CPGリーダーが真のAIパワードの収益成長最適化のために、良質なものと悪質なものを区別する必要性

最適化はもうただの流行語ではありません。完全に定義可能で測定可能な結果であり、古い手法や実現不可能なAIシステムでは達成できないものです。

————————
収益成長の最適化は、現在のCPGセクターで最優先事項です。グローバル経済の頭風、持続的なインフレ、サプライチェーンの課題、買い手の行動の変化によって引き起こされる不確実性は、収益と利益の増加を達成するために、変化する状況を体系的に解読して航行する方法を理解することの重要性を強調しています。

CPG組織にとって、収益成長管理（RGM）のトップレベルのドライバーを包括的に最適化する能力は、価格、プロモーション、メディアミックス、消費者向け製品パッケージを変化する市場状況と一致させることです。これは、消費者嗜好、インフレ、地政学的緊張、気候変動、世界人口の変化などの影響で、複雑化しています。CPGメーカーの約75%が、モダンなトレードスペンドを管理するのに苦労しており、CPG幹部の70%が、5年前に比べて今よりストレスを感じているという理由で、これが主な理由です。

多くの組織は、デジタル化された収益成長最適化を、嵐を切り抜けるメカニズムとして優先しています。プロモーション最適化研究所の2024年産業状況報告書によると、80%の回答者は、新しいRGMプロセスをサポートし、最適化されたプロモーション、価格、パック成長分析をより深く理解するために、デジタルソリューションまたは分析機能に投資していると述べました。POI報告書では、54%の企業が新しいトレードプロモーション管理ソリューションを採用し、31%の企業が自動化された価格設定機能の統合を開始する予定であることも明らかになりました。

多くのシステムは、「AIエナブル最適化ソリューション」としてマーケティングされており、インフレ圧力を軽減し、収益を増やすことができます。しかし、実際にはそうではありません。高度な分析が企業のテクノロジーとビジネスプロセスに統合されるにつれて、すべての数学的手法とAIが実際の収益成長最適化を大規模に提供できるわけではないことが明らかになっています。CPGリーダーは、最適化の定義が古くなっていて不正確であることを学んでいます。業界は従来、「最適化」という用語を、昨日の回帰分析とビジネスシナリオシミュレーションの使用として定義してきました。これらの古い手法は、単に予測手法であり、最適化を行わないものです。また、生成AIとニューラルネットは最適化を行わず、組織のデジタル変革の他のコンポーネントを支援するための貴重な手法であることもわかっています。

分析の風景は急速に変化しています。高度な分析会社は、CPGパートナーがこれらのテクノロジーの使用と特定の適用について理解と成熟度を築くことを支援する必要があります。最適化はもうただの流行語ではありません。完全に定義可能で、その成果は、CPGメーカーと小売業者の両方の制約をバランスよくすることで、決定可能で測定可能です。この程度の制約ベースの最適化とその有形な利点は、古い手法と実現不可能なAIシステムでは達成できないものです。

そのため、組織は、採用している収益成長最適化ツールの統計数学とAIの特定の能力を理解することが重要です。高度な分析とAIの世界で良質なものと悪質なものを区別することで、持続可能な収益を推進し、市場の変動に耐え、業界の競合他社を上回る能力が向上します。

ツールボックスについて

収益成長最適化のための高度な数学とAIツールをツールボックスに持っていることは、価値があることです。たとえば、鋼鉄のブロックを切断したいとします。理論的には、はさみで切断できますが、完了するまでに数年かかります。一方、アセチレンターチで切断すると、数秒で完了します。

AIエナブルテクノロジーも同様です。今日のCPG収益成長最適化システムで使用されているほとんどのAIは、現実の市場の複雑さを考慮することができません。非線形の問題を解決するために、古い線形回帰手法を使用し、1、2、3、または4つの静的な制約を最適化する代わりに、CPGブランドが毎日乗り越える2〜3十の制約を最適化します。これにより、分析の基本的な不適切なパフォーマンスが発生し、CPGメーカーと小売業者にとって、収益成長の推奨と運用のパフォーマンスおよびROIが効果的に生成されません。

生成AI（GenAI）は、もう1つのこの不一致の例です。CPGバリューチェーンには、GenAIアプリケーションに貴重なユースケースがありますが、収益成長最適化ではそうではありません。これは、GenAIモデルが、ガベージインガベージアウトの問題を区別できない検索エンジンベースの手法に依存し、ニューラルネットマシンラーニングが最適化を実行できないためです。

数学の問題を促進する

真の収益成長最適化は、コアで制約ベースの高次元の数学の問題であることを覚えておくことが重要です。グラスボックスマシンラーニングを使用する高度な数学とAIソリューションは、CPGメーカーと小売業者の両方に同時に価値を提供する最適化を実現するために、すべての制約と変数を組み込む必要があります。これにより、システムは、組織が運営する環境を根本的に理解し、真の最適化を実行して、メーカーと小売業者の両方に価値をもたらすトレードプロモーションカレンダーを生成できます。次に、毎日の価格、トレードプロモーション、メディアミックス、商品の選択などの収益成長管理の他の重要なレバーを最適化して、消費者需要に一致する推奨事項を生成します。

影響を測定する：事後分析

収益成長最適化ツールのROIの影響を決定するには、包括的で計算されたアプローチが必要です。まず、トレードプロモーションスペンドから生じる、売上高、利益、小売棚ドルの純増加、市場シェアなどのコアKPIの事後分析に焦点を当てます。これらの4つの柱のパフォーマンスは、実装戦略の影響と改善が必要な領域を示します。

2番目の主要カテゴリは、トレード有効性レシオです。トレードに費やした1ドルあたりの平均リターンは何ですか？これは、収益成長最適化ツールを時間の経過とともにスケーリングする上で重要です。両方の側面を同時に実行することで、組織は外部の変動性を切り抜け、業界の競合他社よりも市場シェアを獲得することができます。強力なROIは、単に数字だけではありません。セグメントでの競争上の優位性も獲得します。

CPGの景観での収益の最適化は、間違いなく複雑です。デジタル化はそれを簡素化する約束を提供していますが、企業のリーダーは、利用している高度な数学とAIツールを強く理解する必要があります。知識は力であり、最終的にブランドと企業の評価を業界のトップに押し上げることになります。