لماذا يجب على قادة السلع الاستهلاكية المعبأة فصل القمح عن القشر من أجل تحسين نمو الإيرادات الحقيقي المدعوم بالذكاء الاصطناعي

لم يعد التحسين مجرد كلمة طنانة بعد الآن. إنها نتيجة يمكن تحديدها وقياسها بالكامل ولا يمكن تحقيقها باستخدام التقنيات القديمة وأنظمة الذكاء الاصطناعي غير المجدية.

--------
يعد تحسين نمو الإيرادات أولوية قصوى في قطاع السلع الاستهلاكية المعبأة اليوم. أدت حالة عدم اليقين الناجمة عن الرياح الاقتصادية العالمية المعاكسة، والتضخم المستمر، وتحديات سلسلة التوريد، وتغير سلوك المشتري، إلى تكثيف أهمية فهم كيفية فك تشفير الظروف المتطورة والتنقل فيها بشكل منهجي لزيادة الإيرادات والأرباح.

بالنسبة لمؤسسات السلع الاستهلاكية المعبأة، فإن الأساس لهذه الحاجة الماسة هو القدرة على تحسين أفضل محركاتها لإدارة نمو الإيرادات (RGM) بشكل شامل من خلال مواءمة التسعير والعروض الترويجية ومزيج الوسائط وتغليف المنتجات الاستهلاكية مع ظروف السوق المتغيرة. ولم يكن هذا الأمر أكثر تعقيدًا من أي وقت مضى وسط التأثيرات المتتابعة لتطور تفضيلات المستهلكين، والتضخم، والتوترات الجيوسياسية، وتغير المناخ، والتحولات السكانية العالمية - وهو السبب الرئيسي وراء لماذا أكثر من 75% من الشركات المصنعة للسلع الاستهلاكية المعبأة يكافحون من أجل إدارة إجمالي الإنفاق التجاري الحديث للمؤسسة، و 70% من المديرين التنفيذيين لـ CPG يشعرون بالتوتر اليوم أكثر مما كانوا عليه قبل خمس سنوات.

مع استمرار التعقيد، تعطي العديد من المؤسسات الأولوية لتحسين نمو الإيرادات الرقمية كآلية للتغلب على العاصفة. في معهد تحسين الترويج تقرير حالة الصناعة لعام 2024، قال 80% من المشاركين إنهم يستثمرون في الحلول الرقمية أو القدرات التحليلية لدعم عمليات إدارة نمو الإيرادات الجديدة (RGM) والتعمق بشكل أعمق في الترويج الأمثل والتسعير وتحليل نمو الحزمة. كما وجد تقرير النقاط المهمة أيضًا أن 54% يخططون لاعتماد حلول جديدة لإدارة ترويج التجارة و31% سيشرعون في دمج قدرات التسعير الآلي.

يتم تسويق العديد من الأنظمة على أنها "حلول تحسين مدعومة بالذكاء الاصطناعي" يمكنها تخفيف الضغوط التضخمية بشكل فعال وزيادة الإيرادات. ومع ذلك، في الواقع، هذا ليس هو الحال ببساطة. نظرًا لأن التحليلات المتقدمة التي يتم تمكينها بواسطة الرياضيات المتطورة والذكاء الاصطناعي أصبحت مدمجة بشكل متزايد في تكنولوجيا المؤسسات والعمليات التجارية، فمن الواضح أنه لا يمكن لجميع التقنيات الرياضية والذكاء الاصطناعي تحقيق تحسين فعلي لنمو الإيرادات على نطاق واسع. يدرك قادة CPG أن تعريفهم للتحسين قديم وغير دقيق. لقد عرفت الصناعة تاريخيًا "التحسين" على أنه استخدام نماذج الانحدار ومحاكاة سيناريوهات الأعمال بالأمس. إنهم يدركون أن هذه التقنيات القديمة هي مجرد تقنيات تنبؤية لا تعمل على تحسين أي شيء. ويتعلمون أيضًا أن الذكاء الاصطناعي التوليدي والشبكات العصبية لا تؤدي إلى التحسين، ولكنها يمكن أن تكون تقنيات قيمة في مساعدة المكونات الأخرى في رحلة التحول الرقمي للمؤسسة.

