Modelo Económico

Documentación técnica del motor de simulación · StratyaLab

Para qué sirve esta página

Este documento expone las fórmulas y parámetros exactos que usa el motor de cálculo. Permite a los equipos razonar analíticamente sobre sus decisiones en lugar de actuar por intuición, y conecta cada variable con el marco teórico correspondiente de la literatura académica.

Demanda Total del Mercado

La demanda total no es fija: responde al precio promedio del mercado respecto a un precio de referencia (elasticidad precio-demanda), más perturbaciones exógenas generadas por eventos de noticias.

// Función de demanda total D = D_base × (P_ref / P_avg)^elasticidad × (1 + efecto_noticias) // Parámetros por defecto D_base = 10,000 unidades P_ref = $500 // precio de referencia del laboratorio elasticidad = 1.20 // elástica: 1% de alza → −1.2% de demanda

Marco teórico

La función de demanda sigue el modelo de elasticidad precio-arco (Marshall, 1890). La exogeneidad de la demanda base representa shocks de mercado, modelados como en los modelos de demanda estocástica (Pindyck & Rubinfeld, Microeconomics, 8ª ed., cap. 2).

Si el precio promedio sube 10%

Demanda cae un 12% (elasticidad 1.2)

Si todos bajan precio 5%

Demanda crece un 6%

Efecto noticias

Choque aleatorio que puede expandir o contraer la demanda base

Segmentación del Mercado

La demanda total se distribuye entre cuatro segmentos con sensibilidades distintas a precio, calidad y marketing. Cada empresa compite en los cuatro simultáneamente, pero su posicionamiento determina en cuál domina.

Segmento	Demanda	α marketing	β calidad	γ precio	Perfil del comprador
Premium	20%	0.25	0.55	0.80	Alta renta, prioriza calidad y marca. Poco sensible al precio.
Masivo	35%	0.30	0.20	1.50	Segmento general. Equilibrio entre precio, calidad y marketing.
Económico	30%	0.15	0.10	2.50	Muy sensible al precio. La calidad y la marca casi no importan.
Innovador	15%	0.55	0.30	1.00	Early adopters. Responden fuertemente al marketing. I+D activa acceso a Premium.

Marco teórico

La segmentación sigue el modelo de diferenciación horizontal y vertical (Hotelling, 1929; Shaked & Sutton, 1982). Los coeficientes α, β, γ actúan como pesos de atractividad, equivalentes al modelo de utilidad multiplicativa del consumidor (Luce, 1959 — Modelo de Elección del Consumidor).

Función de Atractividad

La atractividad de cada empresa en cada segmento combina marketing, calidad y precio en una función de potencia. El exponente de precio actúa como elasticidad de sustitución entre empresas.

// Atractividad de la empresa i en el segmento s A(i,s) = M_i^α_s × Q_i^β_s / P_i^γ_s // Componentes M_i = gasto_total_marketing × sqrt(adecuación_staff_marketing) Q_i = (marca_acumulada × 0.70 + inv_mantenimiento × 0.30) × mult_material × mult_maquinaria P_i = precio_de_venta // Multiplicadores de material Estándar (1) → 0.90 | Superior (2) → 1.10 | Elite (3) → 1.30 // Adecuación de staff de marketing (√ penaliza gradualmente) adecuación = min(empleados_mkt / staff_requerido, 1.0) // mín 0.30 M_efectivo = M × sqrt(adecuación)

Staff requerido por campaña

Digital	1 persona · $3,000/campaña
Tradicional	2 personas · $8,000/campaña
Marca	3 personas · $15,000/campaña

Efecto de la adecuación

Con 50% de staff → efectividad del 71% (√0.5). Con 25% de staff → 50%. Siempre se paga el costo total de campañas, pero el impacto en atractividad cae. El piso mínimo es 30%.

Marco teórico

La función de atractividad es una variante del modelo Cobb-Douglas de utilidad del consumidor (Cobb & Douglas, 1928) aplicado a mercados de producto diferenciado. El cociente marketing/precio sigue la regla óptima de Dorfman-Steiner (1954): la razón óptima entre gasto en marketing e ingresos es igual a la elasticidad de la demanda respecto al marketing dividida por la elasticidad precio.

Modelo de Atributos de Producto

Cuando el laboratorio usa una industria, el factor Q_i de la función de atractividad se reemplaza por un attribute_score basado en los 4 atributos específicos de la industria. Cada atributo tiene un peso base que suma 1.0, pero el peso efectivo se ajusta dinámicamente según la escasez en el mercado.

// Score de atributos del producto p score(p) = Σ(level_j × weight_j × scarcity_j) // j = 1..4 atributos // Factor de escasez (dynamic influence) avg_level_j = promedio de nivel_j entre TODOS los productos del segmento scarcity_j = 1 + (4 − avg_level_j) / 4 // Sustitución en atractividad A(p,s) = (M_i^α × score(p)^β × brand^0.15) / P_p^γ // Costos por atributos costo_fijo_atributos = Σ costo_por_periodo(level_j) costo_var_mult = max(variable_cost_mult(level_j)) // se toma el máximo de los 4

Niveles de inversión

Nivel	$/período	Mult. costo var.
0 — Sin inversión	$0	×1.00
1 — Básico	$2,000	×1.05
2 — Competitivo	$5,000	×1.12
3 — Superior	$12,000	×1.22
4 — Líder	$25,000	×1.35

Ejemplo de escasez

Si en el segmento "masivo" hay 4 productos y el promedio de nivel del atributo "batería" es 3.5:

scarcity = 1 + (4 − 3.5) / 4 = 1.125

Si el atributo "autonomía" tiene promedio 0.5:

scarcity = 1 + (4 − 0.5) / 4 = 1.875

El atributo "abandonado" tiene 67% más impacto que el popular.

Marco teórico

El mecanismo de escasez implementa un equilibrio de Nash en atributos: invertir donde todos invierten genera rendimientos decrecientes, mientras que la diferenciación en atributos poco explorados genera ventaja competitiva temporal — consistente con el modelo de diferenciación horizontal de Hotelling (1929) y la teoría de océanos azules (Kim & Mauborgne, 2005).

Desarrollo de nuevos productos

El sistema multi-producto permite a las empresas desarrollar nuevos productos a partir de niveles avanzados. El desarrollo requiere acumular I+D y esperar un período de maduración.

