{"id":4776,"date":"2023-05-08T15:51:21","date_gmt":"2023-05-08T18:51:21","guid":{"rendered":"https:\/\/www.quantiz.com.br\/?p=4776"},"modified":"2023-05-08T15:58:52","modified_gmt":"2023-05-08T18:58:52","slug":"desmitificando-algoritmos-de-pricing-utilizando-inteligencia-artificial-y-machine-learning","status":"publish","type":"post","link":"https:\/\/www.quantiz.com.br\/es\/desmitificando-algoritmos-de-pricing-utilizando-inteligencia-artificial-y-machine-learning\/","title":{"rendered":"Desmitificando algoritmos de pricing utilizando inteligencia artificial y machine learning"},"content":{"rendered":"
Art\u00edculo elaborado por los socios de Quantiz \u2013 F\u00e1bio Vakuda y Tiago Martin<\/h6>\n

Con el avance de la tecnolog\u00eda y el acceso a informaci\u00f3n m\u00e1s robusta, es cada vez m\u00e1s com\u00fan escuchar t\u00e9rminos como Inteligencia Artificial, Machine Learning y Algoritmos. A menudo pueden parecer complejos y dif\u00edciles de entender, pero en realidad se pueden aplicar de manera m\u00e1s simple de lo que parece.<\/p>\n

El objetivo de este art\u00edculo es explicar estos conceptos principales, mostrar ejemplos reales de aplicaciones en el mundo del Pricing<\/em> y Revenue Management<\/em>, beneficios, desaf\u00edos y precauciones que deben considerarse al utilizar estas \u00abnuevas\u00bb tecnolog\u00edas.<\/p>\n

En primer lugar, \u00bfqu\u00e9 significa cada t\u00e9rmino?<\/p>\n

Algoritmo:<\/strong><\/p>\n

En t\u00e9rminos simples, es un proceso con varias preguntas y opciones de respuesta, una especie de \u00e1rbol de decisiones, para llegar a una soluci\u00f3n (como si fueran varios \u00absi\u00bb de una f\u00f3rmula en Excel) que divide todas las posibilidades de una determinada acci\u00f3n en varios \u00abcaminos\u00bb u opciones de respuesta en una programaci\u00f3n matem\u00e1tica. Por lo tanto, cuanto m\u00e1s posibilidades o escenarios existan para alcanzar un determinado objetivo o soluci\u00f3n, m\u00e1s complejo (o con m\u00e1s caminos) puede ser este algoritmo.<\/p>\n

La palabra \u00abalgoritmo\u00bb es muy antigua, desde la Edad Media, debido al persa Al-Khwarizmi, que desarroll\u00f3 el sistema num\u00e9rico que utilizamos hoy en d\u00eda. M\u00e1s recientemente, en el siglo XX, Alan Turing y Alonzo Church, considerados los padres de la ciencia de la computaci\u00f3n, formalizaron el concepto y lo definieron como \u00abun conjunto no ambiguo y ordenado de pasos ejecutables que definen un proceso finito\u00bb.<\/p>\n

Imag\u00ednese que desea decidir qu\u00e9 hacer en su tiempo libre en un s\u00e1bado por la ma\u00f1ana. Si fuera posible definir algunas posibilidades de programas, un algoritmo podr\u00eda funcionar as\u00ed:<\/p>\n

 <\/p>\n

\"\"<\/p>\n

     Figura 1: Proceso de decisiones utilizado para definir la programaci\u00f3n de un s\u00e1bado\r\n\r\n<\/em>Los algoritmos tambi\u00e9n pueden ser utilizados considerando las reglas de negocio de una empresa. Por ejemplo, de una forma muy simplista, una decisi\u00f3n de ajustar el precio bas\u00e1ndose exclusivamente en la cuota de mercado y los precios del principal competidor, podr\u00eda ser dise\u00f1ada como se muestra en la figura 2 a continuaci\u00f3n:\r\n\r\n\"\"\r\nFigura 2: Proceso de decisi\u00f3n seg\u00fan regla de negocio basada en cuota de mercado y precio de la competencia\r\n\r\n<\/em>Inteligencia Artificial y Aprendizaje Autom\u00e1tico:<\/strong> \r\n\r\nLa Inteligencia Artificial (IA) se refiere a sistemas o m\u00e1quinas que buscan imitar de alguna manera la inteligencia humana en la toma de decisiones. El Aprendizaje Autom\u00e1tico (AA) es la transformaci\u00f3n del proceso de decisi\u00f3n en algo autom\u00e1tico a trav\u00e9s de m\u00e1quinas, dirigiendo las decisiones en funci\u00f3n del comportamiento de los datos y posiblemente mejorando el rendimiento a medida que se acumulan esta informaci\u00f3n, sin intervenci\u00f3n humana. Por lo tanto, se puede decir que todo AA es IA, pero no toda IA es AA. Los algoritmos se encuentran tanto en IA como en AA.