Optimisation des prix et gestion de la supply chain

00:00:07 Optimisation des prix et défis.
00:01:34 Approches classiques de la tarification et leurs limites.
00:04:12 Importance d’intégrer l’optimisation des prix et de la supply chain.
00:05:48 Exemples réussis de tarification dynamique dans le e-commerce.
00:07:26 Équilibrer la communication marketing et l’optimisation pour la tarification dynamique.
00:09:07 Utiliser une approche probabiliste pour une meilleure optimisation des prix.
00:11:58 Importance des données historiques et des pratiques de tarification.
00:13:56 Exigences techniques pour l’optimisation des prix.
00:15:03 Exigences de processus et de données pour l’optimisation des prix.
00:17:35 Importance de la tarification des concurrents dans différents secteurs.
00:19:22 Prévoir la tarification et les profits futurs, ainsi que les industries qui le font déjà.
00:20:33 La leçon clé sur l’optimisation des prix et sa relation avec la demande.
00:21:18 Remarques de clôture.

Résumé

Dans une interview, Joannes Vermorel, fondateur de Lokad, évoque les défis liés à la modélisation de la tarification et de la demande, en soulignant qu’ils sont souvent déconnectés. Il soutient que les modèles traditionnels de prévision sont limités, car ils ne prennent pas en compte les effets de la tarification. Vermorel estime que l’optimisation des prix et la gestion de la supply chain sont fondamentalement imbriquées et doivent être considérées ensemble. Les stratégies de tarification dynamique, telles que celles utilisées par Amazon, permettent aux entreprises de gérer les ruptures de stock et de maximiser les marges. Vermorel insiste sur l’importance d’une approche probabiliste pour la prévision, qui prend en compte une gamme de possibilités. En réunissant les équipes responsables de la tarification, de la planification, des achats et de la production, les entreprises peuvent mettre en œuvre de meilleures stratégies d’optimisation en utilisant des exigences de données minimales.

Résumé Étendu

Dans l’interview, l’animateur Kieran Chandler et Joannes Vermorel, le fondateur de Lokad, discutent des défis liés à la modélisation du lien entre la tarification et la demande, et de la manière dont les avancées en machine learning et en big data ont rendu possible l’optimisation des prix pour les entreprises modernes.

Vermorel commence par expliquer que l’aspect le plus marquant de la tarification est son décalage par rapport à la planification de la demande. Les équipes marketing déterminent généralement les points de prix des produits, tandis que les équipes de planification décident de la demande. L’équipe de vente peut se coordonner dans le cadre d’un processus S&OP (Sales and Operations Planning), mais la tarification est souvent ignorée une fois qu’une décision a été prise.

Il poursuit en évoquant le principe économique de base selon lequel, à mesure que les prix augmentent, la demande diminue. Pour la plupart des biens, cela est vrai, bien qu’il existe des exceptions, appelées biens de Veblen. Vermorel souligne que ces biens sont rares, et que l’expertise chez Lokad se concentre principalement sur des produits plus courants. Le défi se pose lorsqu’on considère que la plupart des outils de planification de la supply chain ne prennent pas en compte la tarification, laissant ainsi les planificateurs aveugles face aux forts effets de la tarification susceptibles d’affecter les prévisions.

La raison pour laquelle de nombreux outils de supply chain ne prennent pas en compte la tarification réside dans le nombre important de variables, telles que les influences marketing, pouvant affecter la demande. Cependant, Vermorel soutient que le simple nombre de variables n’est pas forcément un problème, car les ordinateurs modernes peuvent traiter des centaines de milliers de variables. Le problème réside plutôt dans les modèles simplistes utilisés, qui considèrent souvent la demande comme une moyenne mobile avec un coefficient saisonnier, sans tenir compte des ruptures de stock ni des effets de la tarification.

