A carregar...
Publicação
Effectiveness of promotional campaigns under seasonality : the impact of promotions on retail products demand across seasonal dynamics
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 525.87 KB | Adobe PDF |
Autores
Orientador(es)
Resumo(s)
Promotional campaigns are central instruments of competitiveness in the retail sector.Evaluating their true eяect on demand is complicated by the fact that promotions are strategically timed by retailers in anticipation of demand ёuctuations, creating a fundamentalidentiѐcation challenge that is exacerbated in highly seasonal product categories, whereconsumption peaks may confound promotional eяects. This study applies causal machinelearning methods (Double/Debiased Machine Learning and Causal Forest) complementedby a stacked event-study design, to daily sales data from a Portuguese retailer covering twochocolate brands over 2020–2023. The estimated associations suggest a substantial positiveuplift in demand during promotional periods, as well as suggestive heterogeneity: estimatedeяects are lower for highly seasonal products and during festive periods, consistent with thehypothesis that promotions are less eяective when demand is predominantly event-driven.However, diagnostic checks reveal that causal identiѐcation is hard to defend in this observational setting: therefore, the results are interpreted as quantitative evidence of upliftand seasonal heterogeneity rather than causal estimates. The study contributes methodologically by demonstrating the limits of causal inference with observational retail data andsubstantively by providing evidence that seasonality moderates promotional responsiveness
As campanhas promocionais constituem instrumentos centrais de competitividade no setor do retalho. A avaliação do seu verdadeiro efeito sobre a procura é dificultada pelo facto de as promoções serem estrategicamente calendarizadas pelos retalhistas em antecipação de futuras procurações da procura, criando um desafio fundamental de identificação. Este desafio é particularmente acentuado em categorias de produtos altamente sazonais, nas quais picos de consumo podem confundir os efeitos das promoções. Este estudo aplica métodos de causalmachine learning (Double/Debiased Machine Learning e Causal Forest), complementados por um desenho de stacked event study, a dados diários de vendas de um retalhista português, relativos a duas marcas de chocolate no período entre 2020 e 2023. As associações estimadas sugerem um aumento substancial da procura durante períodos promocionais, bem como evidência sugestiva de heterogeneidade: os efeitos estimados são mais reduzidos para produtos altamente sazonais e durante períodos festivos, o que é consistente com a hipótese de que as promoções são menos eficazes quando a procura é predominantemente impulsionada por eventos. Contudo, análises de diagnóstico indicam que a identificação causal é difícil de sustentar neste contexto observacional; assim, os resultados são interpretados como evidência quantitativa de aumento da procura e de heterogeneidade sazonal, e não como estimativas causais. No seu conjunto, o estudo contribui, do ponto de vista metodológico, ao demonstrar os limites da inferência causal com dados observacionais de retalhoe, do ponto de vista substantivo, ao fornecer evidência de que a sazonalidade modera a resposta da procura às promoções.
As campanhas promocionais constituem instrumentos centrais de competitividade no setor do retalho. A avaliação do seu verdadeiro efeito sobre a procura é dificultada pelo facto de as promoções serem estrategicamente calendarizadas pelos retalhistas em antecipação de futuras procurações da procura, criando um desafio fundamental de identificação. Este desafio é particularmente acentuado em categorias de produtos altamente sazonais, nas quais picos de consumo podem confundir os efeitos das promoções. Este estudo aplica métodos de causalmachine learning (Double/Debiased Machine Learning e Causal Forest), complementados por um desenho de stacked event study, a dados diários de vendas de um retalhista português, relativos a duas marcas de chocolate no período entre 2020 e 2023. As associações estimadas sugerem um aumento substancial da procura durante períodos promocionais, bem como evidência sugestiva de heterogeneidade: os efeitos estimados são mais reduzidos para produtos altamente sazonais e durante períodos festivos, o que é consistente com a hipótese de que as promoções são menos eficazes quando a procura é predominantemente impulsionada por eventos. Contudo, análises de diagnóstico indicam que a identificação causal é difícil de sustentar neste contexto observacional; assim, os resultados são interpretados como evidência quantitativa de aumento da procura e de heterogeneidade sazonal, e não como estimativas causais. No seu conjunto, o estudo contribui, do ponto de vista metodológico, ao demonstrar os limites da inferência causal com dados observacionais de retalhoe, do ponto de vista substantivo, ao fornecer evidência de que a sazonalidade modera a resposta da procura às promoções.
Descrição
Palavras-chave
Causal inference Causal machine learning Double/debiased machine learning Causal forest Retail demand Promotional campaigns Seasonality Treatment effect heterogeneity Inferência causal Aprendizagem automática causal Procura no retalho Campanhas promocionais Sazonalidade Heterogeneidade dos efeitos de tratamento
Contexto Educativo
Citação
Editora
Licença CC
Sem licença CC