सीपीजी – अपने डेटा पर अधिक बारीकी से देखने का समय है

पारंपरिक मांग योजना और विज्ञापन कुकी में क्या समानता है? वे दोनों अधिक परिष्कृत चीजों से बदले जा रहे हैं। क्यों? क्योंकि प्रत्येक मामले में, वे सही डेटा और विश्लेषण से चूक जाते हैं जो आपको अपने उपभोक्ता को समझने के तरीके में भ्रमित करेंगे।

मांग योजना और ऐतिहासिक बिक्री डेटा पर निर्भरता

पारंपरिक मांग प्रबंधन सभी ग्राहकों के लिए एक निश्चित समय अवधि में ऐतिहासिक बिक्री और शिपमेंट डेटा से शुरू होता है ताकि बेसलाइन राजस्व और इकाई पूर्वानुमान किया जा सके। पूर्वानुमान विभिन्न स्तरों पर किया जाता है, जो स्टॉक कीपिंग यूनिट (एसकेयू) और उस एसकेयू के साथ जुड़े वितरण केंद्रों (डीसी) और कारखानों की संख्या पर निर्भर करता है। फिर इस पूर्वानुमान को बिक्री, विपणन और वित्त कार्यों के बीच मालिश की जाती है ताकि यह माना जा सके कि पिछले प्रदर्शन के आधार पर एक उचित, प्राप्त करने योग्य विकास लक्ष्य है। यह विनिर्माण योजनाओं का निर्माण करने के लिए उपयोग किया जाता है, अक्सर मासिक अनुसूची (उदाहरण के लिए, एसकेयू द्वारा कारखाने द्वारा महीने) पर। उत्पादन योजना, आदर्श रूप से डीसी-स्तर के पूर्वानुमान के संयोजन में, तब कारखाने से डीसी तक डिलीवरी के लिए पुनर्भरण योजना को चलाता है। सभी एक उचित, सहमति वाली योजना प्रदान करने के लिए।

हालांकि, मांग योजनाकारों ने महसूस किया है कि ऐतिहासिक बिक्री डेटा आज या कल उपभोक्ता की जरूरतों को देखने के लिए पर्याप्त नहीं है। महामारी का प्रभाव, और इसके बाद की आपूर्ति श्रृंखला चुनौतियां, इसे बहुत स्पष्ट बना दिया। इसके अलावा, सीधे उपभोक्ता खरीद विकल्पों ने योजना प्रक्रिया को और अधिक जटिल बना दिया है। पिछले प्रदर्शन डेटा निकट भविष्य में उपभोक्ता व्यवहार में परिवर्तन को प्रतिबिंबित नहीं करता है, न ही यह उपभोक्ता व्यवहार और आपूर्तिकर्ता व्यवधान में तेजी से बदलाव के साथ तालमेल बिठा सकता है।

लेकिन विज्ञापन कुकी के लिए तुलना कहाँ है?

20 से अधिक वर्षों से, सीपीजी विज्ञापनदाताओं ने विज्ञापन पैमाने और प्रदर्शन-चालित विपणन के लिए तीसरे पक्ष की कुकीज़ पर निर्भर किया है जो उनके विज्ञापन खर्च को निर्देशित करता है। मीडिया साइटों के साथ एक-एक करके सौदे करने के बजाय, बिना किसी डेटा के जो एक साइट के मूल्य की पुष्टि कर सके, कुकीज़ और प्रोग्रामेटिक मार्केटिंग विज्ञापन को कुछ ऐसा बनाने में विकसित हुई जो अधिक आसानी से मापने योग्य और उचित ठहराने योग्य हो। मेर्कले प्रदर्शन मार्केटिंग एजेंसी के यूएस रणनीति के प्रमुख मैट नेगर के अनुसार, “हम तीसरे पक्ष की कुकीज़ पर थोड़ा निर्भर हो गए क्योंकि यह आसान, तेज़ और कम योजना और एकीकरण [पारंपरिक विपणन की तुलना में] की आवश्यकता थी।”

हालांकि, गोपनीयता नियमों और विज्ञापन अवरोधकों के उदय से पहले ही, कुकी डेटा की सटीकता पर सवाल उठ गया था। उपभोक्ताओं को अपनी कुकी कैश को साफ़ करने का विकल्प दिया गया था, जो वास्तविक उपभोक्ता हित को कम आंकने का काम करता था। और इसके विपरीत, नकली विज्ञापन यातायात की अधिकता ने वास्तविक हित को गंभीर रूप से अधिक आंका।

कार्रवाई के परिणामों की कमी और कुकीज़ पर अत्यधिक निर्भरता ने यूके-स्थित विज्ञापन एजेंसी डब्ल्यूपीपी के सीटीओ स्टीफन प्रेटोरियस को यह कहने के लिए प्रेरित किया “मैं तीसरे पक्ष की कुकीज़ के निधन से विशेष रूप से दुखी नहीं हूं क्योंकि वे कभी भी वास्तव में सटीक नहीं थे, कभी भी वास्तव में उपयोगी नहीं थे, और मुझे लगता है कि यह पूरी चीज़ ने हमें यह सोचने में मदद की है कि कौन सा डेटा महत्वपूर्ण है।”

