Se antes o cálculo do preço ótimo era realizado manualmente, utilizando planilhas de Excel, agora as soluções de inteligência artificial permitem que esse cálculo se realize de modo automático. Isso permitiu que os preços deixassem de ser estáticos até serem novamente recalculados e passassem a ser continuamente reajustados conforme a variação de diferentes fatores, sempre buscando os maiores níveis de eficiência e lucratividade.
Dessa forma, instituiu-se o que hoje se conhece como precificação dinâmica. O termo se popularizou durante os últimos anos sobretudo em razão do seu uso por aplicativos de transporte, porém há uma diversidade de aplicações. Ainda assim, essa técnica carrega um nível de intangibilidade muito grande, fazendo com que seja difícil entender como de fato este modelo pode ser aplicado. Por isso, o Aprix Journal resolveu explicar três tipos de estratégias de precificação dinâmica. As mais utilizadas têm como base os seguintes fatores:
Segmentação
De acordo com esta estratégia, um mesmo produto pode ter diferentes preços. Ou seja, independente dos custos de produção, o que realmente importa é o valor percebido e a disposição a pagar do comprador, o que pode variar conforme a sua região, faixa etária, gênero. Tal método parte do princípio de que alguns clientes serão mais sensíveis às flutuações de preços que outros. Ou seja, alguns consumidores irão pagar pelo produto ou serviço independente do preço, enquanto outros irão refletir se a compra vale realmente a pena.
Sendo assim, uma das formas mais comuns de atrair consumidores mais sensíveis a reajustes é oferecendo cupons de desconto, por exemplo. Para isso, os algoritmos de aprendizado de máquina têm um papel fundamental para identificar os diferentes perfis. Ao analisar uma variedade de dados coletados durante a navegação de um cliente, essa tecnologia consegue identificar a disposição a pagar do consumidor, bem como sua responsividade a ofertas. Tendo em conta esses fatores, o algoritmo pode indicar o preço mais adequado para cada pessoa.
Tempo
Uma das formas de reduzir o desperdício e dar fim ao excedente de estoque é por meio de uma estratégia baseada na validade de um produto ou de sua entrada no mercado. Dessa forma, ao invés de simplesmente descartar um artigo de uma coleção antiga ou que está prestes a vencer, aplicam-se descontos ou se reduz o seu preço.
Para lojas de roupas ou supermercados a aplicação desta estratégia já é de praxe, porém, a startup israelense Wasteless adicionou um nível de eficiência a mais nesta prática ao combiná-la com inteligência artificial. Com base em 43 variáveis diferentes, tais como data de validade, estoque e horário atual, e a instalação de displays eletrônicos de preços, o algoritmo calcula continuamente o preço ideal a ser cobrado pelo produto. Tal solução foi testada em um supermercado de Madrid, onde foi possível verificar um aumento de 6,3% na receita e uma redução de 32,8% no desperdício gerado pelos produtos vencidos.
Sazonalidade
Diretamente relacionada com a demanda de mercado, esta estratégia tem como preceito a noção de que é horas de um dia e épocas de um ano em que há uma alta busca por determinados produtos e serviços. De modo geral, momentos de pico da demanda costumam significar uma redução na oferta. Na prática, os clientes acabam tendo à sua disposição um número limitado de opções e, portanto, se quiserem consumir tal produto ou serviço, terão que pagar o preço que for cobrado.
Um dos exemplos mais antigos da aplicação desta estratégia está no custo de quartos de hotel ou passagens de avião durante o verão. Porém, há poucos anos atrás os aplicativos de mobilidade adicionaram mais dinamicidade a este método de definição de preços. Em tempo real, os algoritmos de inteligência artificial calculam não somente a relação entre oferta e demanda, mas também a melhor rota a ser percorrida, o nível de tráfego do percurso, o horário do dia e o dia da semana e, até mesmo, se faz chuva ou se faz sol. Dependendo de todas essas variáveis, a mesma rota solicitada pelo mesmo cliente pode custar um valor diferente.
