Почему лидеры CPG должны отделять зерна от плевел для настоящей оптимизации роста доходов с помощью искусственного интеллекта

Оптимизация больше не просто модное слово. Это полностью определяемый и измеримый результат, которого невозможно достичь с помощью устаревших методов и нереализуемых систем искусственного интеллекта.

--------
Оптимизация роста доходов сегодня является главным приоритетом в секторе потребительских товаров. Неопределенность, вызванная глобальными экономическими препятствиями, продолжающейся инфляцией, проблемами в цепочке поставок и изменением поведения покупателей, усилила важность понимания того, как систематически расшифровывать меняющиеся условия и ориентироваться в них для увеличения доходов и прибыли.

Для организаций потребительского рынка основой этой критической потребности является способность комплексно оптимизировать свои основные факторы управления ростом доходов (RGM) путем приведения цен, рекламных акций, медиа-микса и упаковки потребительских товаров в соответствие с меняющимися рыночными условиями. Эта ситуация никогда не была более сложной на фоне волнового воздействия меняющихся потребительских предпочтений, инфляции, геополитической напряженности, изменения климата и глобальных перемещений населения – основной причины, по которой более чем 75% производителей потребительских товаров изо всех сил пытаются управлять общими расходами предприятий на современную торговлю, и 70% руководителей CPG сегодня испытывают больший стресс, чем пять лет назад.

Поскольку сложность является постоянной, многие организации отдают приоритет оптимизации роста доходов в цифровом формате как механизму преодоления шторма. В Институте оптимизации продвижения Отчет о состоянии отрасли за 2024 год80% респондентов заявили, что инвестируют в цифровые решения или аналитические возможности для поддержки новых процессов управления ростом доходов (RGM) и более глубокого погружения в оптимизированное продвижение, ценообразование и анализ роста упаковки. В отчете POI также указано, что 54% ​​компаний планируют внедрить новые решения для управления продвижением торговли, а 31% планируют интегрировать возможности автоматического ценообразования.

Многие системы продаются как «решения по оптимизации с поддержкой искусственного интеллекта», которые могут эффективно снизить инфляционное давление и увеличить доходы. Однако на самом деле это совсем не так. Поскольку передовая аналитика, основанная на сложной математике и искусственном интеллекте, все больше интегрируется в технологии и бизнес-процессы предприятий, становится ясно, что не все математические методы и искусственный интеллект могут обеспечить реальную оптимизацию роста доходов в больших масштабах. Руководители CPG понимают, что их определение оптимизации устарело и неточно. В отрасли исторически сложилось определение «оптимизации» как использования вчерашнего регрессионного моделирования и моделирования бизнес-сценариев. Они понимают, что эти старые методы — это просто методы прогнозирования, которые ничего не оптимизируют. Они также узнают, что генеративный искусственный интеллект и нейронные сети не выполняют оптимизацию, но могут быть ценными методами, помогающими другим компонентам процесса цифровой трансформации организации.

Аналитический ландшафт быстро меняется. Компании, занимающиеся передовой аналитикой, должны помочь партнерам CPG добиться понимания и зрелости в использовании и конкретном применении этих технологий в своих операционных моделях. Оптимизация больше не просто модное слово. Это полностью определимо, а его результаты можно определить и измерить путем одновременного балансирования ограничений как производителя потребительских товаров, так и розничного продавца. Такого уровня оптимизации на основе ограничений и ее ощутимых преимуществ невозможно достичь с помощью устаревших методов и нереализуемых систем искусственного интеллекта.

В свою очередь, организациям крайне важно понимать особые возможности статистической математики и инструментов оптимизации роста доходов на основе искусственного интеллекта, которые они применяют. Отделение зерна от плевел в мире передовой аналитики и искусственного интеллекта улучшит вашу способность обеспечивать устойчивый доход, преодолевать волатильность рынка и опережать конкурентов в отрасли.

Все дело в вашем наборе инструментов

Когда дело доходит до оптимизации роста доходов, наличие в вашем наборе инструментов подходящих сложных математических инструментов и инструментов искусственного интеллекта ценится на вес золота. Например, предположим, что вы хотите разрезать стальной блок. Теоретически это можно сделать с помощью ножовки, но на то, чтобы успешно прорезать весь кусок, потребуются годы. А ацетиленовая горелка прорежет его за считанные секунды.