कुकी के लिए, नए और अधिक परिष्कृत दृष्टिकोण – जो व्यक्तिगत पहचान की रक्षा करते हैं लेकिन अभी भी संभावित खरीदारों की पहचान करते हैं – आगे आ रहे हैं। ब्राउज़र-आधारित कोहोर्ट असाइनमेंट, गतिविधि-विरुद्ध-व्यक्तिगत-IDENTITY-ASSIGNED आईडी, और पहले पक्ष के डेटा जैसे दृष्टिकोण – सक्रिय रूप से अन्वेषण किए जा रहे हैं। इसके अलावा, एआई और मशीन लर्निंग मॉडल अब ऐसे अंतर्दृष्टि प्रदान कर सकते हैं जो विज्ञापनों को मापने योग्य रूप से अधिक प्रभावी बनाने में मदद करते हैं – उपभोक्ताओं को आकर्षित करने के बजाय ट्रैकिंग।

मांग योजना के लिए, तुलना समान है। मांग योजना का केंद्र उपभोक्ता मांग की भविष्यवाणी करना और हर मांग चालक को समझना है जो उपभोक्ता मांग को आकार देता है। ऐतिहासिक डेटा और शिपमेंट कभी भी जानकारी का एक अच्छा स्रोत नहीं थे, और बिक्री, विपणन और वित्त के बीच अंतर्निहित पूर्वाग्रह एक बेहतर पूर्वानुमान का उत्पादन नहीं करेगा। इन विश्वासों में अधिक विश्वास निकट और स्थानीय स्थितियों के प्रभाव और बदलावों को पकड़ने में विफल रहा। और कुकी की तरह, अधिक डेटा, बेहतर स्रोत, और नए प्रक्रियाएं एआई और मशीन लर्निंग के साथ मिलकर एक बेहतर मार्ग प्रदान करती हैं।

मांग योजना का समाधान क्या है?

मांग योजनाकार आज के बाजारों में अस्थिरता और जटिलता के परिणामस्वरूप अपनी योजना पूर्वानुमान की सटीकता पर अधिक बारीकी से देख रहे हैं। विशेष रूप से, तीन क्षेत्र पूर्वानुमान की असटीकता में योगदानकर्ता के रूप में खड़े हैं:

• वास्तविक समय बिक्री डेटा और अन्य डेटा स्रोतों का उपयोग करने वाले मॉडल की अनुपस्थिति, जो मांग को प्रभावित करने वाले कारकों के लिए पूर्वानुमान को बेहतर ढंग से समायोजित करेगा;
• मशीन लर्निंग जो सबसे अधिक सटीक पूर्वानुमान के लिए कार्य करने के लिए सही स्तर और/या समूहन का पता लगाता है; और
• एआई मॉडलिंग पद्धतियाँ जो भविष्य की मांग विचार में शामिल नहीं होने वाली खोई हुई बिक्री के लिए खाता है।

एक बार फिर, बेहतर डेटा और डेटा विज्ञान इन चुनौतियों का समाधान कर सकते हैं। सीपीजी फर्म अपनी योजना प्रक्रिया में एआई और मशीन लर्निंग अंतर्दृष्टि के साथ एक नई परत की योजना विशेषज्ञता बना रही है, जो व्यापक डेटा और उन्नत मॉडलिंग तकनीकों पर आधारित है।

निवेश के क्षेत्रों में शामिल हैं:

• मांग संवेदन – निकट भविष्य के डेटा का लाभ उठाना – जिसमें ऑर्डर स्थिति, हाल के बिक्री डेटा, खुदरा विक्रेता इन्वेंट्री, प्रचार कार्यान्वयन, खुदरा मूल्य निर्धारण, उत्पाद और स्थान-विशिष्ट विशेषताएं, सामाजिक मीडिया भावना, और इन्वेंट्री लागत कारक – जो मॉडल में अधिक बार चलाए जाते हैं ताकि हाल के अंतर्दृष्टि और बार-बार की कार्रवाई के साथ अल्पकालिक मांग प्रतिक्रिया में सुधार हो सके;

• इन्वेंट्री अनुकूलन – मशीन लर्निंग दृष्टिकोण जो खोए हुए या अतिरिक्त बिक्री की संभावनाओं का मूल्यांकन करते हैं और पूर्वानुमान डेटा में इन अंतर्दृष्टि को शामिल करने के लिए भरपाई के लिए;

• डायनामिक एग्रीगेशन – एक एआई दृष्टिकोण जो अधिक विस्तृत स्तरों पर डेटा की उच्च परिवर्तनशीलता को पार करता है जो उच्च स्तरों पर पूर्वानुमान सटीकता को प्रभावित कर सकता है।

इन नए दृष्टिकोण, और अधिक, मांग पूर्वानुमान को अधिक सटीक, अधिक प्रतिक्रियाशील और कम अस्थिर बनाने में मदद कर रहे हैं। इसके अलावा, वे मांग योजना व्यवसाय प्रक्रिया में योगदान करते हैं जो श्रमसाध्य मैनुअल स्प्रेडशीट कार्यों को स्वचालित करते हैं, आसानी से अधिक आंतरिक और बाहरी डेटा को शामिल करने के लिए स्केल करते हैं, और, इन मॉडल्स के निर्मित सीखने के पहलू के कारण, समय के साथ निरंतर सुधार में योगदान करते हैं।

इससे बचना असंभव है: एक दुनिया जहां ग्राहकों को आकर्षित करना एक ट्रैकिंग तंत्र के माध्यम से किया जा सकता है – और जो वे कल चाहते हैं उसकी आपूर्ति करना केवल अतीत में क्या खरीदा गया था पर आधारित है – गायब हो रही है। उपभोक्ता के बारे में अधिक जानने के लिए डेटा में गहराई से खुदाई करने का अवसर अधिक व्यापक और स्थायी बिक्री वृद्धि के लिए है। एआई-संचालित पूर्वानुमान, योजना और मूल्य निर्धारण समाधानों के बारे में अधिक जानकारी के लिए यहां क्लिक करें。