\r\n\r\n\"\"\r\n              Figura 3: Machine Learning vs. Intelig\u00eancia Artificial\r\n\r\n<\/em><\/pre>\n
En la realidad del Pricing<\/em> y Revenue Management<\/em>, estos conceptos pueden ser el conjunto de reglas para definir la fijaci\u00f3n de precios de productos y servicios de acuerdo con criterios establecidos que optimizan, automatizan y mejoran la fijaci\u00f3n de precios en base a la estrategia de la empresa, el comportamiento hist\u00f3rico y las reglas de negocio.<\/p>\n
En el viaje de Pricing<\/em> en relaci\u00f3n con la IA, el ML y los algoritmos, es necesario tener claro ad\u00f3nde se quiere llegar. Por ejemplo, consideremos que el objetivo de una determinada empresa es automatizar todo el proceso de ajuste de precios para capturar m\u00e1s valor y aumentar el margen de la compa\u00f1\u00eda. Para ello, es importante asegurarse de que la estrategia de la compa\u00f1\u00eda est\u00e9 clara. Es decir, entender las cuestiones clave de la empresa y de su producto, como (1) el papel de cada categor\u00eda de producto (destino, rutina, conveniencia u ocasional), (2) el objetivo buscado (rentabilidad, participaci\u00f3n de mercado, etc.), (3) en qu\u00e9 regi\u00f3n debe haber un mayor enfoque en una distribuci\u00f3n directa y con mayor margen y (4) en qu\u00e9 regi\u00f3n es aceptable tener un margen menor y hacer una venta indirecta a trav\u00e9s de un distribuidor. Adem\u00e1s, (5) comprender c\u00f3mo el cliente valora los atributos de los productos y su comportamiento de compra (cliente fiel, comprador de precio, que busca valor o conveniencia), entre otras definiciones estrat\u00e9gicas del negocio.<\/p>\n
Identificar qu\u00e9 criterios deben tenerse en cuenta para afectar la decisi\u00f3n de precios dirigir\u00e1 c\u00f3mo pueden cambiarse los precios y qu\u00e9 direcci\u00f3n de rentabilidad se busca. Combinando esto con el an\u00e1lisis de la curva de ventas de los productos es una forma de llegar al precio que cumple con el objetivo buscado en cada categor\u00eda y producto. Hay una serie de otras posibilidades de criterios y son diferentes para cada industria. Teniendo en cuenta todos estos factores mencionados, se deben definir qu\u00e9 criterios pueden ser direccionadores de precios m\u00e1s altos o m\u00e1s bajos.<\/p>\n
Otro factor a tener en cuenta son las reglas de negocio para dirigir la gesti\u00f3n de precios de su empresa. Es decir, \u00bfen qu\u00e9 circunstancias los precios deber\u00edan ser ajustados? \u00bfCu\u00e1les son los disparadores para revisar los precios de los productos? \u00bfInventario? \u00bfAumento\/disminuci\u00f3n de las ventas de un producto determinado? \u00bfPrecio de los competidores? \u00bfP\u00e9rdida\/ganancia de participaci\u00f3n de mercado? Adem\u00e1s, es necesario evaluar qu\u00e9 tan din\u00e1mico es el segmento en el que se encuentra la empresa, lo que se reflejar\u00e1 en la frecuencia posible de cambios de precios de los productos. Es decir, \u00bfel mercado permite que los precios se