00:00:08 El problema de entidades separadas en precios y planificación.
00:01:02 Empresas de software tradicionales y su enfoque hacia los precios y forecast.
00:03:24 La convergencia accidental de las tecnologías de precios y forecast.
00:05:46 La integración de datos como punto de partida para la convergencia.
00:07:33 Abordar el meta problema y aplicarlo tanto a precios como a planificación.
00:09:20 El avance en deep learning y modelos predictivos de demanda.
00:11:22 La convergencia de modelos de planificación y precios en diferentes industrias.
00:13:36 Los beneficios de tener un equipo para gestionar tanto la planificación como los precios.
00:15:00 El exitoso enfoque de Amazon hacia precios dinámicos basados en la disponibilidad de stock.
00:16:01 Discutir el cambio hacia la optimización de precios en ecommerce.
00:17:03 El desarrollo accidental y la convergencia de soluciones de precios y planificación.
00:19:01 Los desafíos de las empresas de software tradicionales al unificar precios y planificación.
00:21:20 El surgimiento de nuevas empresas que abordan precios y planificación juntas desde el primer día.
00:22:37 El dominio de mercado de las empresas que unifican precios y planificación, como Amazon y Alibaba.
Resumen
Kieran Chandler entrevista a Joannes Vermorel, fundador de Lokad, sobre la importancia de integrar los precios y la planificación de la demanda en supply chain optimization. Tradicionalmente, estos aspectos se gestionaban por separado, resultando en silos de datos y una comunicación deficiente. Lokad descubrió que precios y planificación comparten fuentes de datos similares y recetas numéricas, lo que llevó al desarrollo de un lenguaje de programación específico de dominio, Envision. Aprovechando el almacenamiento y procesamiento compartido de datos, Lokad creó modelos más sofisticados, que incorporaban efectos de precios y de tiempo. Vermorel cree que las empresas exitosas deben unificar precios y planificación, ya que son aspectos interconectados cruciales en casi todas las industrias.
Resumen Ampliado
En esta entrevista, Kieran Chandler, el presentador, discute con Joannes Vermorel, el fundador de Lokad, la importancia de integrar precios y la planificación de la demanda en supply chain optimization. Históricamente, los precios y la planificación han sido tratados como entidades separadas, lo que ha llevado a silos de datos y a una falta de comunicación entre departamentos. La conversación gira en torno a cómo el software puede ayudar a abordar estas tareas de manera conjunta, y por qué la industria debería verlos como dos aspectos interconectados.
Vermorel explica que anticipar future demand es crucial para atender a los clientes de manera efectiva. Las empresas necesitan producir o abastecer productos con antelación para satisfacer la demanda, ya que la producción instantánea aún no es posible. Sin embargo, la demanda también se ve fuertemente influenciada por el precio. Si un producto es demasiado caro, la demanda será baja, mientras que un precio competitivo puede generar una demanda significativa.
Cuando se fundó Lokad, la industria del software estaba dividida en dos campos: las empresas de forecast, que se centraban en predecir la demanda, y las empresas de optimización de precios, que ignoraban el forecast y la planificación. Durante los primeros cinco años de Lokad, la noción misma de precios y de fijación de precios estaba ausente en su enfoque, ya que la empresa se centraba principalmente en el forecast. De manera similar, las empresas de optimización de precios no consideraban el forecast y la planificación como parte de su ámbito.
Vermorel enfatiza que la demanda y los precios están profundamente interconectados. Las empresas necesitan anticipar la demanda a la vez que fijan correctamente el precio de sus productos. Históricamente, las organizaciones mantuvieron separados la fijación de precios y la planificación de la demanda, utilizando herramientas como price forge y sales cast. Sin embargo, en algún momento, Lokad decidió integrar estos dos aspectos.
La decisión de unir precios y la planificación de la demanda surgió de la realización de que ciertas prácticas establecidas pueden volverse tan arraigadas en la mentalidad general que la gente deja de ver las conexiones entre ellas. Al integrar estos dos aspectos, Lokad busca mejorar el supply chain optimization abordando la interdependencia entre la fijación de precios y la planificación de la demanda.
Inicialmente, Lokad desarrolló dos productos separados, Salescast para forecast y Priceforge para precios, con tecnologías completamente distintas. La empresa decidió unir estas dos aplicaciones porque notaron que ambas utilizaban fuentes de datos similares, como sales history y catálogos de productos, así como los mismos datos transaccionales de DRP, WMS, y plataformas de e-commerce. Decidieron crear una arquitectura unificada para el almacenamiento y procesamiento de datos, pero en esa etapa, aún no habían comprendido la conexión profunda entre los precios y el forecast de ventas.
