Impacto da precificação dinâmica na revenda varejista de combustíveis

Abstract

O preço, um dos principais pilares de sustentação da estratégia empresarial em busca de seus objetivos, apresenta-se nesse trabalho como resultado da aplicação de uma ferramenta que busca a otimização do lucro bruto pela metodologia da precificação dinâmica suportada pela inteligência artificial, machine learning (ML) e cálculos logaritmos. A adoção, numa rede de postos de combustíveis, por si apresenta interesse devido ao histórico recente de livre concorrência no segmento, mas também pelo desafio operacional num ambiente diverso ao digital, como também a aplicação na ocorrência de uma das maiores crises econômicas de nossa história recente. O objetivo central foi analisar seu desempenho comparado com o gerenciamento tradicional de preços, e com isso desenvolver inspirações para compreensão e evolução do processo. Criou-se dois grupos, sendo 7 postos inseridos no grupo teste e outros 8 postos num grupo controle, com o cuidado de aproximá-los geograficamente para efeito comparativo (gerencial e estatístico). As percepções iniciais, fundidas com o exame dos resultados finais, proporcionou 3 propostas com níveis crescentes de importância e consequentes recomendações e conclusões, perante as seguinte situações: (1) A simplicidade operacional à alterações de preços no mundo digital não se aplica a tradicional troca de preços na esfera offline; (2) A estratégia de preços aplicada em postos de estrada difere da aplicada em postos de cidade; (3) Não podemos tomar as sugestões de preço apenas pelos aspectos quantitativos/históricos, a proposta de consideração de características qualitativas individuais presentes demonstram determinantes fundamentais à qualificação e posterior ponderação entre os concorrentes. Assim conclui-se que a análise traz à tona desafios gerenciais no que tange a aplicabilidade da ferramenta e método não só à revenda varejista de combustíveis, mas também àqueles negócios que buscam se destacar por uma abordagem profissional ao preço do seu produto e/ou serviço disponibilizado. A manipulação da precificação usando o ML não se mostrou superior ao modelo tradicional dentro do período analisado. Gerencialmente, isso leva a necessidade de uma análise perante a eficácia da mesma num ambiente offline, mas principalmente com relação a confiabilidade que a ferramenta se propõe a realizar. Teoricamente, a modelagem de ML do exemplo analisado poderia buscar parâmetros qualitativos; inseridos num aprendizado supervisionado que através de algoritmos de classificação alcançariam o melhor posicionamento de preços perante a concorrência.

The price, one of the main pillars of support of the business strategy in search of its objectives, is presented in this work as a result of the application of a tool that seeks the optimization of the gross profit through the dynamic pricing methodology through artificial intelligence, machine learning (ML) and logarithm calculations. Adoption, in a network of gas stations, is of interest in itself due to the recent history of free competition in the segment, but also due to the operational challenge in an environment other than digital, as well as applied in one of the biggest economic crises in our recent history. The central objective was to analyze its performance compared to traditional price management, and thereby develop inspirations for understanding and evolving the process. Two groups were created, with 7 stations inserted in the test group and another 8 stations in a control group, taking care to approach them geographically for comparative purposes (managerial and statistical). The initial perceptions, merged with the examination of the final results, provided 3 proposals with increasing levels of importance and consequent recommendations and conclusions, in the following situations: (1) The operational simplicity to the price changes in the digital world does not apply to the traditional exchange pricing in the offline sphere; (2) The pricing strategy applied to road stations differs from that applied to city stations; (3) We cannot take the price suggestions only for the quantitative / historical aspects, the proposal to consider the individual qualitative characteristics present demonstrate fundamental determinants to the qualification and subsequent weighting among the competitors. Thus, it can be concluded that the analysis brings up managerial challenges regarding the applicability of the tool and method not only to retail fuel resale, but also to those businesses that seek to stand out for a professional approach to the price of their product and / or service available. The manipulation of pricing using ML was not superior to the traditional model within the analyzed period. Managerially, this leads to the need for an analysis before its effectiveness in an offline environment, but mainly with regard to the reliability that the tool proposes to perform. Theoretically, the ML modeling of the analyzed model could seek qualitative parameters; inserted in a supervised learning that through classification algorithms would achieve the best price positioning in face the competition.