Ver Revomo en acción
Predictive Modeling

Sepa cómo responde su mercado antes de cambiar un precio.

Mida la sensibilidad al precio, prevea la demanda y explique los descuentos con modelos ajustados a sus propios datos comerciales, cada uno comprobado antes de que confíe en él.

Ver un modelo en acciónHablar de sus datos
Decision Optimization / Predictive Models / Price Elasticity on Invoice lines
Pregunta
¿Puede un distribuidor subir los precios de los accesorios sin perder demasiado volumen? Datos ilustrativos de una empresa ficticia.
Evidencia
El manguito de 1/2" pierde alrededor del 4,1 % de volumen por cada subida de precio del 1 %; la válvula de bola de 1" pierde alrededor del 0,74 %, así que tolera una subida.
Límite
El registro de limpieza de 4" solo tiene 24 puntos de precio y un intervalo que incluye el cero, así que no es significativo. Tome su cifra como una orientación aproximada.
01 · Medir la respuesta

Construir el modelo detrás de la respuesta.

La pregunta es cómo reacciona el volumen de accesorios al precio, así que el modelo es una elasticidad precio sobre líneas de factura: elija el tipo, asigne las columnas y el modelo indica cómo se comprobará a sí mismo.

Tipos de modelo

Diez preguntas, cada una con su propio modelo.

Cada tipo nombra la pregunta que responde y cómo aprende: reglas fijas, un ajuste estadístico o aprendizaje automático que se comprueba con datos que no ha visto.

Columnas

Asigne sus columnas y después añada factores.

Cada tipo pide las columnas que necesita. Las columnas adicionales pueden cambiar el modelo, dividirlo en uno por valor o simplemente acompañar a los resultados.

Cómo funciona: los tipos de modelo y sus comprobaciones
Enfoques
RFM Segmentation usa reglas fijas y no entrena nada. Los modelos de precio, de precio cruzado y de promoción ajustan una fórmula en cada ejecución dentro de la base de datos. Las previsiones, el clustering y los factores se entrenan con aprendizaje automático en segundo plano.
Primero el perfil
Antes de una ejecución, un perfil de datos muestra lo que verá el modelo, por ejemplo cuántos grupos alcanzan el número mínimo de puntos de precio, y recomienda una preparación como limitar los precios extremos.
Métodos
Cuando un tipo tiene varios métodos, como la previsión, usted elige cuáles probar, la medida para juzgarlos y si conservar el mejor o una media.
Explicaciones claras
Cada tipo explica los modelos que usa y cómo se comprueba antes de que usted lo ejecute, con las mismas palabras que usan los resultados y el informe.
02 · Probar el cambio de precio

Pruebe la subida antes de que llegue a un cliente.

Puntúe precios candidatos para los mismos accesorios con las elasticidades ajustadas y vea dónde los datos respaldan un precio más alto y dónde apuntan en sentido contrario.

Decision Optimization / Predictive Models / Price Elasticity on Invoice lines

La pestaña Score del mismo modelo de elasticidad precio. Las filas con coste unitario muestran beneficio y margen; la última fila, sin producto, mueve un 2 % cada producto con una señal de precio clara. Datos ilustrativos.

  • Un producto o todosIndique un producto y un precio, o deje el producto vacío para mover en el mismo porcentaje cada producto con una señal clara.
  • Avisos donde los datos son escasosUn precio al que el producto nunca se vendió, o una elasticidad sin señal clara, se marca junto al resultado.
  • Muchas filas a la vezAñada filas una a una o péguelas desde una hoja de cálculo, hasta 5.000 a la vez.
Optimización de precios

Encontrar el precio que maximiza el beneficio, donde los datos lo respaldan.

Un modelo Price Optimization lee la elasticidad y el coste de cada producto y da el precio que maximiza el beneficio, sin alejarse de los precios que usted ha cobrado realmente.

Qué suponen los modelos de precio

Leer el resultado con sus límites.