El primer grado de convergencia entre ambas soluciones surgió de manera accidental. La empresa se dio cuenta de que las recetas numéricas para precios y el forecast de ventas eran similares, y comenzaron a trabajar en un lenguaje de programación específico de dominio para la predictive optimization de supply chains. Esto llevó al desarrollo de Envision, que comenzó en el área de precios.
En ese momento, Lokad estaba menos familiarizado con los precios que con la planificación, por lo que decidieron abordar un meta problema: cómo desarrollar recetas numéricas de forma más rápida y confiable. Esperaban que, mejorando el time to market y la confiabilidad de las nuevas recetas numéricas, pudieran tener éxito en el ámbito de precios. A medida que experimentaban con estas técnicas, descubrieron que el mismo enfoque programático que utilizaban para precios tenía sentido para la planificación también. Esta realización condujo a un segundo grado de convergencia, con precios y planificación compartiendo la misma capa de procesamiento de datos y lenguaje de programación.
Sin embargo, las soluciones aún funcionaban por separado, y fue durante la era de deep learning cuando Lokad tuvo su primer avance. Al incorporar modelos predictivos de demanda más avanzados, descubrieron que integrar los efectos de precios y de tiempo conducía a modelos más sofisticados para ambos ámbitos. Por ejemplo, la willingness to pay de un producto podría ser estacional, por lo que tenía sentido incorporar estos factores tanto en modelos de precios como de forecast de ventas.
El camino de Lokad para combinar precios y forecast de ventas comenzó con la observación de que ambas soluciones compartían fuentes de datos similares y evolucionaron a través de varias etapas de convergencia. Al aprovechar el almacenamiento y procesamiento compartido de datos, así como un lenguaje de programación unificado, Lokad logró crear modelos más sofisticados que incorporaban tanto efectos de precios como de tiempo. Aunque la discusión en esta parte de la entrevista no ofrece una conclusión, destaca el proceso iterativo por el que pasó Lokad para desarrollar y perfeccionar su enfoque hacia el supply chain optimization.
Vermorel comparte cómo Lokad comenzó a darse cuenta de que la [willingness to pay] era estacional, y cómo esto afectó su enfoque hacia el supply chain optimization. A medida que trabajaban en sus modelos, notaron que la dimensión de precios se volvía más prominente. Esto era especialmente cierto en industrias como la moda, donde el precio se utiliza como palanca para asegurar que los stocks se liquiden al final de una colección. A medida que continuaron trabajando en sus modelos, encontraron que los problemas de planificación y precios convergían, llevándolos eventualmente a desarrollar un único modelo que pudiera abordar ambos problemas.
Cuando se le preguntó a qué industrias es más aplicable este enfoque, Vermorel explica que los precios son cruciales en casi todas las industrias porque pueden marcar la diferencia entre no tener margen y obtener un margen significativo. La planificación y los precios a menudo están entrelazados, con una relación estrecha entre el manejo de la escasez y la [willingness to pay]. Diferentes industrias tienen perspectivas únicas sobre el problema, pero en el fondo, ambos temas están casi siempre interconectados.
Sin embargo, la mayoría del mercado aún ofrece software enfocado en precios o planificación, en lugar de una solución unificada. Vermorel atribuye esto al hecho de que, hasta que exista una solución, no se percibe un problema. El enfoque de Lokad para unificar precios y planificación surgió de forma accidental, ya que encontraron que sus modelos para ambos temas compartían muchos componentes en común. Conforme continuaron desarrollando sus modelos, se dieron cuenta de que necesitaban abordar ambos problemas simultáneamente.
Cuando se le preguntó sobre la posibilidad de que las empresas de software se asociaran para ofrecer una solución dual, Vermorel se mostró escéptico, ya que la tecnología necesaria para unificar precios y planificación es radicalmente diferente de los métodos tradicionales. En cambio, predice que surgirán nuevas empresas que aprovecharán los conocimientos desde el principio para abordar ambos temas juntos.
Vermorel enfatiza que las empresas que logren unificar precios y planificación pueden alcanzar el dominio del mercado. Utiliza a Amazon y Alibaba como ejemplos de compañías que continúan ganando cuota de mercado porque han acertado en los fundamentos. Su conclusión es que los negocios deben adoptar una solución que aborde tanto los precios como la planificación, ya que estos dos aspectos están inextricablemente vinculados.