cambien varias veces al d\u00eda, como sucede en muchos productos de E-commerce, por ejemplo? \u00bfO, como en muchas industrias m\u00e1s tradicionales, el mercado sol\u00eda cambiar los precios pocas veces durante el a\u00f1o? El mundo actualmente pasa por un momento de inflaci\u00f3n generalizada y como consecuencia las empresas han aumentado la frecuencia de ajuste en los precios, pero adem\u00e1s del ajuste por inflaci\u00f3n (transferencia de costos), \u00bfcon qu\u00e9 frecuencia se ajustan los precios? Esta informaci\u00f3n es importante para que se refleje en la l\u00f3gica de cambio de precios.<\/p>\n
 <\/p>\n
\"\"<\/p>\n
\u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 Figura 4: configuraci\u00f3n de precios para crear algoritmos<\/em><\/p>\n
 <\/p>\n
Caso pr\u00e1ctico: Proyecto de Pricing y Revenue Management <\/strong><\/p>\n
En los \u00faltimos a\u00f1os, Quantiz ha desarrollado proyectos de Pricing y Revenue Management que involucran esta l\u00f3gica para mejorar y agilizar la gesti\u00f3n de precios de las empresas. Para hacerlo m\u00e1s concreto, vamos a utilizar un ejemplo de una empresa de autopartes que vende al consumidor final en tiendas f\u00edsicas y, principalmente, a talleres mec\u00e1nicos. Esta empresa tiene m\u00e1s de 200,000 productos y atiende a m\u00e1s de 100,000 clientes en cientos de tiendas en todo el pa\u00eds. En este escenario, el trabajo de gesti\u00f3n de precios es extremadamente intenso y desafiante, as\u00ed como puede dejar mucho dinero en la mesa si no se aprovechan oportunidades de rentabilizaci\u00f3n o se pierden ventas por precios desalineados.<\/p>\n
\"\"<\/p>\n
\u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 Figura 5: Piezas de autom\u00f3viles<\/em><\/p>\n
 <\/p>\n
Para comenzar a dise\u00f1ar el algoritmo, dividimos los criterios de posicionamiento de precios en 3 pilares: Producto, Cliente y Regi\u00f3n.<\/p>\n
 <\/p>\n
\"\"<\/p>\n
\u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0Figura 6: Pilares de la Soluci\u00f3n (Cliente, Producto y Regi\u00f3n)<\/em><\/p>\n
 <\/p>\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
Ajustes Estrat\u00e9gicos:<\/strong><\/p>\n
Para el pilar de Producto se consider\u00f3 la frecuencia de compra, el valor del producto y la sensibilidad al precio (elasticidad). Frecuencia: los productos con mayor frecuencia de compra y cantidad vendida eran productos m\u00e1s commoditizados y con mayor nivel de competencia, por lo que la fijaci\u00f3n de precios era m\u00e1s agresiva para estos casos, y viceversa:<\/p>\n
\"\"<\/p>\n
\u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 Figura 7: Frecuencia de Productos y Precio\/Margen practicado<\/em><\/p>\n<\/div>\n
Valor del Producto: los productos con un precio unitario muy alto o muy bajo tambi\u00e9n ten\u00edan m\u00e1rgenes m\u00e1s bajos y m\u00e1s altos, respectivamente. La idea detr\u00e1s de este atributo es que los productos m\u00e1s caros son m\u00e1s buscados por el cliente, es decir, son productos para los cuales el precio deb\u00eda ser competitivo frente a la competencia. En cambio, los productos muy baratos, como los que cuestan centavos de d\u00f3lar, unos pocos centavos m\u00e1s arriba no tienen un impacto significativo en la decisi\u00f3n del cliente, por lo tanto, estos productos ten\u00edan un precio con un margen m\u00e1s alto.<\/p>\n
