La presente memoria se centra en la determinación de precios óptimos de una categoría en una cadena de supermercados. Actualmente el proceso para fijar los precios se basa en la intuición o experiencia y es igual para todas las sucursales. Por lo tanto, se busca proponer una política de precios para una categoría, que capture la heterogeneidad del comportamiento de la demanda a través de las distintas tiendas dentro de la cadena. El objetivo principal de esta memoria es desarrollar una metodología para la determinación de precios bases óptimos; a través de datos transaccionales y demográficos que permita a la cadena encontrar una política de precios particular a cada una de sus salas de ventas. La estimación de demanda de los productos se realiza a través de un modelo jerárquico Bayesiano. La ventaja esencial de este modelo, es que esta estimación se realiza a nivel de sala, pero utiliza los puntos comunes de todas las sucursales. Con esta metodología, se obtiene la sensibilidad de la demanda al precio de cada producto, que se representan como elasticidades precio propia y cruzada para todos los productos en estudio Esto parámetros sirven de entrada para los modelos de optimización de precios. Finalmente, para determinar la política óptima de precios, se evalúan tres modelos de optimización no lineal, maximizando ingresos, unidades o margen. La validación de la estimación de la demanda arrojó óptimos resultados. El indicador R-ajustado fue de 0,5, mientras el MAPE fue menor al 25%. Además se pudo determinar que el modelo jerárquico bayesiano entrega mejores indicadores tanto cualitativos como cuantitativos para las matrices de elasticidad que modelos clásicos de regresión; agrega valor además al incluir información de variables demográficas que no habían sido analizadas anteriormente. Se concluye que aplicar políticas óptimas de precio para la cadena se observan aumentos cercanos al 40% en ingresos y unidades para cualquier modelo. Si además estas políticas se aplican de forma diferenciada para cada sucursal, los ingresos se incrementan en un 15% más, de forma que la cadena de supermercados pierde alrededor de diez millones de pesos semanales al no hacerse cargo de las particularidades de cada sala. Como conclusión del trabajo, la metodología aplicada permite abarcar mayor información sobre los productos y las sucursales, realizándose análisis más robustos y mejores interpretaciones del comportamiento del consumidor, lo que se ve reflejado en los resultados finales de la optimización.