// Requisitos para desarrollar nuevos productos Producto 2 (N3+): rd_stock ≥ $30,000 // I+D acumulada mínima dev_periods = 1 // períodos en desarrollo antes de activarse Producto 3 (N5): rd_stock ≥ $60,000 // I+D acumulada mínima dev_periods = 2 // períodos en desarrollo antes de activarse // Estados de un producto status ∈ { "locked", "developing", "active" } // Transiciones locked → developing // cuando se cumple requisito de I+D y se inicia desarrollo developing → active // cuando se completan los dev_periods // Cada producto tiene decisiones independientes: // precio, units_to_produce, attribute_levels[4], target_segment, // campañas (digital, tradicional, marca), canales (mayoristas%, online%, física%)

Demanda multi-producto por segmento

Cuando hay industria activa, la demanda se calcula por producto-segmento. Múltiples productos de distintas empresas compiten dentro de cada segmento.

// Atractividad de producto p de empresa i en segmento s A(p,s) = (M_i^α_s × attr_score(p)^β_s × brand_i^0.15) / P_p^γ_s // Cuota de producto p en segmento s share(p,s) = A(p,s) / Σ A(q,s) // suma sobre TODOS los productos de TODAS las empresas en ese segmento // Demanda asignada a producto p demand(p) = Σ_s (D_segmento_s × share(p,s)) // Agregación por empresa (para el P&L consolidado) revenue_i = Σ_p (units_sold_p × price_p × channel_mult_p) cogs_i = Σ_p (units_produced_p × vc_p) attr_costs_i = Σ_p (Σ_j cost_per_period(level_j)) // costos fijos de atributos

Capacidad compartida entre productos

Todos los productos activos compiten por la misma capacidad de producción efectiva de la empresa. Si la suma de unidades solicitadas excede la capacidad, la producción se reparte proporcionalmente — obliga a decidir entre concentrar o diversificar.

// La producción de todos los productos comparte la capacidad efectiva total_solicitado = Σ_p units_to_produce_p // solo productos activos si total_solicitado > capacidad_efectiva: escala = capacidad_efectiva / total_solicitado si no: escala = 1.0 units_produced_p = units_to_produce_p × escala

Marketing por producto

Cada producto tiene sus propias campañas (digital $3k, tradicional $8k, marca $15k). El gasto de marketing del producto entra en SU atractividad, y el costo total a la empresa es la suma sobre todos los productos.

// Gasto de marketing del producto p (entra en su atractividad) M_p = dig_p×3000 + trad_p×8000 + marca_p×15000 // Costo de marketing total de la empresa (P&L + caja) marketing_expenses_i = Σ_p M_p // suma sobre todos los productos

Nivel	Productos máx.	Atributos config.	I+D P2	Dev P2	I+D P3	Dev P3
N1 — Básico	1	0 (fijos)	—	—	—	—
N2 — Intermedio	1	2 de 4	—	—	—	—
N3 — Avanzado	2	4	$30,000	1 per.	—	—
N4 — Expert	2	4	$30,000	1 per.	—	—
N5 — Elite	3	4	$30,000	1 per.	$60,000	2 per.

Umbral de I+D según industria: los valores de la tabla son la base del nivel. El umbral real se multiplica por la intensidad de I+D del sector:

Intensidad	Industrias	×	P2	P3
Alta	Pharma, Smartphones, Laptops, EV, Solar	2.0	$60,000	$120,000
Media	Electrodomésticos, Gaming, Fitness, Cosméticos, Personalizado	1.0	$30,000	$60,000
Baja	Ropa deportiva, Bebidas energéticas, Muebles	0.5	$15,000	$30,000

Marco teórico

El modelo multi-producto sigue la teoría de economías de alcance (scope economies) (Panzar & Willig, 1981): producir múltiples productos relacionados dentro de una misma empresa reduce costos marginales comparado con producirlos en empresas separadas. La estructura de desarrollo escalonado refleja los modelos de Stage-Gate de innovación (Cooper, 1990), donde la inversión acumulada en I+D actúa como gate para acceder a nuevas líneas de producto.

Cuota de Mercado

La cuota de mercado se calcula como la atractividad relativa de cada empresa frente al total. Hay un componente aleatorio (5%) que representa fricción informacional y volatilidad del mercado.

// Cuota de empresa i en segmento s cuota(i,s) = A(i,s) / Σ A(j,s) // suma sobre todas las empresas j // Con componente aleatorio (5%) cuota_final = 0.95 × cuota_determinista + 0.05 × peso_aleatorio_normalizado // Demanda asignada a empresa i demanda_i = demanda_total × cuota_final(i)

Marco teórico

El modelo de cuota proporcional a la atractividad sigue el modelo logit de elección discreta (McFadden, 1974 — Premio Nobel 2000) y su versión de mercado aplicada en marketing cuantitativo (Nagle & Müller, The Strategy and Tactics of Pricing). El componente aleatorio representa racionalidad limitada del consumidor.

Capacidad de Producción

La capacidad instalada depende del valor neto de la maquinaria, la eficiencia del capital humano y la salud de los equipos. El operario es el eslabón entre el capital físico y la producción real.

// Capacidad instalada (unidades/período) cap_instalada = (valor_maquinaria × cap_por_k / 1,000) × eficiencia_RRHH × salud_maquinaria × adecuación_operarios // Operarios requeridos operarios_req = ceil(cap_instalada × operarios_por_1000 / 1,000) adecuación = sqrt(min(operarios_reales / operarios_req, 1.0)) // Horas extra (N3+): máx +15% capacidad cap_efectiva = cap_instalada × (1 + min(overtime / (salarios × 0.10), 1.0) × 0.15) // Producción real (incluye pérdida operacional aleatoria 3–15%) produccion_real = min(unidades_pedidas, cap_efectiva) × (1 − pérdida_op) // Costo variable unitario (reducción por automatización Y curva de aprendizaje) vc = costo_base × mult_material × mult_maquinaria × (1 − red_automatización) × (1 − red_aprendizaje) // costo_base = $200 · mult_material: Est→1.0, Sup→1.30, Elite→1.60 // red_aprendizaje = 0.15 × (1 − e^(−producción_acumulada/500k)) — economías de escala (Wright), tope 15%

Inversiones de mejora: I+D, Automatización y Calidad

Las tres inversiones cuestan caja en el período (entran al gasto operativo) y producen efectos acumulativos o de período:

// I+D — acumula stock (gate de productos/Premium); nunca se pierde rd_stock' = rd_stock × 0.85 + inversión_id × 0.70 × peso_id_industria // Automatización — acumula stock que reduce el costo variable (tope 8%) auto_stock' = auto_stock × 0.90 + inversión_auto × peso_auto_industria reducción_automatización = min(auto_stock / 1,000,000, 0.08) // Gestión de calidad — inversión del período mejora marca/percepción de calidad brand' += inversión_calidad × 0.06 × peso_calidad_industria // Las tres descuentan caja y van al P&L como gasto operativo opex += inversión_id + inversión_auto + inversión_calidad

Pesos por industria: el menú de montos es igual para todas, pero el efecto de cada dólar depende del sector. La I+D rinde más en deep-tech, la automatización en industrias de escala y la calidad en industrias de marca. Pesos en [0.7, 1.6]; las industrias personalizadas usan 1.0.