Elasticidad: los productos se dividieron en algunos niveles de elasticidad (entre m\u00e1s el\u00e1sticos y menos el\u00e1sticos) de acuerdo con el resultado de la regresi\u00f3n log-log entre precio y volumen para cada producto: los productos con menor sensibilidad al precio ten\u00edan una orientaci\u00f3n hacia m\u00e1rgenes m\u00e1s altos.\u00a0N\u00f3tese que se utiliz\u00f3 una \u00abherramienta\u00bb de Machine Learning<\/em> supervisado dentro del algoritmo de definici\u00f3n de precios para encontrar el valor de la elasticidad (observaci\u00f3n: el tema de la elasticidad merece un art\u00edculo separado solo sobre el tema –\u00a0 podemos discutir m\u00e9todos de c\u00e1lculo de la elasticidad, m\u00e9todos de regresi\u00f3n, tratamiento de outliers<\/em>, etc.).<\/p>\n
Ajustes Estrat\u00e9gicos: Cliente<\/strong><\/p>\n
En este pilar, se han considerado tanto el canal como el perfil de compra de los clientes.<\/p>\n
Canal: se ha establecido una posici\u00f3n distinta para el consumidor final y otros canales de profesionales, como distribuidores, revendedores y aplicadores.<\/p>\n
Perfil de compra: se han creado segmentos o clusters de clientes seg\u00fan el ticket medio y la frecuencia. Por ejemplo, los clientes que compran m\u00e1s productos, con un ticket medio m\u00e1s alto y una frecuencia de ventas m\u00e1s alta, pueden considerarse clientes leales con descuentos diferentes. En el otro extremo, los clientes que compran pocos productos y con una frecuencia muy baja pueden ser considerados oportunistas (probablemente solo compran cuando no encuentran el producto en otro competidor, por lo que se les aplic\u00f3 un precio m\u00e1s alto).\u00a0La figura 8 muestra un ejemplo ilustrativo de un an\u00e1lisis de segmentaci\u00f3n de clientes basado en el comportamiento de 2 criterios, utilizando el m\u00e9todo de clusterizaci\u00f3n K-means<\/em> – Machine Learning<\/em> No Supervisado (observaci\u00f3n: el tema de la clusterizaci\u00f3n tambi\u00e9n merece un art\u00edculo solo sobre el tema, existen diversos m\u00e9todos como el propio K-means<\/em>, el Agglomerative Hierarchical Clustering<\/em>, el Fuzzy C-means<\/em>, etc. Cada m\u00e9todo tiene ventajas y desventajas, por lo que el equipo debe evaluar cu\u00e1l es el m\u00e9todo que mejor se adapta al objetivo de la clusterizaci\u00f3n).<\/p>\n
\"\"<\/p>\n
\n
\u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 \u00a0 Figura 8: Cluster de Clientes<\/em><\/p>\n
 <\/p>\n
Observando detenidamente la Figura 8, basada en estos 2 criterios seleccionados, hay 4 comportamientos de compra espec\u00edficos que pueden ser percibidos por los 4 clusters creados por K-means (A: frecuencia baja, ticket medio bajo. B: frecuencia alta, ticket medio bajo. C: frecuencia baja, ticket medio alto, D: frecuencia alta, ticket medio alto). El siguiente paso es evaluar si tiene sentido tener estrategias y precios distintos para cada cluster.<\/p>\n<\/div>\n
Ajustes Estrat\u00e9gicos: Regi\u00f3n <\/strong><\/p>\n
Pa\u00edses con dimensiones continentales a menudo tienen escenarios muy diferentes seg\u00fan la regi\u00f3n donde se encuentra el cliente, ya sea por cuestiones de competencia regional, tributaciones diferentes, complejidad log\u00edstica e incluso diferencias culturales. Por lo tanto, la ubicaci\u00f3n del cliente tambi\u00e9n fue un factor considerado en el algoritmo de precios. En este proyecto, el factor de la ubicaci\u00f3n fue reflejo principalmente de la competencia alrededor de cada regi\u00f3n. Las regiones fueron clasificadas en varios niveles de competitividad y se tuvo en cuenta la distancia del cliente vs. el principal competidor (cuanto m\u00e1s lejos estaba el competidor y cuanto m\u00e1s cerca estaba el cliente, mayor ser\u00eda el Pricing Power, ya que la agilidad en la entrega es un factor importante para la decisi\u00f3n de compra de los clientes).<\/p>\n
