Mengapa Pemimpin CPG Harus Memisahkan Gandum dari Sekam untuk Optimasi Pertumbuhan Pendapatan yang Ditenagai AI

Optimisasi tidak hanya sebuah kata kunci lagi. Ini adalah hasil yang dapat didefinisikan dan diukur sepenuhnya yang tidak dapat dicapai dengan teknik kuno dan sistem AI yang tidak layak.

————————
Optimisasi pertumbuhan pendapatan adalah prioritas utama di seluruh sektor CPG saat ini. Ketidakpastian yang disebabkan oleh hambatan ekonomi global, inflasi yang berkepanjangan, tantangan rantai pasokan, dan perubahan perilaku pembeli telah meningkatkan pentingnya memahami bagaimana cara mendekode dan menavigasi kondisi yang berkembang untuk meningkatkan pendapatan dan keuntungan.

Bagi organisasi CPG, hal yang fundamental untuk kebutuhan kritis tersebut adalah kemampuan untuk mengoptimalkan secara holistik penggerak utama pertumbuhan pendapatan mereka (RGM) dengan mengatur harga, promosi, campuran media, dan kemasan produk konsumen dengan kondisi pasar yang berubah. Ini tidak pernah lebih kompleks di tengah efek riak dari preferensi konsumen yang berkembang, inflasi, ketegangan geopolitik, perubahan iklim, dan pergeseran populasi global – alasan utama mengapa lebih dari 75% dari produsen CPG kesulitan mengelola pengeluaran perdagangan modern perusahaan secara total, dan 70% dari eksekutif CPG lebih stres hari ini dibandingkan lima tahun yang lalu.

Dengan kompleksitas yang konstan, banyak organisasi memprioritaskan optimisasi pertumbuhan pendapatan yang digital sebagai mekanisme untuk menghadapi badai. Dalam Laporan Kondisi Industri 2024 dari Promotion Optimization Institute, 80% responden mengatakan bahwa mereka berinvestasi dalam solusi digital atau kemampuan analitis untuk mendukung proses RGM baru dan menyelami lebih dalam analisis pertumbuhan harga, promosi, dan kemasan yang dioptimalkan. Laporan POI juga menemukan bahwa 54% berencana untuk mengadopsi solusi manajemen promosi perdagangan baru dan 31% akan memulai integrasi kemampuan harga otomatis.

Banyak sistem dipasarkan sebagai “solusi optimisasi yang ditenagai AI” yang dapat efektif meringankan tekanan inflasi dan memperkuat pendapatan. Namun, dalam kenyataan, itu tidak benar-benar terjadi. Ketika analitik lanjutan yang ditenagai oleh matematika canggih dan AI menjadi semakin terintegrasi ke dalam teknologi dan proses bisnis perusahaan, jelas bahwa tidak semua teknik matematika dan AI dapat menghasilkan optimisasi pertumbuhan pendapatan yang sebenarnya. Pemimpin CPG sedang belajar bahwa definisi mereka tentang optimisasi sudah ketinggalan zaman dan tidak akurat. Industri ini secara historis mendefinisikan “optimisasi” sebagai penggunaan model regresi kemarin dan simulasi skenario bisnis. Mereka menyadari bahwa teknik-teknik lama ini hanya merupakan teknik peramalan yang tidak mengoptimalkan apa pun. Mereka juga belajar bahwa AI Generatif dan jaringan saraf tidak melakukan optimisasi, tetapi dapat menjadi teknik yang berharga dalam membantu komponen lain dari perjalanan transformasi digital organisasi.

Lanskap analitik berubah dengan cepat. Perusahaan analitik lanjutan perlu membantu mitra CPG membangun pemahaman dan kematangan tentang penggunaan dan aplikasi spesifik teknologi ini dalam model operasional mereka. Optimisasi tidak hanya sebuah kata kunci lagi. Ini sepenuhnya dapat didefinisikan dan hasilnya dapat diukur dengan menyeimbangkan keterbatasan baik dari produsen CPG dan pengecer secara bersamaan. Tingkat optimisasi berbasis keterbatasan ini dan manfaatnya yang nyata tidak dapat dicapai dengan teknik kuno dan sistem AI yang tidak layak.

Pada gilirannya, sangat penting bagi organisasi untuk memahami kemampuan yang berbeda dari alat optimisasi pertumbuhan pendapatan yang ditenagai AI dan matematika statistik yang mereka adopsi. Memisahkan gandum dari sekam di dunia analitik lanjutan dan AI akan meningkatkan kemampuan Anda untuk menghasilkan pendapatan yang berkelanjutan, menghadapi volatilitas pasar, dan mengungguli pesaing industri.

Ini Semua Tentang Toolbox Anda

Memastikan Anda memiliki alat matematika canggih dan AI yang tepat di toolbox Anda sangat berharga ketika berbicara tentang optimisasi pertumbuhan pendapatan. Misalnya, katakanlah Anda ingin memotong blok baja. Ini secara teoretis dapat dilakukan dengan gergaji, kecuali bahwa akan membutuhkan waktu bertahun-tahun untuk berhasil memotong semua jalan melalui. Sementara itu, obor asetilen akan memotongnya dalam hitungan detik.

