El objetivo principal de este trabajo es desarrollar una metodología para la asignación óptima de espacio en góndolas de las tiendas de Pronto Copec. El proyecto está enfocado en crear una herramienta de apoyo a la decisión de qué productos colocar en las góndolas, debido a que el gran número de categorías y SKU’s disponibles ha ido complejizando la decisión de qué productos utilizar, y qué espacio del total disponible asignarles. Para llevar a cabo esta tarea, se realiza una investigación acerca de las herramientas actuales que existen en el área. Analizando las características del problema y de los datos disponibles, se construye un algoritmo basado en el modelo de Corstjean y Doyle, donde se maximiza la utilidad percibida por la tienda en la categoría, y se trabaja con un modelo de demanda creciente, con retornos decrecientes. Se trabaja primero de manera teórica, resolviendo la optimización para el caso general, posteriormente para el caso con restricción de asignación mínima de espacio a ciertos productos, y finalmente para el caso donde el producto recibe un bono por posición asignada. Posterior a ello, se aplicó el algoritmo al caso real de la tienda Pronto Ciudad La Florida, para la categoría snacks, realizando optimizaciones para el caso general, el caso con bono por posición, y optimizando grupos de productos para decidir qué productos eliminar del mix de opciones a colocar en las góndolas. Finalmente se realizó un análisis de sensibilidad de la solución, tanto para la demanda como para la función objetivo. Entre los resultados destacados está el hecho de que los productos con alto nivel de venta tienen un mayor aporte a la función objetivo que los productos que tienen alto margen por unidad. Además, se observa que la lógica detrás de la decisión de colocar un producto en la góndola es el desempeño de este producto por espacio utilizado. Por otra parte, el factor que más afecta al valor de la función objetivo es la elasticidad espacio, disminuyendo el margen total alcanzado cuando aumenta la elasticidad. Se recomienda a futuro obtener datos reales de factores sensibles como la elasticidad espacio o el desempeño de los productos por espacio utilizado, ya que conocer bien estos valores de forma empírica permitirá tener resultados más confiables y aplicables a la realidad, mejorando los resultados de la investigación en el retail.