Transcripción Completa
Kieran Chandler: Hoy en Lokad TV, vamos a discutir cómo el software puede abordar estas tareas de manera conjunta y por qué la industria debería verlas como dos caras de la misma moneda. Entonces, Joannes, previamente hablamos un poco sobre precios. ¿Cuál es el enfoque hoy?
Joannes Vermorel: El enfoque es el hecho de que, cuando piensas en la demanda, obviamente, si quieres poder atender a los clientes, necesitas anticipar cuál será la future demand para poder producir o abastecer con antelación lo que pretendes servir. No puedes imprimir en 3D cosas al instante bajo demanda, al menos por ahora. Pero, obviamente, la demanda se ve fuertemente influenciada por el precio. Si tienes algo que es excesivamente caro, la demanda será nula, y si tienes algo que es excesivamente competitivo, la demanda puede llegar a ser absolutamente gigantesca a gran escala.
Aunque, cuando comencé Lokad, claramente había dos campos en cuanto a empresas de software. Existían las empresas de forecast, Lokad era una de ellas, que realmente se enfocaban en analizar la demanda desde una perspectiva predictiva. Y tradicionalmente, los precios ni siquiera existían. Los precios ni siquiera existían, y es algo extraño, pero en realidad, durante los primeros cinco años de Lokad, la noción misma de precios y de fijación de precios estaba ausente. Ni siquiera formaba parte de la hoja de ruta. No estaba en ningún lugar. Obviamente, yo sabía, como todo el mundo, que los precios son cosas que se pueden ver, pero no había una conexión específica. Y luego había otras empresas que solo se ocupaban de la optimización de precios, y desde su perspectiva, el forecast y la planificación estaban ausentes. Ni siquiera formaban parte del panorama. No les importaba. De nuevo, sabían que el forecast existe porque veían el pronóstico del clima en las noticias, como todo el mundo. Pero, no obstante, así como yo estaba en el lado del forecast, yo estaba completamente ignorando lo que sucedía en lo que respecta a los precios. Las empresas de precios en software estaban completamente ignorando de qué se trataba el forecast. Y, sin embargo, cuando lo piensas, está profundamente conectado con la demanda, y la demanda es súper importante; necesitas anticipar, pero también necesitas fijar correctamente el precio.
Kieran Chandler: Sí, y históricamente, solías mantener esas dos entidades bastante separadas en Salescast y PriceForge, pero luego en algún momento se unieron. Entonces, ¿por qué decidiste unirlas?
Joannes Vermorel: Eso es muy interesante. Verás, a veces hay cosas que están tan bien arraigadas en el pensamiento general de tu época que ni siquiera las puedes ver. Y cuando Lokad comenzó a abordar el problema de precios, en realidad teníamos una misión de precios. Yo lo consideraba algo completamente separado. Así que teníamos un producto llamado Salescast, y era básicamente la parte de forecast de Lokad, y teníamos otro producto completamente distinto, que era PriceForge.
Kieran Chandler: Y estábamos vendiendo esas dos cosas por separado e incluso las tecnologías, las respectivas tecnologías, eran completamente distintas. En términos de análisis de datos, ¿qué tan fácil fue combinar las dos?
Joannes Vermorel: Eso es lo extraño. Unimos esas dos aplicaciones, no porque pensara, “Oh, es el mismo problema que estamos resolviendo, por cierto, lo estamos resolviendo dos veces.” No, eso habría sido muy inteligente, pero no, hicimos lo muy tonto. Dijimos, “Esta aplicación utiliza el sales history, esta aplicación también utiliza el sales history. Esta aplicación necesita el catálogo con precios, esta aplicación también necesita un catálogo. No usamos el precio, pero es prácticamente lo mismo, es un catálogo.” Y literalmente, estábamos observando los datos y los datos que se necesitaban, diría yo, para el análisis de precios o para el análisis de planificación. Era esencialmente el mismo dato transaccional que provenía de las mismas fuentes: ERP, WMS, plataformas de e-commerce, etc. Así que decidimos mutualizar la arquitectura para tener la misma capa base para el almacenamiento y procesamiento de datos porque eran los mismos datos. Pero en ese momento, ni siquiera habíamos comenzado a darnos cuenta conceptualmente de que eran literalmente dos caras de la misma moneda.
Kieran Chandler: Entonces, fue en la integración de datos y en tener esos dos conjuntos de datos en el mismo lugar donde comenzaron. Pero, ¿cuándo empezaron a converger las soluciones en términos de precios y ventas?