Arquetipo	Industrias	I+D	Auto	Calidad
Innovación / deep-tech	Pharma, Smartphones, Laptops, EV, Solar	1.5	0.8–1.2	0.8–1.2
Digital	Gaming	1.3	0.7	1.0
Costo / Escala	Electrodomésticos, Fitness, Bebidas energéticas	0.7–0.9	1.4–1.6	0.9–1.0
Calidad / Marca	Cosméticos, Ropa deportiva, Muebles	0.7–0.9	0.7–0.9	1.5–1.6

Marco teórico

La función de producción sigue el modelo de factores complementarios (Leontief): capital y trabajo son complementos, no sustitutos perfectos. La adecuación de operarios con penalización √ refleja rendimientos decrecientes de la subutilización del capital (Solow, 1956). La automatización como reductor acumulativo del costo variable refleja la curva de aprendizaje / economías de escala dinámicas (Wright, 1936; BCG learning curve). La I+D acumulada como stock que gobierna el acceso a nuevas líneas sigue el modelo Stage-Gate (Cooper, 1990).

Eficiencia del Capital Humano

La eficiencia de RRHH es el multiplicador más transversal de la plataforma: afecta tanto la producción como la efectividad de marketing. Integra salarios, capacitación, liderazgo, retención y dotación.

// Eficiencia RRHH (acotada a 100%) η = min( (base + bonif_capacitación × amp_liderazgo + bonif_salario) × sqrt(adecuación_dotación) × factor_brecha_salarial × factor_bono_desempeño × (1 + bonif_staff_rrhh) × (1 + bonif_retención), 1.0) // Componentes clave base = 0.70 // piso de eficiencia sin inversión bonif_capacitación = inv_capacitación × 0.0001 // $10,000 → +1% amp_liderazgo = 1.0 → 1.30 // liderazgo amplifica capacitación hasta +30% adecuación_dotación= empleados / dotación_requerida // √ penaliza subutilización bonif_retención = máx +4% // retención de talento bonif_bono_desempeño = máx +8% // escala con dotación adecuada

Inversiones y su impacto marginal

Capacitación $10,000 +1.0% eficiencia

Capacitación + Liderazgo alto +1.3% eficiencia

Retención (máx) +4% eficiencia

Bono desempeño (máx) +8% eficiencia

Dónde impacta la eficiencia

Producción: cap_instalada × η → más unidades con misma maquinaria

Marketing: efectividad de staff proporcional a η del área

Finanzas: staff financiero reduce tasa de interés hasta −50%

Marco teórico

La eficiencia del capital humano integra tres corrientes: (1) Teoría del capital humano (Becker, 1964): la capacitación es inversión con retorno diferido acumulable. (2) Teoría de salarios de eficiencia (Shapiro & Stiglitz, 1984): salarios superiores al de mercado reducen rotación e incrementan productividad. (3) Liderazgo transformacional (Bass, 1985): el liderazgo actúa como amplificador del aprendizaje organizacional.

Valor de Marca

La marca es un activo intangible que se acumula período a período. A diferencia de la maquinaria, no se deprecia contablemente, pero decae si no se invierte. Opera como un stock dinámico.

// Acumulación de marca (stock dinámico) marca_final = marca_inicial × 0.90 // −10% deterioro natural por período + inv_marca × 0.50 // $1 invertido → $0.50 de valor de marca // Penalización por marca blanca (N4+) marca_final ×= (1 − 0.08) // −8% adicional si se vende marca blanca // La marca acumulada entra como componente de calidad Q en la función de atractividad Q_i = marca_acumulada × 0.70 + mantenimiento × 0.30

Marco teórico

La dinámica de acumulación de marca sigue el modelo de stock publicitario (Advertising Capital) de Nerlove & Arrow (1962), formalizado como activo intangible con tasa de depreciación constante. El enfoque de construcción de marca se conecta con el modelo de Brand Equity de Keller (1993): inversión sostenida en identidad genera valor acumulado que diferencia más allá del precio.

Estructura de Costos

La plataforma clasifica los costos en dos categorías fundamentales de la contabilidad de gestión: costos variables (proporcionales al volumen de producción/ventas) y costos fijos (independientes del volumen en el corto plazo). Esta clasificación permite calcular el margen de contribución y el punto de equilibrio, herramientas esenciales para la toma de decisiones.

Costos Variables

Varían directamente con el número de unidades producidas o mantenidas en inventario.

// 1. Costo de Producción (COGS) COGS = unidades_producidas × costo_variable_unitario × mult_calidad_material × mult_máquina costo_variable_unitario = $200/unidad // parámetro base configurable // Multiplicador por calidad de materiales calidad_estándar → mult = 1.00 calidad_superior → mult = 1.30 // +30% costo, +calidad percibida calidad_premium → mult = 1.60 // +60% costo, +calidad percibida // Multiplicador por tipo de máquina (varía según catálogo) máquina_estándar → mult = 1.00 // Máquinas avanzadas pueden tener cogs_multiplier menor o mayor // 2. Almacenamiento de inventario almacenamiento = inventario_final × $5/unidad // 3. COGS Segundo Producto (N5) COGS_P2 = unidades_P2 × costo_variable × 0.90 // 10% más eficiente (economías de alcance) // ∑ Total Costos Variables total_CV = COGS + COGS_P2 + almacenamiento

Costos Fijos

No dependen del volumen producido — se incurren por las decisiones de inversión del equipo gerencial.

