usa machine learning para estimar causa e efeito a partir de dados, em vez de prever apenas por correlação.
Por que a precificação baseada em correlação engana?
Preços históricos não foram definidos ao acaso. Alguém baixou um preço porque a demanda estava fraca, subiu antes de um feriado, fez promoção de um produto que já vendia bem ou acompanhou um concorrente. Um modelo treinado com esse histórico aprende os hábitos do time de pricing misturados com a reação do cliente, sem conseguir separá-los.
Formas típicas de isso dar errado:
- Promoções coincidem com encarte, ponta de gôndola e picos sazonais. O modelo atribui todo o salto de vendas ao desconto e recomenda mais desconto.
- O preço sobe quando a demanda já está alta. Os dados mostram preço alto ao lado de volume alto, e um modelo ingênuo conclui que o cliente quase não reage a preço.
O nome técnico é confundimento: um terceiro fator influencia ao mesmo tempo o preço e as vendas. Um modelo de previsão pode acertar os dados passados e ainda assim errar o que acontece quando o preço muda.
A forma mais limpa de isolar o efeito do preço é um teste de preço controlado. Quando não dá para testar tudo, o modelo ajusta pelos fatores conhecidos que afetam preço e demanda (sazonalidade, calendário promocional, estoque, perfil de loja) e aprende com a variação que sobra.
Qual é a diferença entre elasticidade própria e elasticidade cruzada?
Elasticidade mede o quanto a demanda é sensível a preço.
| Termo | O que mede | Por que importa |
|---|---|---|
| Elasticidade-preço própria | Variação no volume de vendas de um produto quando o próprio preço muda | Mostra quais produtos aguentam preço maior e quais perdem volume rápido |
| Elasticidade cruzada | Variação no volume de vendas de um produto quando o preço de outro produto muda | Mostra substitutos e complementares, para precificar o portfólio e não itens isolados |
Uma elasticidade própria de -2 significa que um aumento de 1% no preço reduz as unidades vendidas em cerca de 2%. Um produto assim é elástico, e preço maior custa volume depressa. Um produto com elasticidade perto de zero é inelástico e tem espaço para margem.
Na elasticidade cruzada, o sinal carrega o significado. Positivo indica substitutos: suba o preço de uma marca de café e a outra marca vende mais. Negativo indica complementares: dê desconto no macarrão e o molho de tomate também vende mais.
Elasticidade não é fixa. Varia por loja, perfil de cliente, época do ano e faixa de preço, então deve ser estimada no nível em que os preços são de fato definidos.
O que é canibalização e por que ela muda a resposta?
Canibalização acontece quando o ganho de um produto sai de outro produto do seu próprio portfólio. O desconto no azeite de marca própria aumenta as vendas dele, mas parte desse volume ia para uma marca premium com margem maior. Produto a produto, a promoção parece um sucesso. No nível da categoria, a margem caiu.
Por isso o produto isolado é a unidade errada de trabalho. A otimização precisa rodar sobre a categoria ou o portfólio, usando as elasticidades cruzadas, para que o conjunto de preços recomendado seja bom no total.
Onde entra a posição frente à concorrência?
Posição competitiva é a diferença de preço entre a empresa e os concorrentes relevantes em cada produto. Ela importa de duas formas. Primeiro, muda a demanda: o cliente tende a ser mais sensível a preço nos itens que compara. Segundo, forma a imagem de preço, isto é, o quanto o cliente acredita que a loja é cara no geral.
Um modelo que ignora a concorrência encontra margem fácil justamente nos produtos em que o aumento é mais visível.
O erro oposto: não automatize o acompanhamento do concorrente e chame isso de otimização. Seguir cada movimento da concorrência entrega a sua decisão de preço para a estratégia de outra empresa.
Como alinhar preços a um objetivo estratégico?
O otimizador precisa saber o que significa “melhor”. Essa é uma decisão de negócio, e o modelo não pode tomá-la por você.
| Objetivo | O que o otimizador faz | Restrição típica |
|---|---|---|
| Margem | Sobe preços onde a demanda é inelástica e a canibalização é baixa | Limite para a diferença em relação à concorrência nos itens visíveis |
| Volume ou participação | Baixa preços onde a demanda é elástica e o volume extra é novo, não canibalizado | Piso de margem por categoria |
| Posicionamento | Mantém diferenças definidas em relação à concorrência ou entre linhas de produto | Margem e volume só são otimizados dentro dessas diferenças |
A maioria das empresas quer uma combinação, como crescer margem mantendo o volume acima de um piso. Escreva isso antes de o modelo rodar.
Depois acrescente as regras com que o negócio já convive, como terminações de preço, variação máxima por ciclo e preços definidos em contrato. Uma recomendação que quebra essas regras não será aplicada.
Como saber se funcionou?
Compare com lojas que não receberam os novos preços. Vendas antes e depois de uma mudança provam muito pouco, porque sazonalidade, clima, concorrência e economia também mudaram.
Lojas de comparação pareadas são lojas escolhidas por se parecerem com as lojas de teste naquilo que determina as vendas: tamanho, perfil da localização, sortimento e tendência anterior. O grupo de teste recebe os preços do modelo, o grupo de comparação segue como antes, e a diferença no resultado no mesmo período é a estimativa do efeito.
Duas regras mantêm a medição honesta:
- Defina a métrica e o período antes de o teste começar.
- Meça no nível da categoria ou da loja, para que a canibalização entre na conta.
Como isso funcionou em um varejista de alimentos?
O case publicado pela Snowfox com um varejista de alimentos segue essa lógica. O varejista precisava encontrar a combinação certa de preços no portfólio, equilibrando demanda e margem. O escopo eram as lojas premium, que atendem bairros de renda mais alta.
O trabalho usou o priceGURU, produto de otimização de preços da Snowfox. Um modelo causal combinou previsões de demanda, estimativas de elasticidade cruzada e a estratégia de mercado do varejista para ajustar os preços.
O case publicado relata aumento de 6% na margem em comparação com lojas de comparação pareadas. É uma diferença em relação a lojas comparáveis, não um número de antes e depois. O case não publica o tamanho nem a duração do teste, então nenhum desses dados aparece aqui.
Por onde começar
Comece pelo problema, não pela tecnologia. Antes de qualquer modelagem, responda a três perguntas: qual é o objetivo (margem, volume ou posicionamento), quais regras os preços precisam respeitar e como o resultado será medido.
Depois olhe para os dados. É preciso um histórico limpo de preços, vendas, promoções e estoque por produto e por loja, além de preços da concorrência quando houver. Se esse histórico está espalhado ou não é confiável, o primeiro projeto é de engenharia de dados.
- priceGURU: otimização de preços no portfólio inteiro.
- Engenharia de dados: para quando o histórico de preços e vendas precisa de trabalho antes.
- Contato: traga o problema de precificação e diremos se um modelo é a resposta certa.