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

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

————————
Оптимизация роста доходов является главным приоритетом в секторе 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 увеличения доходов и прибыли.

Для организаций CPG основным моментом является возможность комплексно оптимизировать основные факторы роста доходов (RGM), сопоставляя цены, акции, медиа-микс и упаковку потребительских товаров с меняющимися рыночными условиями. Это никогда не было более сложным, учитывая эффекты меняющихся предпочтений потребителей, инфляции, геополитических напряжений, изменения климата и глобальных демографических сдвигов – основная причина, по которой более 75% производителей CPG испытывают трудности в управлении общими расходами на современную торговлю, и 70% руководителей CPG сегодня более обеспокоены, чем пять лет назад.

Учитывая постоянную сложность, многие организации отдают приоритет цифровой оптимизации роста доходов как механизму для преодоления шторма. В отчете Promotion Optimization Institute за 2024 год 2024 State of the Industry Report 80% респондентов заявили, что они инвестируют в цифровые решения или аналитические возможности для поддержки новых процессов управления ростом доходов (RGM) и более глубокого анализа оптимизации акций, цен и роста упаковки. Отчет POI также показал, что 54% планируют принять новые решения для управления торговыми акциями и 31% будут интегрировать автоматические возможности ценообразования.

Многие системы представлены как «оптимизированные решения на основе ИИ», которые могут эффективно смягчить инфляционное давление и усилить доходы. Однако, в реальности, это просто не так. По мере того, как продвинутые аналитические инструменты, основанные на сложных математических и ИИ-технологиях, становятся все более интегрированными в технологии и бизнес-процессы предприятий, становится ясно, что не все математические методы и ИИ могут обеспечить фактическую оптимизацию роста доходов в масштабе. Руководители CPG учатся, что их определение оптимизации устарело и неточно. В отрасли исторически «оптимизацию» определяли как использование вчерашних моделей регрессии и бизнес-сценариев. Они понимают, что эти старые методы являются лишь методами прогнозирования, которые не оптимизируют ничего. Они также учатся, что Генеративный ИИ и нейронные сети не выполняют оптимизацию, но могут быть ценными методами в помощи другим компонентам цифровой трансформации организации.

Ландшафт аналитики быстро меняется. Компании, занимающиеся продвинутой аналитикой, 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 определяемый результат, и его результаты можно определить и измерить, балансируя ограничения как производителя CPG, так и ритейлера одновременно. Этот уровень оптимизации на основе ограничений и его осязаемые выгоды не могут быть достигнуты 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 опережать конкурентов отрасли.

Все дело в вашем инструментарии

Обеспечение того, что у вас есть правильные сложные математические и инструменты ИИ в вашем инструментарии, стоит больше, чем золото, когда речь идет об оптимизации роста доходов. Например, если вы хотите разрезать блок стали, это можно теоретически сделать с помощью ножовки, но это займет годы, чтобы пройти через весь блок. Тем временем ацетиленовая горелка может разрезать 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 нелинейна по своей природе, полагаясь на традиционные статистические модели, которые оптимизируют одно, два, три или четыре статических ограничения вместо двух-трех десятков ограничений, отражающих реальные соображения, с которыми ежедневно сталкиваются бренды CPG. Это приводит к фундаментальному аналитическому недоисполнению, которое препятствует эффективному формированию рекомендаций по росту доходов и операционной эффективности, а также ROI для производителя CPG и его ритейлеров.

Генеративный ИИ (GenAI) является еще одним примером этого несоответствия. Цепочка создания стоимости CPG имеет ценную сферу применения для приложений GenAI, но оптимизация роста доходов не является одной из них. Это связано с тем, что модели GenAI полагаются на методы, основанные на поисковых системах, которые не могут различать «мусор в» и «мусор из» проблему, и нейронные сети машинного обучения, которые просто не выполняют оптимизацию.

Облегчение математической проблемы

Важно помнить, что истинная оптимизация роста доходов является проблемой, основанной на ограничениях, высокоразмерной математической задачей в своей основе. Сложные математические и решения ИИ, которые используют «glass-box» машинное обучение, необходимы для включения всех ограничений и переменных, которые позволяют оптимизировать и обеспечить ценность как для производителя CPG, так и для ритейлера одновременно. Это гарантирует, что система разработана для фундаментального понимания среды, в которой работает организация, и выполнения истинной оптимизации и генерации календарей торговых акций, которые приносят ценность как производителю, так и ритейлеру. Затем следующим шагом является оптимизация других ключевых рычагов управления ростом доходов с повседневными ценами, торговыми акциями, медиа-миксом и ассортиментом для производства целостных рекомендаций, согласованных с потребительским спросом в условиях, которые подвергают нормальную повседневную цену давлению.

Этот подход, подходящий для цели, учитывает навигацию в рыночной неопределенности, такой как удлиненные дефициты 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 методов продвижения.

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 чистый прирост продаж, прибыли, розничных долларов на полке и рыночной доли, генерируемой за счет расходов на торговые акции. Производительность по этим четырем столпам 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 ориентироваться в внешней волатильности и захватывать долю рынка над отраслевыми конкурентами. Сильный ROI — это не только цифры — это также получение конкурентного преимущества в вашем сегменте.

Оптимизация доходов по всей цепочке 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 остальных.