// 1. Gastos de Marketing mkt_expenses = costo_campañas(digital, tradicional, marca) + inv_investigación_mercado + marketing_regional // 2. Gastos de RRHH hr_expenses = salarios + capacitación + nómina_planta_extranjera // 3. Mantenimiento maint_expenses = inv_mantenimiento_local + mantenimiento_planta_extranjera // 4. Depreciación (método de línea recta) depreciación = valor_maquinaria × 12.5% // vida útil: 8 períodos (NIC 16) // 5. Costos fijos de canales de distribución (por período) canal_física = $15,000 // local, personal, arrendamiento canal_online = $3,000 // plataforma, logística digital canal_detallistas = $5,000 // cuota de lineal / listing fee canal_mayoristas = $0 // sin costo fijo // ∑ Total Costos Fijos total_CF = mkt_expenses + hr_expenses + maint_expenses + depreciación + canales

Análisis Costo-Volumen-Utilidad (CVU)

// Margen de Contribución MC = ingresos_totales − total_CV MC% = MC ÷ ingresos_totales × 100 // Punto de Equilibrio operativo (en unidades) PE_unidades = total_CF ÷ (precio − costo_variable_unitario) // EBIT = Margen de Contribución − Total Costos Fijos EBIT = MC − total_CF // Si EBIT > 0 → la empresa opera por encima del punto de equilibrio // Si EBIT < 0 → la empresa no cubre sus costos fijos

Concepto	Tipo	Valor / Fórmula	Nivel
COGS unitario base	Variable	$200 × calidad × máquina	N1
Almacenamiento	Variable	inventario_final × $5/u	N1
Campañas de marketing	Fijo	Σ costo × campañas por tipo	N1
Salarios + capacitación	Fijo	decisión directa del equipo	N1
Mantenimiento	Fijo	inversión según tipo (prev/corr)	N2
Depreciación	Fijo	valor_maquinaria × 12.5%	N2
Canales de distribución	Fijo	$0 – $15,000 según canal	N2
Intereses de deuda	Financiero	deuda × tasa × ajustes	N2

Marco teórico

La clasificación costos fijos/variables es fundamento de la contabilidad de gestión (Horngren, Datar & Rajan, Cost Accounting: A Managerial Emphasis, 17th ed., 2021). El análisis Costo-Volumen-Utilidad (CVU) permite calcular el punto de equilibrio y evaluar el apalancamiento operativo: empresas con alta proporción de costos fijos amplifican tanto ganancias como pérdidas ante cambios en volumen (Garrison, Noreen & Brewer, Managerial Accounting, 18th ed., 2024). La depreciación de línea recta sigue NIC 16 / IFRS (IASB, 2023). Los costos de canales reflejan la estructura de márgenes de distribución según Kotler & Keller (Marketing Management, 16th ed., 2022): cada canal tiene costos fijos de acceso y márgenes diferentes sobre el precio.

Canales de Distribución — Cascada de Precios

Organización del dashboard: Todas las decisiones de canales — asignación %, márgenes, socios comerciales, 4 bolsas de demanda, tiendas físicas y marca blanca — están agrupadas en la pestaña Distribución del dashboard de empresa. Mutuamente excluyentes según industry_id de la simulación: modo legacy (sin industria) muestra la cascada clásica; modo 4 bolsas de demanda (con industria) muestra el sistema descrito en §8c.

La plataforma soporta dos modelos de precio seleccionados al crear el laboratorio:

Modelo PVP (pricing_model = "pvp")

Legacy. La empresa fija el precio al consumidor. El revenue por unidad se descuenta por cada intermediario (factor_canal ≤ 1.0).

Modelo Factory (pricing_model = "factory")

Recomendado. La empresa fija el precio de fábrica (PF), constante. El PVP que ve el consumidor varía: PVP_canal = PF × multiplicador ≥ 1.0.

Fórmula de la cascada

// Cadena larga: Fábrica → Mayorista → Minorista → Consumidor PV_fábrica = precio recibido por la empresa PV_mayorista = PV_fábrica × (1 + m_mayorista) PV_minorista (PVP) = PV_mayorista × (1 + m_minorista) // Resolviendo top-down (la empresa fija el PVP): PV_fábrica = PVP ÷ [(1 + m_minorista) × (1 + m_mayorista)] // cadena larga PV_fábrica = PVP ÷ (1 + m_minorista) // cadena corta PV_fábrica = PVP // DTC online / física propia // Defaults (compatible con modelo legacy 0.70/0.85) m_mayorista_default = 21% // editable 5-50%, típico 10-25% m_minorista_default = 18% // editable 5-60%, típico 30-50% // ════ MODELO PVP (legacy) ════════════════════════════════════════════════ // La empresa fija el PVP. Revenue por unidad varía según el canal. factor_ponderado = Σ (% canal_i × factor_canal_i) // factor ≤ 1.0 revenue = unidades_vendidas × PVP × factor_ponderado // ════ MODELO FACTORY ════════════════════════════════════════════════════ // La empresa fija el PF (precio fábrica). Revenue por unidad ES CONSTANTE. // El PVP que ve el consumidor sube en cada canal. PVP_canal_i = PF × multiplicador_canal_i // multiplicador ≥ 1.0 PVP_efectivo = Σ (% canal_i × PVP_canal_i) // PVP ponderado para demanda revenue = unidades_vendidas × PF // PF constante, sin factor // Multiplicadores PVP por canal (modelo Factory): multiplicador_DTC = 1.00 // PVP = PF multiplicador_detallista = 1 + m_minorista // ≈ 1.18 multiplicador_mayorista = (1 + m_mayorista) × (1 + m_minorista) // ≈ 1.43

Comparación: Si una empresa con PF=$100 vende 1000u con mix 50% mayoristas / 50% DTC:

Factory: revenue = 1000 × $100 = $100,000 (constante). PVP_efectivo ≈ $121.50 → menor demanda esperada.
PVP (con PVP=$100): revenue = 1000 × $100 × (0.5×1.00 + 0.5×0.70) = $85,000. PVP visible al consumidor = $100 fijo.

El modelo Factory es más realista en mercados B2B/manufactura, donde el productor cobra siempre lo mismo y el canal añade su margen al consumidor.

Socios comerciales (N3+)

Desde N3, la empresa contrata socios específicos del catálogo (8 mayoristas + 8 minoristas). El margen agregado promedio sobrescribe el margen genérico:

Exclusividad por canal: el canal retail es excluyente por producto (mayoristas XOR detallistas). La UI solo permite contratar el tipo de socio que al menos un producto usa: si ningún producto vende vía mayoristas, no se pueden contratar socios mayoristas (y viceversa). Los socios son a nivel de empresa, pero basta que un producto use la ruta para habilitar ese tipo.