المشهد التحليلي يتغير بسرعة. تحتاج شركات التحليلات المتقدمة إلى مساعدة شركاء السلع الاستهلاكية المعبأة على بناء الفهم والنضج بشأن استخدام هذه التقنيات وتطبيقها بشكل محدد ضمن نماذج التشغيل الخاصة بهم. لم يعد التحسين مجرد كلمة طنانة بعد الآن. إنها قابلة للتحديد بالكامل ونتائجها قابلة للتحديد والقياس من خلال موازنة القيود المفروضة على كل من الشركة المصنعة للسلع المعبأة المعبأة وتاجر التجزئة في وقت واحد. ولا يمكن تحقيق هذه الدرجة من التحسين القائم على القيود وفوائدها الملموسة باستخدام التقنيات القديمة وأنظمة الذكاء الاصطناعي غير المجدية.

وفي المقابل، من المهم للمؤسسات أن تفهم القدرات المتميزة للرياضيات الإحصائية وأدوات تحسين نمو الإيرادات التي تدعم الذكاء الاصطناعي التي تعتمدها. سيؤدي فصل القمح عن القشر في عالم التحليلات المتقدمة والذكاء الاصطناعي إلى تحسين قدرتك على تحقيق إيرادات مستدامة، وتقلبات سوق الطقس، والتفوق على المنافسين في الصناعة.

الأمر كله يتعلق بصندوق الأدوات الخاص بك

إن ضمان حصولك على أدوات الرياضيات والذكاء الاصطناعي المتطورة المناسبة في صندوق الأدوات الخاص بك يستحق وزنه ذهباً عندما يتعلق الأمر بتحسين نمو الإيرادات. على سبيل المثال، لنفترض أنك تريد قطع كتلة من الفولاذ. يمكن تحقيق ذلك نظريًا باستخدام منشار، إلا أن ذلك سيستغرق سنوات لقطع الطريق بالكامل بنجاح. وفي الوقت نفسه، يمكن لشعلة الأسيتيلين أن تقطعها في ثوانٍ.

وينطبق الشيء نفسه على التقنيات التي تدعم الذكاء الاصطناعي. معظم أشكال الذكاء الاصطناعي المستخدمة في أنظمة تحسين نمو إيرادات السلع الاستهلاكية المعبأة اليوم لا يمكنها أن تأخذ في الاعتبار تعقيدات السوق في العالم الحقيقي. إنهم يستفيدون من تقنيات الانحدار الخطي القديمة لحل مشكلة غير خطية بطبيعتها، بالاعتماد على النماذج الإحصائية التقليدية التي تعمل على تحسين واحد أو اثنين أو ثلاثة أو أربعة قيود ثابتة بدلاً من عشرين إلى ثلاثين قيودًا تعكس اعتبارات العالم الحقيقي التي تتنقل العلامات التجارية للسلع الاستهلاكية المعبأة يوميًا. يؤدي هذا إلى ضعف الأداء التحليلي الأساسي الذي يعيق توليد توصيات فعالة لنمو الإيرادات والأداء التشغيلي وعائد الاستثمار لكل من الشركة المصنعة للسلع المعبأة وشركائها في البيع بالتجزئة.

يعد الذكاء الاصطناعي التوليدي (GenAI) مثالًا آخر على هذا الاختلال. تحتوي سلسلة قيمة CPG على حالات استخدام قيمة لتطبيقات GenAI، ولكن تحسين نمو الإيرادات ليس واحدًا منها. وذلك لأن نماذج GenAI تعتمد على التقنيات المستندة إلى محرك البحث غير القادرة على تمييز مشكلة "القمامة الواردة من القمامة الخارجة" والتعلم الآلي للشبكات العصبية التي لا تؤدي ببساطة إلى التحسين.