Vermorel souligne l’importance de surveiller les prix des concurrents, ce qui est devenu plus facile grâce aux robots d’exploration web et aux entreprises spécialisées dans la collecte de données. Il estime que le point de départ pour l’optimisation des prix est de reconnaître que l’optimisation de la supply chain doit prendre en compte l’optimisation des prix. Ces deux éléments sont fondamentalement imbriqués et ne peuvent être séparés. En reconnaissant cela, les entreprises peuvent commencer à mettre en place des stratégies de tarification plus efficaces et une meilleure gestion de la supply chain.

Vermorel insiste sur l’importance d’intégrer la tarification dans le processus de prévision. Les modèles traditionnels de prévision, qui traitent la tarification et la demande séparément, sont limités dans leur capacité à prédire l’avenir avec précision. Il soutient que la tarification ne doit pas être traitée comme une entité distincte à prévoir, mais plutôt comme un levier pouvant être exploité pour optimiser la supply chain de gestion.

Les entreprises de e-commerce sont citées comme pionnières dans l’optimisation quantitative intelligente grâce à la tarification dynamique. Vermorel explique qu’en ajustant les prix en fonction des niveaux de stocks, les entreprises peuvent mieux gérer les ruptures de stock et maximiser les marges. Par exemple, si une entreprise sait qu’elle est en passe de connaître une rupture de stock, il n’est pas nécessaire de liquider rapidement les stocks restants. Au contraire, elle peut augmenter le prix afin de réaliser des marges plus élevées sur les dernières unités. Inversement, si les concurrents connaissent des ruptures de stock, il n’est pas nécessaire de se précipiter et de créer soi-même une situation de rupture de stock.

Un autre exemple donné par Vermorel est la pratique courante chez les détaillants de mode d’organiser des soldes à la fin d’une collection afin de liquider les excès de stock. Des stratégies de tarification dynamique comme celles-ci sont déjà utilisées par des entreprises telles qu’Amazon, dont les prix changent fréquemment en fonction des facteurs de demande et d’approvisionnement.

La tarification dynamique repose sur plusieurs facteurs, dont la performance historique des produits et les niveaux de demande. Vermorel note que la tarification remplit plusieurs fonctions, dont l’une consiste à envoyer un message au marché concernant le positionnement d’une marque. Par exemple, une marque bon marché ne devrait pas augmenter excessivement ses prix lors des ruptures de stock, car cela pourrait nuire à son image.

Un autre aspect important de la tarification est sa capacité à aider à gérer les défis et les incertitudes de la supply chain en accélérant ou en ralentissant la demande. La tarification dynamique peut permettre une meilleure allocation des ressources et améliorer l’expérience client globale. Si deux produits presque identiques sont disponibles mais que l’un d’eux est sur le point de s’épuiser, augmenter le prix de l’article rare peut aider à orienter les clients, indifférents entre les deux, vers le produit le plus abondant, tandis que ceux qui désirent spécifiquement l’article rare peuvent toujours y accéder à un prix majoré.

En ce qui concerne l’intégration de la tarification dans la prévision, Vermorel suggère d’abandonner l’idée des prévisions statiques. Il critique l’approche traditionnelle, qui consiste à prédire un nombre spécifique de ventes futures pour un produit. Cette approche ne tient pas compte du fait que la tarification est un levier pouvant être utilisé pour influencer la demande. Il soutient plutôt que les prévisions devraient prendre en compte non seulement les incertitudes futures, mais aussi les décisions que les entreprises peuvent elles-mêmes prendre pour façonner la demande par des ajustements de prix.

Vermorel explique que la tarification n’est pas incertaine, mais plutôt indécise, et que les entreprises devraient avoir la capacité d’ajuster leurs prix en fonction des retours du marché. Cela peut impliquer d’augmenter les prix pour réduire la demande lorsque les stocks s’épuisent ou de diminuer les prix pour stimuler la demande.