// Margen agregado por capacidad de los socios contratados margen_efectivo = Σ (margen_socio_i × capacidad_socio_i) ÷ Σ capacidad_socio_i // Capacidad límite: las ventas vía socios no pueden exceder su capacidad combinada unidades_efectivas = min(unidades_via_canal, Σ capacidad_socios) lost_sales = max(0, unidades_via_canal − Σ capacidad_socios) // Efectos económicos de los socios rebate_push = revenue_canal × 3% // si utilización ≥ 50% de la capacidad credit_lift = revenue × 5% // si algún socio ofrece crédito al consumidor marketing_coop = mkt_budget × coop_pct // descuento sobre costos de canal logistics_savings = Σ $2,000 // por socio que asume logística brand_impact = Σ brand_impact_socio // suma al ending_brand_value // Costos de canal (amortizados) canal_listing_fees = Σ listing_fee ÷ 6 // amortizados en 6 períodos canal_monthly_fees = Σ monthly_fee // recurrentes por período

Canal	Factor PV-Fábrica	Costo fijo	Cadena	Nivel
DTC — Online	PVP × 1.00	$3,000	Directa	N3
DTC — Tienda Física	PVP × 1.00	$15,000	Directa	N3
Detallistas	PVP ÷ (1+m_min) ≈ 0.847	$5,000	Corta	N1
Mayoristas	PVP ÷ [(1+m_min)(1+m_may)] ≈ 0.700	$0	Larga	N2
Socios contratados	Margen promedio ponderado	listing/monthly del socio	Según socio	N3
Marca Blanca (MB)	costo × 1.05	brand decay −8%	B2B fijo	N4

Marco teórico

El modelo de cascada de precios sigue la teoría clásica de canales de distribución de Kotler & Keller (Marketing Management, 16th ed., 2022) y el análisis de cadena de valor de Porter (1985). El cálculo bottom-up con markup sobre costo es el método estándar en la administración de canales según Coughlan, Anderson, Stern & El-Ansary (Marketing Channels, 8th ed., 2014). El concepto de margen funcional (descuento amarrado a servicios asumidos por el intermediario) y los rebates push por volumen son herramientas reconocidas de trade marketing. La distinción entre estrategia push (incentivar al canal) y pull (atraer al consumidor) data de Strang (1976) y sigue siendo un pilar de la gestión de canales.

8c. Modelo de 4 Bolsas de Demanda (simulaciones con industria)

Cuando el profesor activa una industria, la demanda del mercado se reparte primero por segmento (premium/masivo/económico/innovador) y luego por bolsa de demanda de canal (retail/online/tienda/MB) según los porcentajes específicos de la industria. Esto sustituye al modelo de % por canal por uno donde el consumidor define la mezcla.

// Distribución de demanda demanda_total = base_demand × (P_ref / P_avg)^elasticidad demanda_segmento_s = demanda_total × demand_share_s demanda_(s, bolsa) = demanda_segmento_s × bolsa_frac_industria // Atractividad por producto p dentro de (s, bolsa) A(p, s, bolsa) = [ M_p^α × Q_p^β × Brand_p^0.15 ] / P_consumidor(p, bolsa)^γ × cobertura(p, bolsa) // Cuota dentro de la bolsa de demanda share(p) = A(p) / ΣA × (1 − rdf) + rdf / n_elegibles

Bolsa de demanda	Precio del consumidor	Cobertura	Elegibilidad por producto
Retail · Detallistas	PF × (1 + m_min) ≈ PF × 1.18	0.30 base · +0.15 por minorista contratado (cap 1.0)	`canal_retail = 'detallistas'`
Retail · Mayoristas	PF × (1+m_may)(1+m_min) ≈ PF × 1.43	1.00 (alcance pleno)	`canal_retail = 'mayoristas'`
Online DTC	PF (sin markup)	0.70 + brand_value × 0.0001 (cap 1.0)	`participa_online = True`
Tienda Propia	PF (sin markup)	num_stores × 0.10 + brand_bonus	`participa_tienda_propia AND num_stores > 0`
Marca Blanca	PF_MB = P_avg × mb_price_factor	No compite — asignación por contrato	Contratos pending con `delivery == t`

PF = Precio de Fábrica (lo que cobra la empresa). En todos los canales la empresa recibe PF; lo que varía es el precio que ve el consumidor según el markup de la cadena, lo que afecta la elasticidad de demanda dentro de la bolsa de demanda.

Resolución de Marca Blanca

// Al cierre del período t, para cada empresa: para cada contrato c en pending con c.period_delivery == t: delivered = min(c.units_committed, wl_units_to_produce) shortfall = c.units_committed − delivered wl_revenue += delivered × c.price_per_unit wl_cogs += delivered × costo_var_nivel_calidad_MB wl_penalty += shortfall × c.penalty_per_unit c.status = 'delivered' si shortfall == 0 sino 'defaulted' // Firmar nuevo contrato (delivery en t+1) si wl_units_to_commit > 0: nuevo_contrato.price_per_unit = P_avg × industria.mb_price_factor nuevo_contrato.penalty_per_unit = precio × industria.mb_penalty_factor // 0.30 default

Marco teórico — Marca Blanca

La marca blanca (private label) como canal estratégico se basa en la literatura de relaciones B2B en cadena de suministro: contratos a precio fijo con penalty por shortfall reflejan el modelo de service level agreement de Cachon & Lariviere (2005). La reserva de capacidad anticipada sigue la lógica de quantity flexibility contracts (Tsay, 1999). El precio reducido (50–60% del retail) y la calidad disociada reproducen el patrón industrial real donde las cadenas (Walmart, Mercadona) ofrecen volúmenes garantizados a cambio de márgenes bajos y especificaciones simplificadas.

Operaciones Internacionales (N5)

En Nivel 5 la empresa puede exportar a mercados internacionales (Asia, Europa, Norteamérica). La gerencia de Operaciones Internacionales es un equipo local (en la sede) que gestiona comercio exterior y logística. Su tamaño efectivo frente a la carga exportadora —la adecuación— modula cuatro palancas económicas sobre las exportaciones. No debe confundirse con los trabajadores de una planta extranjera, que son una dotación aparte.

// Staff efectivo: cabezas de la planilla (área 'global') ponderadas por efectividad staff_efectivo = nº_empleados_global × (efectividad_media / 70) // Staff requerido: crece con mercados activos y volumen exportado planificado staff_requerido = 1.0 × mercados_activos + unidades_export_plan / 50,000 // Adecuación (neutra = 1.0 si no exportas) adecuación = min(staff_efectivo / staff_requerido, 1.0)

La adecuación (0–1) modula cuatro efectos sobre cada venta de exportación. El staff vigente es el acumulado en planilla de períodos anteriores; las contrataciones del período actual rinden desde el siguiente.

