Системы ИИ-прайсинга часто отказывают
non-food ритейлерам в сотрудничестве:
эти решения работают только при очень высоких ежедневных продажах каждого SKU, а нейронным сетям нужен значительный объем исторических данных для обучения.
Традиционные процессы прогнозирования спроса и следующего за ним планирования опираются на стандартное статистическое моделирование временных рядов, выстроенное на базе исторических данных по объему заказов. Эта работа также предполагает коррекцию относительно сезонного и недельного спроса. Но сами алгоритмы, сколь продвинутыми бы они ни были, работают с массивами уже устаревших данных.
Эти данные ничего не могут сказать о таких непредсказуемых событиях, каким стала пандемия COVID-19 и последовавшие за ней меры социального ограничения. Они в целом недостаточно гибки и слишком консервативны для стремительно меняющейся реальности и непостоянных настроений потребителей. В историческом подходе кроется и еще одна слабость — ограниченность случаев использования. Так, полученные во время локдауна данные
не позволяют компаниям выстроить достоверный прогноз по продажам на весну 2021 года, поскольку будут основываться на аномальных показателях весны 2020 года. В целом
подобная неучтенная непредсказуемость внешней среды в международном масштабе, по нашим оценкам, ежегодно приводит к упущенной прибыли в 10–15%
Более эффективной мерой является переход на
зондирование спроса, которое в условиях быстро меняющейся среды рассматривается как ключевой элемент процесса планирования продаж и операционной деятельности.
Источник: pro.rbc.ru/news/5efb2e699a794723edcec264
• Даёт очень быстрый результат для компаний на начальном этапе построения ценообразования на конкурентном рынке.
• Запускается ценообразование на базе правил и цен конкурентов.
• Доступен полный набор аналитических отчетов.
Даёт дополнительный рост продаж и прибыли компаниям с опытом построения ценообразования на конкурентном рынке. К ценообразованию на базе правил добавляются модули с ИИ-аналитикой, находящие дополнительные точки роста на конкурентном рынке.
Даёт максимум прибыли и продаж, в том числе для сегментов без прямой конкуренции. К ценообразованию на базе правил и модулям с ИИ-аналитикой добавляется ИИ-модуль оптимизации цен на базе спроса, для получения максимально возможной валовой прибыли.
•Даёт дополнительный рост продаж и прибыли компаниям с опытом построения ценообразования на конкурентном рынке. К ценообразованию на базе правил добавляются модули с ИИ-аналитикой, находящие дополнительные точки роста на конкурентном рынке.
• Неограниченное кол-во SKU
• от 5 ценовых зон
• Даёт максимум прибыли и продаж, в том числе для сегментов без прямой конкуренции
• ИИ-модуль оптимизации цен на базе спроса, для получения максимально возможной валовой прибыли
• Модули с ИИ-аналитикой, находящие дополнительные точки роста на конкурентном рынке
• Ценообразование на базе правил и цен конкурентов
• Неограниченное кол-во SKU
• от 5 ценовых зон
• Даёт максимум прибыли и продаж, в том числе для сегментов без прямой конкуренции
• ИИ-модуль оптимизации цен на базе спроса, для получения максимально возможной валовой прибыли
• Модули с ИИ-аналитикой, находящие дополнительные точки роста на конкурентном рынке
• Ценообразование на базе правил и цен конкурентов