Hal yang sama berlaku untuk teknologi yang ditenagai AI. Sebagian besar bentuk AI yang digunakan dalam sistem optimisasi pertumbuhan pendapatan CPG saat ini tidak dapat mempertimbangkan kompleksitas pasar dunia nyata. Mereka menggunakan teknik regresi linier lama untuk menyelesaikan masalah yang non-linier, mengandalkan model statistik tradisional yang mengoptimalkan satu, dua, tiga, atau empat keterbatasan statis bukan dua atau tiga lusin keterbatasan yang mencerminkan pertimbangan dunia nyata yang dinavigasi oleh merek CPG setiap hari. Ini menyebabkan kinerja analitik yang mendasarinya yang menghambat generasi rekomendasi pertumbuhan pendapatan yang efektif dan kinerja operasional serta ROI untuk baik produsen CPG dan mitra ritel mereka.

AI Generatif (GenAI) adalah contoh lain dari ketidaksesuaian ini. Rantai nilai CPG memiliki kasus penggunaan yang berharga untuk aplikasi GenAI, tetapi optimisasi pertumbuhan pendapatan bukanlah salah satunya. Ini karena model GenAI bergantung pada teknik berbasis mesin pencari yang tidak dapat membedakan “sampah masuk dari sampah keluar” dan jaringan saraf pembelajaran mesin yang tidak melakukan optimisasi.

Memfasilitasi Masalah Matematika

Penting untuk diingat bahwa optimisasi pertumbuhan pendapatan yang sebenarnya adalah masalah matematika berbasis keterbatasan, multidimensi di intinya. Solusi matematika canggih dan AI yang menggunakan pembelajaran mesin kaca adalah diperlukan untuk mengincorporasi semua keterbatasan dan variabel yang memungkinkan optimisasi untuk menghasilkan nilai bagi baik produsen CPG dan pengecer secara bersamaan. Ini memastikan sistem dirancang untuk memahami secara fundamental lingkungan di mana sebuah organisasi beroperasi dan melakukan optimisasi yang sebenarnya serta menghasilkan kalender promosi perdagangan yang menghasilkan nilai bagi produsen dan pengecer. Kemudian, langkah berikutnya adalah mengoptimalkan tuas kunci lain dari manajemen pertumbuhan pendapatan dengan harga sehari-hari, promosi perdagangan, campuran media, dan asortimen untuk menghasilkan rekomendasi holistik yang selaras dengan permintaan konsumen di bawah kondisi yang menekan harga normal sehari-hari.

Pendekatan ini sesuai untuk navigasi ketidakpastian pasar seperti kekurangan pasokan yang memanjang dari konflik geopolitik yang meningkat atau kenaikan harga yang tidak terduga dari peristiwa terkait iklim. Jika kekeringan di sepanjang Terusan Panama membantu meningkatkan biaya bahan baku, sistem dapat membantu menentukan struktur harga optimal baru yang 1) mengakomodasi kemasan konsumen untuk biaya produksi yang meningkat sambil mempertahankan margin, dan 2) mendorong konsumen untuk memilih merek Anda daripada pesaing industri melalui teknik promosi yang efektif.

Mengukur Dampak: Efektivitas Pasca-Peristiwa

Menentukan dampak ROI dari alat optimisasi pertumbuhan pendapatan memerlukan pendekatan yang komprehensif dan terukur. Pertama, fokus pada analisis pasca-peristiwa dari KPI inti seperti peningkatan bersih dalam penjualan, keuntungan, dolar rak toko, dan penetrasi pasar yang dihasilkan dari pengeluaran promosi perdagangan Anda. Kinerja di seluruh empat pilar ini akan menunjukkan dampak strategi implementasi Anda dan mengidentifikasi area yang memerlukan perbaikan.

Kategori utama kedua adalah rasio efektivitas perdagangan. Untuk setiap dolar yang dihabiskan dalam perdagangan, apa rata-rata pengembalian yang dihasilkannya? Ini sangat penting untuk menskalakan alat optimisasi pertumbuhan pendapatan dari waktu ke waktu. Melaksanakan kedua aspek ini secara bersamaan akan memposisikan organisasi untuk sukses menghadapi volatilitas eksternal dan merebut pangsa pasar di atas pesaing industri. ROI yang kuat tidak hanya tentang angka – itu juga tentang mendapatkan keunggulan kompetitif di segmen Anda.

Mengoptimalkan pendapatan di seluruh lanskap CPG tidak dapat disangkal kompleks. Sementara digitalisasi menawarkan janji untuk menyederhanakannya, pemimpin perusahaan harus memiliki pemahaman yang kuat tentang alat matematika canggih dan AI yang mereka gunakan. Pengetahuan adalah kekuatan, dan pada akhirnya akan meningkatkan merek dan valuasi perusahaan Anda di atas yang lain.