Suzanne Valentine, Director of PricingAI på Pricefx – Intervju-serie

Suzanne Valentine har utnämnts till Director of PricingAI på Pricefx. I denna roll kommer hon att övervaka ett team av prissättningsvetare, med fokus på att leverera kundvärde genom innovativa prissättningsstrategier. Valentine har över 25 års erfarenhet av företagsprogramvara och AI-driven varuanalytik. Hennes tidigare roll var som Head of Data Science på Meta, där hon ledde team med mellan 30 och 100 datavetare, och utvärderade effektiviteten i initiativ som syftade till att förbättra företagens antagande av Metas annonseringsprodukter.

Pricefx tillhandahåller AI-driven prissättningshantering och optimeringsprogramvara som är utformad för att förenkla prissättningsstrategier, från grundprissättning till maximal vinst. Plattformen möjliggör för företag att förbättra lönsamheten, förbättra marginalerna och säkra bättre avtal.

Deras “PricingAI”-lösning integrerar avancerad genererande AI-teknik, som erbjuder personliga prissättningsinsikter, en intuitiv chattbaserad gränssnitt och snabb optimeringsförmåga. Pricefx fokuserar på att förenkla och modernisera prissättningsprocesser för att hjälpa företag att förbli konkurrenskraftiga och uppnå mätbara framgångar.

Hur förändrar AI prissättningslandskapet för stora företag, och vilka unika möjligheter erbjuder det för att optimera prissättningsstrategier?

Disciplinen prissättning omfattar att analysera mönster av konsumentefterfrågan, förstå konkurrenter, personifiera och/eller optimera priser, och göra prissättning mer dynamisk via automatisering baserat på faktorer som efterfrågefluktuationer och lagerhållning. AI-bränsle system ger företag möjlighet att syntetisera, analysera och utnyttja stora mängder data (strukturerad och ostrukturerad) för att fatta bättre affärsbeslut snabbare. Många prissättningsbeslut fattas med hjälp av minst någon data idag, men den rutinmässiga användningen av AI inte bara gör analyser mer omfattande och skalbara, utan hjälper också till att avslöja insikter.

Till exempel är ett vanligt prissättningsbehov att sätta priser för att maximera efterfrågan (försäljning) samtidigt som man upprätthåller vinstmarginaler. PricingAI börjar med att belysa mönster i data och kvantifiera effekten av både kända och okända faktorer som påverkar efterfrågan. Med denna grund i place, blir det möjligt att förutsäga resultat under olika scenarier, vilket i sin tur möjliggör verklig optimering för att uppnå affärsmål.

Transparens är ofta avgörande för att bygga användarfortroende i AI-drivna system. Hur uppnår Pricefx denna transparens, och varför är det avgörande för framgångsrik AI-antagande i prissättning?

Kraftfull AI-bränsle datahantering och analys är avgörande i dagens konkurrenskraftiga miljö. Men utan förståelse och insyn i hur rekommendationer görs, kommer användare troligen inte att utveckla förtroende för prissättningsprogramvara, och kan återgå till sin “gamla” metod för att fatta beslut. Idealiskt sett omfattar transparens i PricingAI både teknikerna som används och användarupplevelsen.

Med avseende på AI-tekniker: Pricefx använder en mängd olika AI-ansatser beroende på problemkraven, önskad transparens i algoritmer och erforderlig granularitet i resultaten. För optimering använder Pricefx vanligtvis unika förstärkt inlärning (Multi-Agent AI) algoritmer som utvecklats och förbättrats under många år. Med denna ansats definieras prissättningsmål och begränsningar i en användarvänlig affärsram, och efterföljande rekommendationer görs tydliga för användaren genom att transparent visa interaktioner mellan dessa mål och olika begränsningar.

Pricefx har också en “glasruta”-filosofi när det gäller användarupplevelse. Många analyser och sammanfattningar tillhandahålls som standard, men användare kan enkelt gräva djupare i källtabeller och till och med visa och anpassa källkod. Kombinationen av intuitiv AI och fullständig transparens från rådata till rekommendationer bygger det nödvändiga förtroendet hos affärsanvändare som leder till förtroende för rekommendationerna.

Med Pricefx som tillåter kunder att använda sin egen datavetenskap inom dess AI-ram, hur påverkar denna flexibilitet kundtillfredsställelse och långsiktig avkastning?

En utmaning med antagande av alla programvarulösningar är att vinna över användare av en befintlig lösning, och de flesta av våra potentiella och befintliga kunder har investerat i AI-personal, processer och verktyg. Vi vill att Pricefx-plattformen ska bli den primära destinationen för prissättningsgrupper eftersom den kontinuerligt och säkert syntetiserar deras viktigaste data… så vi uppmuntrar faktiskt kunderna att “ta med sin egen” vetenskap till plattformen.

