Árboles de regresión para discriminar elasticidades

Simple item page
dc.contributor.MentorFraiman, Daniel
dc.creator.AutorAubone, Patricio Idel
dc.date.accessioned2025-03-20T17:44:10Z
dc.date.available2025-03-20T17:44:10Z
dc.date.issued2025
dc.descriptionFil: Aubone, Patricio Idel. Universidad de San Andrés. Departamento de Matemática y Ciencias; Argentina.
dc.description.abstractEl objetivo del presente trabajo es diseñar una metodología más eficiente y precisa para identificar nichos de mercado con elasticidades de precio de la demanda diferenciadas, facilitando la implementación de estrategias de pricing que permitan a la compañía maximizar tanto sus volúmenes de venta como sus márgenes. Si bien actualmente se emplean mecanismos que calculan la elasticidad total de un mercado puntual, somos conscientes de que pueden existir subgrupos dentro de dicho mercado que respondan de manera diferente a los cambios en los precios. La capacidad de detectar estas granularidades y su sensibilidad permite definir precios diferenciados para cada subgrupo, lo que incrementa la rentabilidad de la compañía. En cuanto al proceso general, buscaremos definir una serie de variables de negocio que resulten relevantes, en términos comerciales, al momento de analizar un mercado. Las mismas se evaluarán individualmente con el fin de segmentar el universo estudiado y probar si las divisiones generan subgrupos con elasticidades diferenciadas. Se seleccionarán las variables y niveles que proporcionen los cortes más significativos, dentro de los parámetros establecidos previamente. La estructura general del análisis se basará en árboles de decisión como método divisivo, mientras que la validación de la significancia de los cortes se fundamentará en el uso de regresiones y los p-valores asociados a los estadísticos involucrados. Entre las principales motivaciones para impulsar este trabajo se encuentra la mejora de la rentabilidad de la compañía, especialmente en una industria cuyo crecimiento proyectado en los próximos años parece inferior al esperado, lo que podría reducir el tamaño del mercado y los niveles de ingresos previstos. Asimismo, existe una motivación operativa: actualmente, son los analistas del equipo comercial quienes intentan identificar estos subgrupos mediante un enfoque de “prueba y error” a partir de su intuición y conocimiento del mercado. La implementación de un procedimiento basado en el modelo que buscamos desarrollar aportaría mayor robustez, al incorporar pruebas estandarizadas para validar los resultados, y eficiencia, al incluir un mayor número de variables en la detección de subgrupos y reducir considerablemente el tiempo dedicado por los analistas. Finalmente, el aspecto operativo será crucial para la implementación de las segmentaciones detectadas por el modelo. A mayor profundidad de los árboles de decisión, más granulares serán los subgrupos resultantes, lo que implicará mayores exigencias operativas para definir, mantener y ajustar las reglas de pricing específicas para cada uno de ellos.
dc.formatapplication/pdf
dc.identifier.citationAubone, P. I. (2025). Árboles de regresión para discriminar elasticidades. [Tesis de maestría, Universidad de San Andrés. Departamento de Matemática y Ciencias]. Repositorio Digital San Andrés. https://repositorio.udesa.edu.ar/handle/10908/24801
dc.identifier.urihttps://repositorio.udesa.edu.ar/handle/10908/24801
dc.languagespa
dc.publisherUniversidad de San Andrés. Departamento de Matemática y Ciencias
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightshttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.titleÁrboles de regresión para discriminar elasticidades
dc.typeTesis
dc.typeinfo:eu-repo/semantics/masterThesis
dc.typeinfo:ar-repo/semantics/tesis de maestría
dc.typeinfo:eu-repo/semantics/updatedVersion
Files
Original bundle
Thumbnail Image
Name:
[P][W] M. C.deD. Aubone, Patricio Idel.pdf
Size:
1.31 MB
Format:
Adobe Portable Document Format
Description:
Download
Collections
Maestría en Ciencia de Datos