Perché i leader dei beni di largo consumo devono separare il grano dalla pula per una reale ottimizzazione della crescita dei ricavi basata sull'intelligenza artificiale

L'ottimizzazione non è più solo una parola d'ordine. È un risultato pienamente definibile e misurabile che non può essere raggiunto con tecniche antiquate e sistemi di intelligenza artificiale irrealizzabili.

--------
L’ottimizzazione della crescita dei ricavi è oggi una priorità assoluta nel settore dei beni di largo consumo. L’incertezza guidata dalle difficoltà economiche globali, dall’inflazione persistente, dalle sfide della catena di fornitura e dal cambiamento del comportamento degli acquirenti ha intensificato l’importanza di capire come decodificare e affrontare sistematicamente le condizioni in evoluzione per generare maggiori entrate e profitti.

Per le organizzazioni di beni di largo consumo, fondamentale per rispondere a questa esigenza fondamentale è la capacità di ottimizzare olisticamente i principali fattori di gestione della crescita dei ricavi (RGM) allineando prezzi, promozioni, mix di media e packaging dei prodotti di consumo con condizioni di mercato mutevoli. Ciò non è mai stato così complesso tra gli effetti a catena dell’evoluzione delle preferenze dei consumatori, dell’inflazione, delle tensioni geopolitiche, del cambiamento climatico e degli spostamenti della popolazione globale – una delle ragioni principali per cui più di 75% dei produttori di beni di largo consumo stanno lottando per gestire la spesa totale del commercio moderno delle imprese, e Il 70% dei dirigenti del settore CPG sono più stressati oggi rispetto a cinque anni fa.

Poiché la complessità è una costante, molte organizzazioni stanno dando priorità all’ottimizzazione della crescita dei ricavi digitalizzati come meccanismo per superare la tempesta. Presso il Promotion Optimization Institute Rapporto sullo stato del settore 2024, l'80% degli intervistati ha dichiarato di investire in soluzioni digitali o capacità analitiche per supportare nuovi processi di gestione della crescita dei ricavi (RGM) e di approfondire l'analisi ottimizzata di promozioni, prezzi e crescita delle confezioni. Il rapporto POI ha inoltre rilevato che il 54% prevede di adottare nuove soluzioni di gestione della promozione commerciale e il 31% si imbarcherebbe nell'integrazione di funzionalità di determinazione dei prezzi automatizzate.

Molti sistemi sono commercializzati come “soluzioni di ottimizzazione abilitate all’intelligenza artificiale” che possono alleviare efficacemente le pressioni inflazionistiche e amplificare le entrate. Tuttavia, in realtà, semplicemente non è così. Poiché l'analisi avanzata resa possibile dalla matematica sofisticata e dall'intelligenza artificiale è diventata sempre più integrata nella tecnologia e nei processi aziendali delle imprese, è chiaro che non tutte le tecniche matematiche e l'intelligenza artificiale possono fornire un'effettiva ottimizzazione della crescita dei ricavi su larga scala. I leader dei beni di largo consumo stanno imparando che la loro definizione di ottimizzazione è obsoleta e imprecisa. Storicamente il settore ha definito “ottimizzazione” l'utilizzo di modelli di regressione e simulazioni di scenari aziendali del passato. Si stanno rendendo conto che queste tecniche più vecchie sono semplicemente tecniche di previsione che non ottimizzano nulla. Stanno anche imparando che l'intelligenza artificiale generativa e le reti neurali non eseguono l'ottimizzazione, ma possono essere tecniche preziose per assistere altri componenti del percorso di trasformazione digitale di un'organizzazione.

Il panorama dell’analisi sta cambiando rapidamente. Le società di analisi avanzata devono aiutare i partner del settore dei beni di largo consumo a sviluppare comprensione e maturità sull’uso e sull’applicazione specifica di queste tecnologie all’interno dei loro modelli operativi. L'ottimizzazione non è più solo una parola d'ordine. È completamente definibile e i suoi risultati sono determinabili e misurabili bilanciando simultaneamente i vincoli sia del produttore di beni di largo consumo che del rivenditore. Questo grado di ottimizzazione basata su vincoli e i suoi vantaggi tangibili non possono essere raggiunti con tecniche antiquate e sistemi di intelligenza artificiale irrealizzabili.

A sua volta, è fondamentale che le organizzazioni comprendano le distinte capacità degli strumenti di matematica statistica e di ottimizzazione della crescita dei ricavi abilitati all’intelligenza artificiale che stanno adottando. Separare il grano dalla pula nel mondo dell’analisi avanzata e dell’intelligenza artificiale migliorerà la tua capacità di generare entrate sostenibili, resistere alla volatilità del mercato e superare i concorrenti del settore.

