El ciclo completo de revenue management —monitorear, diagnosticar, simular, optimizar, recomendar, medir y aprender— automatizado con machine learning. Acá, módulo por módulo.
La mayoría de las decisiones de precio y promoción se toman por intuición, o se justifican con números que nadie puede comprobar. El dato que de verdad importa —cuánto vendiste de más gracias a la promoción— es invisible: exige saber qué habría pasado sin ella.
Para cada SKU reconstruimos la línea base —lo que habría vendido sin intervención— y la comparamos con la venta real. De ahí salen los tres efectos que importan.
La venta extra durante la promoción, por encima de la línea base.
La caída posterior, cuando el cliente ya se abasteció durante la promo.
La venta que le quitaste a otro producto de tu propio portafolio.
Cada etapa corre sobre machine learning y comparte la misma lógica financiera. El resultado de cada periodo alimenta al siguiente.
Venta, unidades, precio, costo y promociones, contra el año o el mes anterior. La foto macro, lista para abrir.
¿La caída es por volumen o por precio? El sistema baja de la categoría a la marca, al producto y a la mecánica exacta.
Proyecta una promo antes de lanzarla, con curva de fatiga y canibalización incluidas. La misma lógica del postmortem.
El solver arma la combinación que maximiza tu objetivo —volumen, ingreso o margen— bajo tus restricciones.
La mecánica concreta que conviene, con su nivel de confianza y la justificación.
El postmortem causal sobre lo ejecutado: incremental real, neto de resaca y canibalización.
Comparamos lo predicho contra lo real y el modelo se reentrena. Mientras más lo usas, más datos tiene y mejor predice. ↻ Cada ciclo, más preciso.
Vista macro completa: cómo viene la venta total contra año y mes anterior, si subieron o bajaron unidades, precio o costos, y qué categorías, marcas o mecánicas explican el cambio.
Reconstruye la línea base contrafactual por SKU, tienda y periodo, y mide el incremental real de cada promo —neto de resaca y canibalización— con su nivel de confianza.
Del agregado a la causa raíz: categoría → marca → producto → mecánica. Encuentra exactamente qué dejó de funcionar, no solo que algo anda mal.
Proyecta el resultado de una promo antes de ejecutarla, con la misma lógica financiera del postmortem, incluyendo fatiga promocional y canibalización.
El solver arma la grilla óptima para tu objetivo bajo restricciones reales: presupuesto, margen mínimo, exclusiones, índices de precio y redondeo psicológico.
No solo “baja el precio”: la mecánica concreta que conviene a cada SKU —descuento, 2x1, combo— con su intervalo de confianza y la justificación a la vista.
Un número rojo en el tablero es el comienzo, no la respuesta. Así baja Revux del agregado a la decisión concreta.
No hay una sola receta para todo. Entrenamos varios modelos —series de tiempo, modelos causales, gradient boosting, regresión— y para cada producto y categoría el sistema selecciona automáticamente el que mejor predice, medido sobre periodos reales con validación walk-forward. Asertividad comprobada, caso por caso. Y cada recomendación queda reproducible y trazable: sabes qué modelo la generó, qué variables pesaron y qué la limitó.
Seguridad de nivel empresarial desde el primer día. Tus datos nunca se mezclan, no se venden y no se comparten.
Tus datos viajan y se guardan cifrados, en tránsito y en reposo.
Cada cliente vive en su propio espacio. Tus datos nunca se cruzan con los de nadie.
No se venden ni se comparten. Los exportas o eliminas cuando quieras.
Alineado con la regulación de privacidad y protección de datos (Ley 21.719).
Revux no trae un catálogo fijo: trabaja con las mecánicas que tu negocio ya usa, sobre tus propios datos. Estas son algunas — el sistema se adapta a las que tengas.
Te mostramos, sobre tus propios datos, cuánto incremental quedó sobre la mesa.
Revux