Joannes Vermorel: Poco a poco empezamos a darnos cuenta de que las recetas numéricas eran casi iguales, lo cual era desconcertante. Lo que Lokad es hoy en día, Envision, con un lenguaje de programación de dominio específico dedicado a la optimización predictiva de supply chain, esta cosa comenzó en el área de precios. En ese momento, los precios eran algo muy nuevo para nosotros, y realmente no sabíamos cómo abordarlo. Así que, en lugar de resolver el problema de precios, dijimos, “No estamos realmente seguros de cómo abordar eso, así que vamos a resolver un meta-problema, que es: ¿cómo podemos elaborar recetas numéricas de manera más rápida y de formas más confiables?” Aún no conocíamos las recetas, pero si pudiéramos mejorar nuestro tiempo de entrega en términos de cuánto tiempo se tarda en entregar una nueva receta numérica que aún no hemos inventado al mercado, y luego cuánto tiempo se tarda en poner esta cosa en marcha de forma confiable en producción, entonces estaríamos más o menos bien. Así que el razonamiento fue: “Vamos a hacer eso para precios porque en ese momento sabía mucho menos sobre precios de lo que sabía sobre planificación.” Y sin embargo, cuando empezamos a hacer ajustes, estábamos lidiando literalmente con los mismos conjuntos de datos, y nos dimos cuenta, “Oh, es muy interesante. Lo que estamos haciendo en el área de precios tiene mucho.”
Kieran Chandler: Es todo un desafío lidiar con la parte de la planificación de supply chains, ya que están compuestas por una serie de accidentes. Algunas empresas tienen un ERP, otras dos, algunas tienen uno por país. A veces la plataforma de ecommerce está integrada, a veces es separada, y a veces hay un WMS. Es muy heterogéneo. Nos dimos cuenta de que necesitábamos un enfoque completamente hecho a la medida y programático tanto para la etapa de precios como para la etapa de planificación. Esto nos permitió tener un segundo nivel de convergencia con la misma capa base para datos y las mismas capas de procesamiento de datos. Pero, ¿qué tan bien funciona realmente? ¿Es más bien una aproximación burda?
Joannes Vermorel: Nos tomó algo de tiempo mejorar el sistema. Inicialmente, mutualizamos la capa de datos, ya que estábamos tratando con las mismas fuentes de datos, y también mutualizamos el enfoque de procesamiento de datos. Nos dimos cuenta de que ambos lados necesitaban ser programáticos, y teníamos conjuntos distintos de recetas numéricas. El primer avance surgió de la era del deep learning, donde comenzamos a experimentar con modelos de demanda más avanzados. En el lado de la planificación, si deseas un modelo sofisticado, necesitas integrar el precio, y en el lado de precios, necesitas integrar efectos temporales, como estacionalidad.
Por ejemplo, la disposición a pagar por una toalla de playa es mayor al final de la primavera que al final del verano, porque si compras la toalla al principio de la temporada, puedes disfrutarla durante todo el verano. Por el contrario, si la compras al final del verano, el uso del producto será mucho más limitado. Nos dimos cuenta de que la disposición a pagar era en realidad estacional, y en el lado de la planificación, nuestros modelos más avanzados tenían la dimensión de precios volviéndose cada vez más prominente. En moda, por ejemplo, quieres utilizar el precio como palanca para asegurarte de liquidar todo tu stock al final de una colección.
Así que, vimos estas convergencias, y en el medio, teníamos algún tipo de modelo predictivo para la demanda. Nos dimos cuenta de que estos modelos realmente estaban convergiendo, y el ciclo se cerró con la era de programación diferenciable.
Kieran Chandler: Entonces, ¿es la industria de la moda aquella a la que más se aplica esta solución? Porque si piensas en la industria de las aerolíneas, sus precios fluctúan cada segundo, y luego hay otras industrias donde los precios no han cambiado en años.
Joannes Vermorel: La solución es literalmente aplicable en todas partes. Los precios son siempre súper importantes cuando estás vendiendo algo porque hacen la diferencia entre no tener margen o tener un montón de margen. Y existe una relación muy estrecha entre la planificación, donde se trata la escasez, y los precios, donde se trata la disposición a pagar. Los dos están en realidad completamente entrelazados. Si anticipas más demanda, puedes producir más a un precio más bajo y así tener un mejor margen y potencialmente superar a tus competidores en precio. Si tienes un precio súper alto, tal vez puedas jugar con la escasez y hacer que tus productos sean aún más deseables, como lo hacen las marcas de lujo. Ellos quieren que los precios aumenten con el tiempo y jueguen con la idea de la escasez. Cada industria tiene una perspectiva bastante distintiva sobre el problema, tanto en el lado de la planificación como en el de precios, pero el hecho de que esos dos problemas en el núcleo estén completamente entrelazados es casi siempre cierto.
