ABOUT

• Tomasz Stec, Managing Partner Simon-Kucher
• Filip Błaszczyk, Senior Manager Simon-Kucher
• Costin Ciora, lector universitar ASE București și CEE Advisor Simon-Kucher

Subiectul inteligenței artificiale (AI) a devenit recent extrem de popular, în principal datorită ChatGPT. Totuși, în domeniul stabilirii prețurilor (pricing), inteligența artificială este folosită de mult timp. Multe di

ntre prețurile pe care le vedem acum pe rafturile magazinelor fizice sau în e-commerce sunt determinate de algoritmi avansați, inclusiv AI. În acest articol,  vom prezenta cum companiile folosesc inteligența artificială în stabilirea prețurilor pentru a-și atinge obiectivele de vânzări și pentru a îmbunătăți rezultatele. De asemenea, poate fi un articol de reflecție asupra modului în care este utilizată AI în strategia de pricing, pentru a lua decizii corecte și a acționa în direcția unei creșteri mai bune.

Ce este pricing-ul?

Fiecare produs și serviciu pe care îl vindem trebuie să aibă un preț – aceasta este o regulă fundamentală în afaceri. Arta constă în a gestiona prețurile astfel încât să obținem un rezultat optim. Ce înseamnă „optim”? Înseamnă că, la un moment dat, în condiții specifice de piață, prețurile noastre îndeplinesc obiectivele de business într-un mod cât mai favorabil. Scopul afacerii poate fi maximizarea profitului, dar și creșterea cotei de piață, menținând în același timp nivelul minim așteptat al marjelor. Vom folosi un set diferit de prețuri (și niveluri de preț) pentru a îndeplini fiecare dintre aceste obiective.

În plus, prețurile noastre ar trebui ajustate în funcție de mediul de piață, care este adesea variabil. Fluctuațiile și sezonalitatea cererii, activitățile concurenței, nivelurile noastre de stoc și caracteristicile schimbătoare ale clienților sunt doar câțiva dintre factorii pe care trebuie să îi luăm în considerare în procesul de stabilire a prețurilor. Toate acestea fac ca gestionarea prețurilor să fie din ce în ce mai dificilă și necesită utilizarea unor reguli și mecanisme de stabilire a prețurilor tot mai complexe, iar inteligența artificială poate fi de folos.

Obiectivul principal al pricing-ului: o potrivire mai bună

Mai sus am menționat faptul că scopul pricing-ului este de a găsi cel mai bun set de prețuri. Această afirmație este adevărată atât pentru întregul portofoliu de produse, cât și pentru un singur produs sau serviciu. Putem varia prețurile. Aceasta înseamnă că putem folosi mai multe puncte de preț pentru același produs, în funcție de criteriile îndeplinite. Prețurile noastre variază, printre altele, în funcție de: timp – călătorii mai scumpe în orele de vârf; clienți – prețuri promoționale pentru posesorii de carduri de fidelitate; puncte de vânzare – prețuri mai ridicate în destinațiile turistice; canale de vânzare – prețuri mai mici pe site decât într-un magazin fizic.

De ce merită să diferențiem prețurile? Clienții care cumpără un anumit produs nu reprezintă, de cele mai multe ori, un grup omogen. Aceasta înseamnă că ei diferă în funcție de buget, nevoi și senzitivitate la preț. Pentru un anumit segment de clienți, un preț poate părea atractiv, în timp ce pe alții îi poate descuraja să cumpere. De exemplu, să luăm o sticlă de băutură oferită la două prețuri: pentru clienții cu card de fidelitate (participanți la program) și cei fără. Un client care nu deține un card de fidelitate nu este adesea un client care cumpără regulat – el sau ea cumpără de la noi ocazional, de exemplu pentru a-și potoli setea în timpul temperaturilor ridicate. În acest caz, prețul nu este atât de important pentru el (dorința primează). În schimb, un client fidel (care locuiește în apropiere) poate veni în magazinul nostru atras de un preț promoțional atractiv pentru deținătorii de carduri (în timp ce prețul obișnuit nu l-ar fi încurajat să facă achiziția). Prin varierea prețului produsului nostru, îi maximizăm potențialul, profitând la maximum de diferitele disponibilități de a plăti pentru același produs.

