Otimização de preços baseada na experiência para aumentar a bilheteira numa cadeia de cinemas
Aplicação do design de experiências para otimizar os preços num contexto de procura altamente volátil
Em resumo
Desafio
A indústria cinematográfica em Portugal enfrentou desafios significativos devido à pandemia, resultando numa quebra de receitas e num aumento da concorrência por parte dos serviços de streaming. Um dos principais operadores uniu-se à LTPlabs para desenvolver uma estratégia de preços que maximizasse as receitas tanto da bilheteira como dos produtos de bar. Esta tarefa complexa tem em conta o comportamento diversificado das salas de cinema, a procura variável e fatores sobrepostos como a popularidade dos filmes e as datas de estreia.
Solução
Antes de implementar uma estratégia de preços, é essencial avaliar de que forma as alterações de preço influenciam o comportamento dos clientes e a procura. Dado que as revisões de preços são pouco frequentes, utilizou-se um modelo de regressão simples, ajustado por efeitos fixos como o tempo e a inflação, como ponto de partida. Foi realizado um projeto-piloto com várias combinações de preços em diferentes salas, tendo em conta fatores como a sazonalidade, a localização e a dimensão das salas. Sete principais determinantes da procura foram utilizados para segmentar as salas em clusters, garantindo grupos de teste equilibrados para as alterações de preço.
Resultados
O projeto-piloto revelou que uma análise de dados simplista não permitia obter resultados claros, devido a efeitos de confusão como as estreias de filmes. A colaboração contínua e um conhecimento profundo das operações revelaram-se cruciais para remover outliers sem introduzir enviesamentos. Verificou-se que a procura era relativamente insensível a pequenas alterações de preço, sendo que os aumentos de preço compensavam a redução da procura através de uma maior receita unitária. Foram ainda identificados fatores-chave como o dia da semana e a localização, abrindo caminho para a implementação de uma estratégia de Preços Dinâmicos, semelhante ao que já acontece noutros setores como a hotelaria e o transporte aéreo
A indústria cinematográfica em Portugal tem sido, ao longo da última década, caracterizada por um número reduzido de operadores e por alterações muito pouco frequentes nos preços. O impacto da pandemia e o encerramento prolongado de negócios não essenciais teve um efeito devastador neste setor. Para além da quebra nas receitas, estas circunstâncias criaram espaço para que concorrentes externos, como os serviços de streaming, consolidassem a sua posição como alternativa de entretenimento muito popular. Estes fatores tornaram necessária uma reavaliação das políticas de preços, agora ainda mais urgente num contexto de aumento dos custos operacionais.
Um dos principais operadores do setor estabeleceu uma parceria com a LTPlabs para desenvolver uma estratégia de preços que maximizasse a receita total, tanto da bilheteira como dos produtos de bar (como pipocas, bebidas e snacks). Este exercício revelou-se particularmente complexo devido a vários fatores:
Comportamentos significativamente diferentes entre os vários cinemas (complexos), bem como tipologias e capacidades distintas das salas
Procura altamente volátil e sazonal (com variações até semanais)
Conjunto permanente de fatores sobrepostos, como a popularidade dos filmes e as datas de estreia
Antes de implementar qualquer estratégia de preços, é fundamental avaliar a magnitude do impacto que as alterações de preços têm no comportamento dos clientes e na procura global.
Dado que as revisões de preços, tanto na bilheteira como no bar, são muito pouco frequentes, uma análise estatística simples dos dados históricos não permitiria obter resultados suficientemente robustos para serem extrapolados com fiabilidade. No entanto, um modelo de regressão simples, controlando por alguns efeitos fixos (como tempo e inflação), poderia ainda assim ser usado como linha de base para comparar com a elasticidade real dos preços.
A abordagem considerada mais eficaz foi testar múltiplas combinações de preços em diferentes salas de todos os complexos em Portugal. Tendo em conta que a análise de dados históricos revelou um forte efeito de sazonalidade mensal na procura, foi definido um período de teste de 6 semanas, de forma a incluir pelo menos um mês completo de dados.
O objetivo deste piloto não era apenas medir o impacto geral das alterações de preços — num intervalo entre 10% abaixo e 10% acima do preço original — mas também compreender de que forma fatores como a localização, a exibição de blockbusters e a dimensão das salas poderiam atenuar ou acentuar a magnitude dessas elasticidades.
Foram identificados 7 principais determinantes da procura, que permitiram caracterizar cada sala de todos os complexos. As salas foram depois segmentadas em diferentes clusters com base no seu perfil, utilizando inicialmente um algoritmo de clustering baseado em densidade (para remoção de outliers) e, posteriormente, um algoritmo baseado em distância para identificar perfis distintos.
A homogeneidade desejada em cada cluster foi crucial para garantir que todos os grupos de teste fossem o mais equilibrados possível, ou seja, que cada grupo sujeito a uma alteração relativa de preço contivesse tantas salas de cada cluster quanto qualquer outro grupo.
Tornou-se imediatamente evidente, após o piloto, que uma análise superficial dos dados não permitiria tirar conclusões imediatas. O impacto de efeitos de confusão, como estreias de filmes durante o período de teste, levou a que, em alguns casos, um aumento de preço resultasse num aumento da procura. Este facto sublinhou a importância de uma iteração contínua com o cliente e de um conhecimento profundo das operações, permitindo a remoção cuidadosa de alguns outliers sem introduzir enviesamentos nos dados.
A análise da variação de procura, tanto na bilheteira como no bar, com base nos dados tratados das várias salas, permitiu concluir que a procura é relativamente insensível a pequenas variações de preço. Isto significa que aumentos de preço resultam num acréscimo da receita unitária que compensa a redução na procura.
Adicionalmente, foram identificados outros fatores-chave (como o dia da semana ou a localização), que podem ser utilizados para ajustar os preços num determinado período (dia, semana), com vista à maximização da receita total. Esta constatação abre caminho à implementação de uma estratégia de Preços Dinâmicos, semelhante à que já é aplicada noutras indústrias, como a hotelaria e o transporte aéreo.
