Plan A/B

674 views

Published on

Realizada por Tomás Bercovich

Published in: Business, Technology
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
674
On SlideShare
0
From Embeds
0
Number of Embeds
59
Actions
Shares
0
Downloads
3
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide
  • Ejemplo: Lo que hace LAN  el que compra con anticipación paga menos.
    Modelo RM: Bases de datos  predicción de demanda  segmentación  optimización  output (capacidad óptima a vender por cada tarifa)
    Fin: Cobrarle a cada uno su real disposición a pagar (DAP). A los segmentos altos “robarles” el excedente del consumidor. Invitar a los segmentos bajos a utilizar el servicio dados los bajos costos marginales.
    ZP  aplicación al cine. Costos marginales negativos, baja ocupación de salas (15%-20%)  Optimizar.
    Los que no utilizan RM dejan $ sobre la mesa!
  • Similar markets:
    -Similar population in La Serena and Iquique.
    -Both cinemas operates as monopolis in their respective cities.
  • 136338
  • Ejemplo: Lo que hace LAN  el que compra con anticipación paga menos.
    Modelo RM: Bases de datos  predicción de demanda  segmentación  optimización  output (capacidad óptima a vender por cada tarifa)
    Fin: Cobrarle a cada uno su real disposición a pagar (DAP). A los segmentos altos “robarles” el excedente del consumidor. Invitar a los segmentos bajos a utilizar el servicio dados los bajos costos marginales.
    ZP  aplicación al cine. Costos marginales negativos, baja ocupación de salas (15%-20%)  Optimizar.
    Los que no utilizan RM dejan $ sobre la mesa!
  • Ejemplo: Lo que hace LAN  el que compra con anticipación paga menos.
    Modelo RM: Bases de datos  predicción de demanda  segmentación  optimización  output (capacidad óptima a vender por cada tarifa)
    Fin: Cobrarle a cada uno su real disposición a pagar (DAP). A los segmentos altos “robarles” el excedente del consumidor. Invitar a los segmentos bajos a utilizar el servicio dados los bajos costos marginales.
    ZP  aplicación al cine. Costos marginales negativos, baja ocupación de salas (15%-20%)  Optimizar.
    Los que no utilizan RM dejan $ sobre la mesa!
  • Ejemplo: Lo que hace LAN  el que compra con anticipación paga menos.
    Modelo RM: Bases de datos  predicción de demanda  segmentación  optimización  output (capacidad óptima a vender por cada tarifa)
    Fin: Cobrarle a cada uno su real disposición a pagar (DAP). A los segmentos altos “robarles” el excedente del consumidor. Invitar a los segmentos bajos a utilizar el servicio dados los bajos costos marginales.
    ZP  aplicación al cine. Costos marginales negativos, baja ocupación de salas (15%-20%)  Optimizar.
    Los que no utilizan RM dejan $ sobre la mesa!
  • Ejemplo: Lo que hace LAN  el que compra con anticipación paga menos.
    Modelo RM: Bases de datos  predicción de demanda  segmentación  optimización  output (capacidad óptima a vender por cada tarifa)
    Fin: Cobrarle a cada uno su real disposición a pagar (DAP). A los segmentos altos “robarles” el excedente del consumidor. Invitar a los segmentos bajos a utilizar el servicio dados los bajos costos marginales.
    ZP  aplicación al cine. Costos marginales negativos, baja ocupación de salas (15%-20%)  Optimizar.
    Los que no utilizan RM dejan $ sobre la mesa!
  • Ejemplo: Lo que hace LAN  el que compra con anticipación paga menos.
    Modelo RM: Bases de datos  predicción de demanda  segmentación  optimización  output (capacidad óptima a vender por cada tarifa)
    Fin: Cobrarle a cada uno su real disposición a pagar (DAP). A los segmentos altos “robarles” el excedente del consumidor. Invitar a los segmentos bajos a utilizar el servicio dados los bajos costos marginales.
    ZP  aplicación al cine. Costos marginales negativos, baja ocupación de salas (15%-20%)  Optimizar.
    Los que no utilizan RM dejan $ sobre la mesa!
  • Ejemplo: Lo que hace LAN  el que compra con anticipación paga menos.
    Modelo RM: Bases de datos  predicción de demanda  segmentación  optimización  output (capacidad óptima a vender por cada tarifa)
    Fin: Cobrarle a cada uno su real disposición a pagar (DAP). A los segmentos altos “robarles” el excedente del consumidor. Invitar a los segmentos bajos a utilizar el servicio dados los bajos costos marginales.
    ZP  aplicación al cine. Costos marginales negativos, baja ocupación de salas (15%-20%)  Optimizar.
    Los que no utilizan RM dejan $ sobre la mesa!
  • Ejemplo: Lo que hace LAN  el que compra con anticipación paga menos.
    Modelo RM: Bases de datos  predicción de demanda  segmentación  optimización  output (capacidad óptima a vender por cada tarifa)
    Fin: Cobrarle a cada uno su real disposición a pagar (DAP). A los segmentos altos “robarles” el excedente del consumidor. Invitar a los segmentos bajos a utilizar el servicio dados los bajos costos marginales.
    ZP  aplicación al cine. Costos marginales negativos, baja ocupación de salas (15%-20%)  Optimizar.
    Los que no utilizan RM dejan $ sobre la mesa!
  • Ejemplo: Lo que hace LAN  el que compra con anticipación paga menos.
    Modelo RM: Bases de datos  predicción de demanda  segmentación  optimización  output (capacidad óptima a vender por cada tarifa)
    Fin: Cobrarle a cada uno su real disposición a pagar (DAP). A los segmentos altos “robarles” el excedente del consumidor. Invitar a los segmentos bajos a utilizar el servicio dados los bajos costos marginales.
    ZP  aplicación al cine. Costos marginales negativos, baja ocupación de salas (15%-20%)  Optimizar.
    Los que no utilizan RM dejan $ sobre la mesa!
  • Ejemplo: Lo que hace LAN  el que compra con anticipación paga menos.
    Modelo RM: Bases de datos  predicción de demanda  segmentación  optimización  output (capacidad óptima a vender por cada tarifa)
    Fin: Cobrarle a cada uno su real disposición a pagar (DAP). A los segmentos altos “robarles” el excedente del consumidor. Invitar a los segmentos bajos a utilizar el servicio dados los bajos costos marginales.
    ZP  aplicación al cine. Costos marginales negativos, baja ocupación de salas (15%-20%)  Optimizar.
    Los que no utilizan RM dejan $ sobre la mesa!
  • Plan A/B

