博客,定价

我们在错误的地方使用AI吗?

通过 文达沃
十月16,2018

我从未见过一位高管说:“我们产品的需求是由我们在所有市场中的相同因素和相同影响力所驱动的。”我也从未听过有人说:“我们预计在未来12个月内不会有任何推动需求的变化。”然而,企业领导者经常选择部署看似复杂的优化引擎,而这两个引擎都是它们的核心。

在部署传统的成本加成,市场驱动甚至价值驱动的方法时,这一基本错误是众所周知的。市场或商业部门可能会对因素,属性或价值驱动因素给予不同的考虑。通常,全球结构会在按市场或按部门划分的合理容忍度市场内“弯曲”。

部署更复杂时 价格优化方法,细分作为基础的重要性可能会被忽略或误解。公司开始利用下一代优化,其中利用了机器学习和AI来最大程度地利用给定的细分方法,但是这种对价格设置算法及其AI的关注会放错位置吗?我们是否基于失败的基础来微调输出?我们是否要在泰坦尼克号上重新布置躺椅?

传统的分割方法是分层的,一致的和静态的。

  • 分层的
    • 可以将分段像计算机的文件结构一样。想象一下,从客户类型开始,然后针对每种客户类型,您可以按客户规模将其细分,然后针对每种类型和规模,进一步按产品组进行分类,依此类推。等级越高,属性的影响就越大项目在模型上。
  • 一致的
    • 应用了单一顺序的数据类型,并且所有分组都是相同的。您可能具有从客户国家/地区开始,然后是客户规模的层次结构。由于模型是一致的,因此国家/地区之后的第一步对于所有国家/地区都是相同的,依此类推,使用的组的大小也相同。
  • 静态的
    • 这种方法很难轻易更改。从技术上讲,细分总是可以更改的,但是评估评估替代方案和部署更改所涉及的工作通常意味着更改是很少的。

已经建立了可以在此基础上运行的优化算法,但是一致和静态方法所创建的限制产生了基本缺陷。价格优化试图解决这些问题并填补空白,但是有哪些缺陷呢?

一致性

通过创建一致的模型,我们决定不根据价格驱动因素在业务的每个领域进行细分,而是根据最佳总体驱动因素对整个业务进行细分。实际上,您是在告诉每个市场,推动需求的因素在每个其他市场都是相同的。分组的一致性也是有问题的。如果您有3个客户规模类别,但是给定的国家/地区只有少量客户,则它们可能都属于相同的规模类别。一致性的根本缺陷是,它导致细分市场在任何市场都不完美,并且细分市场中的历史交易并不代表真正的可比业务。

稳定性

稳定性可能导致相同的问题。当市场条件发生变化但细分模型未发生变化时,我们将创建无法按照我们的价格设置将相似交易正确分组的细分。基于细分和优化的新定价的引入将改变历史价格记录中的市场信号。实际上,使用分段将使相同的方法无效,除非可以进行调整。

优化救援?

我们要求优化引擎根据并非真正可比的交易组来设置价格,同时还要处理几乎没有数据或没有数据的细分市场。依靠机器学习和AI来解决这些问题会浪费精力吗?

动态定价细分

有一个新概念,将机器学习和AI应用于细分的创建和维护。 动态定价 细分具有创建和维护细分市场的潜力,这些细分市场都具有足够的数据,并且始终与其市场相关。如果您可以根据特定于市场的支付意愿准确地对历史数据进行分组和维护,则可以更轻松地使用这些数据来设置可靠的市场或特定于客户的定价。

有关推动成功的价格优化项目的更多信息,请获取我们的白皮书 成功实施价格优化项目的10条提示。 

  • 人工智能 , 动态定价 , 机器学习 , 价格优化

    文达沃

    文达沃推动着全球最苛刻的B2B公司向数字业务的转变,从而释放了价值,增加了利润并加速了收入。借助Vendavo商业卓越平台,公司可以开发动态的客户洞察力和最佳的定价策略,以最大化利润,提高销售效率并改善客户体验。在化学品,分销,高科技和制造业领域,Vendavo的年度利润总额超过25亿美元,可提供前沿的分析技术和深厚的行业专业知识,帮助企业保持领先地位。 文达沃的总部位于科罗拉多州丹佛,在全球设有办事处。