Ajustes T\u00e1cticos <\/strong><\/p>\n
Todos estos factores construyeron la base para la definici\u00f3n de precios. Adicionalmente, exist\u00eda la posibilidad de ajustes en los precios de acuerdo con el momento de la venta (\u00e9poca del a\u00f1o), stock del producto (si el nivel de stock de ese producto estaba alto o bajo), adem\u00e1s de la pol\u00edtica de descuentos a cargo del equipo comercial, como cantidad y mix vendido, lo que posibilitaba diferentes niveles de descuentos.<\/p>\n
 <\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n
\"\"\r\n                             Figura 9: Vista macro de la soluci\u00f3n\r\n\r\n<\/em><\/pre>\n
En este caso real demostrado, lo que se hizo en la pr\u00e1ctica fue transformar actividades y decisiones que de alguna forma ya se hac\u00edan en el d\u00eda a d\u00eda de manera no estandarizada, en un proceso basado en algoritmos estructurados, inteligencia artificial y Machine Learning<\/em>. Con esto, se mantuvo la calidad de las decisiones de acuerdo con lo planeado, sin depender de intervenciones manuales y, de esta forma, reduciendo significativamente la posibilidad de errores humanos. Adem\u00e1s, el equipo puede concentrarse principalmente en discutir estrategias y direcciones del negocio, en lugar de en actividades operativas.<\/p>\n
Consideraciones Finales <\/strong><\/p>\n
Con la evoluci\u00f3n de las tecnolog\u00edas, el aumento de la disponibilidad de informaci\u00f3n y la competencia cada vez mayor, cuanto m\u00e1s r\u00e1pido se identifiquen las oportunidades de mejora para la toma de decisiones y eventuales ajustes de negocio, mayor ser\u00e1 la probabilidad de \u00e9xito.<\/p>\n
Los negocios din\u00e1micos, con muchos productos, grandes vol\u00famenes de negociaciones y diversas posibilidades de ajustes de precios, no pueden depender de operaciones manuales para la gesti\u00f3n de precios, con el riesgo de no capturar el valor del mercado y, por consiguiente, dejar dinero sobre la mesa.<\/p>\n
En estructuras que involucran m\u00e1s sistematizaci\u00f3n y mayor automatizaci\u00f3n, la intervenci\u00f3n manual es puramente estrat\u00e9gica, no operativa, evaluando si tiene sentido hacer los ajustes se\u00f1alados por los algoritmos y la inteligencia artificial. Es decir, simplificamos las innumerables combinaciones entre producto, cliente y regi\u00f3n sin dejar de considerar la estrategia adecuada para cada negociaci\u00f3n, lo que permite una mayor captura de valor del negocio. Por ejemplo, el caso presentado permite que el equipo de Precios gestione los precios con m\u00e1s de 20.000 combinaciones y escenarios posibles (multiplicaci\u00f3n de todas las posibilidades de los pilares) de manera organizada y din\u00e1mica: todos los atributos se convierten en palancas para el equipo de Pricing<\/em>, que obtiene un mayor control sobre la definici\u00f3n de los precios, adem\u00e1s de permitir la identificaci\u00f3n m\u00e1s precisa con los KPI estructurados para cada pilar y atributo.<\/p>\n
La combinaci\u00f3n del algoritmo presentado con t\u00e9cnicas de Machine Learning<\/em> (ejemplos del caso: regresiones para el c\u00e1lculo de elasticidad y k-means para la clusterizaci\u00f3n de clientes) acompa\u00f1ado por procesos de revisi\u00f3n estructurados garantizan la sostenibilidad y perpetuidad de la estructura de Precios y la constante evoluci\u00f3n del modelo.<\/p>\n","protected":false},"excerpt":{"rendered":"
