01What it isQué es
Price elasticity measures how much demand changes when price changes; revenue management uses those elasticities, together with inventory and competitor prices, to set the price that maximizes revenue or margin.
La elasticidad precio mide cuánto cambia la demanda cuando cambia el precio; el revenue management usa esas elasticidades, junto con el inventario y los precios de la competencia, para fijar el precio que maximiza el ingreso o el margen.
02Why it mattersPor qué importa
Every planned price change is also a forecast change, and a planner who ignores it will be wrong by exactly the elasticity. A meta-analysis of decades of studies finds that price elasticities differ systematically by category, product life-cycle stage and market conditions (Bijmolt, van Heerde and Pieters, 2005 — Journal of Marketing Research), so one elasticity for the whole portfolio is a guess. Revenue management grew out of airlines and spread to industries with perishable capacity and segmentable demand (Talluri and van Ryzin, 2004 — Kluwer/Springer).
Cada cambio de precio planeado es también un cambio de pronóstico, y el planeador que lo ignora se equivocará exactamente por la elasticidad. Un metaanálisis de décadas de estudios encuentra que las elasticidades precio difieren sistemáticamente por categoría, etapa del ciclo de vida del producto y condiciones de mercado (Bijmolt, van Heerde y Pieters, 2005 — Journal of Marketing Research), así que una sola elasticidad para todo el portafolio es una suposición. El revenue management nació en las aerolíneas y se extendió a industrias con capacidad perecedera y demanda segmentable (Talluri y van Ryzin, 2004 — Kluwer/Springer).
03How it is doneCómo se hace
1
Estimate from real history. Fit log-log models on your own price and volume data, controlling for promotions and seasonality.
2
Segment the elasticities. Calibrate separately by channel, region and customer segment instead of one portfolio-wide value.
3
Feed prices into S&OP. Require every planned price change to enter the demand plan with its elasticity-based volume impact.
1
Estimar con historia real. Ajustar modelos log-log con los propios datos de precio y volumen, controlando promociones y estacionalidad.
2
Segmentar las elasticidades. Calibrar por separado por canal, región y segmento de clientes, en lugar de un solo valor para todo el portafolio.
3
Llevar los precios al S&OP. Exigir que cada cambio de precio planeado entre al plan de demanda con su impacto en volumen según la elasticidad.
04The concept in depthEl concepto a fondo
Price elasticity: the relationship between price and demand›
Price elasticity of demand measures how much the quantity demanded of a product changes when its price changes. It is one of the most important parameters in demand management because it quantifies the trade-off between price and volume — and allows the demand planning team to model the impact of pricing decisions on future demand.
Types of price elasticity relevant to supply chain›
(1) Own price-demand elasticity: the % change in demand for a product given a 1% change in its price. An elasticity of −1.5 means if the price rises 10%, demand falls 15%. (2) Cross elasticity: the % change in demand for a product given a 1% change in a competing or substitute product's price. (3) Channel elasticity: the same brand can have very different elasticities by channel (e-commerce price vs. physical store price vs. modern channel price).
Revenue management: using elasticity to maximize revenue›
Revenue management uses price elasticity models to optimize price in real time based on demand, inventory availability, and competitor prices — maximizing total revenue. Originally developed by airlines and hotels, revenue management is being adopted in retail and e-commerce under the name "dynamic pricing."
Intermediate vs. Advanced›
Intermediate: understands price elasticity concepts and uses them to interpret the impact of price changes on the forecast.
Advanced: designs and calibrates price elasticity models for assigned categories; implements the dynamic pricing process with correct controls; connects the elasticity model to the S&OP demand forecast.
Advanced: designs and calibrates price elasticity models for assigned categories; implements the dynamic pricing process with correct controls; connects the elasticity model to the S&OP demand forecast.
Elasticidad precio: la relación entre precio y demanda›
La elasticidad precio de la demanda mide cuánto cambia la cantidad demandada de un producto cuando cambia su precio. Es uno de los parámetros más importantes de la gestión de la demanda porque cuantifica el trade-off entre precio y volumen, y permite al equipo de demand planning modelar el impacto de las decisiones de precio en la demanda futura.
Tipos de elasticidad precio relevantes para supply chain›
(1) Elasticidad precio propia: el cambio % en la demanda de un producto ante un cambio de 1% en su precio. Una elasticidad de −1.5 significa que, si el precio sube 10%, la demanda cae 15%. (2) Elasticidad cruzada: el cambio % en la demanda de un producto ante un cambio de 1% en el precio de un producto competidor o sustituto. (3) Elasticidad por canal: una misma marca puede tener elasticidades muy distintas por canal (precio en e-commerce vs. tienda física vs. canal moderno).
