El objetivo general del presente trabajo de título es desarrollar un modelo de estimación que permita predecir la demanda de premios que se van a canjear en una determinada semana, con el fin de aportar información relevante para que la empresa tome decisiones, en relación al stock adecuado de productos que se deben mantener en las tiendas.
La tienda por departamentos en donde se desarrolló el trabajo posee un club de fidelización, en el cual los clientes acumulan puntos que se pueden canjear por los productos que deseen dentro las posibilidades existentes en un catálogo y al nivel de que logren acceder. Existen 8 niveles y a medida que se acumulan más puntos se va accediendo a los niveles superiores y por lo tanto a mejores productos.
En el trabajo se estimó que la fuga de clientes por insatisfacción del programa de puntos provoca una pérdida mínima de MM$1.200 anuales en ventas en la multitienda. Una parte de esto, se deberá a los faltantes de premios en las tiendas. Se estima también en el trabajo, un costo de MM$648 anuales de sobrantes de premios al final de la temporada. Por lo tanto, es necesario un buen control de inventarios y una buena estimación de demanda de canjes.
La estimación de demanda de canje semanal por premios se realizó en tres niveles, estos son, el total de canje, la distribución de canje por nivel de puntaje y dentro de cada nivel de puntaje las categorías genéricas de productos que se canjean. Para estimar los canjes totales, se utilizaron las series de tiempo ARIMAX y suavizado exponencial. La estimación por nivel de puntos se realizó mediante series de tiempo ARIMA, suavizado exponencial y un modelo de participación de mercado autorregresivo. Para las categorías genéricas de productos, dada la discontinuidad de los datos en el tiempo, no se pudo realizar un pronóstico por series de tiempo y se utilizó un modelo de participación de mercado autorregresivo.
Los resultados para el total de canje muestran que el modelo que mejor predijo, con un MAPE de 10,5%, es un modelo ARIMAX(1,0,2), en donde se incorporaron variables externas como algunos fines de mes, la semana de navidad y puntos acumulados. Para la distribución de canje por nivel de puntaje, el modelo que mejor predijo, para los primeros 4 niveles, es el de participación de mercado autorregresivo con un MAPE que aumenta desde un 8% en el nivel 1 a un 17% en el nivel 4. Para los 4 niveles superiores se recomienda utilizar un modelo se suavizado exponencial que arrojó errores menores al modelo anterior y resultados similares al modelo ARIMA. Para la estimación de las categorías genéricas, los resultados fueron aumentando a medida que aumentaba el nivel y disminuía el número de productos de la categoría, el MAPE para las categorías varía entre un 9% el menor y un 44% el mayor.
Como conclusión. Para los canjes totales el mejor modelo a utilizar es un modelo ARIMAX. Sin embargo, este modelo no es el mejor para toda las etapas. El modelo de participación autorregresivo es mejor para los niveles 1 al 4 y un modelo simple como el suavizado exponencial es el más adecuado para los niveles altos y las categorías. Se debe tener en cuenta que no sólo un buen sistema de estimación de demanda es suficiente para brindar satisfacción a los clientes, sino también, una buena y gestión de la cadena de abastecimiento hasta el punto de entrega en las tiendas. Para mejorar la estimación de demanda se sugiere incorporar en los modelos variables de acciones de marketing y usar la función de utilidad determinada en el modelo de demanda como apoyo para la confección de catálogos.
| Identifer | oai:union.ndltd.org:UCHILE/oai:repositorio.uchile.cl:2250/104903 |
| Date | January 2008 |
| Creators | Espinoza Meléndez, Iván Manuel |
| Contributors | Bosch Passalacqua, Máximo, Facultad de Ciencias Físicas y Matemáticas, Departamento de Ingeniería Industrial, Aburto Lafourcade, Luis Alberto, Puente Chandía, Alejandra |
| Publisher | Universidad de Chile |
| Source Sets | Universidad de Chile |
| Language | Spanish |
| Detected Language | Spanish |
| Type | Tesis |
| Rights | Espinoza Meléndez, Iván Manuel |
Page generated in 0.002 seconds