  • Medido sobre su historialLas elasticidades salen de cómo se movió el volumen cuando se movieron sus propios precios. Donde los precios apenas cambiaron, el resultado se marca en lugar de adivinarse.
  • Lo demás, constanteLos modelos suponen que los precios de la competencia y las promociones se mantuvieron constantes, y son menos fiables lejos de los precios que usted ha cobrado.
  • Beneficio, no su estrategiaEl precio óptimo ignora los objetivos de volumen, los puntos de precio y los efectos entre productos. Decida eso en Decision Optimization.
Decision Optimization
Cómo funciona: la puntuación y el precio óptimo
Puntuación
Score usa la versión en uso. Las unidades esperadas varían según el cambio de precio elevado a la elasticidad del producto, en un periodo tan largo como los datos de los que aprendió el modelo. El beneficio y el margen necesitan un coste unitario, introducido en la fila o aportado por el modelo.
Precio óptimo
El óptimo es coste × e ÷ (e + 1), y solo se da donde la elasticidad es significativa y claramente elástica, dentro del rango de precios observado ampliado con una holgura permitida (10 % salvo que usted lo cambie).
No se cambia ningún precio
Las puntuaciones y los precios óptimos son resultados para revisar. No se escribe nada en una lista de precios hasta que alguien actúa en Price Management.
No es un solver de restricciones
Aquí no hay precios mínimos, bandas de precios ni reglas de operación. Eso corresponde a Decision Optimization.
03 · Encontrar dónde se fuga

Comprobar dónde los descuentos anularían la subida.

Un precio más alto solo se sostiene si los descuentos se mantienen dentro del rango. Ridgeway Plumbing compra el producto más sensible al precio, recibe más descuento del que suele recibir su grupo y no ha hecho pedidos recientemente.

Factores de descuento

Encontrar quién recibe descuentos y dónde son demasiado profundos.

El modelo aprende qué atributos de cliente, producto y pedido explican los descuentos, en forma de reglas legibles, y cuantifica los ingresos por encima del rango normal de cada grupo.

Segmentos de clientes

Agrupar a los clientes según cómo compran.

Puntúe a cada cliente según lo reciente, lo frecuente y cuánto compra, o deje que el clustering encuentre los grupos en los datos.

Cómo funciona: factores y segmentos
Los factores explican, no prueban
Los factores de descuento y de transacción salen de un árbol de decisión legible, comprobado con clientes o transacciones que no ha visto. Muestran qué atributos van unidos a descuentos más profundos, no que el atributo los haya causado.
Ingresos en juego
Cada grupo recibe un umbral de cola (Tail Threshold), el punto a partir del cual un descuento se considera demasiado profundo para ese grupo. Los ingresos en juego son el exceso de descuento multiplicado por los ingresos a precio de tarifa.
Segmentos
RFM puntúa a cada cliente de 1 a 5 frente al resto de la base y nombra el segmento con reglas fijas. Customer Clustering y Transaction Clustering encuentran en cambio los grupos en los datos, e indican hasta qué punto están bien separados.
También disponible
Cross-Price Elasticity muestra qué productos se quitan ventas, o se apoyan, entre sí. Promo Uplift mide si las promociones aportaron volumen adicional y cuánto costaron en margen.
04 · Planificar y mantener al día

Prever el trimestre y mantener el modelo al día.

Prevea la demanda de accesorios para el próximo trimestre y deje que el modelo de elasticidad se reentrene a medida que llegan nuevas facturas, para que la próxima revisión de precios parta de datos actuales.

Previsión de la demanda

Prever el trimestre para los mismos accesorios.

Cada producto se prevé a partir de su propio historial, con un intervalo probable, y la ejecución redacta un informe que explica el resultado con gráficos y lenguaje claro.

Versiones

Reentrenar con datos nuevos y conservar el mejor modelo.

El modelo de elasticidad se reentrena cuando se actualiza su fuente. Una versión nueva solo sustituye a la que está en uso si no es menos precisa.

Cómo funciona: previsiones, versiones e informes
Previsiones
Para cada serie, el modelo prueba suavizado, Holt-Winters, ARIMA, Prophet y gradient boosting, además de un modelo entrenado con todas las series, y conserva el mejor según back-tests móviles. El intervalo probable se calibra con los errores de esos back-tests.
Versiones
Las diez versiones más recientes se conservan con sus resultados. Una ejecución que usted inicia pasa a ser la versión en uso; un reentrenamiento iniciado por una actualización solo lo hace si no es menos preciso. Vuelva a una versión anterior en cualquier momento.
Métodos
Cuando un tipo puede ajustar varias curvas o métodos, cada ejecución los puntúa según la medida que usted elija y conserva el mejor, o una media.
Informes, Copilot y exportación
Genere un informe escrito de cada ejecución, pida a Copilot que cree, ejecute, compare o puntúe un modelo, y exporte los resultados a CSV. La trazabilidad (lineage) muestra qué modelos dependen de un dataset o de una vista.
05 · Qué incluye

Qué incluye.

