Почему лидерам CPG необходимо отделить пшеницу от плевел для真正 оптимизации доходов с помощью ИИ

Оптимизация больше не является просто модным словом. Это полностью определенный и измеримый результат, который не может быть достигнут с помощью устаревших методов и неэффективных систем ИИ.

————————
Оптимизация роста доходов является главным приоритетом во всей отрасли CPG сегодня. Неопределенность, вызванная глобальными экономическими проблемами, постоянной инфляцией, проблемами цепочки поставок и меняющимся поведением покупателей, усилила важность понимания того, как систематически расшифровывать и ориентироваться в меняющихся условиях для стимулирования увеличения доходов и прибыли.

Для организаций CPG основой этого критического требования является способность комплексно оптимизировать основные факторы управления ростом доходов (RGM) путем согласования цен, промоакций, медиа-смешения и упаковки потребительских товаров с меняющимися рыночными условиями. Это никогда не было более сложным среди эффектов эволюционирующих предпочтений потребителей, инфляции, геополитических напряжений, изменения климата и глобальных сдвигов населения – основная причина, по которой более 75% производителей CPG испытывают трудности в управлении современными торговыми расходами всего предприятия, и 70% руководителей CPG сегодня более обеспокоены, чем пять лет назад.

С учетом постоянной сложности многие организации отдают приоритет цифровой оптимизации роста доходов как механизму для преодоления трудностей. В отчете 2024 State of the Industry Report Института оптимизации промоакций 80% респондентов заявили, что они инвестируют в цифровые решения или аналитические возможности для поддержки новых процессов управления ростом доходов (RGM) и более глубокого анализа оптимизированных промоакций, цен и роста упаковки. Отчет POI также показал, что 54% планируют принять новые решения по управлению торговыми промоакциями, и 31% начнут интегрировать автоматические возможности ценообразования.

Многие системы представлены как “решения для оптимизации на основе ИИ”, которые могут эффективно смягчить инфляционное давление и усилить доходы. Однако в реальности это просто не так. Поскольку продвинутые аналитические инструменты, обеспеченные сложной математикой и ИИ, стали все более интегрированными в технологии и бизнес-процессы предприятий, ясно, что не все математические методы и ИИ могут обеспечить реальную оптимизацию роста доходов в масштабе. Лидеры CPG учатся, что их определение оптимизации устарело и неточно. Отрасль исторически определяла “оптимизацию” как использование вчерашних моделей регрессии и бизнес-сценариев. Они также учатся, что Генеративный ИИ и нейронные сети не выполняют оптимизацию, но могут быть ценными методами в помощи других компонентов цифровой трансформации организации.

Ландшафт аналитики быстро меняется. Продвинутые аналитические компании должны помочь партнерам CPG построить понимание и зрелость в использовании и конкретном применении этих технологий в их операционных моделях. Оптимизация больше не является просто модным словом. Это полностью определенный и его результаты могут быть измерены путем балансирования ограничений как производителя CPG, так и розничного продавца одновременно. Этот уровень оптимизации на основе ограничений и его осязаемых преимуществ не может быть достигнут с помощью устаревших методов и неэффективных систем ИИ.

В свою очередь, важно, чтобы организации понимали различные возможности статистической математики и инструментов оптимизации роста доходов на основе ИИ, которые они принимают. Отделение пшеницы от плевел в мире продвинутой аналитики и ИИ улучшит вашу способность стимулировать устойчивый доход, преодолевать рыночную волатильность и обгонять отраслевых конкурентов.

Все зависит от вашего инструментария

Обеспечение наличия правильных сложных математических и инструментов ИИ в вашем инструментарии стоит золота, когда речь идет об оптимизации роста доходов. Например, скажем, вы хотите разрезать блок стали. Теоретически это можно было бы сделать с помощью ножовки, за исключением того, что это заняло бы годы, чтобы успешно разрезать все это. Тем временем ацетиленовая горелка разрезала бы его за несколько секунд.