// 1) Alivio arancelario (afecta demanda Y caja) arancel_efectivo = arancel_nominal × (1 − 0.40 × adecuación) // 2) Bono de atractivo de exportación (demanda) atractivo_export ×= (1 + 0.15 × adecuación) // 3) Malus por subdotación (solo si adecuación < 0.5) atractivo_export ×= (1 − 0.10 × (1 − adecuación/0.5)) // hasta −10% // 4) Costo de manejo/flete por unidad exportada (caja) manejo_por_unidad = precio × 0.06 × (1 − 0.50 × adecuación) // 6% → 3% // Contribución neta de cada celda de exportación contribución = ingreso_bruto − arancel_efectivo − marketing_regional − manejo

Las cuatro palancas (a adecuación plena)

Aranceles	hasta −40%
Atractivo export	hasta +15%
Manejo / flete	6% → 3%
Subdotación	hasta −10% atractivo

Tiempos y dotación

El staff que cuenta este período es el acumulado en planilla de períodos anteriores. Las contrataciones de este período entran al cierre y rinden desde el siguiente. Abrir más mercados o exportar más volumen sube el «requerido», forzando a escalar el equipo. El staff es local y cobra nómina normal.

Marco teórico

El modelo trata la capacidad de comercio exterior como un recurso organizacional (Resource-Based View, Barney 1991): una dotación adecuada de especialistas reduce los costos de transacción internacionales —aranceles, aduanas, flete— en línea con la teoría de costos de transacción (Williamson, 1985) aplicada a la internacionalización (modelo Uppsala, Johanson & Vahlne, 1977). La adecuación con rendimientos decrecientes (tope 1.0) refleja que el conocimiento de mercado y la ejecución logística tienen un techo de eficiencia por unidad de carga exportada.

Regiones de producción: costo vs. calidad

Construir una planta secundaria en otra región no es solo más barato: cada región define un salario base (multiplica la nómina de la planta) y una calidad de manufactura (pondera la calidad percibida de lo producido allí). El costo laboral y la calidad se mezclan según la fracción de producción offshore.

// Salario base de la planta secundaria (caja) nómina_planta = nómina_planta_declarada × salario_región // Calidad de manufactura ponderada por fracción offshore frac_offshore = unidades_secundaria / unidades_totales mult_calidad = (1 − frac_offshore) × 1.0 + frac_offshore × calidad_región score_producto ×= mult_calidad

Región	Costo mano obra	Salario	Calidad	Flete	FX	CAPEX
Local	1.00×	1.00×	1.00×	$0	—	—
Asia	0.55×	0.55×	0.90×	$12	±12%	$80k
🇪🇺 Europa	1.15×	1.15×	1.15×	$8	±7%	$120k
Norteamérica	1.25×	1.25×	1.05×	$5	0%	$150k

La prima de calidad de Europa pesa más en Premium/Innovador (mayor exponente de calidad β). Asia castiga la calidad pero abarata mano de obra: óptimo para el segmento Económico.

Resultados Financieros

El Estado de Resultados sigue la estructura contable estándar. Las decisiones de financiamiento afectan la tasa de interés efectiva a través de la calificación crediticia y la dotación del equipo de finanzas.

// Estado de Resultados Ingresos = unidades_vendidas × precio × mult_canal (−) COGS = unidades_vendidas × costo_variable = Utilidad Bruta (−) Gastos Marketing = campañas + inv_marca + inv_mercado (−) Gastos RRHH = salarios + capacitación + beneficios (−) Mantenimiento (−) Depreciación = valor_maquinaria × 12.5% // vida útil 8 años (−) Almacenamiento = inventario_final × $5/unidad = EBIT (Utilidad Operativa) (−) Gastos Financieros = deuda × tasa_efectiva + costo_capital_de_trabajo = Utilidad Antes de Impuestos (pre-tax) (−) Impuesto = max(pre_tax − pérdidas_acumuladas, 0) × tasa_impuesto = Utilidad Neta // después de impuestos // Escudo fiscal: el interés reduce la base gravable → más deuda, menos impuesto. // Arrastre de pérdidas: una pérdida no paga impuesto y reduce la base futura. // Capital de trabajo (DxC/DxP): costo = interés sobre el capital neto atado costo_cap_trabajo = (ingresos×(DSO−30)/360 − cogs×(DPO−30)/360) × tasa // Inversión a corto plazo: depósito a 1 período (sale ahora, vuelve ×1.04 luego) // Dividendos: se pagan al final, topados a la caja disponible (nunca caja negativa) // Tasa de interés efectiva tasa_efectiva = 12% × mult_calificación × (1 − descuento_staff_finanzas) descuento_fin = min(net_hires_finanzas × 0.15%, 1.5%) × (η_finanzas / 75%) // Penalización de finanzas CONTINUA: recargo de interés ∝ subdotación (máx +30%)

Calificación crediticia	Límite de deuda	Condición
AAA	3.0× capital inicial	Solidez máxima
AA / A	2.0–2.5×	Buen desempeño
BBB	1.5×	Riesgo moderado
BB / B	0.5–1.0×	Riesgo elevado
CCC / D	0.0–0.2×	En dificultad — solo deuda de emergencia

Deuda de emergencia (distressed debt)

Superar el techo de crédito ya no rechaza el préstamo de forma binaria. El motor modela un mercado de crédito realista con costo creciente: existe un techo de emergencia (techo normal × 1.6) y la porción de deuda que excede el techo normal paga una prima de tasa (lender of last resort).

// Separación de la deuda en dos tramos techo_normal = mult_calificación × capital_inicial techo_emergencia = techo_normal × 1.6 deuda_normal = min(deuda_total, techo_normal) deuda_emergencia = max(deuda_total − techo_normal, 0) // Intereses: la porción de emergencia paga +18 pp interés = deuda_normal × tasa_efectiva + deuda_emergencia × (tasa_efectiva + 18 pp) // Solo se rechaza si deuda_total > techo_emergencia

Si incluso el techo de emergencia se supera, el préstamo se rechaza y el mensaje sugiere vender activos (maquinaria) o reestructurar deuda para liberar capacidad. Esto enseña que el crédito para empresas en problemas existe pero es caro, deteriora la rentabilidad y no es ilimitado.