È tutto sulla tua cassetta degli attrezzi

Garantirti di avere gli strumenti matematici e di intelligenza artificiale giusti e sofisticati nella tua cassetta degli attrezzi vale tanto oro quando si tratta di ottimizzare la crescita dei ricavi. Ad esempio, supponiamo che tu voglia tagliare un blocco di acciaio. In teoria potrebbe essere realizzato con un seghetto, tranne che ci vorrebbero anni per tagliare con successo fino in fondo. Nel frattempo una torcia ad acetilene lo taglierebbe in pochi secondi.

Lo stesso vale per le tecnologie abilitate all’intelligenza artificiale. La maggior parte delle forme di intelligenza artificiale utilizzate oggi nei sistemi di ottimizzazione della crescita dei ricavi dei beni di largo consumo non possono tenere conto della complessità del mercato reale. Sfruttano le vecchie tecniche di regressione lineare per risolvere un problema di natura non lineare, basandosi su modelli statistici tradizionali che ottimizzano uno, due, tre o quattro vincoli statici invece delle due o tre dozzine di vincoli che riflettono le considerazioni del mondo reale che I marchi di beni di largo consumo navigano quotidianamente. Ciò porta a una sottoperformance analitica dei fondamentali che ostacola la generazione di raccomandazioni efficaci sulla crescita dei ricavi, le prestazioni operative e il ROI sia per il produttore di beni di largo consumo che per i suoi partner di vendita al dettaglio.

L’intelligenza artificiale generativa (GenAI) è un altro esempio di questo disallineamento. La catena del valore dei beni di largo consumo presenta casi d'uso preziosi per le applicazioni GenAI, ma l'ottimizzazione della crescita dei ricavi non è uno di questi. Questo perché i modelli GenAI si basano su tecniche basate sui motori di ricerca che non sono in grado di distinguere il problema della “spazzatura in entrata da quella in uscita” e sull’apprendimento automatico delle reti neurali che semplicemente non eseguono l’ottimizzazione.

Facilitare un problema di matematica

È importante ricordare che la vera ottimizzazione della crescita del fatturato è fondamentalmente un problema matematico ad alta dimensionalità basato su vincoli. Sono necessarie soluzioni matematiche e di intelligenza artificiale sofisticate che sfruttano l'apprendimento automatico "glass-box" per incorporare tutti i vincoli e le variabili che consentono l'ottimizzazione per generare valore simultaneamente sia per il produttore di beni di largo consumo che per il rivenditore. Ciò garantisce che il sistema sia progettato per comprendere a fondo l'ambiente in cui opera un'organizzazione, eseguire una vera ottimizzazione e generare calendari promozionali commerciali che generino valore per il produttore e il rivenditore. Il passo successivo è quindi ottimizzare le altre leve chiave della gestione della crescita del fatturato, con prezzi giornalieri, promozioni commerciali, media mix e assortimento, per produrre raccomandazioni olistiche in linea con la domanda dei consumatori in condizioni che mettono a dura prova il prezzo giornaliero.

Questo approccio adeguato allo scopo spiega la capacità di affrontare l’incertezza del mercato, come una prolungata carenza di offerta dovuta a un crescente conflitto geopolitico o aumenti inattesi dei prezzi a causa di un evento legato al clima. Se una siccità lungo il Canale di Panama contribuisce ad aumentare il costo delle materie prime, il sistema può aiutare a determinare una nuova struttura ottimale dei prezzi che 1) soddisfa gli imballaggi dei consumatori per aumentare i costi di produzione mantenendo i margini, e 2) incentiva i consumatori a selezionare il proprio marchio rispetto a concorrenti del settore attraverso efficaci tecniche promozionali.

Misurare l'impatto: efficacia post-evento

Determinare l'impatto sul ROI degli strumenti di ottimizzazione della crescita dei ricavi richiede un approccio globale e calcolato. Innanzitutto, concentrati sull'analisi post-evento dei KPI principali come gli aumenti incrementali netti delle vendite, dei profitti, del valore degli scaffali al dettaglio e della penetrazione del mercato generata dalla spesa per la promozione commerciale. Le prestazioni di questi quattro pilastri indicheranno l'impatto della strategia di implementazione e identificheranno le aree di miglioramento necessarie.

La seconda categoria principale è l'indice di efficacia commerciale. Per ogni dollaro speso in attività commerciali, qual è il rendimento medio prodotto? Questo è fondamentale per scalare gli strumenti di ottimizzazione della crescita del fatturato nel tempo. L'esecuzione sinergica di entrambi gli aspetti consentirà alle aziende di gestire con successo la volatilità esterna e di conquistare quote di mercato rispetto ai concorrenti del settore. Un ROI solido non è solo una questione di numeri, ma anche di acquisire un vantaggio competitivo nel proprio segmento.

Ottimizzare le entrate nel panorama dei beni di largo consumo è innegabilmente complesso. Sebbene la digitalizzazione offra la promessa di semplificarla, i leader aziendali devono avere una conoscenza approfondita dei sofisticati strumenti matematici e di intelligenza artificiale che stanno sfruttando. La conoscenza è potere e alla fine aumenterà la valutazione del tuo marchio e della tua azienda al di sopra della media.