Une approche probabiliste, qui tient compte d’une gamme de possibilités, peut aider les entreprises à mieux comprendre les effets des changements de prix. Vermorel prend l’exemple du Big Mac de McDonald’s, en expliquant que de petits changements de prix ont un impact mesurable sur la demande en raison de l’ampleur et de la sensibilité aux prix du produit. Cependant, dans les situations typiques de la supply chain où moins d’unités sont vendues, l’analyse des prix devient plus vague. La prévision probabiliste permet de mieux aborder cette incertitude en autorisant les entreprises à ajuster leurs prévisions de demande à la hausse ou à la baisse tout en restant relativement incertaines.

Vermorel met en avant l’importance de rassembler les équipes responsables de la détermination des prix, de la planification, des achats et de la production afin d’optimiser la tarification. Ce faisant, les entreprises peuvent mettre en œuvre de meilleures stratégies d’optimisation. Les exigences en matière de données pour l’optimisation des prix ne sont pas étendues ; les données historiques de ventes, l’historique des promotion et les informations sur la tarification des concurrents (le cas échéant) sont généralement suffisants.

L’interview aborde également l’importance de la tarification des concurrents. Vermorel explique que l’impact de la tarification des concurrents dépend du secteur, les marques de luxe étant moins affectées par la tarification des concurrents, tandis que les industries proposant des produits facilement substituables sont plus sensibles aux prix des concurrents.

Vermorel souligne que certaines entreprises, telles qu’Amazon, utilisent déjà efficacement l’optimisation des prix. Il prédit que l’optimisation des prix deviendra plus répandue dans divers secteurs à l’avenir. En résumé, l’optimisation des prix est une partie intégrante de la prévision de la demande, et les entreprises ne devraient pas ignorer les effets de la tarification dans leurs efforts d’optimisation de la supply chain.

Transcription Complète

Kieran Chandler : Aujourd’hui sur Lokad TV, nous allons découvrir comment les avancées en machine learning et en Big Data ont transformé la donne, rendant désormais possible l’optimisation des prix pour les entreprises modernes. Alors, Joannes, peut-être pourriez-vous nous en dire un peu plus sur les approches classiques que de nombreuses entreprises adoptent actuellement en matière de tarification.

Joannes Vermorel : Ce qui est le plus spectaculaire dans la tarification, c’est généralement son décalage par rapport à la planification de la demande. Vous avez, disons, l’équipe marketing qui va évaluer quel est un bon point de prix pour les produits, puis, de manière largement isolée, voire complètement isolée, vous aurez les équipes de planification qui décideront de la demande. Peut-être que l’équipe de vente se coordonnera dans le cadre d’un processus S&OP, mais numériquement, la tarification est pour la plupart ignorée une fois qu’une décision a été prise quant au point de prix d’un produit donné.

Kieran Chandler : Nous avons déjà abordé les processus S&OP dans un épisode précédent, et la tarification elle-même, comment fonctionne-t-elle en tant que mécanisme ?

Joannes Vermorel : Les bases de l’économie enseignent que, généralement, lorsque vous augmentez le prix, la demande diminue. En théorie, il existe une catégorie de biens appelés biens de Veblen, pour lesquels la situation peut être inversée, car une étiquette de prix plus élevée les rend plus attrayants. Mais, d’après l’expérience chez Lokad, ces biens sont extrêmement rares. Donc, pour à peu près tout ce qui est habituel, si vous augmentez le prix, vous diminuez la demande, et c’est relativement évident. Pourtant, cela devient très délicat car, lorsque l’on pense en termes d’optimisation classique de la supply chain, on se concentre beaucoup sur la demande, alors que la tarification est inexistante. La plupart des outils de planification de la supply chain ne prennent même pas en compte la tarification. Ainsi, cela devrait être fait ; vous êtes complètement aveugle. Et, évidemment, cela signifie que, dès qu’un fort effet de tarification entre en jeu, toute la planification et toutes vos prévisions sont tout simplement totalement faussées.