То же самое касается технологий с поддержкой искусственного интеллекта. Большинство форм искусственного интеллекта, используемых сегодня в системах оптимизации роста доходов от потребительских товаров, не могут учитывать сложность реального рынка. Они используют старые методы линейной регрессии для решения проблемы, которая носит нелинейный характер, полагаясь на традиционные статистические модели, которые оптимизируют одно, два, три или четыре статических ограничения вместо двух-трех десятков ограничений, которые отражают соображения реального мира, которые Бренды потребительских товаров ежедневно перемещаются. Это приводит к фундаментальному снижению производительности аналитики, что препятствует выработке эффективных рекомендаций по росту доходов, а также операционной эффективности и рентабельности инвестиций как для производителя потребительских товаров, так и для его розничных партнеров.

Генеративный ИИ (GenAI) — еще один пример такого несоответствия. Цепочка создания стоимости CPG имеет ценные варианты использования приложений GenAI, но оптимизация роста доходов не входит в их число. Это связано с тем, что модели GenAI полагаются на методы поисковых систем, которые не способны распознать проблему «мусор на выходе», а также на машинное обучение нейронных сетей, которые просто не выполняют оптимизацию.

Облегчение математической задачи

Важно помнить, что истинная оптимизация роста выручки — это по сути многомерная математическая задача, основанная на ограничениях. Для учёта всех ограничений и переменных, позволяющих оптимизировать производство и одновременно создавать ценность как для производителя потребительских товаров, так и для розничного продавца, требуются сложные математические решения и решения на основе искусственного интеллекта, использующие машинное обучение в «стеклянном» формате. Это гарантирует, что система будет разработана для фундаментального понимания среды, в которой функционирует организация, для проведения настоящей оптимизации и создания календарей торговых акций, повышающих ценность как для производителя, так и для розничного продавца. Следующим шагом станет оптимизация других ключевых рычагов управления ростом выручки, включая ежедневное ценообразование, торговое продвижение, медиамикс и ассортимент, для разработки комплексных рекомендаций, соответствующих потребительскому спросу в условиях, когда обычная повседневная цена оказывается под давлением.

Этот подход, соответствующий целевому назначению, позволяет преодолевать рыночную неопределенность, например, длительный дефицит поставок из-за эскалации геополитического конфликта или неожиданный рост цен из-за события, связанного с климатом. Если засуха вдоль Панамского канала способствует увеличению стоимости сырья, система может помочь определить новую оптимальную структуру ценообразования, которая 1) учитывает потребительскую упаковку для увеличения производственных затрат при сохранении рентабельности и 2) стимулирует потребителей выбирать ваш бренд вместо конкурентов отрасли с помощью эффективных методов продвижения.

Измерение воздействия: эффективность после мероприятия

Определение влияния инструментов оптимизации роста доходов на рентабельность инвестиций требует комплексного и расчетливого подхода. Во-первых, сосредоточьтесь на пост-событийном анализе основных ключевых показателей эффективности, таких как чистое дополнительное увеличение продаж, прибыли, долларов на розничных полках и проникновение на рынок, генерируемое вашими расходами на торговое продвижение. Результаты по этим четырем направлениям покажут влияние вашей стратегии внедрения и определят области, требующие улучшения.

Вторая важная категория — коэффициент эффективности торговли. Какую среднюю доходность приносит каждый доллар, вложенный в торговлю? Это критически важно для масштабирования инструментов оптимизации роста выручки с течением времени. Синхронное применение обоих факторов позволит организациям успешно справляться с внешней волатильностью и захватывать долю рынка по сравнению с конкурентами в отрасли. Высокая рентабельность инвестиций — это не только цифры, но и конкурентное преимущество в вашем сегменте.

Оптимизация доходов в сфере потребительских товаров, несомненно, сложна. Хотя цифровизация обещает ее упрощение, лидеры предприятий должны хорошо разбираться в сложных математических инструментах и ​​инструментах искусственного интеллекта, которые они используют. Знание — сила, и в конечном итоге оно поднимет оценку вашего бренда и компании выше остальных.