Estimación de la elasticidad precio de la demanda en la industria de la moda mediante inferencia causal
Portada
PDF 
FLIP Citas bibliográficas
Gestores Bibliográficos
Indexadores
Código QR
Autores
Director
Autor corporativo
Recolector de datos
Otros/Desconocido
Director audiovisual
Editor/Compilador
Editores
Tipo de Material
Fecha
Cita bibliográfica
Título de serie/ reporte/ volumen/ colección
Es Parte de
Resumen en español
RESUMEN: este estudio aborda el desafío crítico en la gestión de la cadena de suministro de comprender profundamente el comportamiento del cliente y las variables que influyen en sus decisiones. En el contexto de la empresa de venta de ropa por catálogo Línea Directa S.A.S., se emplean métodos estadísticos avanzados y técnicas de Machine Learning para analizar la base de datos de ventas y determinar el efecto de diversas variables sobre la elasticidad precio de la demanda. La elasticidad, que mide el cambio porcentual de una variable económica en respuesta a cambios porcentuales en otra, es utilizada como una herramienta clave para inferir estas relaciones. En particular, se utiliza la inferencia causal y el enfoque de Double Machine Learning para estimar el efecto de variables como cambios porcentuales de precios en subgrupos de productos, en conjunto con factores temporales y efectos geográficos. Los hallazgos de este estudio ofrecen una visión valiosa para la estrategia de precios y la gestión de la cadena de suministro, contribuyendo a la maximización de las ganancias y la eficiencia operativa.
Resumen en inglés
ABSTRACT: this study addresses the critical challenge in supply chain management of gaining a profound understanding of customer behavior and the variables influencing their decisions. Within the context of the mail-order clothing company Línea Directa S.A.S., advanced statistical methods and machine learning techniques are employed to analyze the sales database and ascertain the effect of various variables on price elasticity of demand. Elasticity, which measures the percentage change of an economic variable in response to percentage changes in another, is employed as a key tool to infer these relationships. Causal inference and the Double Machine Learning approach are utilized to estimate the effect of variables such as percentage changes in prices on product subgroups, along with seasonality, and geographical effects. The findings of this study offer invaluable insight for pricing strategy and supply chain management, contributing to profit maximization and operational efficiency.