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

Optimisasi bukan hanya sebuah kata trend lagi. Ini adalah hasil yang dapat didefinisikan dan diukur dengan baik yang tidak dapat dicapai dengan teknik kuno dan sistem AI yang tidak memadai.

————————
Mengoptimalkan pertumbuhan pendapatan adalah prioritas utama di sektor CPG saat ini. Ketidakpastian yang dipicu oleh hambatan ekonomi global, inflasi yang berkelanjutan, 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 ini memerlukan kemampuan untuk mengoptimalkan secara holistik penggerak utama pertumbuhan pendapatan mereka dengan menghubungkan 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 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 digital sebagai mekanisme untuk menghadapi badai. Dalam Laporan Keadaan Industri 2024 dari Promotion Optimization Institute, 80% responden mengatakan mereka berinvestasi dalam solusi digital atau kemampuan analitis untuk mendukung proses pengelolaan pertumbuhan pendapatan baru dan menganalisis promosi, harga, dan pertumbuhan kemasan yang dioptimalkan. Laporan POI juga menemukan 54% berencana untuk mengadopsi solusi pengelolaan promosi perdagangan baru dan 31% akan memulai integrasi kemampuan harga otomatis.

Banyak sistem dipasarkan sebagai “solusi optimisasi yang ditenagai AI” yang dapat meredakan tekanan inflasi dan meningkatkan pendapatan. Namun, kenyataannya, itu tidak benar. Ketika analitik canggih yang ditenagai oleh matematika sofistikasi dan AI 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 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 canggih perlu membantu mitra CPG membangun pemahaman dan kematangan tentang penggunaan dan aplikasi spesifik teknologi ini dalam model operasional mereka. Optimisasi bukan hanya sebuah kata trend lagi. Ini sepenuhnya dapat didefinisikan dan hasilnya dapat diukur dengan baik dengan menyeimbangkan kendala baik dari produsen CPG dan pengecer secara bersamaan. Tingkat optimisasi berbasis kendala ini dan manfaatnya yang nyata tidak dapat dicapai dengan teknik kuno dan sistem AI yang tidak memadai.

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

Ini Semua Tentang Kotak Peralatan Anda

Mempastikan Anda memiliki peralatan matematika sofistikasi dan AI yang tepat di kotak peralatan Anda sangat berharga ketika datang ke optimisasi pertumbuhan pendapatan. Misalnya, katakanlah Anda ingin memotong balok baja. Ini secara teoretis dapat dilakukan dengan gergaji, kecuali bahwa akan memakan waktu bertahun-tahun untuk berhasil memotong seluruhnya. Sementara itu, obor asetilen akan memotongnya dalam beberapa 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 memperhitungkan 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 kendala statis, bukan dua atau tiga lusin kendala yang mencerminkan pertimbangan dunia nyata yang dinegosiasikan oleh merek CPG setiap hari. Ini menyebabkan kinerja analitik yang mendasarinya terhambat, yang menghambat generasi rekomendasi pertumbuhan pendapatan yang efektif dan kinerja operasional serta ROI untuk baik produsen CPG dan mitra pengecer 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 mengandalkan teknik berbasis mesin pencari yang tidak dapat membedakan “sampah masuk dari sampah keluar” dan pembelajaran mesin jaringan saraf yang tidak melakukan optimisasi.

Mengfasilitasi Masalah Matematika

Penting untuk diingat bahwa optimisasi pertumbuhan pendapatan yang sebenarnya adalah masalah matematika berbasis kendala dengan dimensi tinggi di intinya. Solusi matematika sofistikasi dan AI yang menggunakan pembelajaran mesin “glass-box” diperlukan untuk mengintegrasikan semua kendala dan variabel yang memungkinkan optimisasi untuk menghasilkan nilai bagi produsen CPG dan pengecer secara bersamaan. Ini memastikan sistem dirancang untuk memahami secara fundamental lingkungan di mana organisasi beroperasi dan melakukan optimisasi yang sebenarnya serta menghasilkan kalender promosi perdagangan yang menghasilkan nilai bagi produsen dan pengecer. Kemudian, langkah selanjutnya adalah mengoptimalkan penggerak kunci lain dari pengelolaan pertumbuhan pendapatan seperti harga sehari-hari, promosi perdagangan, campuran media, dan asortimen untuk menghasilkan rekomendasi holistik yang selaras dengan permintaan konsumen di bawah kondisi yang menekan harga sehari-hari.

Pendekatan ini mempertimbangkan navigasi ketidakpastian pasar seperti kekurangan pasokan yang diperpanjang 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 ritel, 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 berhasil menavigasi volatilitas eksternal dan mengambil bagian pasar di atas rekan industri. ROI yang kuat tidak hanya tentang angka – ini juga tentang mendapatkan keunggulan kompetitif di segmen Anda.

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