2020 年重要趋势：价格调整自动化

托马斯·R·卡特勒

自动化解决方案已经过调整和调整，便于制造商设置和管理定价界限。

当企业目标包括在最细粒度的层面上快速、反复地调整价格时，必须设计自动化以通过使用简单的规则推导出价格来减轻痛苦。

以前，大多数工业业务决策者担心定价技术的实施时间长、复杂性和高昂成本。

新的解决方案克服了这些顾虑，提供了一种自动定价调整技术，可以在短短几周内经济高效地实施。

通过提供清晰的引导式用户体验（通过富有洞察力的仪表板和全面的定价科学）显着提高收入和利润率，这意味着到 2020 年第四季度，数百家制造公司将受益于这种自动化。

它将确保定价执行与战略目标保持一致，以实现最佳利润率。

自动化必须从轻松集成到源系统开始，然后以完美的价格无缝填充交易系统。有了这些流程，价格调整就可以实现复杂的定价逻辑自动化。

自动化制造定价专家分享最佳实践

定价专家 Dallas Crawford 和 Dan Barrett 被要求详细说明制造商应如何使用数据分析来分析定价需求。

Crawford（左图）坚持认为价格与数据分析一致可以很容易地实时完成。专注于趋势或季节性正态分布之外的高交易量和低交易量的能力可以告知存在利润机会的地方。

更高的交易量提供了根据需求调整价格或占领市场份额的机会。较低的销量为分析定价、确定市场份额是否正在流失或产品的生命周期是否接近尾声提供了机会。

Barrett（左图）指出，分析和优化客户定价的最佳方法是对数据进行建模并确保分析平台在非常离散的级别上支持它。按位置或产品 SKU 的客户数据可实现独特定价的最佳交付。了解和预测客户的定价弹性是确定最优价格的关键。

定价敏感度

Crawford 建议 QueBIT PriceAlign 的机器学习模型在大流行环境中比典型的时间序列模型更具适应性。

添加更多定性和及时的输入变量（如燃料成本）使模型能够更贴近上下文并容忍在此独特事件期间收集的异常数据。

大流行为拥抱该技术的制造组织提供了研究和建模影响的机会，以便更好地为未来事件做好准备。关机可能会导致数据不完整；未来机器学习模型的训练将不得不处理它。

Barrett 坚信，虽然大流行是价格调整的重要推动力，但它仍然只是影响制造商供需双方的一个因素。

通过消除电子表格，价格调整提高了将定价快速调整到最详细的水平和市场条件的能力。在数周内，自动定价数据可确保制造商能够可视化由影响需求的变量（例如人口统计）驱动的客户细分，从而进行更有针对性和动态的定价调整。

只有通过自动价格调整，中型制造商才能将定价策略提升到新的复杂程度，实现基于各种因素的动态定价，并了解不同客户、产品或地区的价格弹性。

大数据的使用自动化并加速了中小型制造商最有效的定价模型。 Barrett 建议，附加信息通常可以提供上下文，并且可以将更有用的数据元素整合到更全面的过程中。

根据 Crawford 的说法，制造商以发票、报价、成本信息、需求和供应的形式摄取大数据，而定价专业人员无法使用这些数据。

高级定价系统可以快速连接大数据，跨维度（SKU、客户、位置等）对其进行分析，并自动化定价的迭代过程。这使制造商能够快速进行定价更改并积极管理这些更改的结果。

这种独特的自动化方法利用预测性需求计划，利用高级分析来提高准确性和最优价格。只有通过定价调整自动化，公司才能正确应对疫情期间的快速定价波动。

定价行业专家：

达拉斯克劳福德 是 QueBIT 的高级分析主管，在帮助客户利用预测分析做出明智的战略决策方面拥有超过 10 年的经验。在加入 QueBIT 之前，他在 IBM 工作了 7 年，为分销部门的客户提供服务，并领导了多个关键的预测分析和报告项目。达拉斯于 2008 年毕业于佛罗里达 A&M 大学，获得 MBA 学位。

丹·巴雷特 是 QueBIT 的高级分析技术经理。 Barrett 在一家制造企业担任财务总监和首席财务官超过 12 年。他在数百个评估周期中成功领导了一些世界领先的制造和零售组织对高级分析解决方案的评估。在 IBM 和 Cognos 期间，他指导分销和制造绩效管理解决方案的开发和现场支持。

作者简介 ：Thomas R. Cutler 是位于佛罗里达州劳德代尔堡的 TR Cutler, Inc. 的总裁兼首席执行官，该公司庆祝成立 21 周年。卡特勒是制造媒体联盟的创始人，该联盟包括 8000 多名记者、编辑和经济学家，他们撰写有关制造业、工业、材料处理和流程改进趋势的文章。卡特勒每年撰写超过 1000 篇有关制造业的专题文章。每天有超过 4500 位行业领袖在 Twitter 上关注卡特勒@ThomasRCutler。通过 [email protected] 联系卡特勒。