تسهيل مسألة الرياضيات

من المهم تذكر أن تحسين نمو الإيرادات الحقيقي هو في جوهره مسألة رياضية متعددة الأبعاد، قائمة على القيود. وتتطلب الرياضيات المتطورة وحلول الذكاء الاصطناعي التي تعتمد على التعلم الآلي الشفاف دمج جميع القيود والمتغيرات التي تُمكّن التحسين من تحقيق قيمة لكل من مُصنّع السلع الاستهلاكية المعبأة وتاجر التجزئة في آنٍ واحد. يضمن هذا تصميم النظام لفهم البيئة التي تعمل فيها المؤسسة فهمًا أساسيًا، وإجراء تحسين حقيقي، وإنشاء جداول ترويجية تجارية تُعزز القيمة لكل من المُصنّع وتاجر التجزئة. ثم، تتمثل الخطوة التالية في تحسين الركائز الرئيسية الأخرى لإدارة نمو الإيرادات، من خلال التسعير اليومي، والترويج التجاري، ومزيج الوسائط، وتشكيلة المنتجات، لتقديم توصيات شاملة تتوافق مع طلب المستهلكين في ظل ظروف تُثقل كاهل السعر اليومي الاعتيادي.

ويمثل هذا النهج الملائم للغرض التغلب على حالة عدم اليقين في السوق مثل نقص العرض المطول بسبب الصراع الجيوسياسي المتصاعد أو الارتفاع غير المتوقع في الأسعار بسبب حدث متعلق بالمناخ. إذا ساعد الجفاف على طول قناة بنما في زيادة تكلفة المواد الخام، فيمكن للنظام أن يساعد في تحديد هيكل تسعير مثالي جديد 1) يستوعب تعبئة المستهلك لزيادة تكاليف الإنتاج مع الحفاظ على الهوامش، و 2) يحفز المستهلكين على اختيار علامتك التجارية بدلاً من ذلك. منافسي الصناعة من خلال تقنيات ترويجية فعالة.

قياس التأثير: فعالية ما بعد الحدث

يتطلب تحديد تأثير عائد الاستثمار لأدوات تحسين نمو الإيرادات اتباع نهج شامل ومحسوب. أولاً، ركز على تحليل ما بعد الحدث لمؤشرات الأداء الرئيسية الأساسية مثل صافي الزيادات الإضافية في المبيعات والأرباح ودولارات البيع بالتجزئة واختراق السوق الناتج عن إنفاقك على الترويج التجاري. سيشير الأداء عبر هذه الركائز الأربع إلى تأثير استراتيجية التنفيذ الخاصة بك ويحدد مجالات التحسين المطلوبة.

الفئة الرئيسية الثانية هي نسبة فعالية التجارة. ما هو متوسط ​​العائد الذي يُحققه كل دولار يُنفق في التجارة؟ يُعد هذا الأمر بالغ الأهمية لتوسيع نطاق أدوات تحسين نمو الإيرادات بمرور الوقت. إن تطبيق كلا الجانبين معًا سيُمكّن المؤسسات من تجاوز التقلبات الخارجية بنجاح والاستحواذ على حصة سوقية مُنافسة للشركات الأخرى في هذا المجال. لا يقتصر عائد الاستثمار القوي على الأرقام فحسب، بل يشمل أيضًا اكتساب ميزة تنافسية في قطاعك.

لا يمكن إنكار أن تحسين الإيرادات عبر مشهد السلع الاستهلاكية المعبأة أمر معقد. في حين أن التحول الرقمي يبشر بالخير لتبسيطه، يجب أن يكون لدى قادة المؤسسات فهم قوي للرياضيات المتطورة وأدوات الذكاء الاصطناعي التي يستفيدون منها. المعرفة قوة، وستؤدي في النهاية إلى رفع تقييم علامتك التجارية وشركتك فوق الجميع.