Pourquoi les dirigeants de l’industrie des produits de consommation doivent séparer le bon grain de l’ivraie pour une véritable optimisation de la croissance des revenus alimentée par l’IA

L’optimisation n’est plus qu’un mot à la mode. C’est un résultat pleinement définissable et mesurable qui ne peut être atteint avec des techniques antiquées et des systèmes d’IA inapplicables.

————————
L’optimisation de la croissance des revenus est une priorité absolue dans le secteur des produits de consommation aujourd’hui. L’incertitude générée par les vents contraires économiques mondiaux, l’inflation persistante, les défis de la chaîne d’approvisionnement et les changements de comportement des acheteurs ont intensifié l’importance de comprendre comment décoder et naviguer systématiquement les conditions évolutives pour augmenter les revenus et les bénéfices.

Pour les organisations de l’industrie des produits de consommation, la nécessité critique est de pouvoir optimiser de manière holistique les principaux facteurs de gestion de la croissance des revenus (RGM) en alignant les prix, les promotions, le mix média et l’emballage des produits sur les conditions de marché changeantes. Cela n’a jamais été plus complexe, compte tenu des effets d’entraînement des préférences des consommateurs en évolution, de l’inflation, des tensions géopolitiques, du changement climatique et des déplacements de population mondiaux – une raison principale pour laquelle plus de 75% des fabricants de produits de consommation ont du mal à gérer les dépenses de commerce modernes à l’échelle de l’entreprise, et 70% des dirigeants de l’industrie des produits de consommation sont plus stressés aujourd’hui qu’il y a cinq ans.

Avec la complexité comme constante, de nombreuses organisations donnent la priorité à l’optimisation numérisée de la croissance des revenus comme mécanisme pour affronter la tempête. Dans le Rapport sur l’état de l’industrie 2024 de l’Institut d’optimisation des promotions, 80% des répondants ont déclaré qu’ils investissaient dans des solutions numériques ou des capacités analytiques pour soutenir de nouveaux processus de gestion de la croissance des revenus (RGM) et plonger plus profondément dans l’analyse de la croissance optimisée des promotions, des prix et des packs. Le rapport de l’Institut d’optimisation des promotions a également constaté que 54% prévoyaient d’adopter de nouvelles solutions de gestion des promotions commerciales et que 31% allaient intégrer des capacités de tarification automatisée.

De nombreux systèmes sont commercialisés comme des « solutions d’optimisation alimentées par l’IA » qui peuvent effectivement alléger les pressions inflationnistes et amplifier les revenus. Cependant, en réalité, ce n’est simplement pas le cas. À mesure que l’analyse avancée alimentée par des mathématiques sophistiquées et l’IA est de plus en plus intégrée dans les processus technologiques et commerciaux des entreprises, il est clair que non toutes les techniques mathématiques et l’IA peuvent réellement livrer une optimisation de la croissance des revenus à grande échelle. Les dirigeants de l’industrie des produits de consommation apprennent que leur définition de l’optimisation est obsolète et inexacte. L’industrie a historiquement défini « l’optimisation » comme l’utilisation de la modélisation de régression d’hier et de simulations de scénarios commerciaux. Ils réalisent que ces anciennes techniques ne sont que des techniques de prévision qui n’optimisent rien. Ils apprennent également que l’IA générative et les réseaux de neurones ne réalisent pas d’optimisation, mais peuvent être des techniques précieuses pour aider d’autres composants du parcours de transformation numérique d’une organisation.

Le paysage analytique évolue rapidement. Les sociétés d’analyse avancée doivent aider les partenaires de l’industrie des produits de consommation à développer la compréhension et la maturité de l’utilisation et de l’application spécifique de ces technologies dans leurs modèles opérationnels. L’optimisation n’est plus qu’un mot à la mode. C’est pleinement définissable et ses résultats sont déterminables et mesurables en équilibrant les contraintes à la fois du fabricant de produits de consommation et du détaillant. Ce degré d’optimisation basée sur les contraintes et ses avantages tangibles ne peut être atteint avec des techniques antiquées et des systèmes d’IA inapplicables.

En conséquence, il est essentiel pour les organisations de comprendre les capacités distinctes des outils d’optimisation de la croissance des revenus alimentés par l’IA et les mathématiques statistiques qu’ils adoptent. Séparer le bon grain de l’ivraie dans le monde de l’analyse avancée et de l’IA améliorera votre capacité à générer des revenus durables, à résister à la volatilité du marché et à devancer les concurrents de l’industrie.

C’est tout sur votre boîte à outils

Garantir que vous avez les outils mathématiques sophistiqués et les outils alimentés par l’IA appropriés dans votre boîte à outils vaut son poids en or lorsqu’il s’agit d’optimisation de la croissance des revenus. Par exemple, disons que vous vouliez couper un bloc d’acier. Cela pourrait théoriquement être réalisé avec une scie à main, sauf que cela prendrait des années pour réussir à couper complètement. Pendant ce temps, un chalumeau à acétylène le couperait en quelques secondes.

