Volver a proyectos
Pricing Analytics · Econometrics · Market IntelligenceProyecto individual académico

Análisis hedónico de pricing de vehículos eléctricos europeos

Modelo hedónico de precios para analizar cómo autonomía, potencia y segmento explican el precio de vehículos eléctricos en el mercado europeo.

Tipo

Proyecto individual académico

Área

Pricing Analytics · Econometrics · Market Intelligence

Herramientas

R · ggplot2 · lmtest · sandwich · car · stargazer

Técnicas

Hedonic pricing · OLS regression · Log-log model · Interaction effects · Robust errors HC1 · Diagnostics

Entregable

Modelo de pricing + interpretación estratégica

Valor

Proyecto individual donde analicé cómo autonomía, potencia y gama influyen en el precio de vehículos eléctricos europeos mediante R, regresión OLS, interacciones y errores robustos para extraer implicaciones de pricing y producto.

1.000

EVs analizados

0,879

R² ajustado del modelo final

0,334

Elasticidad autonomía — Economy/Mid-Range

0,572

Elasticidad autonomía — High-End

Resumen ejecutivo

Caso cuantitativo centrado en una pregunta de pricing: cómo valorar atributos técnicos y cómo cambia ese valor por segmento. El sector es automoción, pero la lógica es útil para producto, consultoría y market intelligence más allá de ese contexto.

Contexto de negocio

En mercados con productos técnicos y comparables, como automoción, electrónica o SaaS, el pricing no depende solo del coste. Depende del valor percibido de atributos, del segmento, del posicionamiento y de la competencia. Este caso usa EVs como contexto para demostrar análisis de pricing transferible.

Mi contribución

Proyecto académico individual de Técnicas Econométricas. Realicé preparación de datos, selección de variables, especificación del modelo, OLS log-log, dummy de segmento, efectos de interacción, errores robustos HC1, diagnósticos y lectura de negocio de elasticidades.

Datos y métodos

  • European Cars Dataset filtrado a 1.000 vehículos eléctricos.
  • R y regresión OLS.
  • Modelo hedónico log-log con autonomía, potencia, segmento e interacción autonomía x segmento.
  • Errores estándar robustos HC1.
  • Breusch-Pagan, RESET robusto, Jarque-Bera, VIF y condition number.
  • Centrado de variables antes de la interacción para reducir multicolinealidad estructural.

Proceso

  1. 01Filtrar dataset para EVs.
  2. 02Definir precio como variable dependiente.
  3. 03Transformar variables con logaritmos.
  4. 04Incorporar autonomía, potencia y segmento.
  5. 05Crear dummy High-End e interacción autonomía x segmento.
  6. 06Evaluar heterocedasticidad, especificación, normalidad residual y multicolinealidad.
  7. 07Interpretar elasticidades y traducir implicaciones.

Hallazgos clave

  • La autonomía debe tratarse como atributo central en estudios de pricing de EVs.
  • La valoración marginal de la autonomía no es homogénea: depende del segmento y del posicionamiento.
  • La elasticidad precio-autonomía estimada fue de ~0,334 en Economy/Mid-Range y ~0,572 en High-End.
  • La sensibilidad a la autonomía en High-End fue aproximadamente 1,71 veces la de Economy/Mid-Range.
  • La potencia dejó de ser significativa al controlar por autonomía y segmento.

Implicaciones de negocio

  • Para producto: definir gamas según atributos valorados.
  • Para pricing: justificar primas por autonomía según segmento.
  • Para marketing: adaptar mensajes a atributos que explican valor.
  • Para market intelligence: comparar competidores por atributos y no solo por precio final.

Limitaciones

  • Dataset académico/secundario.
  • No incluye incentivos, descuentos reales o financiación.
  • No prueba causalidad pura.
  • El precio de mercado puede diferir del precio transaccional real.

Qué haría a continuación

  • Añadir datos de promociones e incentivos.
  • Comparar precio configurador vs precio real.
  • Incorporar marca, equipamiento y coste total de propiedad.
  • Usar modelos no lineales o machine learning.
  • Crear dashboard competitivo por segmento.

Recursos

Descargar informePróximamenteVer notebookPróximamenteNotebook pendiente de publicar para una futura versión reproducible.

Visuales sugeridos

Scatter plot price vs range.

Segment comparison.

Regression coefficient table.

Pricing implication cards.

R code snippet.

Proyectos relacionados

01

Investigación de mercado sobre adopción de vehículos sostenibles

Proyecto individual / investigación publicada · Consumer Insights · Quantitative Research · Google Forms / R / SPSS

Proyecto individual donde analicé motivaciones, barreras y perfiles de adopción de vehículos eléctricos e híbridos mediante encuesta propia, SPSS/AMOS, SEM/CFA, MANOVA y regresión para extraer insights de consumidor transferibles a negocio.

Consumer Insights · Quantitative ResearchProyecto individual / investigación publicada

Técnicas

Survey research · SEM · CFA

02

Estimación bayesiana de conversión en campañas bancarias

Proyecto individual académico · CRM Analytics · Bayesian Inference · Decision Science · FirstBayes / Excel / UCI Bank Marketing dataset

Proyecto individual donde estimé la conversión de campañas de telemarketing bancario mediante inferencia bayesiana Binomial-Beta y distribución predictiva para traducir incertidumbre en expectativas operativas de marketing.

CRM Analytics · Bayesian Inference · Decision ScienceProyecto individual académico

Técnicas

Binomial-Beta model · Posterior update · Prior sensitivity

03

Estrategia omnicanal de cliente para LG

Proyecto grupal académico · Customer Strategy · Omnichannel · Digital Transformation · Spreadsheet modelling

Proyecto grupal donde analizamos una estrategia omnicanal para LG mediante ecommerce, CRO, inbound, captación de usuarios registrados y escenarios financieros para priorizar palancas de cliente.

Customer Strategy · Omnichannel · Digital TransformationProyecto grupal académico

Técnicas

CRO scenarios · Inbound strategy · Registered-user acquisition

Siguiente proyecto

Estimación bayesiana de conversión en campañas bancarias