Revenue management: usar la elasticidad para maximizar el ingreso›
El revenue management usa modelos de elasticidad precio para optimizar el precio en tiempo real según la demanda, la disponibilidad de inventario y los precios de la competencia, con el fin de maximizar el ingreso total. Desarrollado originalmente por aerolíneas y hoteles, el revenue management se está adoptando en retail y e-commerce bajo el nombre de “precios dinámicos” (dynamic pricing).
Intermedio vs. Avanzado›
Intermedio: entiende los conceptos de elasticidad precio y los usa para interpretar el impacto de los cambios de precio en el pronóstico.
Avanzado: diseña y calibra modelos de elasticidad precio para las categorías asignadas; implementa el proceso de precios dinámicos con los controles correctos; conecta el modelo de elasticidad con el pronóstico de demanda del S&OP.
Avanzado: diseña y calibra modelos de elasticidad precio para las categorías asignadas; implementa el proceso de precios dinámicos con los controles correctos; conecta el modelo de elasticidad con el pronóstico de demanda del S&OP.
05In practiceEn la práctica
Price elasticity must be calibrated with real historical data — not market assumptions›
An elasticity model based on assumptions ("our products are premium, they are not elastic") may be significantly different from the actual elasticity observed in the data.
Elasticities vary by channel, region, and customer segment›
The same brand can have very different elasticities in the convenience channel (low elasticity) vs. e-commerce (high elasticity). A single elasticity model for all channels generates incorrect predictions.
Connect the elasticity model to the S&OP forecast — planned price changes must be reflected in the forecast›
The commercial team planning a price change for the next quarter must communicate it to the demand planning team with sufficient lead time for the elasticity model to generate the corresponding forecast adjustment.
Dynamic pricing requires controls to avoid "price wars" and reference price damage›
Dynamic pricing algorithms that automatically reduce prices to gain market share can trigger price reduction spirals with competitors that destroy the category reference price.
La elasticidad precio debe calibrarse con datos históricos reales, no con supuestos de mercado›
Un modelo de elasticidad basado en supuestos (“nuestros productos son premium, no son elásticos”) puede diferir significativamente de la elasticidad real observada en los datos.
Las elasticidades varían por canal, región y segmento de clientes›
Una misma marca puede tener elasticidades muy distintas en el canal de conveniencia (baja elasticidad) vs. e-commerce (alta elasticidad). Un solo modelo de elasticidad para todos los canales genera predicciones incorrectas.
Conectar el modelo de elasticidad con el pronóstico del S&OP: los cambios de precio planeados deben reflejarse en el pronóstico›
El equipo comercial que planea un cambio de precio para el próximo trimestre debe comunicarlo al equipo de demand planning con suficiente lead time para que el modelo de elasticidad genere el ajuste correspondiente al pronóstico.
Los precios dinámicos requieren controles para evitar “guerras de precios” y el daño al precio de referencia›
Los algoritmos de precios dinámicos que reducen precios automáticamente para ganar participación de mercado pueden desatar espirales de reducción de precios con los competidores que destruyen el precio de referencia de la categoría.
06Illustrative caseCaso ilustrativo
Illustrative case built from typical industry values — not data from a specific company.Caso ilustrativo construido con valores típicos de la industria — no son datos de una empresa específica.
Illustrative case: Price elasticity model — electronics company, price ranges for the S&OP
The team calibrates the price elasticity model for its 3 main categories.
The team calibrates the price elasticity model for its 3 main categories.
| Product category | Price-demand elasticity (ε) | S&OP implication |
|---|---|---|
| Premium (high-end) smartphones | ε = −0.8 (inelastic) | A 10% price increase reduces demand only 8% · Price can rise without serious volume impact |
| Electronics accessories (cables, headphones) | ε = −2.4 (highly elastic) | A 10% price increase reduces demand 24% · Price changes have very high forecast impact |
| Mid-range tablets | ε = −1.6 (elastic) | A 10% price increase reduces demand 16% · Calibrate forecast when price changes occur |
Result: Calibrated elasticity models improved forecast MAPE in price-change periods by 18%. Highest improvement in accessories (high elasticity) — where frequent price changes were not being correctly captured in the statistical model without elasticity.
Illustrative case built from typical industry values — not data from a specific company.Caso ilustrativo construido con valores típicos de la industria — no son datos de una empresa específica.
Caso ilustrativo: Modelo de elasticidad precio — empresa de electrónica, rangos de precio para el S&OP
El equipo calibra el modelo de elasticidad precio para sus 3 categorías principales.
