Subir precios con datos y no con el estómago

La optimización de precios consiste en decidir cuánto cobras usando lo que ya sabes de tus ventas, no lo que opina el comité del jueves. Suena obvio y casi nadie lo hace: en la mayoría de las empresas medianas el precio sale de un coste más un margen heredado, de lo que hace el competidor de enfrente o de la última bronca con un cliente grande. Son tres fuentes, y ninguna mira el dato.

El precio es, además, la palanca más rápida que existe. Mover un 1% el precio medio con el mismo volumen mejora el margen operativo mucho más que recortar un 1% el coste de compras, y no hace falta renegociar con nadie. El problema es simétrico: equivocarse un 1% a la baja, o subir donde no tocaba y perder al cliente equivocado, hace el mismo daño en sentido contrario. Por eso esto se prueba, no se improvisa.

Esta guía es para dirección general, comercial y control de gestión de empresas que venden varios cientos o miles de referencias, o servicios con tarifa. No va de algoritmos mágicos: va de qué datos necesitas, cómo medir si el cliente aguanta la subida y cómo probarlo sin romper el margen.

¿Qué es la optimización de precios y qué no es?

Optimizar precios es buscar, para cada combinación de producto, cliente y canal, el precio que maximiza un objetivo que tú defines: margen, volumen, cuota o vida del cliente. No todos a la vez. Esa es la primera decisión y casi siempre está sin tomar.

Lo que no es:

• No es subir todo un 5%. Eso es una subida lineal, lo hace cualquiera con una hoja de cálculo y el daño se concentra en los productos más sensibles, que suelen ser los que te traen clientes nuevos.
• No es precios dinámicos tipo aerolínea. Ese modelo necesita inventario perecedero, demanda muy variable y un cliente acostumbrado a que el precio se mueva. Si vendes componentes industriales a distribuidores con acuerdo anual, cambiar el precio tres veces por semana es una forma rápida de perder la cuenta.
• No es una herramienta. Hay software de pricing muy bueno, pero si no tienes limpio el maestro de artículos y no sabes el coste real por referencia, la herramienta solo acelera el error.

La versión útil para una empresa mediana es más aburrida: entender qué productos y qué clientes aguantan un precio mayor, cuáles no, y tener un procedimiento para moverlo con control. Eso ya es optimización de precios aunque no haya ni un modelo de por medio.

¿Qué datos hacen falta antes de tocar un precio?

Menos de los que te van a intentar vender, pero concretos. Si falta alguno de los tres primeros, el proyecto no es de pricing: es de datos.

| Dato | Para qué sirve | Dónde suele fallar | |---|---|---| | Histórico de transacciones (2 años) con precio real de línea | Ver qué precio se cobró de verdad, no el de tarifa | El descuento vive en otra tabla, o se aplica a pie de factura y no por línea | | Coste unitario por referencia y fecha | Calcular margen real, no margen de catálogo | Coste medio anual que tapa subidas de materia prima | | Volumen por producto, cliente y periodo | Medir qué pasó cuando el precio se movió | Devoluciones y abonos que nadie resta | | Descuentos, rápeles y promociones | Conocer el precio neto de bolsillo | El rápel se liquida a fin de año y no se imputa al producto | | Precio de mercado o competencia | Poner un techo realista | Solo se mira en los diez productos famosos |

El concepto que más dinero destapa es el precio neto de bolsillo: lo que queda después de descuento comercial, rápel, portes, financiación, plazo de pago y coste de servicio. Muchas empresas descubren al calcularlo que su cliente más grande es el menos rentable, y que un producto «estrella» pierde dinero en cuanto lleva entrega urgente.

El 80% del valor del primer proyecto de precios suele salir de calcular bien el margen real por línea. Lo demás es afinar.

Si al leer esta tabla te suena que tus datos no están así, empieza por ahí: calidad de datos antes que modelos. No hay algoritmo que arregle un coste mal imputado.

¿Qué es la elasticidad y por qué casi nadie la mide bien?

La elasticidad mide cuánto cae la cantidad vendida cuando subes el precio. Si subes un 10% y vendes un 5% menos, la elasticidad es -0,5: el producto aguanta, porque pierdes volumen más despacio de lo que ganas en precio. Si subes un 10% y vendes un 20% menos, el producto es elástico y esa subida te cuesta dinero.