Art\u00edculo elaborado por los socios de Quantiz \u2013 F\u00e1bio Vakuda y Tiago Martin Con el avance de la tecnolog\u00eda y el acceso a informaci\u00f3n m\u00e1s robusta, es cada vez m\u00e1s com\u00fan escuchar t\u00e9rminos como Inteligencia Artificial, Machine Learning y Algoritmos. A menudo pueden parecer complejos y dif\u00edciles de entender, pero en realidad se pueden aplicar […]<\/p>\n","protected":false},"author":3,"featured_media":4376,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[53],"tags":[],"class_list":["post-4776","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-estrategia-de-precios"],"acf":[],"yoast_head":"\nDesmitificando algoritmos de pricing utilizando inteligencia artificial y machine learning - Quantiz<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.quantiz.com.br\/es\/desmitificando-algoritmos-de-pricing-utilizando-inteligencia-artificial-y-machine-learning\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Desmitificando algoritmos de pricing utilizando inteligencia artificial y machine learning - Quantiz\" \/>\n<meta property=\"og:description\" content=\"Art\u00edculo elaborado por los socios de Quantiz \u2013 F\u00e1bio Vakuda y Tiago Martin Con el avance de la tecnolog\u00eda y el acceso a informaci\u00f3n m\u00e1s robusta, es cada vez m\u00e1s com\u00fan escuchar t\u00e9rminos como Inteligencia Artificial, Machine Learning y Algoritmos. A menudo pueden parecer complejos y dif\u00edciles de entender, pero en realidad se pueden aplicar […]\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.quantiz.com.br\/es\/desmitificando-algoritmos-de-pricing-utilizando-inteligencia-artificial-y-machine-learning\/\" \/>\n<meta property=\"og:site_name\" content=\"Quantiz\" \/>\n<meta property=\"article:published_time\" content=\"2023-05-08T18:51:21+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2023-05-08T18:58:52+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.quantiz.com.br\/wp-content\/uploads\/2023\/03\/ML10-scaled.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"2560\" \/>\n\t<meta property=\"og:image:height\" content=\"1535\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Marina Nicodemo\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"Marina Nicodemo\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tiempo de lectura\" \/>\n\t<meta name=\"twitter:data2\" content=\"15 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/www.quantiz.com.br\/es\/desmitificando-algoritmos-de-pricing-utilizando-inteligencia-artificial-y-machine-learning\/\",\"url\":\"https:\/\/www.quantiz.com.br\/es\/desmitificando-algoritmos-de-pricing-utilizando-inteligencia-artificial-y-machine-learning\/\",\"name\":\"Desmitificando algoritmos de pricing utilizando inteligencia artificial y machine learning - Quantiz\",\"isPartOf\":{\"@id\":\"https:\/\/www.quantiz.com.br\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/www.quantiz.com.br\/es\/desmitificando-algoritmos-de-pricing-utilizando-inteligencia-artificial-y-machine-learning\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/www.quantiz.com.br\/es\/desmitificando-algoritmos-de-pricing-utilizando-inteligencia-artificial-y-machine-learning\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/www.quantiz.com.br\/wp-content\/uploads\/2023\/03\/ML10-scaled.jpg\",\"datePublished\":\"2023-05-08T18:51:21+00:00\",\"dateModified\":\"2023-05-08T18:58:52+00:00\",\"author