Impacto da precificação dinâmica na revenda varejista de combustíveis

Carregando...
Imagem de Miniatura
Data
2021-04
Orientador(res)
Lourenço, Carlos Eduardo
Título da Revista
ISSN da Revista
Título de Volume
Resumo

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.


Descrição
Área do Conhecimento