El 85% dels equips de direcció B2B creuen que les seves decisions en preus, necessiten una millora i només el 15% compta amb eines i taulers eficaços per establir i controlar els preus segons una enquesta de Bain a més de 1.700 líders empresarials.
Per a moltes empreses que depenen dels preus com a avantatge competitiu, han de començar a avaluar la IA i el machine learning en els fulls de ruta de la seva plataforma de IT ara.
Segons McKinsey, els preus i la promoció basats en la Intel·ligència Artificial (IA) poden oferir entre 259,1 i 500 milions de US$ en valor de mercat mundial .
Es va preveure que el mercat global de Gestió d’Ingressos creixi des de 14,5 milions de US$ en el 2019 a 22,4 milions de US$ en el 2024, assolint un índex de creixement anual compost (CAGR) del 9,6%.
BCG va trobar que automatitzar les regles de preus dels sistemes de gestió d’ingressos amb IA pot augmentar els ingressos fins a un 5% en menys de nou mesos .
Mantenir-se en paritat competitiva i convertir l’expertesa basada en l’IA i el machine learning en una fortalesa de preus i de gestió d’ingressos ha de ser una prioritat. Les dades són una panacea provada per por i, tenint en compte la nova dinàmica del mercat a què s’enfronten moltes empreses, és la forma més fiable de prendre decisions. A continuació, es descriuen deu maneres en què la IA millora la gestió de preus i d’ingressos avui en dia:
1.- Utilitzant la IA per identificar i eliminar els descomptes i segments de clients més improductius, alliberant més recursos financers i temps per als que contribueixen als beneficis. Un resum recent de la investigació de Bain & Company, Bringing Order to Discounts Gone Haywire, proporciona un excel·lent exemple de com es pot utilitzar la IA per determinar l’eficàcia dels descomptes per segment de clients i tipus de descompte. El resum esmenta com l’anàlisi enfocada dels descomptes pot ajudar a aturar la fuga d’ingressos a causa de les inversions subòptimes i costoses dels clients. Els dos gràfics següents resumeixen les conclusions principals del document:
2.- L’automatització de les regles de preus amb IA en sistemes de gestió d’ingressos augmenta els ingressos totals un 5%. Boston Consulting Group (BCG) va trobar que el 95% de les iniciatives amb èxit de transformació digital utilitzaven una o més palanques de creixement dels ingressos. El 77% de l'impacte financer de la transformació digital donada es va aconseguir mitjançant l'ús combinat de sis palanques de creixement dels ingressos. La millora de l’optimització de preus amb tècniques avançades, inclosa la IA, pot proporcionar un augment del 5% en els ingressos totals. BCG creu que automatitzar les regles de preus en sistemes de gestió d’ingressos i aplicar canvis contractuals de preus augmenten els ingressos. Font: Com fer créixer els ingressos de forma ràpida i sostenible en transformacions , Boston Consulting Group, 18 d’agost de 2020.
3.- Aprofitar els molts coneixements que poden proporcionar les dades transaccionals mitjançant l’ús d’IA i el machine learning per buscar patrons en l’anàlisi de preus, volum i combinació proporciona avui resultats mesurables. Els patrons i les estadístiques de tendència de les dades de transaccions inclouen noves estadístiques que cada empresa pot utilitzar per fer-se més competitiva. Desbloquejar aquestes estadístiques requereix un enfocament basat en la intel·ligència artificial per interpretar les fluctuacions de preu, volum i barreja sovint bloquejades dins de les limitacions de les dades transaccionals. La combinació de l’anàlisi de dades transaccionals i les fluctuacions de preu, volum i barreja s’ha demostrat difícil i és un repte de combinar en una aplicació unificada i intuïtiva. Una de les empreses amb èxit en combinar dades de transaccions i combinacions de productes mitjançant IA és Vendavo. El seu enfocament és molt bo per resoldre els reptes d’usabilitat, de manera que molts altres proveïdors d’optimització de preus han tingut problemes. Han estat capaços d’oferir una optimització de preus en temps real impulsada per les condicions del mercat local, la intel·ligència competitiva i els paràmetres transfronterers. Corning Optical Communications va identificar oportunitats de preus, marges i beneficis mitjançant un analitzador de beneficis basat en la IA, que va aportar una contribució de 10 milions de dòlars el primer any.