Și cum arată asta în practică? Observăm 3 niveluri de avansare a managementului prețurilor de către companii:

1. Nivelul “Standard” – un preț per produs – constă în aplicarea unor reguli de bază care mențin prețurile noastre într-o relație constantă cu costul de achiziție sau prețurile concurenței;
2. Nivelul “Diversificat” – preț per segment – punctele de preț utilizate depind de elasticitatea prețului unui format sau segment specific, de exemplu, magazine locale versus magazine aflate în noduri de transport (gări, stații, etc.);
3. Nivelul “Dinamic” – prețurile sunt ajustate în timp real (sau într-un interval scurt de timp) pe baza unor date actualizate constant. Comparativ cu nivelul “diferențiat”, mai puțin avansat, prețurile “dinamice” pot fi stabilite nu la nivelul unor segmente multiple, ci la un nivel mai detaliat, ajungând de fapt la o ofertă personalizată.

În trecut, a existat o corelație puternică între nivelul de sofisticare în managementul prețurilor și costurile operaționale în acest domeniu. Complexitatea crescută a sistemului de management al prețurilor necesita extinderea echipelor și crearea unor poziții analitice suplimentare. Acest lucru însemna că unele companii nu puteau implementa strategiile de prețuri dezvoltate din cauza lipsei de resurse. Managementul prețurilor “dinamice” necesită procesarea unor seturi uriașe de date și efectuarea multor analize complexe. Doar implementarea soluțiilor bazate pe inteligență artificială a făcut posibilă atingerea unor niveluri înalte de avansare a soluțiilor fără o creștere semnificativă a costurilor de întreținere a sistemului.

Inteligența artificială și, în special, învățarea automată (machine learning – ML), sunt algoritmi care învață automat pe baza seturilor de date furnizate și apoi oferă recomandări sau predicții pe baza experienței acumulate. O condiție necesară pentru utilizarea AI în afaceri este colectarea de date de calitate, la un nivel adecvat de detaliu și care să acopere, în același timp, un orizont de timp suficient. Datorită acestei pregătiri, suntem capabili să utilizăm AI în multe domenii care privesc direct sau indirect prețurile.

Modelul de management al prețurilor dinamice

Cum arată managementul prețurilor dinamice în practică? Un proces tipic este prezentat în Figura 1. Această soluție se bazează pe un model de inteligență artificială care învață relația dintre preț și volumul de vânzări pe baza datelor istorice de tranzacții, îmbogățite cu seturi de date suplimentare, de exemplu, prețurile concurenței, sezonalitatea, vremea.

Figura 1. Model de Management al Prețurilor Dinamice – Un exemplu de diagramă

În acest fel, modelul încearcă să înțeleagă cum reacționează clienții la modificările prețului produselor noastre într-un mediu dat (în prezența altor factori). Figura 2 arată distribuția tipică a elasticităților prețului estimate de model.

Figura 2. Distribuția elasticității prețurilor estimate de model

În pasul următor, modelul prognozează volumul vânzărilor pentru diferite prețuri care ar putea fi utilizate în perioada următoare. Având prețurile, volumele corespunzătoare și informații despre costuri, modelul poate calcula diverși indicatori financiari și apoi selecta soluția optimă pentru obiectivul pe care l-am stabilit. Atunci când se proiectează o astfel de soluție, trebuie să ținem cont de așa-numitele reguli de afaceri suplimentare. Chiar și cele mai avansate modele nu pot adapta soluția la strategia noastră fără îndrumări suplimentare. Utilizarea regulilor de afaceri permite, pe de o parte, direcționarea și, pe de altă parte, limitarea recomandărilor modelului. Exemple de reguli de afaceri includ stabilirea frecvenței modificărilor de preț, nivelul minim al marjei sau obiectivul nostru într-o anumită categorie (ce set de prețuri ar trebui să urmărească algoritmul). Numărul regulilor și nivelul lor de sofisticare ar trebui să depindă de situația pieței și de complexitatea afacerii noastre.

