datosciencia
Mi proyecto:
🟡La fijación de precios es un aspecto crucial en cualquier negocio, requiere un cuidadoso análisis. Existen diversas estrategias para establecer precios según el tipo de producto.
🟡 Hay productos cuyas ventas son altamente sensibles a sus precios, de modo que un pequeño cambio en el precio puede generar un cambio notable en las ventas.
🟡En contraste, hay productos cuyas ventas no se ven muy afectadas por su precio, estos suelen ser artículos de lujo o necesidades (como ciertos medicamentos).
🟡 En este proyecto se centrará en el primer tipo de productos.
Resumen Ejecutivo
En este trabajo, analizaré las ventas de los productos de una cafetería. Esta cafetería vende hamburguesas, Coca-Cola, limonada y café. Cuando realizamos un proyecto como este, nuestra tarea es determinar los precios óptimos para estos productos. Si el precio se establece demasiado alto, las ventas disminuirán, y si el precio se establece demasiado bajo, los márgenes de ganancia disminuirán.
¿Cuál es el punto óptimo que nos proporcionará el máximo beneficio?
La elasticidad precio de la demanda es una medida que indica cómo cambia la cantidad que las personas desean comprar de un producto cuando cambia su precio. Puede variar de manera significativa según el producto y se utiliza para comprender cuán sensible es la demanda a cambios en el precio.
En este caso he aplicado un modelo de regresión utilizando el método de OLS (Ordinary Least Squares), también conocido como Regresión Lineal.
He creado un modelo de regresión lineal utilizando el método OLS (Ordinary Least Squares) que se enfoca en analizar la elasticidad precio-cantidad, es decir, la relación entre el precio y la cantidad vendida, con el propósito de comprender cómo las variaciones en los precios influyen en las ventas.
La elasticidad precio-cantidad que el café debería establecer en sus productos para obtener la máxima ganancia basada en sus datos de ventas anteriores.
Es importante tener en cuenta que esto es en un día normal.
Elasticidades:
'COFFEE_2053': -6.1641566662301495,
'BURGER_2051': -3.618990615456308,
'BURGER_2052': -2.8567029845599614,
'BURGER_2053': -6.1641566662301495,
'BURGER_1070': -8.658581488470578,
'LEMONADE_2052': -2.8567029845599614,
'COKE_2051': -3.618990615456308,
'COKE_2053': -6.1641566662301495
Por ejemplo, para el primer producto, la elasticidad es -6.1642.
Esto significa que un aumento del precio en una unidad (por ejemplo, 1 euro) se asocia con una disminución de aproximadamente 6.1642 unidades en la cantidad vendida.
La elasticidad negativa indica una relación inversa entre el precio y la cantidad vendida, lo que es consistente con la intuición de que, en general, un aumento en el precio tiende a reducir las ventas y viceversa.
En 'otros' días, como un día festivo o un evento especial, hay un impacto diferente en los comportamientos y patrones de compra de los clientes. Por lo general, se observa un aumento en el consumo en estos días. Estos deben ser tratados de manera separada. Del mismo modo, es importante eliminar cualquier efecto externo además del precio que afecte el comportamiento de compra de los clientes, incluidos los puntos de datos cuando el producto estaba en descuento.
Una vez que se establezcan los nuevos precios, es fundamental monitorear continuamente las ventas y la ganancia. Si este método de fijación de precios es parte de un producto, se puede crear un tablero para monitorear estos productos y calcular el aumento en la ganancia.
Para el producto Coffee_2053 el modelo nos dice que:
Elasticidad de Precio: Para el producto "coffee_2053", se ha calculado una elasticidad de precio de aproximadamente -6.1642. Esto indica que un aumento de 1 unidad en el precio de este café se asocia con una disminución de alrededor de 6.1642 unidades en la cantidad vendida.
R-squared (R^2): El modelo de regresión lineal aplicado a este producto tiene un R-squared de aproximadamente 0.812. Esto significa que el 81.2% de la variabilidad en las ventas de "coffee_2053" puede ser explicada por el precio. En otras palabras, el modelo se ajusta bien a los datos para este producto y la relación entre el precio y las ventas es fuerte.
En resumen, para el producto "coffee_2053", el precio tiene un impacto significativo en las ventas, y un aumento en el precio está asociado con una disminución en la cantidad vendida, como se refleja en la elasticidad de precio negativa. El modelo de regresión lineal aplicado a este producto tiene un buen ajuste a los datos, lo que indica que la relación entre el precio y las ventas es sólida para este producto en particular.