Marco teórico

La estructura del estado de resultados sigue el IFRS / NIC 1. La calificación crediticia como determinante del acceso a deuda refleja el modelo de Modigliani-Miller (1958) con fricciones: en ausencia de mercados perfectos, la estructura de capital sí afecta el costo y la disponibilidad del financiamiento. La deuda de emergencia a tasa penalizada modela el mercado de distressed debt y el rol del prestamista de última instancia (Bagehot, 1873): prestar libremente pero a tasa de penalización. El rol del staff financiero en reducir la tasa modela la información asimétrica (Akerlof, 1970) entre empresa y prestamista.

Emisión de Acciones y Riesgo de Default

A partir del nivel 4 (N4+), las empresas pueden emitir acciones para captar capital fresco. La emisión está limitada por el patrimonio y requiere una calificación crediticia mínima. Paralelamente, el motor calcula un puntaje de riesgo de default que ajusta la valoración bursátil de la empresa.

Límites de emisión de acciones

// Límites de emisión de acciones (N4+) max_emisión = patrimonio_actual × 20% patrimonio = caja + maquinaria + marca − deuda // Comisión de underwriting (5%) cash_neto = emisión × 0.95 // Nuevas acciones emitidas nuevas_acciones = emisión / BVPS_inicio BVPS_inicio = patrimonio / acciones_actuales // Requisito mínimo: rating ≥ BB // Si rating < BB → emisión bloqueada

Riesgo de Default (0–100)

// Riesgo de default (0–100) default_risk = 0.35 × score_deuda + 0.30 × score_cobertura + 0.20 × score_rentabilidad + 0.15 × score_caja // Componentes score_deuda = min(debt_ratio / 0.80, 1) × 100 // debt_ratio = deuda/activos score_cobertura = max(0, (1 − cobertura_intereses / 5) × 100) score_rentabilidad = f(utilidad_neta, activos) // pérdidas → mayor score score_caja = f(caja_final / capital_inicial) // baja caja → mayor score // Multiplicador de valoración bursátil mult_precio = max(0.20, 1 − default_risk / 125) BVPS_ajustado = BVPS_contable × mult_precio precio_acción = precio_base × mult_precio

Rangos de riesgo y efecto en valoración

Default Risk	Rating aproximado	Multiplicador	Efecto
0–15	AAA–A	0.88–1.00	Valoración plena
15–30	BBB	0.76–0.88	Descuento leve
30–50	BB	0.60–0.76	Descuento moderado
50–70	B	0.44–0.60	Descuento severo
70–100	CCC–D	0.20–0.44	Distressed

Marco teórico

El riesgo de default se inspira en el modelo estructural de Merton (1974), que vincula el valor de los activos con la probabilidad de incumplimiento. Los componentes del score reflejan los factores del Altman Z-Score (1968) para predicción de quiebra. La relación entre apalancamiento y costo de capital sigue el teorema de Modigliani-Miller (1958): a mayor endeudamiento, mayor riesgo percibido y mayor costo del equity.

Maquinaria y Mantenimiento

La salud de la maquinaria determina cuánto de la capacidad instalada está disponible. Sin mantenimiento, decae 8% por período, y después de 3 períodos acumula una penalización adicional del 25%.

// Depreciación contable (siempre) depreciación = valor_maquinaria × 0.125 // vida útil 8 períodos // Salud operativa (0–100%) sin mantenimiento: salud −= 8% // + penalización −25% tras 3 períodos sin mantenimiento mantenimiento preventivo: salud += 10% // mínimo inversión = valor × 5% mantenimiento correctivo: salud → 100% // mínimo inversión = valor × 12% // Inversión insuficiente (subumbral) ratio = inversión / umbral_mínimo salud_lograda = max(salud_previa, 0.50 + ratio × 0.50) // Venta de maquinaria (descuento según salud) precio_venta = valor_neto × factor_salud // salud ≥90% → 75% · 70–90% → 60% · 50–70% → 45% · <30% → 20%

Marco teórico

La dinámica de salud de equipos refleja el modelo de mantenimiento preventivo vs. correctivo de la gestión de operaciones (Jardine & Tsang, Maintenance, Replacement, and Reliability). La depreciación de línea recta sigue IFRS/NIC 16. El descuento por salud en la venta modela el mercado de activos usados con información asimétrica (Akerlof, 1970: «mercado de limones»).

Parámetros de Referencia

Valores por defecto del motor. El instructor puede ajustar algunos al configurar el laboratorio de negocios.

Parámetro	Valor por defecto	Descripción
base_demand	10,000 unidades/período	Demanda total base del mercado
reference_price	$500	Precio de referencia del laboratorio
price_elasticity	1.20	Elasticidad precio-demanda de mercado
base_variable_cost	$200/unidad	Costo variable unitario base
storage_cost	$5/unidad	Costo de almacenamiento por unidad final
depreciation_rate	12.5%/período	Depreciación de maquinaria (vida útil 8 períodos)
base_hr_efficiency	70%	Eficiencia base sin inversión en RRHH
interest_rate	12%/período	Tasa de interés sobre deuda (antes de ajustes)
tax_rate	25% (configurable)	Impuesto a las utilidades (escudo fiscal de deuda + arrastre de pérdidas)
brand_decay_rate	10%/período	Deterioro del valor de marca sin inversión
brand_investment_factor	0.50	$1 invertido → $0.50 en valor de marca
random_demand_factor	5%	Fracción aleatoria en asignación de cuota
marketing_exponent (α)	0.30 (masivo)	Elasticidad de atractividad al marketing
quality_exponent (β)	0.20 (masivo)	Elasticidad de atractividad a la calidad
price_exponent (γ)	1.50 (masivo)	Elasticidad precio en atractividad competitiva
equity_issuance_max_pct	20%	Máx emisión de acciones por período (% del patrimonio)
equity_fee_pct	5%	Comisión de underwriting por emisión
equity_min_rating	BB	Rating mínimo para emitir acciones

Sistemas de Ranking — Tres formas de medir al ganador

StratyaLab computa tres rankings paralelos en cada laboratorio. Cada uno responde a una pregunta pedagógica distinta. El instructor elige cuál pondera más en su rúbrica.