La fórmula es trivial. Lo difícil es que los datos históricos casi nunca te la dan limpia, por tres motivos:

• Nunca moviste el precio solo. Lo subiste en enero, junto al cambio de catálogo y a una campaña de la competencia. Lo que mides es la suma de todo.
• Causalidad invertida. Bajaste el precio porque las ventas caían. El dato dice «bajé precio y vendí más», cuando la realidad era al revés.
• Rango estrecho. Si en dos años el precio solo se movió un 3%, no puedes extrapolar qué pasaría con un 15%. Estás inventando fuera del rango observado.

Cómo se trabaja esto sin montar un departamento de econometría:

1. Busca variación natural. Zonas, canales o delegaciones con precios distintos para el mismo producto. Si Levante cobra un 6% más que Norte y la caída de volumen es menor, ahí tienes una señal real. 2. Agrupa por familias. Con 4.000 referencias no hay histórico suficiente por producto. Con 30 familias homogéneas, sí. La elasticidad se estima por familia y se aplica con criterio a sus miembros. 3. Mira la frecuencia de compra, no solo el ticket. En servicios y suscripción, el cliente no compra menos: se va meses después. La elasticidad se nota en la baja, no en el pedido. Enlaza esto con tu predicción de churn.

Una regla práctica que evita ridículos: desconfía de cualquier elasticidad estimada con menos de 30 observaciones de movimiento de precio real. Y de cualquier modelo que no te diga su intervalo de confianza.

Reglas de negocio o modelos: ¿qué conviene en cada caso?

Esta es la decisión que más presupuesto desperdicia. Un sistema de reglas bien hecho cubre el 70% de los casos de una empresa mediana. Los modelos aportan cuando hay volumen, variedad y frecuencia.

| | Reglas de negocio | Modelo estadístico | |---|---|---| | Qué es | Lógica escrita: márgenes mínimos por familia, bandas por segmento, redondeos, escalados por volumen | Estimación de elasticidad y precio óptimo por producto o familia | | Cuándo encaja | Catálogo < 1.000 referencias, precios anuales, venta B2B negociada | Miles de referencias, cambios frecuentes, ecommerce, retail | | Dato que exige | Coste fiable y segmentación de clientes | Lo anterior más histórico amplio con variación de precio | | Tiempo de puesta en marcha | 4-8 semanas | 3-6 meses contando preparación de datos | | Riesgo | Se queda corto, no captura oportunidades finas | Recomienda disparates si el dato es pobre; nadie entiende por qué | | Quién lo mantiene | Control de gestión con una revisión trimestral | Equipo de datos con monitorización continua |

El patrón que funciona es ponerlos en serie, no elegir: el modelo propone, las reglas acotan. El modelo sugiere 18,40 €; la regla dice que ese segmento no sube más de un 8% de golpe y que el margen no baja del 22%; sale 17,90 €. Así el sistema nunca publica un precio que la dirección no firmaría.

Y una cosa que no se delega a ninguna de las dos: los productos señal. En todo catálogo hay cinco o diez referencias cuyo precio mira el cliente para juzgarte entero. Esas se deciden a mano y se vigilan, aunque el modelo diga otra cosa.

¿Cómo probar un cambio de precio sin romper el margen?

Aquí es donde se separa el proyecto serio del PowerPoint. No se despliega una política de precios nueva a todo el catálogo el día 1. Se prueba en un trozo acotado y reversible.

Un protocolo que funciona en empresa mediana:

1. Elige el ámbito. Una familia de producto o un segmento de cliente que represente entre el 5% y el 15% de la facturación. Suficiente para ver señal, pequeño para no doler si sale mal. 2. Define el grupo de control. Otra zona, otro canal o el resto del catálogo con comportamiento parecido. Sin control no sabrás distinguir tu subida de la estacionalidad. 3. Escribe antes qué vas a medir y cuándo. Margen bruto de la familia, unidades, nº de clientes activos, tasa de pedido perdido. Y el umbral de abortar: «si las unidades caen más de un 12% dos meses seguidos, revertimos». 4. Deja correr un ciclo de compra completo. Si tus clientes compran cada seis semanas, dos semanas de test no dicen nada. Este es el error más común y el más caro. 5. Revisa el efecto en el resto. La canibalización es real: subes la referencia A y se dispara la B. Si solo miras A, el test miente. 6. Decide por escrito. Se mantiene, se revierte o se extiende, con el número delante. Y se anota qué se aprendió, porque ese aprendizaje es el activo.

Dos avisos sobre B2B. Primero: en venta negociada no hay test A/B limpio, hay despliegue por olas —delegación a delegación, con argumentario para comerciales—. Segundo: avisa antes de subir a los clientes con acuerdo. Una subida sorpresa cuesta más en relación que lo que gana en margen.