4.- La intel·ligència artificial i el machine learning ajuden els gestors de preus a obtenir més ingressos i beneficis en trobar el que un determinat client està disposat a pagar o optimitzar el preu entre els seus clients i la seva combinació de productes. És difícil identificar els punts cecs en les decisions de preus, descomptes i grandària de l’oferta per als clients i els productes que utilitzen només fulls de càlcul. L’IA i el machine learning, ajuden els gestors de preus a analitzar si els descomptes existents tenen sentit correlacionant la mida de l’oferta amb els descomptes realitzats, identificant valors atípics on s’han concedit descomptes a causa de la visió negociadora del client. Font: Aprofitament del poder dels preus per crear valor durador , Bain & Company, 24 de febrer de 2020.
5.- La IA permet crear models de propensió per persona i són molt valuosos per predir quins clients actuaran sobre una oferta de paquets o preus. Per definició, models de propensió confieu en l’anàlisi predictiu, inclòs el machine learnigng, per predir la probabilitat que un determinat client actuï sobre una oferta de paquets o preus, una campanya de correu electrònic o qualsevol altra crida a l’acció que condueixi a una compra, venda superior o venda creuada. Els models de propensió han demostrat ser molt eficaços per augmentar la retenció del client i reduir el desgavell. Actualment, totes les empreses que destaquen per omnichannel es basen en models de propensió per predir millor com les preferències i el comportament passat dels clients conduiran a futures compres. El següent és un tauler que mostra com funcionen els models de propensió. Font: el tauler de propensions dels clients prové de TIBCO .
6.- L'optimització i l'elasticitat de preus creixen més enllà de les indústries amb inventaris limitats, incloses les companyies aèries i els hotels, que proliferen cap a la fabricació i els serveis. Tots els professionals del màrqueting confien cada vegada més en el machine learning per definir preus més competitius i contextualment rellevants. Les aplicacions del machine learning, escalen l’optimització de preus més enllà de companyies aèries, hotels i esdeveniments per incloure escenaris de preus de productes i serveis. El machine learning, s’utilitza avui en dia per determinar l’elasticitat dels preus per cada producte, tenint en compte el segment de canal, el segment de clients, el període de vendes i la posició del producte en una estratègia general de preus de la línia de productes.
7.- La IA millora l’eficàcia de la configuració, el preu i el pressupost (CPQ), aportant una major precisió i control a la gestió i optimització de preus, que augmenta els marges, redueix els costos i augmenta el rendiment financer rendible.
8.- La posada a punt de les estratègies de segmentació de preus amb informació obtinguda de la IA, ajuda a estabilitzar i augmentar els marges i els ingressos actuals. Cada segment de clients té un preu diferent que està disposat a pagar per un determinat producte o servei. En utilitzar l’IA i el machine learning per conèixer el preu per segments, els clients estan més disposats a pagar per un producte determinat, les aplicacions d’IA els poden suggerir als gestors de vendes i ingressos. Automatitzar les directrius de preus específiques per segments mitjançant sistemes CRM i CPQ és fonamental per a l’èxit de les estratègies de segmentació de preus.
9.- La AI proporciona als gestors de vendes i ingressos, orientacions de preus de l’oferta més precises que les disponibles en el passat, cosa que permet un ús més eficaç dels descomptes de preus. Davant d’una major pressió de preus en els cicles de vendes, volen tancar ràpidament i els representants de vendes ofereixen ràpidament descomptes profunds que sacrifiquen el marge. Això és especialment cert en el programari empresarial. McKinsey va trobar que l’ús de puntuacions dinàmiques d’acords indexades a descomptes proporciona l’orientació que necessiten els representants de vendes per determinar quin nivell de descompte guanyarà l’acord i no sacrificarà el marge. Font: anàlisi avançada de preus de programari: habilitació de preus amb confiança , McKinsey & Company, 14 de juny de 2018
10.- Confiar en la IA per controlar les mètriques i els KPI basats en el risc per obtenir una major visibilitat de la causa arrel dels possibles riscos per als ingressos. Les vendes, els comptes i els clients perduts sovint es produeixen perquè els equips de vendes i serveis no ho saben prou aviat; hi ha un problema. L’alerta basada en la IA sobre mètriques clau d’ingressos, preus i cotització pot estalviar una venda, un client i ajudar a identificar també un problema de producte específic. Les alertes de risc basades en IA es poden personalitzar per a mètriques i condicions específiques i s’envien als membres de l’equip rellevants, donant suport als clients. L’aspecte més valuós d’aquestes alertes és arribar a la causa arrel de qualsevol problema. Dels proveïdors d’optimització de preus que els proporcionen avui en dia, les alertes de risc empresarial de Vendavo es troben entre les més completes i fàcils d’utilitzar.
Font: Forbes (Louis Columbus)