Kieran Chandler : C’est donc l’une des raisons pour lesquelles de nombreux outils de supply chain ne prennent pas en compte la tarification, car il existe tant de variables. Il y a des influences marketing et d’autres éléments qui peuvent perturber la demande. Est-ce la raison pour laquelle la tarification n’est pas réellement prise en compte ?

Joannes Vermorel : Oui, mais aussi, le nombre de variables lui-même n’est pas nécessairement un problème. Avec la puissance de calcul des ordinateurs modernes, il est possible de traiter des centaines de milliers de variables. Cela n’est pas, en soi, un obstacle. Cependant, ces modèles classiques tendent à être complètement simplistes. On considère la demande comme une simple moyenne mobile avec un coefficient saisonnier, et c’est tout. On ne prend même pas en compte, de manière fréquente, des éléments basiques tels que les ruptures de stock. Ainsi, évidemment, si vous avez des ruptures de stock, vous constatez zéro vente, mais cela ne signifie pas que vous n’avez aucune demande. Sans parler de l’effet de la tarification. En effet, la tarification est plus subtile, et idéalement, il faudrait prendre en compte le prix de vos concurrents, qui, de nos jours, peut également être surveillé en ligne grâce aux robots d’exploration web. Il n’a jamais été aussi facile d’accéder aux données. Il existe même des entreprises spécialisées dans la collecte de ces prix pour vous.

Kieran Chandler : Alors, si ce n’est pas un tel problème et qu’il est possible de suivre toutes ces variables, comment peut-on commencer à travailler sur l’optimisation des prix ? Par où commence-t-on ?

Joannes Vermorel: Votre optimisation de la supply chain doit prendre en compte l’optimisation des prix. Vous ne pouvez pas dissocier ces deux éléments, voyez-vous, car la perspective traditionnelle veut que certaines personnes, isolément, décident d’un prix et que d’autres, elles aussi isolées, déterminent la demande future. Mais la réalité est que ces deux éléments sont complètement couplés l’un à l’autre, et si vous ne pouvez pas les démêler, ils sont fondamentalement entremêlés. Cela signifie donc que le point de départ est de reconnaître, d’un point de vue processuel, que ces éléments vont de pair. Et si, par conception, vous les séparez, alors peu importe l’intelligence de vos solutions de machine learning ou de toutes vos numerical recipes. Une fois qu’ils sont complètement séparés par design, vous ne pouvez plus, du point de vue de la prévision des séries temporelles, prendre en compte le fait que le prix existe, parce que vous devenez numériquement aveugle. L’idée est donc que fixer le prix n’est pas quelque chose que vous prévoyez, c’est quelque chose que vous concevez vous-même. Un exemple serait très parlant, et il y a ici des entreprises qui y parviennent très bien aujourd’hui. Les entreprises du le e-commerce, comme d’habitude, sont en tête du peloton quand il s’agit d’une optimisation quantitative très intelligente. Elles optimisent agressivement leur prix de façon quantitative. Donc, essentiellement, si elles savent qu’elles vont subir une rupture de stocks, il ne sert à rien de se précipiter pour liquider les stocks restants, car de toute façon, vous finirez par subir une rupture de stocks. Vous pouvez augmenter légèrement votre prix, et vous rencontrerez toujours la rupture de stocks, mais au moins vous aurez réalisé des marges plus élevées sur ces dernières unités. Inversement, si vous constatez que vos concurrents souffrent tous de ruptures de stocks, il ne sert à rien de se précipiter jusqu’à vous retrouver en rupture de stocks vous-même à cause d’un afflux supplémentaire de demande. Inversement, c’est ce que font tous les détaillants de mode si vous vous retrouvez avec trop de stocks pour un produit donné à la fin de la collection : vous faites une vente pour essentiellement liquider ce qui reste. So, la tarification dynamique est déjà utilisée en production. Amazon, par exemple, si vous regardez leurs prix, ils sont en perpétuel changement. Les prix varient d’un jour à l’autre et même d’une heure à l’autre, surtout pendant des périodes très chargées comme l’avant-Noël.