En ecommerce sí puedes testar más fino, pero cuidado con que el mismo cliente vea dos precios distintos: eso no es un test, es un problema. Lo habitual es testar por periodos o por mercados separados. Más contexto en IA para ecommerce.

¿Dónde se equivocan los proyectos de precios?

Los fallos se repiten tanto que casi se pueden listar de memoria:

• Optimizar sin segmentar. El mismo producto tiene precios óptimos distintos según quién compra, cuánto y con qué servicio. Sin segmentación de clientes la recomendación es un promedio que no sirve para nadie.
• Ignorar al comercial. El sistema propone un precio y el comercial lo sigue bajando porque su variable depende del volumen. El precio no se optimiza por software: se optimiza cambiando también el incentivo.
• Confundir margen con beneficio. Subes el precio, mejora el margen porcentual, cae el volumen y cubres peor los costes fijos. El KPI que manda es el margen de contribución total en euros. Elegir bien el indicador es la mitad del trabajo: KPIs de negocio.
• Olvidar el coste de servir. Dos clientes al mismo precio no dejan lo mismo si uno pide 40 veces al mes en entregas pequeñas.
• No mirar la demanda futura. Un precio óptimo con el stock equivocado no sirve. Pricing y previsión de demanda se alimentan el uno al otro.
• Subir donde duele la marca. Hay subidas que son correctas en la hoja de cálculo y un error comercial. El criterio humano sigue mandando sobre el producto señal.

¿Cuánto cuesta y cómo se mide el retorno?

Un primer proyecto realista en empresa mediana —diagnóstico de margen real, segmentación, reglas y un test controlado— se mueve en el rango de un proyecto de datos de tamaño medio: semanas de trabajo, no un año, y sin plataforma nueva en la fase uno. Lo caro no es el modelo: es ordenar costes y descuentos.

El retorno se mide así, y conviene fijarlo antes de empezar:

• Línea base. Margen de contribución de los últimos 12 meses por familia y segmento. Sin esto no habrá discusión posible dentro de seis meses.
• Efecto precio aislado. Diferencia de margen entre ámbito de prueba y control, descontando estacionalidad y cambios de coste.
• Efecto volumen y mezcla. Unidades perdidas, clientes perdidos, cambios de producto comprado.
• Coste total. Horas internas incluidas, no solo la factura del proveedor.

El marco completo está en medir el ROI de la IA, y aplica igual aunque aquí no haya ni un modelo: lo que se mide es una decisión de negocio, no una tecnología.

Preguntas frecuentes

¿Necesito inteligencia artificial para optimizar precios?

No para empezar. Con el margen real por línea, una segmentación sencilla y reglas escritas se captura la mayor parte del valor en los primeros meses. Los modelos compensan cuando tienes miles de referencias, cambios frecuentes de precio y suficiente histórico con variación real.

¿Cuánto histórico hace falta para estimar elasticidad?

Dos años es lo razonable para cubrir estacionalidad, y lo importante no es la longitud sino que el precio se haya movido de verdad en ese periodo. Con precios planos durante dos años no hay elasticidad que estimar: habrá que generarla con pruebas controladas.

¿Puedo cobrar precios distintos a clientes distintos?

En B2B es la norma y es legítimo si responde a volumen, servicio o plazo, y queda documentado. En B2C hay más límites, sobre todo si la diferencia se basa en datos personales o deriva en discriminación; ahí conviene revisarlo con quien lleve el cumplimiento antes de activarlo.

¿Cada cuánto debería revisar los precios?

Una revisión estructurada trimestral, con una anual más profunda para tarifas y acuerdos. Si tu coste de materia prima o energía se mueve mucho, el disparador deja de ser el calendario y pasa a ser el umbral: cuando el coste sube por encima de X, se revisa.

Por dónde empezar

Saca el margen de contribución real de los últimos doce meses por producto y cliente, con descuentos y rápeles incluidos, y ordénalo de mayor a menor. Ese único listado suele responder las tres preguntas que importan: dónde estás regalando, dónde tienes recorrido de subida y qué clientes se llevan el margen que creías ganar. Es un ejercicio de días, no de meses.

En adask trabajamos esa foto con los datos que ya están en tu ERP, sin cambiarte de sistema, y dejamos escritas las reglas y el protocolo de prueba antes de tocar un precio. Si quieres saber qué se puede sacar de lo que ya tienes, pide la auditoría; si prefieres contarlo en una llamada, hablemos.