Vi ser en stor variation av vad detta ser ut i praktiken – vissa kunder börjar med en befintlig accelerator och anpassar den, vissa kunder utnyttjar “vetenskapsblock” som följer med plattformen (såsom Multi-Factor Elasticity, Clustering och Product Similarity), och vissa kunder integrerar befintlig kod via vår Model Class-ram. Vi tror att denna ansats kan förbättra kundtillfredsställelse och avkastning, precis för att vi kan växa och utvecklas med en organisation.

Pricefx föreslår att kunder kan se avkastning på upp till 70x ROI under det första året. Vilka faktorer i AI-programvaran bidrar till att uppnå så hög potentialavkastning, och hur mäts ROI vanligtvis i dessa fall?

Först är ROI-beräkningen ganska enkel: våra kunder tittar på storleken på deras bruttovinstförbättringar i förhållande till kostnaderna för AI-programvaruimplementeringen. I allmänhet kan ROI som uppnås via AI-bränsle prissättningsprogramvara tillskrivas att ha en omfattande syntes av relevant data och att utnyttja den för att fatta bättre prissättningsbeslut.

Men det finns ett antal sätt som detta kan manifestera sig i praktiken — AI-drivna beslut inkluderar ändringar som ökar vinstfrekvensen genom att förstå vad som påverkar priskänslighet per kundtyp, geografi och produktlinje, och genom att förbättra marginalerna genom att systematiskt identifiera prissättningsavvikelser, följa önskade regler och optimera priser. Ibland kommer ROI-förbättringar också från effektiviteter i prissättningsprocessen som minskar operativa kostnader och möjliggör snabb simulering av effekten som förändringar i strategi kommer att ha. Indirekt kan AI-programvara till och med förbättra kundlivstidsvärdet genom att säkerställa att prissättningsstrategier är anpassade för att uppmuntra långsiktiga relationer.

För att säkerställa att våra kunder förstår värdet de får från AI-programvara, tillhandahåller Pricefx en kombination av rapporter och instrumentpaneler som ger nödvändig förståelse och transparens.

I att betjäna olika sektorer som tillverkning och energi, hur anpassar sig Pricefx AI för att möta specifika branschkrav och hantera unika prissättningsutmaningar?

Det finns flera gemensamma byggstenar som gynnar alla branscher, såsom att ha en flexibel och skalbar plattform för att fånga inte bara intern data utan också viktiga externa signaler, såsom marknadsfluktuationer, tekniska framsteg och föränderlig konsumentefterfrågan. Och våra investeringar i AI-teknik är noggrant valda och testade för att ge noggrannhet och stabilitet för en mängd olika affärsproblem.

Det finns dock tydliga skillnader i prissättningsdrivare över sektorer och branscher. Pricefx har odlat ett team av branschexperter som har direkt erfarenhet av de branscher vi betjänar – dessa experter omfattar vår lösningstrategi och implementeringsteam, och arbetar nära med vårt produktteam för att översätta unika behov till specifika krav. Programvaran är högt konfigurerbar, och vi arbetar med varje kund för att förskriva en lösning som kan implementeras snabbt men också är en bra passform för unika processer. Vårt partner-ekosystem är också ovärderligt i att bringa branschspecifik lösningdesign-kompetens till våra kunder.

En intern AI-råd etablerades för att integrera AI över Pricefx verksamhet. Vilken roll spelar detta råd, och hur stämmer det överens med företagets produkt- och affärsstrategi?

Som leverantörer av AI-programvara är det viktigt för oss att hålla jämna steg med hur branschteknologier utvecklas och förändras. Vi vill också säkerställa att vår interna användning av AI fortsätter att driva vår innovation men också inkorporerar ansvarsfulla metoder, såsom transparens, integritet, säkerhet, rättvisa och hållbar användning av resurser. Vårt AI-råd samlar AI-experter och ledning för att ha öppna diskussioner om fördelarna och potentiella farhågor när vi fortsätter att anta AI.

Pricefx CoPilot, som integrerar GenAI för konversationsbaserad datainsikt, syftar till att förbättra prissättningsbeslut. Vilken påverkan har denna funktion på kundbeslut, och vilka utvecklingar planeras för framtiden?

Pricefx CoPilot är en naturlig utveckling för vår produktsvit, byggd på grunden av AI-baserad optimering som vi tillhandahåller till prissättningsgrupper och ledare.

När Pricefx-plattformen är live, distribuerar den prediktiv och preskriptiv AI för att kontinuerligt yta insikter. Avancerade användare av Pricefx-erbjudanden blir skickliga på att utnyttja dessa insikter… och ofta är deras utforskning endast begränsad av de personliga timmar som finns tillgängliga på deras team. Vår vision är att CoPilot ska fungera som den bästa analytikern som kunde utbildas på din data och affärsprocesser, och tillåta prissättningsproffs att fråga plattformen med naturliga språkliga påstötningar som “Vilka är mina mest och minst lönsamma kunder den här kvartalet?” CoPilot kommer inte bara att returnera svar snabbt och omfattande, utan också ge förslag på den bästa åtgärden som de kan vidta. Detta frigör prissättningsproffs för att fokusera på mer strategiska element i prissättning medan CoPilot hanterar rutinuppgifter och fungerar som gränssnitt till dataanalys. Och att utnyttja CoPilot kommer inte bara att skapa mer bandbredd, utan kommer slutligen att påskynda beslutsprocessen, vilket förbättrar effektiviteten i prissättningsstrategier.