14.1 Ranking Olímpico (sistema de puntos)

Sistema de puntos competitivo aplicado en cada período cerrado (excluye períodos de prueba):

// Para cada período t y cada KPI k ∈ {revenue, net_profit, units_sold, brand_value}: posición_i(t,k) = rank descendente de equipo i por KPI k en período t puntos_i(t,k) = max(0, N − posición_i(t,k) + 1) // N = nº equipos; empates comparten posición // Total acumulado: total_pts_i = Σ_t Σ_k puntos_i(t,k)

El ganador es argmax_i total_pts_i. Premia la consistencia equilibrada entre 4 dimensiones (financiero, operativo, comercial, marca). Inspirado en sistemas de ranking competitivo deportivo (1 punto por posición × dimensiones).

14.2 Firm Value (Shareholder Value)

Mide el valor económico total creado para los accionistas al cierre de la simulación. Es el criterio que usan simuladores académicos consolidados (Capsim, Marketplace, GLO-BUS):

firm_value_i = ending_cash_i + (BVPS_i × shares_outstanding_i) // equity al book value − ending_debt_i + Σ_t (dividends_per_share_i(t) × shares(t)) // retornos pagados a accionistas

Conceptualmente equivale a book value + retornos pagados. Reconoce que un equipo que pagó dividendos creó tanto valor como uno que retuvo las utilidades (Modigliani-Miller, sin fricciones). Premia a quien generó valor financiero sostenible.

Limitación: no descuenta a valor presente. Si los períodos modelan años, una variante más estricta aplicaría WACC al flujo de dividendos.

14.3 Balanced Scorecard (Kaplan & Norton 1996)

Score de cumplimiento de objetivos estratégicos definidos por el propio equipo. Solo aplica a equipos con plan estratégico configurado:

// Para cada indicador BSC k con target_value θ_k y comparator c_k ∈ {≥, ≤, ==}: pct_k = { actual_k / θ_k × 100 si c_k ∈ {≥, >} θ_k / actual_k × 100 si c_k ∈ {≤, <} 100 − |actual_k − θ_k| / |θ_k| × 100 si c_k = == } pct_k ∈ [0, 200] // cap superior para no premiar excesos bsc_score_i = (1/K) Σ_k pct_k // promedio simple sobre K indicadores definidos

Premia la disciplina estratégica: equipos que definieron objetivos coherentes (las 4 perspectivas de Kaplan & Norton: financiera, cliente, procesos, aprendizaje) y los alcanzaron consistentemente.

Cap a 200% evita que un equipo "explote" un solo indicador trivial (ej: bajar dramáticamente AR days) compensando otros. Promueve foco sin maximización degenerada.

14.4 ¿Cuál usar?

Ranking	Premia	Mejor para...	Referencia
Olímpico	Consistencia multi-KPI	Cursos introductorios; énfasis en visión integral del negocio	Sistema competitivo deportivo
Firm Value	Creación de valor financiero	Cursos de finanzas corporativas; capstone MBA	Capsim, Marketplace
BSC	Disciplina estratégica	Cursos de estrategia y dirección general; programas de liderazgo	Kaplan & Norton (1996)

Marco teórico combinado: Algunos cursos avanzados ponderan los tres (ej: 40% Firm Value, 35% BSC, 25% Olímpico). Esto fuerza al equipo a equilibrar valor financiero, ejecución estratégica y desempeño consistente — el perfil de un CEO efectivo según la literatura contemporánea de governance (Bower & Paine 2017).

Referencias Bibliográficas

Akerlof, G. (1970). The market for «lemons»: Quality uncertainty and the market mechanism. Quarterly Journal of Economics, 84(3), 488–500.

Altman, E. I. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. Journal of Finance, 23(4), 589–609.

Bass, B. M. (1985). Leadership and Performance Beyond Expectations. Free Press.

Becker, G. S. (1964). Human Capital: A Theoretical and Empirical Analysis. Columbia University Press.

Cobb, C. W., & Douglas, P. H. (1928). A theory of production. American Economic Review, 18(1), 139–165.

Cooper, R. G. (1990). Stage-gate systems: A new tool for managing new products. Business Horizons, 33(3), 44–54.

Dorfman, R., & Steiner, P. O. (1954). Optimal advertising and optimal quality. American Economic Review, 44(5), 826–836.

Garrison, R. H., Noreen, E. W., & Brewer, P. C. (2024). Managerial Accounting (18th ed.). McGraw-Hill.

Horngren, C. T., Datar, S. M., & Rajan, M. V. (2021). Cost Accounting: A Managerial Emphasis (17th ed.). Pearson.

Hotelling, H. (1929). Stability in competition. Economic Journal, 39(153), 41–57.

Kim, W. C., & Mauborgne, R. (2005). Blue Ocean Strategy. Harvard Business Review Press.

Jardine, A. K. S., & Tsang, A. H. C. (2013). Maintenance, Replacement, and Reliability. CRC Press.

IASB (2023). IAS 16 — Property, Plant and Equipment. International Accounting Standards Board.

Keller, K. L. (1993). Conceptualizing, measuring, and managing customer-based brand equity. Journal of Marketing, 57(1), 1–22.

Kotler, P., & Keller, K. L. (2022). Marketing Management (16th ed.). Pearson.

Luce, R. D. (1959). Individual Choice Behavior: A Theoretical Analysis. Wiley.

Marshall, A. (1890). Principles of Economics. Macmillan.

McFadden, D. (1974). Conditional logit analysis of qualitative choice behavior. In P. Zarembka (Ed.), Frontiers in Econometrics. Academic Press.

Merton, R. C. (1974). On the pricing of corporate debt: The risk structure of interest rates. Journal of Finance, 29(2), 449–470.

Modigliani, F., & Miller, M. H. (1958). The cost of capital, corporation finance and the theory of investment. American Economic Review, 48(3), 261–297.

Nagle, T. T., & Müller, G. (2018). The Strategy and Tactics of Pricing (6th ed.). Routledge.

Nerlove, M., & Arrow, K. J. (1962). Optimal advertising policy under dynamic conditions. Economica, 29(114), 129–142.

Panzar, J. C., & Willig, R. D. (1981). Economies of scope. American Economic Review, 71(2), 268–272.

Pindyck, R. S., & Rubinfeld, D. L. (2018). Microeconomics (9th ed.). Pearson.

Shaked, A., & Sutton, J. (1982). Relaxing price competition through product differentiation. Review of Economic Studies, 49(1), 3–13.

Shapiro, C., & Stiglitz, J. E. (1984). Equilibrium unemployment as a worker discipline device. American Economic Review, 74(3), 433–444.

Solow, R. M. (1956). A contribution to the theory of economic growth. Quarterly Journal of Economics, 70(1), 65–94.