    1. 1. Plan AB
    2. 2. Plan A
    3. 3. Ir al cine, más fácil que nunca!
    4. 4. P Q P Q A) Ingresos sin RM Asume clientes homogéneos y un precio único. B) Ingresos con RM Se segmenta el mercado y se aplica diferenciación de precios. $3.000 100 $4.000 $3.000 $2.000 $1.000 50 50 50 50 P▪Q=$ 300.000 P▪Q=$ 500.000 Ciencia que aumenta ingresos Revenue Management: Ciencia que aumenta ingresos
    5. 5. Nuestra solución de RM Canal Online con RM ZP Cinemas
    6. 6. Case Study: RM vs. no RM cinemas Growth vs. last year May-July 2010 ROI=177.7% Similar markets, identical number of screens and market shares 11.5% 18.7% 6.3% -5.8% -2.5% 3.7% -10% -5% 0% 5% 10% 15% 20% Attendance Revenue ATP RM No RM
    7. 7. Hoyts Cinemas Results Hoyts 1 vs. direct competitor Extra Admissions over last year (weeks 31 to 37) Extra Revenue over last year (US$) (weeks 31 to 37) Hoyts 2 vs. direct competitor - 10,000 20,000 30,000 Hoyts Competitor $0 $50,000 $100,000 $150,000 Hoyts Competitor - 4,000 8,000 12,000 Hoyts Competitor $0 $20,000 $40,000 $60,000 Hoyts Competitor
    8. 8. Admisiones extra: 136.338 ROI = 196.5% Hoyts Cinemas Results April to Sept. 2010
    9. 9. Beneficios del RM para Cines Aumentar ingresos Ganar nuevos clientes Aumentar frecuencia de asistencia Generar percepción de precios accesibles y “boca a boca” Combatir piratería Subir precios normales hasta un 5%
    10. 10. Beneficios del RM para Clientes Cine desde $1.000 Permite aumentar frecuencia de asistencia Premia a la gente que se planifica Nuevos canales de venta
    11. 11. Plan A 1.Business Plan: 49 Páginas Word 2.Tiempo de preparación: 360 HH. 3.Revisión posterior por modelo de negocio: 0 veces. 4.Velocidad de consolidación: lenta 5.Objetivo de éxito presupuestado: demostrar resultados. WRONG! 6.Iteraciones modelo de pricing: 3.
    12. 12. Plan B www.cuponatic.com
    13. 13. RM para todo tipo de comercios
    14. 14. Resultados Plan B En 3 meses: 1.Ventas: USD 270.000 2.Clientes: 15.000 3.Inscritos mailing: 30.000 4.Fans Facebook: 5.740 5.Comercios asociados: 92
    15. 15. Plan B 1.Business Plan: 15 láminas PowerPoint 2.Tiempo de preparación: 30 HH. 3.Velocidad de consolidación: rápida 4.Iteraciones: constantes!!
    16. 16. Algunas conclusiones Plan AB 1. No vale la pena invertir muchas HH en un Business Plan; muchos supuestos (teoría), pocas respuestas reales (práctica)
    17. 17. Algunas conclusiones Plan AB 2. Ser “Doer”
    18. 18. Algunas conclusiones Plan AB 3. Preocuparse de lo IMPORTANTE e ITERAR constantemente!
    19. 19. Algunas conclusiones Plan AB 4. El equipo emprendedor es clave!
    20. 20. Algunas conclusiones Plan AB 5. Aprender del Plan A y de otros emprendedores!
    21. 21. Algunas conclusiones Plan AB 6. Perseverar, Perseverar, Perseverar!
    22. 22.  Adjudicación de Línea 2 de Capital Semilla  Premio “Emprendedor Jóven 2008”  Incorporación de dos excelentes socios inversionistas.  Finalistas del concurso 100K.  Revenue Management en todos los complejos  Implementación La Serena  Implementación Florida Center  Excelente feedback en feria Showeast: Orlando, USA.  Excelente feedback en feria Showest (Las Vegas, USA)  Inicio implementación México. 5ta cadena mundial.  Finalistas  Nuevo proyecto con gran éxito: Algunos Hitos de ZP
    23. 23. La decisión de emprender… “La posibilidad de realizar un sueño es lo que hace que la vida sea interesante.” Paulo Coelho ¡ESO ES EMPRENDER! “Mirar grande, querer grande, pensar grande, realizar grande.” Padre Alberto Hurtado
    24. 24. Emprender es como estar constantemente arriba… Hay: Cambios de trayectoria Cambios de emoción Vueltas bruscas Loops Caídas en picada Subidas repentinas Mucha adrenalina! Lo importante es estar atentos a los cambios para aprovecharlos a mil y disfrutarlos!!

    ×