Levante Ferries · Proyecto 03

Optimización de pricing

Convierte elasticidad, ocupación y costes en pruebas de precio explicables, con impacto esperado en revenue y margen.

Datos sintéticos · Portfolio

No se han podido cargar los datos. Recarga la página para volver a intentarlo.

Ajustar controles ↓

Cargando oportunidades…

Piloto recomendado
±3–5% · 8 semanas

Viajes analizados—2024–2025

Revenue—acumulado sintético

Margen—revenue menos costes

Ocupación—ponderada por capacidad

Precio medio—ponderado por viajes

Valor y rentabilidad por ruta

Revenue total y margen porcentual

Elasticidad estimada

Más negativa significa mayor sensibilidad

Estrategia recomendada

Una hipótesis de piloto por ruta

Decisión por ruta

El óptimo analítico se traduce en un primer movimiento controlado

Ruta	Precio actual	Elasticidad	Óptimo simulado	Piloto propuesto	Uplift revenue	Acción

Escenario de pricing

Precio simulado—

Billetes esperados—

Ocupación—

Revenue por salida—

Margen por salida—

Curva precio–demanda

Respuesta estimada mediante elasticidad

Impacto del escenario

Variación frente al punto de partida

Cómo interpretar el dashboard

Elasticidad: aproxima cuánto cambia la demanda cuando cambia el precio. Un valor de −1,60 indica mayor sensibilidad que −0,38. Es una asociación estimada con datos sintéticos.

Modelo de demanda: Gradient Boosting obtuvo MAE 41,67, RMSE 55,27, R² 0,901 y MAPE 9,51% en evaluación. Random Forest quedó muy próximo, por lo que convendría repetir la selección mediante backtesting temporal con datos reales.

Óptimo simulado: explora cambios entre −15% y +20%. La tabla los traduce a pilotos iniciales limitados a ±5%.

Simulador: combina elasticidad, demanda externa y costes; limita los billetes a la capacidad y compara el resultado con la base de la ruta.

Gobernanza: la prueba debe medir revenue, margen, ocupación y experiencia durante ocho semanas, con ruta de control y criterios para detener, mantener o ampliar.