Elasticidad cruzada con precios del competidor solo mensuales

Marca de aceite de oliva, botellas de un litro en la gran distribución italiana, preguntando si su competidor real es el líder o la marca blanca.

Un caso compuesto, construido con el tipo de archivo que vemos casi cada semana. Una marca de aceite de oliva que vende botellas de un litro de virgen extra en la gran distribución italiana, un tercer puesto sólido en la categoría, detrás del líder y de las marcas blancas de las cadenas. Durante el invierno, el coste del aceite empujó al alza todos los precios del lineal, y la marca se vio en una discusión conocida.

Ventas decía que la amenaza era el líder. Trade marketing decía que era la marca blanca, que llevaba años ganando cuota. La pregunta que nos llegó: «Cuando se mueven los precios, ¿quién se lleva de verdad nuestro volumen, el líder o la marca blanca?»

Es exactamente la pregunta que responde Elasticidad cruzada cuando el archivo lo permite. La entrada anterior de este hilo es un caso en el que sí lo permitió. Este archivo no.

Cómo era el archivo

Dos años de datos semanales, 104 filas. Unidades propias y precio propio en lineal, semanales, de los datos de distribución de la marca. El precio en lineal de la marca blanca, semanal, del mismo portal del distribuidor. Y el precio del líder, que la marca no recibía de ningún proveedor de datos. Una agencia lo extraía de las webs de las cadenas el primer lunes de cada mes, así que el archivo lo llevaba como un único valor repetido durante cuatro o cinco semanas.

Después, el invierno. De diciembre a abril, los tres precios subieron juntos, con los costes. El líder subió alrededor de un 17 %, la marca blanca alrededor de un 16 %, la propia marca alrededor de un 13 %. Subieron en los mismos meses, con escalones parecidos, y bajaron juntos durante el verano. En los dos años, el precio del líder y el de la marca blanca tenían una correlación de 0,94.

Por qué las matemáticas no pueden separarlos

Una elasticidad cruzada se estima a partir de semanas en las que el precio de un competidor se movió y el del otro no. Así es como el modelo distingue a qué movimiento respondió tu volumen. En este archivo casi no había semanas así, por dos motivos.

Los dos precios se movían juntos. Con una correlación de 0,94, el modelo ve un movimiento, no dos. Puede decir que, cuando subió el lineal a tu alrededor, tu volumen respondió. No puede repartir esa respuesta entre el líder y la marca blanca, porque cada vez que uno se movía, también lo hacía el otro. TEA informa de un factor de inflación de la varianza de 9,6 en ambos coeficientes, que es su forma de decir que cada estimación es sobre todo ruido prestado de la otra.

El precio del líder estaba a ciegas la mayor parte de cada mes. Una extracción mensual se pierde todo lo que pasa entre dos lunes. Si el líder hacía una promoción de dos semanas a mitad de mes, el archivo no la veía nunca. Si la extracción caía en una semana de promoción, el archivo registraba un precio promocional durante cuatro semanas que en su mayoría fueron a precio completo. Eso es error de medida en un impulsor, y tiene un efecto conocido: arrastra el coeficiente estimado hacia cero y a la vez ensancha su intervalo.

El resultado, por separado: el líder en 0,9, con un intervalo del 95 % entre -0,6 y 2,4. La marca blanca en 0,3, con un intervalo entre -1,2 y 1,8. Los dos intervalos cruzan el cero con holgura, y los dos son lo bastante anchos para dar cabida a cualquier historia que alguien en la sala quisiera contar.

Si se combinan en un único índice de precios del resto del lineal, ponderado por cuota, la imagen es clara: 1,1, con un intervalo entre 0,8 y 1,4. El lineal importa mucho. Qué mitad del lineal importa no está en los datos.

Qué habría salido mal si se forzaba

Si se leen las estimaciones centrales, gana el líder, 0,9 frente a 0,3. Esa lectura habría mandado el presupuesto promocional de la marca detrás del líder, igualando sus ofertas, mientras la marca blanca mantenía su precio de siempre y quizá se quedaba con el volumen. O al revés. Con intervalos tan anchos, el orden de las dos estimaciones centrales es casi cara o cruz, y una estrategia promocional construida sobre una moneda al aire es una forma cara de aprenderlo.

Qué hacer en su lugar

• Conseguir precios del competidor semanales. Un panel de medición de la distribución, o el mismo extractor ejecutado cada semana en lugar de cada mes. El coste es pequeño al lado de una oleada promocional mal dirigida. Cuenta con necesitar alrededor de un año de datos semanales, con algunas semanas en las que los dos competidores se separen, antes de que el reparto se pueda leer.
• Mientras tanto, planificar con el índice combinado. El 1,1 es sólido. Para los escenarios de precio, «el lineal sube un 5 %» es un dato utilizable aunque «el líder sube un 5 %» no lo sea.
• Buscar los sitios donde se separaron. Una cadena mantuvo el precio de su marca blanca durante diez semanas mientras todos los demás subían. Si el archivo se puede dividir por cadena, esas diez semanas son las filas más informativas que tiene la marca, y MMM geográfico / por segmento está hecho para leer ese tipo de división.
• Preguntar a los compradores. Los estudios de cambio de marca son baratos y dicen a quién consideran los compradores. No sustituyen a la elasticidad, pero pueden deshacer un empate.

La marca hizo lo primero y lo tercero, y acordó volver a llevar la pregunta al Relato de precio y promoción dentro de un año.

La lección

Dos competidores que siempre se mueven juntos son, para un modelo, un solo competidor. Si quieres saber cuál de los dos importa, necesitas semanas en las que hicieron cosas distintas, registradas con la misma granularidad que tus propios datos. Un precio mensual al lado de un volumen semanal no es una versión más ligera del mismo archivo. Es un archivo distinto, y más débil.