Miles de SKUs. Varios competidores. Precios que cambian a diario. Seguir eso a pulso humano es imposible. Lo que sigue es el sistema para monitorear, comparar y decidir precios con criterio — apoyado en IA y automatización.
Un retailer con catálogo amplio enfrenta una ecuación brutal: miles de SKUs, multiplicados por varios competidores, multiplicados por precios que cambian a diario. Vigilar eso con planillas y revisión manual no escala. Para cuando terminas de revisar, los precios ya cambiaron.
El resultado típico es uno de dos extremos, y ambos cuestan dinero. O bien la empresa reacciona tarde — baja un precio cuando ya perdió tres semanas de ventas contra un competidor más barato. O bien sobre-reacciona — iguala cada bajada de la competencia sin mirar margen, y erosiona su rentabilidad por SKUs que ni siquiera mueven volumen.
El problema de fondo no es de precios. Es de información a escala. El equipo comercial no puede procesar manualmente miles de comparaciones diarias y, al mismo tiempo, decidir con criterio cuáles importan. Esto es exactamente el tipo de problema donde la IA y la automatización cambian las reglas — no reemplazando la decisión comercial, sino haciéndola posible al volumen correcto.
Este cuaderno documenta un sistema real de pricing competitivo que construí para un negocio de repuestos: captura automática de precios de competencia, comparación con criterio, y recomendación de ajuste priorizada. Está anonimizado y los números son ilustrativos, pero la lógica es la que funciona en producción.
Igualar cada precio de la competencia sin mirar margen no es estrategia. Es pánico automatizado. Principio de pricing
Si leíste el Vol. 01, esto te va a sonar. El principio es el mismo, aplicado a otro dominio: la IA no reemplaza tu criterio comercial — lo escala. Primero defines cómo decides, después dejas que la máquina aplique esa lógica a miles de casos.
El error más común al "automatizar pricing" es saltar directo a la herramienta sin definir la política. Se termina con un robot que iguala precios ciegamente, sin entender que un SKU de alto margen y baja competencia se gestiona distinto a un commodity de guerra de precios.
El sistema correcto sigue cuatro capas, en orden. Cada una alimenta a la siguiente, y la última siempre es humana.
La IA no decide tus precios. Te muestra dónde mirar para que tú decidas mejor y más rápido. Capa 3 · Capítulo 06
Todo sistema de pricing competitivo empieza por una pregunta: ¿de dónde salen los precios de mi competencia, y cómo los traigo sin que alguien los copie a mano? La respuesta es automatización de captura — scraping, normalización y un histórico que crece solo.
En el caso real, los precios de tres competidores vivían en sitios web que cambiaban formato y estructura. La captura tomaba esos datos, los normalizaba a un formato común (un registro por SKU–competidor–fecha) y los acumulaba en un histórico. Ese histórico es la materia prima de todo lo demás.
El detalle clave que casi nadie hace bien: guardar el histórico, no solo el último precio. Sin histórico no puedes detectar cambios, calcular tendencias, ni entender la dinámica competitiva. Con histórico, cada captura nueva se compara automáticamente con la anterior y genera un reporte de qué subió, qué bajó y cuánto.
La automatización convierte una tarea de horas-persona en un proceso que corre solo. El equipo comercial deja de copiar precios y empieza a decidir sobre ellos — que es donde su criterio realmente vale.
Precio (oferta y precio antes), stock (¿el competidor tiene producto?), URL (para verificar), y fecha (para el histórico). El stock importa tanto como el precio: un competidor sin stock no es competencia real ese día — es tu oportunidad de capturar venta sin bajar precio.
Si tuvieras que resumir tu posición competitiva en un solo número por SKU, ese número es el Índice de Precios. Es la herramienta más simple y más poderosa del pricing competitivo, y casi nadie la usa bien.
El Índice de Precios (Price Index, PI) compara tu precio con el de la competencia en una escala donde 100 significa "estoy igual al mercado". La fórmula es directa:
La potencia del PI es que convierte miles de comparaciones en un solo eje legible. Puedes ordenar todo tu catálogo por PI y ver de un vistazo dónde estás caro, dónde barato, y dónde en paridad. Promediando el PI de un grupo de SKUs obtienes tu posición competitiva de toda una categoría en un número.
Un PI de 90 no es bueno ni malo por sí solo. Es bueno o malo según el margen que tienes en ese SKU. El PI sin margen miente
El Índice de Precios te da el detalle SKU por SKU. Win/Parity/Lose te da el panorama: de todo tu catálogo, ¿en cuántos productos ganas en precio, en cuántos empatas, y en cuántos pierdes? Es el semáforo de tu competitividad.
