Proč musí lídři CPG oddělit zrno od plev pro skutečnou optimalizaci výnosů s využitím umělé inteligence

Optimalizace již není pouze módním slovem. Je to plně definovatelný a měřitelný výsledek, který nelze dosáhnout pomocí zastaralých technik a nefunkčních systémů umělé inteligence.

————————
Optimalizace výnosů je dnes jednou z nejvyšších priorit v odvětví CPG. Nejistota způsobená globálními ekonomickými protivětry, trvalou inflací, výzvami v dodavatelském řetězci a měnícím se chováním kupujících zvýšila důležitost porozumění tomu, jak systematicky dešifrovat a navigovat měnící se podmínky, aby se zvýšily výnosy a zisk.

Pro organizace CPG je zásadní potřeby holisticky optimalizovat jejich hlavní faktory řízení výnosů (RGM) sladěním cen, akcí, médií a balení spotřebních produktů s měnícími se tržními podmínkami. To nikdy nebylo složitější, zejména vzhledem k dopadům měnících se spotřebitelských preferencí, inflace, geopolitických napětí, změny klimatu a globálních demografických posunů – hlavní důvod, proč více než 75% výrobců CPG má potíže s řízením celkových nákladů na moderní obchod a 70% lídrů CPG je dnes více stresovaných než před pěti lety.

Mnohé systémy jsou prezentovány jako „optimalizační řešení s podporou umělé inteligence“, která mohou účinně zmírnit inflační tlaky a zvýšit výnosy. Ve skutečnosti tomu tak však není. Jak se pokročilá analytická řešení podporovaná sofistikovanou matematikou a umělou inteligencí stále více integrují do technologií a obchodních procesů podniků, je zřejmé, že ne všechny matematické techniky a systémy umělé inteligence mohou skutečně dosáhnout optimalizace výnosů ve velkém měřítku. Lídři CPG se učí, že jejich definice optimalizace je zastaralá a nepřesná. Odvětví tradičně definuje „optimalizaci“ jako použití modelování regrese a simulací obchodních scénářů z minulosti. Tyto starší techniky jsou však pouze předpovědními technikami, které neoptimalizují nic. Lídři CPG také učí, že Generative AI a neuronové sítě neperformují optimalizaci, ale mohou být cennými technikami při pomoci ostatním komponentám digitální transformace organizace.

Krajina pokročilé analytiky se rychle mění. Společnosti poskytující pokročilou analytiku potřebují pomoci partnerům CPG vybudovat porozumění a zralost při používání a specifickém uplatnění těchto technologií v jejich provozních modelech. Optimalizace již není pouze módním slovem. Je plně definovatelná a její výsledky jsou determinovatelné a měřitelné vyvážením omezení obou výrobců CPG a maloobchodníků současně. Tento stupeň omezení založené na optimalizaci a jeho hmatatelných výhodách nelze dosáhnout pomocí zastaralých technik a nefunkčních systémů umělé inteligence.

Je tedy zásadní, aby organizace porozuměly distinctivním schopnostem statistické matematiky a nástrojů pro optimalizaci výnosů s podporou umělé inteligence, které přijímají. Oddělení zrna od plev ve světě pokročilé analytiky a umělé inteligence verbessší vaši schopnost řídit udržitelné výnosy, zvládat tržní volatility a předcházet konkurentům v odvětví.

Vše se točí kolem vašeho nástrojového boxu

Zajištění toho, aby jste měli správné sofistikované matematické a nástroje umělé inteligence ve vašem nástrojovém boxu, je při optimalizaci výnosů jako zlato. Například, pokud byste chtěli rozřezat blok oceli, teoreticky by to mohlo být provedeno pomocí pilky, ale to by trvalo roky, aby se podařilo rozřezat celý blok. Mezitím by acetylenový hořák prořízl blok za sekundy.