El equipo calibra el modelo de elasticidad precio para sus 3 categorías principales.
| Categoría de producto | Elasticidad precio-demanda (ε) | Implicación para el S&OP |
|---|---|---|
| Smartphones premium (gama alta) | ε = −0.8 (inelástica) | Un aumento de precio de 10% reduce la demanda solo 8% · El precio puede subir sin un impacto serio en el volumen |
| Accesorios electrónicos (cables, audífonos) | ε = −2.4 (muy elástica) | Un aumento de precio de 10% reduce la demanda 24% · Los cambios de precio tienen un impacto muy alto en el pronóstico |
| Tablets de gama media | ε = −1.6 (elástica) | Un aumento de precio de 10% reduce la demanda 16% · Calibrar el pronóstico cuando haya cambios de precio |
Resultado: Los modelos de elasticidad calibrados mejoraron 18% el MAPE del pronóstico en periodos con cambios de precio. La mayor mejora se dio en accesorios (alta elasticidad), donde los cambios de precio frecuentes no se estaban capturando correctamente en el modelo estadístico sin elasticidad.
07How it is measuredCómo se mide
Price Elasticity Calibration Accuracy % (precision of the elasticity model in predicting price change impact)›
Price Elasticity Calibration Accuracy % (precision of the elasticity model in predicting price change impact)
|Actual demand change after a price change − Change predicted by the elasticity model| / Predicted change × 100
Benchmark: <15% error in predicting the price change impact for categories with elasticity calibrated with 2+ years of data
⚠️ An elasticity model with >30% error in predicting price change impact is not correctly calibrated — or the historical price and demand data has too much noise to build a reliable model.
Revenue per Unit (revenue per unit sold — the price-volume trade-off metric)›
Revenue per Unit (revenue per unit sold — the price-volume trade-off metric)
Total category revenue / Total category units sold
Benchmark: Increasing year-over-year indicates price changes are generating more revenue per unit than they lose in volume · Declining indicates the opposite
🔑 Revenue per unit integrates price and volume in a single metric that captures the trade-off result. Declining revenue per unit may indicate discounts are eroding the category reference price.
Price Elasticity Calibration Accuracy % (precisión del modelo de elasticidad para predecir el impacto de un cambio de precio)›
Price Elasticity Calibration Accuracy % (precisión del modelo de elasticidad para predecir el impacto de un cambio de precio)
|Cambio real en la demanda tras un cambio de precio − Cambio predicho por el modelo de elasticidad| / Cambio predicho × 100
Benchmark: <15% de error al predecir el impacto del cambio de precio en categorías con elasticidad calibrada con 2+ años de datos
⚠️ Un modelo de elasticidad con >30% de error al predecir el impacto de un cambio de precio no está bien calibrado, o los datos históricos de precio y demanda tienen demasiado ruido para construir un modelo confiable.
Revenue per Unit (ingreso por unidad vendida: la métrica del trade-off precio-volumen)›
Revenue per Unit (ingreso por unidad vendida: la métrica del trade-off precio-volumen)
Ingreso total de la categoría / Total de unidades vendidas de la categoría
Benchmark: Si crece año contra año, los cambios de precio generan más ingreso por unidad del que pierden en volumen · Si cae, indica lo contrario
🔑 El ingreso por unidad integra precio y volumen en una sola métrica que captura el resultado del trade-off. Un ingreso por unidad decreciente puede indicar que los descuentos están erosionando el precio de referencia de la categoría.
08What you would useQué se usa
📌 Pricing Analytics
PROS / Zilliant›
Module: AI-Powered Price Optimization + Elasticity Modeling
Reference price optimization platforms for B2B companies with customer-segment elasticity models.
Reference price optimization platforms for B2B companies with customer-segment elasticity models.
Python — statsmodels / scikit-learn›
Module: Custom Elasticity Modeling
Price elasticity models in Python with log-log regression for elasticity calibration by category, channel, and region.
Price elasticity models in Python with log-log regression for elasticity calibration by category, channel, and region.
📌 Pricing Analytics
PROS / Zilliant›
Módulo: Optimización de precios con IA + modelado de elasticidad
Plataformas de referencia para optimización de precios en empresas B2B, con modelos de elasticidad por segmento de clientes.
Plataformas de referencia para optimización de precios en empresas B2B, con modelos de elasticidad por segmento de clientes.
Python — statsmodels / scikit-learn›
Módulo: Modelado de elasticidad a la medida
Modelos de elasticidad precio en Python con regresión log-log para calibrar la elasticidad por categoría, canal y región.
Modelos de elasticidad precio en Python con regresión log-log para calibrar la elasticidad por categoría, canal y región.
The bottom lineEn corto
A price change that never reaches the demand plan is a forecast error you scheduled in advance.
Un cambio de precio que nunca llega al plan de demanda es un error de pronóstico programado con anticipación.
← PreviousAnteriorS&OP commercial alignment: sales & marketing plan integrationAlineación comercial en S&OP: integración del plan de ventas y marketingNextSiguiente →New product introduction (NPI) demand planning & launch forecastingPlaneación de demanda en NPI y pronóstico de lanzamiento
All D10 componentsTodos los componentes de D10D10 artifactsArtifacts de D10SCRA