Selecția datelor pe baza cărora modelul va învăța ar trebui, de asemenea, să depindă de complexitatea afacerii. Datele tranzacțiilor sunt, evident, o prioritate. Cu cât sunt mai detaliate, cu atât mai bine – atâta timp cât puterea de calcul a instrumentului nostru permite acest lucru. Este recomandat să oferim modelului diverse dicționare care conțin informații despre produse, clienți și magazine. Astfel, modelul va înțelege mai bine comportamentul de cumpărare al diferitelor grupuri de clienți în magazine din segmente diferite. Conectarea datelor din monitorizarea prețurilor concurenței va permite reacționarea continuă la mișcările de preț de pe piață. În funcție de specificul afacerii, modelul poate utiliza și date despre vreme, date din rețelele sociale, evaluări ale clienților, activitatea lor online și multe alte surse.

Cel mai des vom vedea prețurile recomandate de AI atunci când comandăm o mașină de tip ridesharing sau cumpărăm bilete de avion. Într-adevăr, este cea mai simplă utilizare a prețurilor „dinamice” în aplicații sau pe site-uri, unde prețurile pot fi actualizate ușor și rapid. Managementul prețurilor dinamice are limitările sale în locurile unde încă există liste de prețuri tradiționale, iar modificarea acestora necesită implicarea angajaților de la punctele de vânzare. Totuși, trebuie amintit că esența gestionării dinamice a prețurilor nu este cât de des sunt schimbate prețurile, ci cât de bine sunt selectate. Chiar și actualizarea prețurilor o dată sau de două ori pe săptămână folosind AI poate oferi rezultate mai bune decât stabilirea lor manuală.

Ce putem spune despre produsele sezoniere? Merită menționat faptul că inteligența artificială permite segmentarea nu doar a clienților și magazinelor, ci și a produselor. Modelul identifică și grupează produsele cu caracteristici similare și, mai ales, cu curbe de vânzări similare. Această soluție permite o gestionare mai bună a produselor cu un istoric scurt de vânzări, de exemplu, produsele sezoniere – atunci când estimăm vânzările, ne putem baza pe istoricul tranzacțiilor altor produse din același cluster (substituenți). Experiența Simon-Kucher arată că utilizarea AI pentru ajustarea dinamică a prețurilor poate crește profitul cu 15-20% față de nivelul „diferențiat”. Dacă nivelul actual de avansare este mai redus (nu utilizăm pe deplin diferențierea clasică), beneficiile pot fi chiar mai mari.

Analiza și optimizarea activităților promoționale

Promoțiile reprezintă un mecanism mai complicat decât par la prima vedere. Nu este vorba doar de stabilirea unui preț atractiv, mai scăzut, ci și de selecția corectă a produselor incluse, plasarea promoției în timp și comunicarea beneficiilor. Aceeași ofertă promoțională poate avea un efect diferit în funcție de modul în care comunicăm dimensiunea reducerii (de exemplu, „reducere de 50%” vs. „cu 5 lei mai ieftin”) sau mecanismul utilizat („1+1 gratuit” vs. „cumpără 2 bucăți – plătește 50 lei”). Promoțiile vor fi mai eficiente pentru produse cu imagine bună, care sunt cumpărate frecvent de clienți, și mai puțin reușite pentru produsele mai puțin populare. În mod similar, promoțiile pentru același produs, în sezon și în afara sezonului, pot aduce rezultate diferite.Promoțiile constau, așadar, din numeroase elemente care influențează eficacitatea acestor activități și care pot fi analizate. În trecut, însă, aceasta era o sarcină dificilă. Modelele econometrice tradiționale nu ofereau rezultate satisfăcătoare, iar analiza activităților promoționale era complicată și obositoare. Cu ajutorul AI, însă, putem analiza un număr mai mare de promoții istorice într-un mod mai precis. Astfel, un model bazat pe AI nu doar estimează impactul factorilor individuali asupra succesului promoției, ci ajută și la planificarea acestora.