То же самое относится к технологиям на основе ИИ. Большинство форм ИИ, используемых в системах оптимизации роста доходов CPG сегодня, не могут учитывать реальную рыночную сложность. Они используют старые линейные методы регрессии для решения проблемы, которая не является линейной по своей природе, полагаясь на традиционные статистические модели, которые оптимизируют одно, два, три или четыре статических ограничения вместо двух-трех десятков ограничений, которые отражают реальные соображения, с которыми ежедневно сталкиваются бренды CPG. Это приводит к фундаментальному аналитическому недоисполнению, которое препятствует эффективному генерированию рекомендаций по росту доходов и операционной эффективности, а также ROI как для производителя CPG, так и для его розничных партнеров.

Генеративный ИИ (GenAI) является еще одним примером этого несоответствия. Цепочка создания стоимости CPG имеет ценные случаи использования приложений GenAI, но оптимизация роста доходов не является одним из них. Это связано с тем, что модели GenAI полагаются на методы, основанные на поисковых системах, которые не способны различать “мусор в, мусор из” проблему, и нейронные сети машинного обучения, которые просто не выполняют оптимизацию.

Облегчение математической проблемы

Важно помнить, что真正ая оптимизация роста доходов является математической проблемой на основе ограничений и высоких размерностей в своей основе. Сложные математические и решения ИИ, которые используют машинное обучение с прозрачным стеклом, необходимы для включения всех ограничений и переменных, которые позволяют оптимизации доставлять ценность как для производителя CPG, так и для розничного продавца одновременно. Это обеспечивает, что система разработана для фундаментального понимания среды, в которой работает организация, и выполнения真正ой оптимизации и генерации торговых промо-календарей, которые стимулируют ценность для производителя и розничного продавца. Затем следующим шагом является оптимизация других ключевых рычагов управления ростом доходов с повседневной ценой, торговыми промоакциями, медиа-смешением и ассортиментом для производства целостных рекомендаций, согласованных с потребительским спросом в условиях, которые стрессируют обычную цену.

Этот подход, подходящий для цели, учитывает навигацию по рыночной неопределенности, такой как удлиненные нехватки поставок из-за эскалации геополитического конфликта или неожиданных повышений цен из-за климатического события. Если засуха вдоль Панамского канала помогает увеличить стоимость сырья, система может помочь определить новую оптимальную структуру ценообразования, которая 1) учитывает потребительскую упаковку для увеличения затрат на производство, сохраняя при этом маржу, и 2) стимулирует потребителей выбирать ваш бренд над отраслевыми конкурентами посредством эффективных промо-техник.

Измерение воздействия: эффективность после события

Определение воздействия ROI инструментов оптимизации роста доходов требует комплексного и рассчитанного подхода. Сначала сосредоточьтесь на пост-мере анализа основных KPI, таких как чистые инкрементные увеличения продаж, прибыли, розничных полок и проникновения на рынок, генерируемый вашими торговыми промо-расходами. Производительность в этих четырех столпах покажет воздействие вашей стратегии реализации и определит области, где необходимо улучшение.

Вторая основная категория – это коэффициент эффективности торговли. За каждый доллар, потраченный на торговлю, какую среднюю доходность он производит? Это крайне важно для масштабирования инструментов оптимизации роста доходов во времени. Выполнение обоих аспектов в унисон позволит организациям успешно преодолевать внешнюю волатильность и захватывать долю рынка над отраслевыми конкурентами. Сильный ROI не только о числах – это также о получении конкурентного преимущества в вашем сегменте.

Оптимизация доходов по всей ландшафту CPG безусловно сложна. Хотя цифровизация предлагает обещание упростить ее, лидеры предприятий должны иметь прочное понимание сложных математических и инструментов ИИ, которые они используют. Знания – это сила, и в конечном итоге они повысят ваш бренд и стоимость компании выше других.