Kieran Chandler: Donc, la base de cette tarification dynamique repose essentiellement sur la performance historique des produits et, en quelque sorte, sur les niveaux de demande à différents moments ?

Joannes Vermorel: L’idée est que le prix représente plusieurs choses. Il constitue un message que vous adressez au marché, et cette partie est relativement rigide. Vous ne souhaitez pas vous éloigner excessivement du message. Si vous vous positionnez comme une marque bon marché, vous ne voulez pas augmenter de manière drastique votre prix à cause des ruptures de stocks. Il y a donc cet aspect de communication qui est important, c’est l’élément à long terme. Mais il faut aussi tenir compte du fait que la tarification est un mécanisme fantastique pour accélérer ou ralentir la demande afin de vous aider à faire face aux défis et aux difficultés de la supply chain. L’avenir est incertain, et il est très difficile d’établir une précision des prévisions quand les marchés sont extrêmement erratiques. Adopter la tarification dynamique est donc une manière d’améliorer l’allocation des ressources et même d’offrir un meilleur service à vos clients.

Il ne sert à rien, par exemple, d’avoir deux produits qui sont presque des substituts parfaits alors que l’un d’eux est sur le point de manquer. Ce n’est pas naturellement un substitut parfait aux yeux de tous vos clients. Si vous augmentez le prix de l’un de ces deux produits, les clients qui n’ont aucun scrupule à utiliser l’un plutôt que l’autre se tourneront simplement vers l’autre. Ceux qui tiennent à un produit précis y auront toujours accès, et ils seront même prêts à payer un petit supplément.

Kieran Chandler: Regardons maintenant les choses du point de vue de la prévision. Comment peut-on bâtir une prévision qui fonctionne bien en tandem avec le prix ?

Joannes Vermorel: L’idée est de renoncer à la prévision statique. C’est également l’une de mes grandes préoccupations concernant la perspective classique de la prévision. On est censé dire « voilà, c’est l’avenir, nous vendrons 1 000 unités de ce produit », et la réponse est : eh bien, cela dépend. Votre tarification est fondamentalement un levier capable d’influencer la demande. Ainsi, ce que vous tentez de prévoir est en réalité déterminé par quelque chose que vous pouvez contrôler. Il ne s’agit pas de saisir l’incertitude future, mais aussi de prendre en compte les décisions futures que vous prendrez vous-même. Et ces décisions ne sont pas incertaines ; elles sont indécises. Il n’y a aucune incertitude quant à votre tarification ; elle est exactement ce que vous souhaitez qu’elle soit. Si vous voulez augmenter votre prix, vous pouvez le faire, sauf si vous êtes dans un secteur fortement régulé. En général, vous avez une totale liberté sur votre tarification, il n’y a donc pas d’incertitude, même si vous pouvez changer d’avis.

Si vous vous contentez d’une prévision statique, c’est comme si vous disiez « mon prix ne changera pas quoi qu’il arrive », ce qui est une mauvaise approche. Il est bien plus judicieux, et en affaires cela se traduit par une plus grande rentabilité, de pouvoir ajuster vos actions en fonction des retours du marché.

Kieran Chandler: Donc, fondamentalement, si vous voulez réduire la demande parce que vous manquez de stocks, vous augmenterez vos prix, et si vous voulez augmenter la demande, vous pourrez baisser le prix ?

Joannes Vermorel: Exactement. Et c’est ici qu’une approche probabiliste trouve toute son utilité, car disposer d’une gamme de possibilités peut très bien fonctionner. Les probabilités aident vraiment, car à moins de vendre un produit comme le Big Mac dans un grand pays comme l’Allemagne où vous disposez de quantités fantastiques, si vous augmentez le prix du Big Mac, chaque centime aura probablement un impact mesurable sur la demande. Ici, vous avez un produit vendu à grande échelle et très sensible au prix. Les gens devraient être capables de mesurer précisément l’élasticité. Je suis à peu près certain que des personnes intelligentes chez McDonald’s connaissent l’élasticité demande prix du Big Mac, pays par pays.