Kieran Chandler: Entonces, para obtener los mejores resultados, ¿los equipos de planificación deben trabajar mucho junto con los equipos de precios?
Joannes Vermorel: Discrepo de eso. Mi perspectiva inicial fue: ¿por qué deberías tener un equipo de planificación y un equipo de precios? ¿Por qué tener dos? Ese es exactamente el mismo error que cometí inicialmente con software separados para cada uno. Es el mismo problema; solo lo estás viendo desde dos ángulos. Debería haber un solo equipo.
Kieran Chandler: ¿Hay alguna empresa que hayas observado haciéndolo bien y trabajando con un solo equipo?
Joannes Vermorel: Sí, está el sospechoso habitual: Amazon. Son muy inteligentes, y hacen cosas que son muy obvias cuando lo piensas. Por ejemplo, si algo se está quedando sin stock, aumentarán el precio. No hay razón para precipitarse hacia un faltante de stock. El precio es solo una manera de moldear la demanda para que aproveches al máximo el stock que tienes. Literalmente, puedes verlo en acción.
Kieran Chandler: Amazon hizo eso antes de Navidad con los juguetes que venden. Mi hija, que tiene 10 años, es una gran fan de los juguetes LEGO, y cuando miras en Amazon, literalmente cada par de horas, cuando hay un poco menos de stock, de hecho aumentan el precio de ciertas cajas LEGO. Estoy bastante seguro de que tienen algunas heurísticas básicas que inflan el precio cuando se están quedando sin stock, y tiene sentido. Es literalmente sentido común, pero no es súper obvio. Estoy casi seguro de que, solo mediante la observación pública, tienen un algoritmo que entrelaza la disponibilidad de stock, que es una proyección, con la optimización de precios.
Joannes Vermorel: Pero luego, a partir de la base de clientes local, veo que otras empresas de ecommerce muy inteligentes, con mentalidad tecnológica y agresivas, ya están haciendo eso, así que no es solo Amazon. También son los mayores challengers en términos de supply chain de Amazon hoy en día los que lo están haciendo.
Kieran Chandler: Bien, entonces, si este es un camino tan bueno a seguir, ¿por qué la mayoría del mercado sigue ofreciendo software que se enfoca únicamente en precios o únicamente en planificación?
Joannes Vermorel: Porque hasta que tienes una solución, no existe el problema. Es algo desconcertante. Dirías, “Oh, hay un problema, así que la gente debería estar buscando una solución,” pero no es así como funciona. Nadie está buscando una nueva manera de reinventar los coches si tuviésemos motores antigravitatorios. No tenemos motores antigravitatorios, así que a nadie le importa encontrar soluciones para un problema que aún no existe. Si no tienes una solución para abordar frontalmente los precios y la planificación, ¿tiene siquiera sentido pensar en la potencial solución para este problema? Yo diría que no.
¿Cómo llegó Lokad a eso? ¿Pensé históricamente, en un arranque de genialidad, “Esas son dos caras de la misma moneda, necesito abordar eso y pensar en esos dos problemas como uno”? Absolutamente no. Lo que hice fue prácticamente lo contrario. Estábamos pensando, “Bueno, tenemos un problema en el que existe un conjunto de soluciones conocidas en la literatura para forecast, y existe el precio, y también hay un conjunto de soluciones conocidas en la literatura para eso.” Así que, en realidad, tendré un producto que implemente todas las soluciones o tal vez lo que creo que es una variante ligeramente mejor de esas soluciones, y lo mismo en el lado del forecast: una variante ligeramente mejor de lo que se conoce en la literatura.
Como estaba describiendo, la convergencia surgió de forma completamente accidental. Simplemente estábamos usando los mismos conjuntos de datos, ¿entonces por qué no? Hagámoslo. Juntemoslos así. Luego vemos que las recetas son un poco parecidas, así que mutualicémoslas. Los dos productos de software distintos se unieron simplemente porque, accidentalmente, comparten los mismos componentes.
Pero ya ves, no fue como un gran pensamiento; fue más bien un desarrollo accidental. Y luego, cinco años más tarde, tienes otro accidente en el que, con nuevas técnicas de machine learning, te das cuenta, “Oh, mierda, es el mismo modelo que termino usando en ambos lados del problema.” Así, tengo mi solución que hace ambas cosas juntas, y por lo tanto me doy cuenta de que debería abordar esos problemas como uno solo, porque tengo una solución.