Stejně tak to platí pro technologie s podporou umělé inteligence. Většina forem umělé inteligence používaných v systémech pro optimalizaci výnosů CPG dnes nemůže zohlednit skutečnou složitost trhu. Tyto systémy využívají staré lineární regresní techniky pro řešení problému, který je ne-lineární povahy, spoléhají se na tradiční statistické modely, které optimalizují jeden, dva, tři nebo čtyři statická omezení místo dvou až tří desítek omezení, které odrážejí skutečné úvahy, kterým čelí dennodenně značky CPG. To vede k fundamentální analytické podperformance, která brání efektivní generaci doporučení pro růst výnosů a provozní výkon a ROI pro výrobce CPG a jejich maloobchodní partnery.

Generative AI (GenAI) je dalším příkladem tohoto nesouladu. CPG hodnotový řetězec má cenné použití pro aplikace GenAI, ale optimalizace výnosů není jedním z nich. To je proto, že modely GenAI spoléhají na techniky založené na vyhledávačích, které nejsou schopny rozlišit „špatný vstup od špatného výstupu“ a neuronové sítě strojového učení, které prostě neperformují optimalizaci.

Usnadnění matematického problému

Je důležité si uvědomit, že skutečná optimalizace výnosů je ve své podstatě založena na omezeních a je vysoce dimenzionálním matematickým problémem. Sofistikované matematické a systémy umělé inteligence, které využívají transparentní strojové učení, jsou vyžadovány pro zahrnutí všech omezení a proměnných, které umožňují optimalizaci a dodání hodnoty pro výrobce CPG a maloobchodníka současně. To zajišťuje, že systém je navržen tak, aby fundamentálně rozuměl prostředí, ve kterém organizace operuje, a prováděl skutečnou optimalizaci a generoval kalendáře obchodních akcí, které dodávají hodnotu pro výrobce a maloobchodníka. Poté je dalším krokem optimalizovat ostatní klíčové páky řízení výnosů, jako je každodenní cena, obchodní akcie, mix médií a sortiment, aby se vytvořily holistické doporučení sladěná s poptávkou spotřebitelů za podmínek, které stresují běžnou každodenní cenu.

Tento přístup vhodný pro účel zahrnuje navigaci v nejistotě trhu, jako jsou prodloužené nedostatky v dodavatelském řetězci z eskalujícího geopolitického konfliktu nebo neočekávané zvýšení cen z klimatické události. Pokud sucha podél Panamského průplavu přispějí ke zvýšení nákladů na suroviny, systém může pomoci určit novou optimální cenovou strukturu, která 1) zohledňuje spotřebitelské balení pro zvýšené výrobní náklady a zachovává marže a 2) motivuje spotřebitele k výběru vaší značky před konkurenty prostřednictvím efektivních akčních technik.

Měření dopadu: Post-eventová efektivita

Určení dopadu ROI optimalizačních nástrojů pro růst výnosů vyžaduje komplexní a promyšlený přístup. Nejprve se zaměřte na post-event analýzu základních KPI, jako jsou čisté.incrementální zvýšení prodejů, zisků, maloobchodních regálů a penetrace trhu, generované z vašich obchodních akcí. Výkon napříč těmito čtyřmi pilíři bude ukazovat dopad vaší implementační strategie a identifikovat oblasti, které potřebují zlepšení.

Druhá hlavní kategorie je poměr efektivity obchodu. Pro každý dolar vynaložený na obchod, jaký průměrný návratnost produkuje? To je zásadní pro škálování nástrojů pro optimalizaci výnosů v průběhu času. Provádění obou aspektů v souladu umožní organizacím úspěšně navigovat vnější volatility a získat tržní podíl nad odvětvími konkurenty. Silný ROI není pouze o číslech – je také o získání konkurenční výhody ve vašem segmentu.

Optimalizace výnosů napříč krajиной CPG je nepochybně komplexní. Zatímco digitalizace nabízí slib zjednodušení, lídři podniků musí mít silné porozumění sofistikované matematice a nástrojům umělé inteligence, které využívají. Znalost je moc, a nakonec to zvýší vaši značku a firemní valuaci nad konkurenty.