Mais cela fonctionne bien parce qu’ils disposent d’une énorme quantité de données. Dans des situations typiques de supply chain, vous ne vendez pas des millions d’unités par semaine pour un produit donné. Souvent, vous vous retrouvez avec seulement quelques centaines d’unités par semaine, voire moins, ce qui signifie que votre analyse des prix sera très floue. Ce qui aide, c’est qu’une prévision probabiliste vous permet d’obtenir une prévision dans laquelle vous ne faites que décaler votre prévision de la demande vers le haut ou vers le bas, tout en restant relativement incertaine. Plus vous vous éloignez de votre niveau de prix habituel, plus vous ajoutez d’incertitude supplémentaire.

Parce que si vous ne modifiez le prix que légèrement, il s’avère que, très probablement, vos données historiques demeurent pertinentes comme base pour deviner ce qui se passera. Mais si vous envisagez ce qui pourrait arriver si votre prix était, par exemple, 10 fois moins cher, il y a de fortes chances que vous n’ayez aucune donnée historique pour étayer cela, simplement parce que vous ne l’avez jamais fait. Ainsi, parce que ce n’était pas rentable, aucun de vos concurrents n’était prêt à le faire non plus, donc vous ne savez tout simplement pas. Personne ne sait. Peut-être y aura-t-il 100 fois plus de demande pour votre produit s’il était 10 fois moins cher, mais ce n’est tout simplement pas une situation que vous avez jamais explorée. Vous ne savez donc pas, et c’est une situation extrême, mais la même idée s’applique.

Kieran Chandler: Plus vous vous éloignez de vos pratiques de tarification habituelles, moins vous disposez d’informations provenant de votre magasin, donc plus l’incertitude augmente.

Joannes Vermorel: D’accord, donc dans l’exemple du Big Mac, ce que vous dites, c’est que si vous modifiez le prix de quelques centimes ici et là, vous aurez une meilleure compréhension, tandis que si vous le changez de quelques euros, autrement dit avec une variation plus importante, vous comprendrez beaucoup moins le futur possible.

Kieran Chandler: Parlons des exigences techniques pour l’optimisation des prix. Je veux dire, de quoi une entreprise a-t-elle besoin ? Vous avez évoqué le Big Mac et le fait que McDonald’s dispose de nombreuses données historiques. Quelles exigences techniques une entreprise doit-elle remplir pour optimiser ses prix ?

Joannes Vermorel: Votre condition préalable pour démarrer est d’abord de rassembler les équipes qui conçoivent le prix et celles qui, habituellement, s’occupent de la planification, ainsi que celles qui gèrent tous les achats et les plans de production. Vous voyez, le problème est que vous devez, par exigence, réunir toutes ces fonctions ; sinon, vous ne seriez pas en mesure de réaliser l’optimisation. C’est comme si, par design, vous vous empêchiez même d’exécuter cela. Ensuite, en ce qui concerne les exigences processuelles relatives aux données, vous n’en avez pas besoin d’un volume énorme. En fait, vos données historiques de ventes traditionnelles suffisent. Vous devez disposer des habituels suspects : votre historique de promotions, puisque les promotions sont comme des mouvements de prix temporaires qui permettent d’analyser ce qui se passe lorsque vous ajustez le prix. Il vous faut également les ruptures de stocks historiques afin d’éviter des pollutions et des valeurs aberrantes que vous ne pouvez justifier d’un point de vue tarifaire. Idéalement, obtenir le prix de vos concurrents, au moins sur le web, est un réel atout. Ce n’est pas strictement indispensable, mais cela aide énormément à comprendre, je dirais, les effets de non-linéarité quand vous êtes en dessous du concurrent ou quand le concurrent se positionne en dessous de vous. Cela peut avoir de petits effets non linéaires sur la demande, manifestés par des pics et des baisses qui s’expliquent simplement par le fait que les gens se tournent vers l’option la moins chère.