La clasificación es simple, derivada del PI con un umbral de tolerancia (típicamente ±2-3%):
El verdadero valor aparece cuando cruzas W/P/L con volumen de venta y margen. Perder en precio (Lose) en un SKU que no vendes casi nada y tiene margen alto: no importa. Perder en un SKU de alto volumen y bajo margen: alarma roja, ahí se te está yendo venta. Ganar (Win) en un SKU de alto margen donde nadie compara precio: estás regalando margen sin necesidad.
Esa es la matriz de decisión que el sistema construye automáticamente, y donde la IA prioriza: no todos los "Lose" son iguales, y la máquina los ordena por cuánto te cuesta cada uno.
No quieras ganar en todos los precios. Quiere ganar donde ganar importa, y proteger margen donde nadie está mirando. La trampa del 100% Win
Captura y comparación son automáticas. Pero "¿subo, bajo o mantengo este precio?" requiere criterio. Aquí el sistema no decide por ti — te entrega el caso ya filtrado y priorizado para que decidas en segundos, no en horas.
El concepto que ordena esta capa es el potencial de ajuste $: cuánto dinero está en juego en cada decisión de precio. Se calcula combinando la brecha de precio (gap), el volumen de venta del SKU, y el margen disponible. Un SKU donde pierdes 15% de precio pero vendes mucho tiene un potencial de ajuste enorme. Uno donde pierdes 15% pero casi no vendes, casi cero.
Ordenando todo el catálogo por potencial de ajuste $, el equipo comercial ve primero lo que más mueve la aguja. En vez de revisar 5.000 SKUs, revisa los 40 que concentran la decisión. Eso es lo que hace la diferencia entre un sistema que abruma y uno que enfoca.
En casi todo catálogo, cerca del 20% de los SKUs concentra el 80% de la venta. Esta regla, vieja como el comercio, es lo que vuelve manejable el pricing competitivo: no necesitas pelear el precio de todo, necesitas pelearlo donde está la venta.
El error de muchos sistemas de pricing es tratar todos los SKUs por igual. Un Pareto bien hecho te dice cuáles son tus SKUs vitales — esos donde una mala decisión de precio cuesta caro — y cuáles son la cola larga donde basta una regla automática simple.
Aplicado al pricing competitivo: los SKUs del 20% superior merecen monitoreo diario y decisión humana. La cola larga (el 80% restante de SKUs que aporta 20% de venta) puede gestionarse con reglas automáticas — por ejemplo, "mantener PI entre 98 y 102 salvo excepción". Así el criterio humano se concentra donde rinde.
No gestiones 5.000 SKUs con la misma intensidad. Gestiona 40 con criterio y 4.960 con reglas. El foco es la estrategia
Hasta acá describí un sistema de pricing. Ahora la pregunta clave: ¿qué hace la IA que una planilla no? La respuesta no es "todo". Es muy específica — y entender el límite es lo que separa un sistema útil de un experimento caro.
La automatización (scripts, scraping, scheduling) se encarga de lo repetitivo y determinístico: capturar precios, normalizarlos, calcular PI y W/P/L, detectar cambios, ordenar por potencial de ajuste. Eso no necesita IA — necesita buena ingeniería. Y es el 70% del valor.
La IA entra donde hay ambigüedad o lenguaje: emparejar productos que se llaman distinto entre competidores (matching de SKUs por descripción), resumir qué está pasando en una categoría en lenguaje natural, detectar patrones anómalos ("este competidor bajó todo su catálogo de frenos 12% esta semana"), o generar la explicación de por qué recomienda cada ajuste. La IA traduce datos en narrativa accionable.
Y el humano — tú, el equipo comercial — decide. Porque el sistema no sabe que ese competidor está liquidando stock antes de cerrar, o que ese SKU es estratégico para un cliente grande aunque no tenga volumen. El criterio de negocio sigue siendo irreemplazable. La IA lo escala; no lo sustituye.
Automatización: captura, cálculo, detección de cambios, priorización. IA: matching de productos, resúmenes en lenguaje natural, detección de patrones, explicación de recomendaciones. Humano: la decisión final de precio, con el contexto comercial que ninguna máquina ve.
Toma un producto real de tu catálogo. Pon tu precio, el de tu competencia, tu costo, y si la competencia tiene stock. El simulador calcula tu Índice de Precios, tu clasificación Win/Parity/Lose, tu margen, y te da una recomendación de ajuste con criterio.
Prueba distintos escenarios: ¿qué pasa con tu margen si bajas el precio para ganar? ¿Vale la pena ese SKU? El simulador hace visible la tensión central del pricing: competitividad versus margen. Ahí es donde tu criterio decide.
Si reconoces tres o más de estas señales en tu operación, el pricing manual ya te está costando dinero — solo que no lo estás midiendo. Guarda esta lista y revísala con tu equipo comercial.