Inteligência Artificial e Machine Learning têm ganhado cada vez mais relevância no mundo dos negócios — é o que diz um estudo da PwC. Isso se deve a diversos fatores, como a evolução contínua das tecnologias existentes, que geram um maior poder de processamento e armazenamento de dados, e a proliferação da informação e da disponibilidade de dados em geral. Este mesmo estudo apresenta uma pesquisa na qual 85% dos CEOs entrevistados acreditam que a inteligência artificial irá mudar significativamente, nos próximos anos, a maneira de se fazer negócios.
Em um outro estudo, realizado pela empresa de consultoria Bain & Company com 1.700 líderes de empresas B2B, coincidentemente, 85% dos times de gestão afirmaram acreditar que suas decisões de precificação precisam de melhorias, e apenas 15% deste líderes afirmaram possuir as ferramentas necessárias para definir e monitorar preços.
Esses são apenas alguns dos estudos que ressaltam a importância da combinação das estratégias de precificação com inteligência artificial, o que é conhecido como AI-Based Pricing. Essa união já é vista com mais clareza em alguns mercados tradicionais, como o de aviação e hotelaria, nos quais técnicas de Dynamic Pricing e Revenue Management são o padrão há bastante tempo.
De acordo com o Boston Consulting Group, essa automatização das decisões de preços em sistemas de Revenue Management através de inteligência artificial pode levar a um aumento total da receita de 5% em até nove meses. Além disso, segundo um estudo da IBM, modelos de AI-Based Pricing podem gerar importantes reduções no tempo necessário para definição de novos preços, e o time to market de novos projetos pode ser condensado de meses para semanas.
Uma vez que as decisões racionais de precificação são baseadas em dados, a utilização de tecnologias de Inteligência Artificial permite que as empresas analisem diversos dados que antes eram ignorados, devido à alta complexidade de monitoramento e processamento. Isso faz com que possam resolver problemas de maneira mais efetiva. Machine Learning, em especial, é uma aplicação que pode ser utilizada em diversos modelos de negócios, ajudando a encontrar padrões e extrair conhecimento de uma determinada série de observações. Aplicações de Machine Learning possuem ainda o potencial de processar dados e aprender com eles, sem a necessidade de uma supervisão humana, o que é chamado de aprendizado não supervisionado.
Como aplicar AI-Based Pricing na sua companhia
Na prática, AI-Based Pricing pode ser aplicado de maneiras distintas. Uma das aplicações mais comuns é para o monitoramento de padrões de compra, segmentação de clientes e produtos e otimização de descontos. Um dos grandes objetivos dos departamentos de Pricing nas empresas é o de “não deixar dinheiro na mesa”; nesse sentido, a identificação de quais descontos são realmente necessários é uma vantagem competitiva e uma alavanca para o aumento de receita.
De acordo com um estudo da Bain & Company, a correta otimização de descontos pode levar a um aumento de 50% no retorno sobre o investimento (ROI) de promoções. Outra aplicação comum é quando unimos AI-Based Pricing com Dynamic Pricing, algo comum na indústria de aviação de hotelaria. Essa combinação geralmente é uma ferramenta poderosa, que pode monitorar as ações dos concorrentes, o comportamento do consumidor de acordo com sua localização, horário do dia e sazonalidade e estimar a disposição a pagar de um cliente específico de maneira muito granular. Com isso, é possível ofertar um preço “customizado” para cada cliente, de acordo com as características e necessidades individuais, levando a um aumento considerável na taxa de conversão.
AI-Based Pricing pode ser utilizado também em combinação com outras técnicas, como por exemplo os testes A/B, nos quais os clientes são divididos em grupos e os produtos são ofertados a níveis de preços distintos. Desse modo, é possível monitorar em tempo real as reações destes grupos de clientes a diferentes price points e gerar um cálculo mais preciso da elasticidade de preços e/ou elasticidade cruzada de preços. Com isso, os algoritmos de otimização, que utilizam comumente técnicas estatísticas de regressão, geram resultados mais eficazes. Essas aplicações produzem benefícios comprovados nos mais diversos setores e mercados e estão cada vez mais difundidas.
AI-Based Pricing versus Rules-Based Pricing
É importante compreender também a diferença entre AI-Based Pricing e Rules-Based Pricing. Quando aplicamos Inteligência Artificial, os algoritmos criam e analisam todos os possíveis cenários e, através de cálculos estatísticos, definem qual é a solução ótima para o problema — nesse caso, qual preço deve ser ofertado. Em algumas situações, em modelos de negócios ou empresas mais simples, essa complexidade não é necessária. Nesses casos, um simples sistema de regras pode ajudar a definir qual o preço ou qual desconto deve ser aplicado, como por exemplo: se a quantidade é maior que “x”, aplicar desconto de 10%. Apesar de não ser muito sofisticada, essa é uma solução que atende a necessidade de várias pequenas empresas.
AI-Based Pricing é uma estratégia com resultados comprovados e que veio para ficar, mas é importante ter em mente que, apesar dos vários benefícios e das diversas possibilidades de aplicação, a sua adoção deve ser muito discutida nas empresas antes de definir a sua escolha. Para aplicá-la em seu potencial total é preciso possuir uma quantidade significativa de dados relevantes e de qualidade, estar disposto a realizar fortes investimentos em tecnologia e buscar profissionais que sejam familiarizados com as suas aplicações e seu desenvolvimento. O projeto de aplicação dessa estratégia pode levar tempo e, por vezes, os resultados não serão imediatos, pois, de modo geral, algoritmos necessitam de tempo para aprender e aprimorar seus outcomes. Caso esses contrapontos não sejam um empecilho para a sua empresa, a adoção de AI-Based Pricing com certeza irá gerar uma vantagem competitiva significativa para a sua companhia nos próximos anos.
Fun Fact: a consultoria de pricing Profitwell realizou um estudo no qual um produto fictício — um software de gestão de vendas que prometia gerar aumento de receita — foi apresentado para 10 mil compradores de software, que foram questionados quanto à sua disposição a pagar por esse produto. A descrição do produto era exatamente a mesma, com exceção de que, para uma parcela dos compradores, a frase “com inteligência artificial e machine learning” foi adicionada à descrição do produto. O estudo concluiu que as pessoas têm, em média, uma disposição a pagar 12.09% maior quando esses termos são adicionados à descrição de um produto ou software.
Por Pedro Piccoli Soares, especialista em Strategic Pricing e Revenue/Yield Management com experiência em empresas mundiais nas áreas de Engenharia Industrial, Alimentos & Bebidas e Transporte & Mobilidade.