Två viktiga saker att förstå om Pricefx CoPilot:

1. Kunddata hålls helt privat och säker. Vi har aldrig (och kommer aldrig att) dela data mellan våra kunder, och vi bygger vår egen in-house LLM-kapacitet specifikt för prissättningsområdet, inte genom att göra anrop till en offentligt tillgänglig GenAI.
2. Investering i datafundamentet är ett avgörande första steg. Som med all analys och AI, kommer insikterna att vara lika bra som kvaliteten på den underliggande data. Pricefx arbetar med sina kunder för att införa sin plattform med den mest relevanta data först och visa instrumentpaneler som belyser möjligheter, både från ett dataintegritets- och ett prissättningsperspektiv.

Vad gäller framtida utveckling: GenAI:s flexibilitet är dess verkliga styrka. Vi förväntar oss att inte bara göra CoPilot “smartare” genom att utnyttja rekommendationer från Optimerings-AI, utan också låsa upp ytterligare funktioner inom ett företags prissättnings-ekosystem, från att demokratisera data och föreslå arkitektoniska förbättringar till att optimera prissättningskommunikation med olika intressenter.

Medan AI-driven automatisering erbjuder betydande fördelar, var tillåter Pricefx för mänsklig översyn för att säkerställa överensstämmelse med strategiska företagsmål?

Till slut är vårt mål med PricingAI att ge prissättningspraktikern mer kontroll över beslutsfattandet.

Vi utformar arbetsflödet för att tillåta insyn i varje del av processen – en användare börjar med att definiera omfattningen av sin analys och ser omedelbart statistik som bekräftar vilken data som kommer att analyseras. Någon initial AI körs för att ge insikter i prissättningsdrivare; användaren granskar utdata och ställer in parametrar för den slutliga optimeringen. Eftersom det AI-bränsle plattformen accelererar och automatiserar komplex datahantering, kan hela processen köras, granskas, justeras och upprepas flera gånger om dagen. Och genom att inte behöva en “data scientist i mitten”, kan prissättningspraktiker självständigt förstå hur olika strategier kan användas för att uppnå företagsmål.

AI betonar ofta vinstmaximering, men många företag prioriterar också hållbar, långsiktig tillväxt. Hur hjälper Pricefx kunder att balansera dessa mål?

Nästan alla Pricefx-kunder balanserar flera mål – de vill öka sina försäljningar och “vinstfrekvens” samtidigt som de skyddar sina marginaler, allt medan de skapar en prissättningsarkitektur som upprätthåller nyckelrelationer och konsekvens. Pricefx-prissättningslösningar är utformade för att hjälpa kunder att uppnå denna balans och ha förmågan att förstå det förväntade resultatet av olika strategier. Ett kraftfullt exempel är vår Price Waterfall Optimization, som utnyttjar Multi-Agent AI (MAAI) för att samtidigt optimera listpriser, rabatter, incitament och andra faktorer med hänsyn till ett uppsättning mål och begränsningar.

Vad är Pricefx långsiktiga vision för AI-driven prissättning, och hur planerar företaget att utveckla sin strategi för att möta framväxande behov och tekniska framsteg i framtiden?

Vår vision genom åren har varit att göra prissättningsvetenskap tillgänglig för prissättningspraktiker som inte nödvändigtvis är datavetenskapsexperter. Vi syftar till att forska och investera i framväxande AI-teknik relaterad till prissättning, men erkänner också att sofistikerad vetenskap är mest effektiv när den drivs och konsumeras av de som förstår prissättningsstrategi.

Några exempel på hur vi förväntar oss att vår strategi kommer att utvecklas:

• Att analysera och förbättra användarupplevelsen med snabb produktdesign-experiment
• Att utveckla hur data införs, valideras, harmoniseras och förbättras för att maximera värdet
• Att utnyttja AI för att komplettera utbildning, support och konsulttjänster genom att proaktivt identifiera luckor
• Och (självklart) utöka vår GenAI CoPilot för att förstå en bredare, mer sofistikerad uppsättning prissättningsfrågor

Men… vi erkänner också att möjligheterna för AI är begränsade endast av vår kollektiva fantasi – vi ser fram emot att samarbeta med kunder och partners för att låsa upp den fulla potentialen av PricingAI! Tack för det underbara samtalet, läsare som vill lära sig mer bör besöka Pricefx.