\":{\"@id\":\"https:\/\/www.quantiz.com.br\/#\/schema\/person\/2ab233927ebf0de5b41bbcd0c3544c87\"},\"breadcrumb\":{\"@id\":\"https:\/\/www.quantiz.com.br\/es\/desmitificando-algoritmos-de-pricing-utilizando-inteligencia-artificial-y-machine-learning\/#breadcrumb\"},\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/www.quantiz.com.br\/es\/desmitificando-algoritmos-de-pricing-utilizando-inteligencia-artificial-y-machine-learning\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\/\/www.quantiz.com.br\/es\/desmitificando-algoritmos-de-pricing-utilizando-inteligencia-artificial-y-machine-learning\/#primaryimage\",\"url\":\"https:\/\/www.quantiz.com.br\/wp-content\/uploads\/2023\/03\/ML10-scaled.jpg\",\"contentUrl\":\"https:\/\/www.quantiz.com.br\/wp-content\/uploads\/2023\/03\/ML10-scaled.jpg\",\"width\":2560,\"height\":1535},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/www.quantiz.com.br\/es\/desmitificando-algoritmos-de-pricing-utilizando-inteligencia-artificial-y-machine-learning\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"In\u00edcio\",\"item\":\"https:\/\/www.quantiz.com.br\/es\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Desmitificando algoritmos de pricing utilizando inteligencia artificial y machine learning\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/www.quantiz.com.br\/#website\",\"url\":\"https:\/\/www.quantiz.com.br\/\",\"name\":\"Quantiz\",\"description\":\"Pricing Solutions\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/www.quantiz.com.br\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"es\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/www.quantiz.com.br\/#\/schema\/person\/2ab233927ebf0de5b41bbcd0c3544c87\",\"name\":\"Marina Nicodemo\",\"url\":\"https:\/\/www.quantiz.com.br\/es\/author\/nicodemo\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Desmitificando algoritmos de pricing utilizando inteligencia artificial y machine learning - Quantiz","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.quantiz.com.br\/es\/desmitificando-algoritmos-de-pricing-utilizando-inteligencia-artificial-y-machine-learning\/","og_locale":"es_ES","og_type":"article","og_title":"Desmitificando algoritmos de pricing utilizando inteligencia artificial y machine learning - Quantiz","og_description":"Art\u00edculo elaborado por los socios de Quantiz \u2013 F\u00e1bio Vakuda y Tiago Martin Con el avance de la tecnolog\u00eda y el acceso a informaci\u00f3n m\u00e1s robusta, es cada vez m\u00e1s com\u00fan escuchar t\u00e9rminos como Inteligencia Artificial, Machine Learning y Algoritmos. A menudo pueden parecer complejos y dif\u00edciles de entender, pero en realidad se pueden aplicar […]","og_url":"https:\/\/www.quantiz.com.br\/es\/desmitificando-algoritmos-de-pricing-utilizando-inteligencia-artificial-y-machine-learning\/","og_site_name":"Quantiz","article_published_time":"2023-05-08T18:51:21+00:00","article_modified_time":"2023-05-08T18:58:52+00:00","og_image":[{"width":2560,"height":1535,"url":"https:\/\/www.quantiz.com.br\/wp-content\/uploads\/2023\/03\/ML10-scaled.jpg","type":"image\/jpeg"}],"author":"Marina Nicodemo","twitter_card":"summary_large_image","twitter_misc":{"Escrito por":"Marina Nicodemo","Tiempo de lectura":"15 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/www.quantiz.com.br\/es\/desmitificando-algoritmos-de-pricing-utilizando-inteligencia-artificial-y-machine-learning\/","url":"https:\/\/www.quantiz.com.br\/es\/desmitificando-algoritmos-de-pricing-utilizando-inteligencia-artificial-y-machine-learning\/","name":"Desmitificando