Cele mai avansate soluții AI pot recomanda selecția produselor, stabili profunzimea reducerii sau sugera canalele de comunicare. Prin adăugarea obiectivelor de afaceri și a unui buget de marketing, putem influența efectul financiar al activităților promoționale într-un mod mai eficient. Experiența noastră arată că utilizarea AI în planificarea promoțiilor permite îmbunătățirea activităților cu 15-20% (venituri și profituri mai mari).

Figura 3. Analiza promoțiilor și optimizare

Cum să începeți și la ce să fiți atenți

Inteligența artificială oferă oportunități enorme și permite obținerea unor rezultate semnificativ mai bune în stabilirea prețurilor. Totuși, este necesară prudență și o abordare atentă. Alegerea instrumentelor de AI care urmează să fie implementate ar trebui să depindă de obiectiv, dar și de capacitățile companiei (buget, echipă, timp). Trebuie să răspundem la întrebarea dacă avem nevoie de o soluție pragmatică sau de un instrument complex. În plus, implementarea AI ar trebui să aibă loc în etape, după pregătiri corespunzătoare, de exemplu, după ce ne asigurăm că avem seturi de date suficiente. În caz contrar, întreaga inițiativă poate eșua.

În construirea de instrumente, colaborarea dintre partea de afaceri și specialiștii în inteligență artificială (data scientists) este, de asemenea, foarte importantă. Cei din partea de afaceri înțeleg bine nevoile companiei, funcționalitățile așteptate ale instrumentului și modul în care acesta este utilizat în practică. Ceilalți sunt experți în construirea de modele, cunosc posibilitățile, dar și limitările tehnologice. Doar o astfel de combinație a experienței ambelor părți asigură sinergie și garantează că soluția dezvoltată va putea atinge obiectivele stabilite. În cele din urmă, rețineți că soluțiile de inteligență artificială trebuie utilizate corespunzător. Aceste soluții sunt menite să faciliteze procesul decizional, dar nu vor înlocui complet decidentul. Recomandările modelului trebuie verificate, iar efectele prognozate comparate cu cele obținute în realitate.

Elemente care definesc promoțiile

Sfat 1

În modelele de predicție, este esențial să stabilim nivelul de agregare a datelor. Cu cât datele sunt mai detaliate, cu atât mai multe informații oferim modelului. Totuși, acest lucru nu înseamnă neapărat că operarea la cel mai granular nivel crește acuratețea prognozei modelului. Dimpotrivă – în cazul produselor cu un nivel de vânzări scăzut și neregulat (long tail) – un nivel scăzut de agregare a datelor poate genera previziuni care diferă de rezultatele reale. Uneori merită să operăm la un nivel mai înalt de agregare și cu valori medii, care reflectă mai bine realitatea.

Sfat 2

Se întâmplă ca datele de vânzări să fie disproporționate față de capacitățile companiei de a le gestiona și analiza. Pregătirea și procesarea unor seturi mari de date pot fi consumatoare de timp și costisitoare. În astfel de cazuri, puteți limita dimensiunea datelor prin agregarea acestora la un nivel mai înalt sau lucrând doar cu o parte din ele, de exemplu, selectând un eșantion de puncte de vânzare care să reprezinte întreaga rețea. Când lucrați cu un eșantion, este important să vă asigurați că acesta reflectă adecvat întregul set de date.