Para el producto 'LEMONADE_2052' el modelo nos dice que:
Elasticidad de Precio: Para el producto 'LEMONADE_2052', se ha calculado una elasticidad de precio de aproximadamente -2.8567. Esto significa que un aumento de 1 unidad en el precio de esta limonada se asocia con una disminución de alrededor de 2.8567 unidades en la cantidad vendida, dejo de vender 3 limonadas.
R-squared (R^2): El modelo de regresión lineal aplicado a este producto tiene un R-squared de aproximadamente 0.433. Esto indica que el 43.3% de la variabilidad en las ventas de 'LEMONADE_2052' puede ser explicada por el precio. Aunque el R-squared es más bajo en comparación con otros productos, aún sugiere que el modelo tiene cierto poder predictivo para este producto.
En resumen, para el producto 'LEMONADE_2052', el precio también tiene un impacto significativo en las ventas y un aumento en el precio está asociado con una disminución en la cantidad vendida, como se refleja en la elasticidad de precio negativa. Aunque el R-squared es más bajo que en otros productos, el modelo todavía puede explicar parte de la variabilidad en las ventas en función del precio.
🟡 Ahora que tenemos las elasticidades podemos encontrar los precios óptimos para obtener el máximo beneficio.
Trabajo Realizado
Contexto de Negocio:
El proyecto de "Optimización de Precios basada en la Elasticidad de la Demanda" se sitúa en el contexto de un negocio que busca maximizar sus ingresos y rentabilidad a través de la gestión estratégica de los precios de sus productos o servicios. Esta empresa se enfrenta a la necesidad de establecer precios competitivos que atraigan a los clientes y, al mismo tiempo, generen márgenes de ganancia adecuados.
Para lograr este equilibrio, el negocio busca aplicar la elasticidad precio de la demanda, una técnica que permite entender cómo los cambios en los precios afectan la cantidad de productos o servicios que los clientes están dispuestos a adquirir. Con esta información, la empresa puede tomar decisiones más informadas sobre cómo ajustar sus precios para optimizar sus ventas y ganancias.
El contexto empresarial incluye la competencia en el mercado, la sensibilidad de los consumidores a los precios, las estrategias de marketing y la necesidad de mantener una ventaja competitiva. Al implementar este proyecto, la empresa busca mejorar su capacidad para tomar decisiones de fijación de precios de manera efectiva, identificando el "punto óptimo" que maximiza sus beneficios mientras satisface las necesidades y preferencias de sus clientes.
Importación de Datos
sold = pd.read_csv('C:/Users/Renata Lima/python/data/Cafe-Sell-Meta-Data.csv')
transactions = pd.read_csv('C:/Users/Renata Lima/python/data/Cafe-Transaction-Store.csv')
date_info = pd.read_csv('C:/Users/Renata Lima/python/data/CafeDateInfo.csv')sold.head()
SELL_ID SELL_CATEGORY ITEM_ID ITEM_NAME
0 1070 0 7821 BURGER
1 3055 0 3052 COFFEE
2 3067 0 5030 COKE
3 3028 0 6249 LEMONADE
4 2051 2 7821 BURGERCalidad de Datos
date_info.dtypesCALENDAR_DATE object
YEAR int64
HOLIDAY object
IS_WEEKEND int64
IS_SCHOOLBREAK int64
AVERAGE_TEMPERATURE float64
IS_OUTDOOR int64
dtype: objectModelización
burger_model = ols("QUANTITY ~ PRICE", data=burger_1070).fit()
print(burger_model.summary())
fig = plt.figure(figsize=(12,8))
fig = sm.graphics.plot_partregress_grid(burger_model, fig=fig)Descubrimientos clave:
Impacto de Factores Temporales: Se observó que las ventas de café aumentan en festivos, fines de semana y vacaciones escolares, y este aumento no está relacionado con cambios en el precio.
Preprocesamiento de Datos: Se eliminaron los registros correspondientes a vacaciones, festivos y fines de semana para aislar el análisis de precios.
Productos Populares: Los productos más vendidos son BURGUER, Coca Cola, Lemonade y café.
Rango de Precios: Los precios de las hamburguesas varían desde 10,12€ hasta 16,5€.
Cantidad Vendida: La cantidad mínima vendida fue de 8 hamburguesas, y la cantidad máxima vendida fue de 124 hamburguesas.
Conclusión:
La optimización de precios basada en la elasticidad de la demanda es fundamental para el éxito en un mercado competitivo. Este proyecto permitirá tomar decisiones de fijación de precios más precisas y estratégicas, lo que se traducirá en mayores ganancias y una ventaja competitiva sostenible.