Il en va de même pour les technologies alimentées par l’IA. La plupart des formes d’IA utilisées dans les systèmes d’optimisation de la croissance des revenus de l’industrie des produits de consommation aujourd’hui ne peuvent pas tenir compte de la complexité réelle du marché. Ils utilisent de vieilles techniques de régression linéaire pour résoudre un problème qui est non linéaire par nature, en s’appuyant sur des modèles statistiques traditionnels qui optimisent une, deux, trois ou quatre contraintes statiques au lieu des deux ou trois douzaines de contraintes qui reflètent les considérations réelles du monde que les marques de l’industrie des produits de consommation naviguent quotidiennement. Cela conduit à une sous-performance analytique fondamentale qui entrave la génération effective de recommandations de croissance des revenus et les performances opérationnelles et le ROI à la fois pour le fabricant de produits de consommation et ses partenaires détaillants.

L’IA générative (GenAI) est un autre exemple de ce décalage. La chaîne de valeur de l’industrie des produits de consommation a des cas d’utilisation précieux pour les applications GenAI, mais l’optimisation de la croissance des revenus n’en fait pas partie. En effet, les modèles GenAI s’appuient sur des techniques basées sur les moteurs de recherche qui sont incapables de discerner le problème « de la poubelle dans, poubelle hors » et les réseaux de neurones de l’apprentissage automatique qui ne réalisent simplement pas d’optimisation.

Faciliter un problème mathématique

Il est important de se rappeler que la véritable optimisation de la croissance des revenus est un problème mathématique basé sur les contraintes et à haute dimension à son cœur. Les solutions alimentées par l’IA et les mathématiques sophistiquées qui utilisent l’apprentissage automatique de type « glass-box » sont nécessaires pour intégrer toutes les contraintes et les variables qui permettent à l’optimisation de livrer de la valeur à la fois pour le fabricant de produits de consommation et le détaillant. Cela garantit que le système est conçu pour comprendre fondamentalement l’environnement dans lequel une organisation opère et réaliser une véritable optimisation et générer des calendriers promotionnels qui créent de la valeur pour le fabricant et le détaillant. Ensuite, l’étape suivante consiste à optimiser les autres leviers clés de la gestion de la croissance des revenus avec des prix quotidiens, des promotions commerciales, des mélanges médias et des assortiments pour produire des recommandations holistiques alignées sur la demande des consommateurs dans des conditions qui stressent le prix quotidien normal.

Cette approche adaptée aux besoins permet de naviguer dans l’incertitude du marché, telle que des pénuries d’approvisionnement prolongées dues à un conflit géopolitique croissant ou des hausses de prix inattendues en raison d’un événement lié au climat. Si une sécheresse le long du canal de Panama contribue à augmenter le coût des matières premières, le système peut aider à déterminer une nouvelle structure de prix optimale qui 1) prend en compte l’emballage des consommateurs pour les coûts de production accrus tout en maintenant les marges, et 2) incite les consommateurs à choisir votre marque plutôt que les concurrents de l’industrie via des techniques promotionnelles efficaces.

Mesurer l’impact : l’efficacité post-événement

La détermination de l’impact du ROI des outils d’optimisation de la croissance des revenus nécessite une approche complète et calculée. Tout d’abord, concentrez-vous sur l’analyse post-événement des indicateurs de performance clés tels que les augmentations nettes incrémentielles des ventes, des bénéfices, des dollars sur les étagères de détail et de la pénétration du marché générés par vos dépenses en promotions commerciales. Les performances dans ces quatre piliers indiqueront l’impact de votre stratégie d’implémentation et identifieront les domaines d’amélioration nécessaires.

La deuxième catégorie majeure est le ratio d’efficacité commerciale. Pour chaque dollar dépensé en promotions commerciales, quel est le rendement moyen qu’il produit ? C’est crucial pour mettre à l’échelle les outils d’optimisation de la croissance des revenus dans le temps. L’exécution de ces deux facettes en parallèle positionnera les organisations pour naviguer avec succès dans la volatilité externe et capturer des parts de marché par rapport aux pairs de l’industrie. Un ROI solide ne concerne pas seulement les chiffres – c’est également une question de gain d’un avantage concurrentiel dans votre segment.

L’optimisation des revenus dans le paysage de l’industrie des produits de consommation est indéniablement complexe. Alors que la numérisation offre une promesse de simplification, les dirigeants d’entreprise doivent avoir une solide compréhension des outils mathématiques sophistiqués et des outils alimentés par l’IA qu’ils utilisent. La connaissance est le pouvoir, et elle élèvera finalement votre marque et la valorisation de votre entreprise au-dessus de la concurrence.