Lo que le aporta Predictive Modeling, lo que añade cada suscripción y lo que puede añadir más adelante.

En Predictive Modeling

  • Diez tipos de modeloPrevisiones, respuesta al precio, factores y segmentos, cada uno con sus propias comprobaciones.
  • Puntuación y precio óptimoPruebe precios con un modelo ajustado antes de cambiar uno.
  • Versiones e informesCalidad por versión, reentrenamiento con cada actualización e informe escrito de cada ejecución.

En cada suscripción

Añadir cuando lo necesite

Soluciones que respalda: Planificación de ingresos y margen, Gestionar presupuestos y pricing de operaciones, Realización de precios y fugas de margen.

FAQ

Preguntas frecuentes

¿Qué hace Predictive Modeling?

Ajusta modelos a sus propios datos comerciales para responder preguntas concretas: cómo reacciona el volumen al precio, cuánto venderá el próximo periodo, qué clientes compran de forma parecida y qué explica quién recibe descuentos. Hoy hay diez tipos de modelo, cada uno con sus propias comprobaciones, y los resultados alimentan las decisiones de planificación, pricing y presupuestos.

¿Qué datos necesito?

Depende del modelo. La elasticidad precio necesita el precio y la cantidad de cada venta; una previsión de la demanda, una fecha y un valor; los segmentos de clientes, un cliente, una fecha y un importe; y los factores de descuento, el descuento y los ingresos a los que se aplicó. Añada una columna de coste para el beneficio y el margen. Los datos proceden de datasets y vistas de Data & Context Studio.

Data & Context Studio →

¿Cómo sé si puedo fiarme de un resultado?

Cada tipo de modelo declara cómo se comprueba, y los resultados lo muestran. Las elasticidades llevan un p-valor y un intervalo al 95 %, los grupos con muy pocos puntos de precio se marcan, las previsiones se someten a back-tests sobre periodos reservados y cada versión registra su indicador de calidad. Un resultado que los datos no pueden respaldar se deja vacío en lugar de adivinarse.

¿Puede recomendar precios?

En parte. Un modelo Price Optimization da el precio que maximiza el beneficio por producto a partir de su elasticidad medida, solo donde los datos lo respaldan y sin alejarse de los precios que usted ha cobrado realmente. No aplica precios mínimos, bandas de precios ni aprobaciones. Elegir precios dentro de esos límites corresponde a Decision Optimization, y cambiarlos, a Price Management.

Decision Optimization →

¿Muestra qué causa un cambio?

No. Las elasticidades y los factores miden cómo se movieron las cosas juntas en su historial, lo que es una evidencia útil pero no una prueba de causa. Los modelos de precio suponen que los precios de la competencia y las promociones se mantuvieron estables, y cada informe enumera los supuestos y los límites de su ejecución para que usted pueda juzgar hasta dónde fiarse.

¿Cómo se mantienen al día los modelos?

Ejecute de nuevo un modelo, actualícelo con los datos más recientes o active el reentrenamiento para que entrene una versión nueva cada vez que se actualice su fuente. Una versión reentrenada solo sustituye a la que está en uso si no es menos precisa. Las versiones recientes se conservan, así que puede comparar dos y volver atrás.

¿Se usan nuestros datos para entrenar modelos?

Sus datos se usan para prestar, dar soporte, proteger y mejorar el Servicio. Por separado, el contrato permite a Revomo usar datos agregados y desidentificados, también para entrenar y mejorar modelos, solo de una forma que no pueda identificarle a usted, a sus usuarios ni a sus clientes. Los modelos de terceros se usan para la inferencia a través de Amazon Bedrock, un subencargado del tratamiento incluido en la lista.

¿Cambian las predicciones los precios por sí solas?

No. Los resultados de un modelo son un dato de entrada para una decisión, no una acción. Las restricciones configuradas se aplican a las recomendaciones, las excepciones se envían a revisión y las acciones pasan por flujos de aprobación, cada una con trazabilidad (lineage) y pista de auditoría. Una acción que requiere la aprobación de una persona la sigue requiriendo cuando la propone un agente.

Vea cómo responden sus clientes al precio.

Recorra estos modelos con datos de muestra y comente qué preguntas pueden responder sus propios datos.

Reservar una demostración guiada de modeladoExplorar la plataforma
Plate B2 · Series 2026