algoritmos de pricing utilizando inteligencia artificial y machine learning - Quantiz","isPartOf":{"@id":"https:\/\/www.quantiz.com.br\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.quantiz.com.br\/es\/desmitificando-algoritmos-de-pricing-utilizando-inteligencia-artificial-y-machine-learning\/#primaryimage"},"image":{"@id":"https:\/\/www.quantiz.com.br\/es\/desmitificando-algoritmos-de-pricing-utilizando-inteligencia-artificial-y-machine-learning\/#primaryimage"},"thumbnailUrl":"https:\/\/www.quantiz.com.br\/wp-content\/uploads\/2023\/03\/ML10-scaled.jpg","datePublished":"2023-05-08T18:51:21+00:00","dateModified":"2023-05-08T18:58:52+00:00","author":{"@id":"https:\/\/www.quantiz.com.br\/#\/schema\/person\/2ab233927ebf0de5b41bbcd0c3544c87"},"breadcrumb":{"@id":"https:\/\/www.quantiz.com.br\/es\/desmitificando-algoritmos-de-pricing-utilizando-inteligencia-artificial-y-machine-learning\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.quantiz.com.br\/es\/desmitificando-algoritmos-de-pricing-utilizando-inteligencia-artificial-y-machine-learning\/"]}]},{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/www.quantiz.com.br\/es\/desmitificando-algoritmos-de-pricing-utilizando-inteligencia-artificial-y-machine-learning\/#primaryimage","url":"https:\/\/www.quantiz.com.br\/wp-content\/uploads\/2023\/03\/ML10-scaled.jpg","contentUrl":"https:\/\/www.quantiz.com.br\/wp-content\/uploads\/2023\/03\/ML10-scaled.jpg","width":2560,"height":1535},{"@type":"BreadcrumbList","@id":"https:\/\/www.quantiz.com.br\/es\/desmitificando-algoritmos-de-pricing-utilizando-inteligencia-artificial-y-machine-learning\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"In\u00edcio","item":"https:\/\/www.quantiz.com.br\/es\/"},{"@type":"ListItem","position":2,"name":"Desmitificando algoritmos de pricing utilizando inteligencia artificial y machine learning"}]},{"@type":"WebSite","@id":"https:\/\/www.quantiz.com.br\/#website","url":"https:\/\/www.quantiz.com.br\/","name":"Quantiz","description":"Pricing Solutions","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.quantiz.com.br\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"es"},{"@type":"Person","@id":"https:\/\/www.quantiz.com.br\/#\/schema\/person\/2ab233927ebf0de5b41bbcd0c3544c87","name":"Marina Nicodemo","url":"https:\/\/www.quantiz.com.br\/es\/author\/nicodemo\/"}]}},"_links":{"self":[{"href":"https:\/\/www.quantiz.com.br\/es\/wp-json\/wp\/v2\/posts\/4776","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.quantiz.com.br\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.quantiz.com.br\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.quantiz.com.br\/es\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/www.quantiz.com.br\/es\/wp-json\/wp\/v2\/comments?post=4776"}],"version-history":[{"count":7,"href":"https:\/\/www.quantiz.com.br\/es\/wp-json\/wp\/v2\/posts\/4776\/revisions"}],"predecessor-version":[{"id":4783,"href":"https:\/\/www.quantiz.com.br\/es\/wp-json\/wp\/v2\/posts\/4776\/revisions\/4783"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.quantiz.com.br\/es\/wp-json\/wp\/v2\/media\/4376"}],"wp:attachment":[{"href":"https:\/\/www.quantiz.com.br\/es\/wp-json\/wp\/v2\/media?parent=4776"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.quantiz.com.br\/es\/wp-json\/wp\/v2\/categories?post=4776"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.quantiz.com.br\/es\/wp-json\/wp\/v2\/tags?post=4776"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}