Kieran Chandler: En réunissant tous ces départements, en quoi cela diffère-t-il d’une approche S&OP plus traditionnelle ?

Joannes Vermorel: Cela diffère dans le sens où, fondamentalement, en matière de tarification, vous renoncez à l’idée d’avoir un prix fixe pour un produit. Au lieu de cela, vous adoptez une stratégie tarifaire. Supposons que vous vous approvisionniez en produits en Asie, et qu’il faille 13 semaines entre le moment où vous passez une commande à votre fournisseur asiatique et le moment où vous pouvez effectivement exposer le produit et commencer à le vendre en Amérique du Nord et en Europe. Pourquoi décider, dès le départ, du prix de votre produit alors que vous ne commencerez à le vendre que 13 semaines plus tard ? Vous savez que cette décision peut être différée. Si, 13 semaines plus tard, vous constatez que la demande a explosé pour ce type de produit et que votre commande initiale de 1 000 unités s’avère bien insuffisante, il n’y a aucun intérêt à s’en tenir à ce que vous aviez imaginé il y a 13 semaines. Vous pouvez réévaluer en fonction des dernières données dont vous disposez et opter pour une solution plus pertinente.

Kieran Chandler: Quelle importance accordez-vous au suivi des prix de la concurrence, surtout maintenant que nous avons un accès facile à leurs tarifs en ligne ?

Joannes Vermorel: Cela dépend vraiment des secteurs. Par exemple, si vous êtes une marque de luxe, cela n’a pas vraiment d’importance. Une marque de luxe comme Louis Vuitton ne décide pas de baisser ses prix simplement parce que Cartier l’a fait. Ce sont des marques de luxe de premier plan qui misent sur la qualité supérieure de leurs produits, et elles vont fixer les prix en conséquence. Une marque de luxe est censée être sans substitut. En revanche, vous avez des produits qui sont presque des substituts parfaits. Si vous achetez du sucre au kilogramme pour un restaurant, peu importe vraiment qui est votre fournisseur, tant que la qualité est au rendez-vous.

Kieran Chandler: Envisagez-vous un avenir où les entreprises fixeront des points de prix avec une compréhension solide de leurs profits en résultant ?

Joannes Vermorel: Certaines entreprises, comme Amazon, le font déjà. Nous avons quelques clients dans le le e-commerce très agressif qui le font également, même s’ils n’en font pas autant la publicité. Dans des secteurs plus sophistiqués comme l’aérospatiale, c’est aussi déjà le cas. Les compagnies aériennes pratiquent la gestion du rendement depuis des décennies pour vendre des billets, et même dans le domaine des pièces d’avion, ils le font. Ce que je vois, c’est que cela va toucher pratiquement tous les autres secteurs, même si cela sera plus ou moins applicable.

Kieran Chandler: Pour conclure, quelle est la leçon clé que nous devrions retenir d’aujourd’hui concernant l’optimisation des prix ?

Joannes Vermorel: L’optimisation des prix est une partie intégrante de la demande et des prévisions de la demande. Il n’existe pas de demande sans prix – le prix définit la demande et vice versa. Si votre organisation de supply chain tente d’optimiser en ignorant les effets de la tarification, vous passez à côté d’un éléphant dans la pièce. Peu importe si vous micro-optimisez votre moyenne mobile ; cet éléphant que vous ignorez persiste, et c’est préjudiciable.

Kieran Chandler: Espérons que plus personne ne manque l’éléphant dans la pièce. C’est tout pour cette semaine. Merci beaucoup de nous avoir suivis, et nous nous reverrons la prochaine fois. Au revoir pour le moment.