O valor de um lanche de fast food pode mudar de uma loja da mesma marca para outra. Por exemplo, um consumidor paga em uma unidade R$ 20 em um sanduíche, que custa R$ 22 a 5km daquele ponto.
É isso que o McDonald's está fazendo nos Estados Unidos. Reportagem da Reuters mostrou que a companhia de fast food utiliza um sistema de machine learning de inteligência artificial (IA) que analisa milhões de transações diárias em quase 14 mil restaurantes para sugerir o que considera ser o “preço ideal” de cada produto em cada unidade.
Um dos fatores considerados é a disposição dos consumidores daquela região a pagar. Isso pode fazer com que o mesmo produto tenha preços diferentes em restaurantes muito próximos. Apesar da mudança de preço não ser indicada diretamente pela recomendação da IA, o cenário não é restrito ao McDonald's.
Outras empresas já implementam recomendações de preço a partir de ferramentas de IA, que analisam dados de vendas e informações de mercado, bem como a demanda e concorrência.
Funcionaria no Brasil?
Para o economista e educador financeiro Leonardo Baldez Augusto, parte da lógica já existe.
"Transporte por aplicativo, companhias aéreas, hotéis e comércio eletrônico trabalham há bastante tempo com preços que mudam conforme demanda", afirma.
No entanto, ele vê um limite no perfil do consumidor brasileiro, sensível a preço e com facilidade para comparar. Portanto, o algoritmo "não é o único que aprende" nessa dinâmica.
Já Elaine Coimbra, vice-presidente de comunicação e marketing da Associação Brasileira de Inteligência Artificial (Abria) e diretora de comunicação da AI Safety Brazil, afirma que tecnicamente a IA funciona onde houver dados, mas que há um componente cultural e regulatório.
"Culturalmente e regulatoriamente, o Brasil tende a reagir com mais ruído quando preços do mesmo produto variam muito em distâncias curtas. O uso de preços dinâmicos no varejo alimentar é permitido no Brasil, mas encontra barreiras e limites severos no Código de Defesa do Consumidor (CDC)", explica Coimbra.
O cálculo da IA
Augusto alerta que a tecnologia não adivinha o valor individual, ou seja, ela não consegue saber exatamente quanto cada pessoa aceita pagar, mas consegue fazer estimativas bastante precisas a partir de padrões de comportamento. Isso se relaciona à elasticidade de preço, isto é, quanto a demanda muda quando o preço sobe ou desce.
"A IA calcula padrões de elasticidade de preço de um grupo (cluster) a partir de dados comportamentais de perfis semelhantes. Entre as variáveis estão localização, horário, clima, preços de concorrentes, renda média e perfil socioeconômico do bairro. Em programas de fidelidade, entra também o histórico individual de compras", comenta Coimbra.
Ainda assim, os dois especialistas fazem uma distinção entre os modelos. Para Augusto, cobrar valores diferentes por loja é, principalmente, "precificação segmentada". A personalização, por sua vez, acontece quando o preço muda de acordo com características de cada consumidor. Já o preço dinâmico varia conforme as condições daquele momento.
Elaine Coimbra vê um meio-termo no cenário do McDonald's investigado pela Reuters: "Não é personalização individual, mas é uma personalização geográfica e contextual. Cada unidade recebe uma recomendação de preço baseada no perfil de demanda daquela região específica. Isso difere do preço dinâmico puro, que muda em tempo real conforme a demanda momentânea (como no Uber). No caso do McDonald’s, é mais uma otimização contínua por unidade, usando machine learning para ajustar o preço 'ótimo' de cada item em cada loja. O preço dinâmico tradicional responde a flutuações de curto prazo. A versão com IA consegue ser mais preditiva, olhando padrões de médio prazo e sensibilidade local".
Renda da região, presença de turistas ou público de passagem e até mesmo o clima são correlações detectadas pelo algoritmo, por exemplo.
A reação do consumidor
Os dois especialistas veem efeitos de eficiência mas também prejuízo aos consumidores.
Do ponto de vista econômico, segundo Coimbra, a prática pode aumentar a eficiência, e em tese permitiria que lojas em áreas de menor poder aquisitivo mantivessem preços mais acessíveis. Na prática, ela alerta: "Em mercados com baixa concorrência, o ganho de eficiência tende a ficar mais com a empresa do que com o cliente".
"O problema surge quando a tecnologia passa a ser utilizada apenas para descobrir qual é o máximo que aquele consumidor ou aquela região suporta pagar", afirma Augusto.
O economista ainda destaca a questão da confiança, já que o consumidor que encontra grandes diferenças entre lojas próximas sem entender o motivo pode sentir que está sendo penalizado.
Tendência de mercado
Ambos acreditam que a dinâmica de preços analisadas por IA será uma tendência do mercado.
Varejo, comércio eletrônico, alimentação, hotelaria, turismo, entretenimento e serviços digitais são algumas áreas que devem utilizar mais esse recurso.
Outros setores como moda, supermercados, farmácias, postos de combustível e ingressos devem ter precificação transformada em processo contínuo e granular. O efeito para o consumidor, segundo Coimbra, é viver "em um ambiente de preços cada vez menos estáveis e menos transparentes".
Por outro lado, eles alertam para o risco de dependência do algoritmo focando somente na margem. Da visão das companhias, isso pode afastar os consumidores no longo prazo.
Augusto comenta sobre como seria a definição de preço ideal: "É aquele que mantém margem para a empresa e ainda faz o consumidor enxergar valor suficiente para continuar comprando". Coimbra complementa que a confiança se torna um ativo crítico nesse cenário.
Veja mais notícias de O Brasilianista nas redes sociais