Kieran Chandler: Ahora, en el interior parece obvio, pero al mirar atrás no lo era. Y así, creo que la mayoría de las empresas han mantenido ese equipo separado porque es razonable hacerlo hasta que se tenga una solución para unificar la cosa. Si no tienes, ya sabes, una solución que pueda unificar precios y planificación, entonces básicamente, bueno, te quedas con dos equipos distintos. Porque de lo contrario, esas personas ni siquiera podrían comenzar a trabajar en esos dos problemas. Lo primero que harían sería re-dividir internamente el problema. Y así, si tuvieran, por ejemplo, personas trabajando en un lado del programa y otro grupo de personas trabajando en el otro lado del departamento, porque no lo tienen, ya sabes, y eso se convertiría en el tema de la planificación y los precios.
Joannes Vermorel: Bien, suena a que fue un poco un feliz accidente, entonces.
Kieran Chandler: Y quizás, si miramos hacia el futuro, ¿puedes ver a algunas de esas empresas de software asociándose y uniéndose para ofrecer una solución dual?
Joannes Vermorel: No lo creo, porque literalmente, el tipo de cosas que funcionan para unificar los dos problemas son completamente diferentes de lo que tradicionalmente se hacía para precios y lo que se hacía tradicionalmente para forecast. Es algo bizarro que esta clase de soluciones que tenemos ahora para abordar esos dos problemas a la vez, ya sabes, y optimizar de forma frontal tanto los precios como el plan, que básicamente es cuánto produces, cuánto compras, cuán mucho stock colocas en todas tus redes. El tipo de tecnología que desarrollamos es radicalmente diferente de lo que históricamente teníamos, ya sea en el lado de precios o en el de planificación. Así que, literalmente, tuvimos que descartar y desechar por completo nuestras respectivas tecnologías en ambos lados. Entonces, imagina, ya sabes, ¿realmente juntarías dos empresas, dos compañías de software, para que ambas acuerden descartar toda la pila tecnológica y reescribir todo juntas? Nah, no lo creo. Eso suena super raro. Así que, probablemente, lo más probable es que veamos…
Kieran Chandler: No lo sé, quiero decir, es muy difícil predecir el futuro, especialmente el futuro. Pero lo que probablemente veremos es nuevas clases de empresas que, desde el inicio, aprovechen el insight para decir, “Vamos a abordar esos dos problemas juntos,” y desde el primer día decidan optar por una solución que abarque el espectro mundial de problemas.
Joannes Vermorel: Bien.
Kieran Chandler: Si empezamos a resumir las cosas hoy, um, ¿cuál es nuestra conclusión principal? ¿Es que una empresa que unifica precios y planificación tiene mucho más control?
Joannes Vermorel: No, es solo que, como de costumbre, las empresas que han unificado eso simplemente, ya sabes, seguirán, diría yo, llevando a la bancarrota a las empresas que no lo hacen. Ya sabes, literalmente, um, si eres capaz de ejecutar eso, no se trata solo de tener más control; se trata literalmente de dominancia de mercado. Y, de nuevo, cuando vemos que es un ingrediente más donde se entiende por qué Amazon sigue ganando cuota de mercado, aunque son, como, una de las empresas más grandes de la tierra, y todavía están ganando cuota de mercado, y lo mismo para Alibaba en China. O, y ves, bueno, porque tienen esas cosas fundamentales bien, y así, con el tiempo, simplemente, ya sabes, van a aplastar a todas las empresas que no lo hagan. Entonces, ¿por qué deberías hacer eso? Bueno, diría que simplemente te cuestiones, ¿realmente crees que puedes, ya sabes, al pensar en la demanda, aislar literalmente la parte de precios de la parte de planificación? ¿Es razonable en términos comerciales? Y usualmente, cuando la gente, ya sabes, se detiene un segundo a pensar, no, esas cosas están completamente entrelazadas. Así que, sí, si tengo una solución para simplemente, ya sabes, abrazar eso, debería hacerlo. Y, um, mi conclusión para la gente que nos está viendo es: háganlo.
Kieran Chandler: Siempre parece recaer en la supervivencia del más apto, absolutamente. Bien, eso es todo por esta semana. Muchas gracias por sintonizarnos, y nos veremos de nuevo en el próximo episodio. Gracias por ver.
