Precificação dinâmica em revenda de combustíveis: o que é e como implementar?

20 de Julho de 2021

Entenda como a Inteligência Artificial oferece mais agilidade e precisão à precificação de postos de combustíveis e pode maximizar os ganhos de rentabilidade

O processo de precificação do setor de revenda de combustíveis envolve diversas etapas, tais como avaliações de preços do mercado, cálculos manuais de margem e suposições de como a demanda reagirá ao novo posicionamento de preço nas bombas. Quando as decisões de preços envolvem um número maior de postos, como no caso das redes, adiciona-se a essas etapas a avaliação dos diferentes contextos nos quais cada unidade está inserida.

Dentro deste processo, a revenda tem a possibilidade de trabalhar com base em três estratégias diferentes de precificação: em custos, na concorrência ou no valor. A primeira abordagem se apoia na análise de questões como Demonstração do Resultado do Exercício (DRE), balanço patrimonial e fluxo de caixa. Conforme explica Samuel Carvalho, head de produtos e inovação para postos e conveniência na Linx, para que a compreensão do custo não seja equivocada, este modelo exige muita atenção, conhecimento e uma apuração rigorosa de cada variável. Já a segunda estratégia — amplamente utilizada pela revenda — tem como base a análise superficial do posicionamento da concorrência e, posteriormente, a comparação com o próprio posto. Em alguns casos, essas duas primeiras abordagens podem se complementar. Por fim, o último modelo se baseia no estudo do ponto ótimo entre volume e preço, bem como da disposição de investimento do consumidor. Na opinião de Carvalho, uma das melhores formas de compreender o comportamento de um grupo de clientes é por meio da análise da elasticidade da demanda, isto é, o impacto da variação de preço na variação da demanda. “No dia a dia, essa análise é feita de maneira empírica pelos gerentes de postos, porém existe uma dependência exclusiva da sensibilidade do gestor, além da capacidade limitada de considerar diversas variáveis ao mesmo tempo”, ressalta.


(…) um posto que vende uma média de 200 m³ por mês pode deixar de lucrar até 96 mil reais em um ano.


Tendo em consideração que uma revendedora de combustíveis precisa lidar com uma série de outras obrigações administrativas, o trabalho, o tempo e o investimento que o processo de precificação demanda faz com que a otimização de preços acabe sendo escanteada. Um estudo conduzido pela equipe de cientistas de dados da Aprix identificou o tamanho do prejuízo decorrente desta secundarização. De acordo com o levantamento, um posto que vende uma média de 200 m³ por mês pode deixar de lucrar até 96 mil reais em um ano, que poderiam ter sido capturados via decisões ajustadas de precificação. O cálculo utilizou como base a venda média dos clientes da Aprix e a margem média desses clientes no último ano. Depois, calculou-se o resultado médio que o cliente teve com o sistema — um incremento da ordem de 10% no lucro bruto via precificação. O valor foi então multiplicado pelos 12 meses do ano, chegando a aproximadamente 96 mil reais.


Painel de Arbitragem Aprix Pricing: PPI Brent WTI ESALQ e outras informações do setor de combustíveis, atualizadas em tempo real em um painel intuitivo e gratuito


Nesse contexto, o Sistema de Otimização de Preços foi desenvolvido pela Aprix para servir como um grande aliado do setor de revenda de combustíveis. Através desta tecnologia, é possível criar segmentações, analisar dados históricos e cruzá-los com dados externos, simular milhares e até milhões de cenários para fazer projeções e prover o preço mais adequado individualmente por posto, por tipo de combustível e por dia da semana. A agilidade e a precisão que esta solução oferece potencializa a capacidade humana para analisar todas as variáveis necessárias, estruturar as melhores estratégias, definir preços mais assertivos e adequados ao contexto do mercado, validar premissas e fazer as aprovações.


A agilidade e a precisão que esta solução oferece potencializa a capacidade humana para analisar todas as variáveis necessárias, estruturar as melhores estratégias, definir preços mais assertivos e adequados ao contexto do mercado, validar premissas e fazer as aprovações. (Imagem: Divulgação/Aprix)


O funcionamento deste sistema engloba quatro etapas: captura de dados, otimização, implementação e aprendizagem. Na primeira etapa, a solução baseada em Inteligência Artificial desenvolvida pela Aprix é integrada ao sistema de gestão que o posto ou a rede de postos já utiliza com o objetivo de capturar dados de preços, custos e volumes. Além disso, de acordo com a engenheira de aprendizado de máquina da Aprix, Amanda Goldani, esta primeira etapa também incluiu a captura dos preços da concorrência. “Hoje a Aprix conta com um sistema de coleta automática de preços que monitora diariamente mais de 10 mil pontos de revenda de combustíveis em vários estados do país, o que traz mais praticidade e controle para o dia a dia dos nossos clientes”, detalha.

Na segunda etapa, realizada diariamente, o algoritmo simula milhares de cenários de margem e volume e sugere o melhor preço a ser praticado. Este cálculo leva em consideração os dados históricos da revenda, o posicionamento do mercado, a estratégia e os objetivos de lucro bruto ou volume mensal da empresa. “O acesso aos dados durante a primeira etapa torna possível modelizar o comportamento da demanda de um posto e calcular a elasticidade teórica para cada um dos combustíveis vendidos”, explica. Na terceira etapa, o algoritmo sugere o melhor preço a ser praticado, o qual é encaminhado ao decisor através do WhatsApp ou do Telegram. Com a aprovação, o gerente implementa no posto ou na rede e os resultados são monitorados. Na quarta e última etapa, à medida que o algoritmo recebe mais dados, o software aprende cada vez mais, o que possibilita que seja entregue ao revendedor uma precificação altamente assertiva, capaz de prever o volume de vendas diário.



Compartilhe este material