Optimisation des prix et gestion de la Supply Chain

00:00:07 Optimisation des prix et défis.
00:01:34 Approches classiques de tarification et leurs limites.
00:04:12 Importance de l’intégration de la tarification et de l’optimisation 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 Utilisation d’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 Processus et exigences en matière de données pour l’optimisation des prix.
00:17:35 Importance de la tarification concurrentielle dans différents secteurs.
00:19:22 Prédire les prix et les bénéfices futurs, et les secteurs qui le font déjà.
00:20:33 La principale leçon 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, aborde les défis de la modélisation des prix et de la demande, en soulignant qu’ils sont souvent déconnectés. Il soutient que les modèles de prévision traditionnels sont limités car ils ne tiennent pas compte des effets des prix. Vermorel estime que l’optimisation des prix et la gestion de la Supply Chain sont fondamentalement liées 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 souligne l’importance d’une approche probabiliste pour la prévision, qui tient compte d’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 minimales en matière de données.

Résumé étendu

Dans l’interview, l’animateur Kieran Chandler et Joannes Vermorel, fondateur de Lokad, discutent des défis de la modélisation du lien entre les prix et la demande, et de la façon dont les avancées en apprentissage automatique et en big data ont rendu possible l’optimisation des prix pour les entreprises modernes.

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

Il poursuit en discutant du principe de base de l’économie selon lequel plus les prix augmentent, plus la demande diminue. Pour la plupart des biens, cela est vrai, bien qu’il existe des exceptions connues sous le nom de biens Veblen. Vermorel partage que ces biens sont rares et que l’expertise de Lokad se concentre principalement sur des produits plus courants. Le défi se pose lorsque l’on considère que la plupart des outils de planification de la chaîne d’approvisionnement ne tiennent pas compte de la tarification, laissant les planificateurs aveugles aux forts effets de tarification qui peuvent influencer les prévisions.

La raison pour laquelle de nombreux outils de chaîne d’approvisionnement ne tiennent pas compte de la tarification est due aux nombreuses variables, telles que les influences marketing, qui peuvent affecter la demande. Cependant, Vermorel soutient que le nombre élevé de variables n’est pas nécessairement un problème, car les ordinateurs modernes peuvent traiter des centaines de milliers de variables. Le problème réside plutôt dans l’utilisation de modèles simplistes, qui ne considèrent souvent que la demande comme une moyenne mobile avec un coefficient saisonnier, sans tenir compte des ruptures de stock ou des effets de tarification.

Vermorel souligne l’importance de surveiller les prix des concurrents, ce qui est devenu plus facile avec les robots d’exploration web et les entreprises spécialisées dans la collecte de données. Il estime que le point de départ de l’optimisation des prix est de reconnaître que l’optimisation de la chaîne d’approvisionnement doit prendre en compte l’optimisation des prix. Ces deux éléments sont fondamentalement liés et ne peuvent être séparés. En reconnaissant cela, les entreprises peuvent commencer à travailler vers des stratégies de tarification et de gestion de la chaîne d’approvisionnement plus efficaces.

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

Les entreprises de commerce électronique sont citées comme étant à l’avant-garde de l’optimisation intelligente et quantitative grâce à la tarification dynamique. Vermorel explique qu’en ajustant les prix en fonction des niveaux de stock, les entreprises peuvent mieux gérer les ruptures de stock et maximiser les marges. Par exemple, si une entreprise sait qu’elle se dirige vers une rupture de stock, il n’est pas nécessaire de liquider rapidement le stock restant. Au contraire, elle peut augmenter le prix pour réaliser des marges plus élevées sur les dernières unités. À l’inverse, si les concurrents connaissent des ruptures de stock, il n’est pas nécessaire de se précipiter et de créer une situation de rupture de stock pour eux-mêmes.

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

La tarification dynamique est basée sur plusieurs facteurs, notamment les performances historiques du produit et les niveaux de demande. Vermorel souligne que la tarification remplit plusieurs objectifs, dont l’un est d’envoyer un message au marché sur la position d’une marque. Par exemple, une marque bon marché ne devrait pas augmenter ses prix de manière excessive pendant les 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 chaîne d’approvisionnement en accélérant ou en ralentissant la demande. La tarification dynamique peut conduire à une meilleure allocation des ressources et améliorer l’expérience globale du client. Si deux produits presque identiques sont disponibles mais que l’un 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 plus abondant, tandis que ceux qui veulent spécifiquement le produit rare peuvent toujours y accéder moyennant un supplément.

En ce qui concerne l’intégration de la tarification avec la prévision, Vermorel suggère d’abandonner l’idée de 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 qui peut être utilisé pour influencer la demande. Au lieu de cela, il soutient que les prévisions devraient prendre en compte non seulement les incertitudes futures, mais aussi les décisions que les entreprises peuvent prendre elles-mêmes pour façonner la demande grâce à des ajustements de prix.

Vermorel explique que la tarification n’est pas incertaine mais plutôt indécise, et les entreprises devraient avoir la possibilité d’ajuster leurs prix en fonction des réactions du marché. Cela peut impliquer d’augmenter les prix pour réduire la demande en cas de rupture de stock ou de baisser les prix pour augmenter 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 utilise l’exemple du Big Mac de McDonald’s, expliquant que de petites variations de prix ont un impact mesurable sur la demande en raison de l’échelle du produit et de la sensibilité au prix. Cependant, dans des situations typiques de chaîne d’approvisionnement où moins d’unités sont vendues, l’analyse des prix devient plus floue. La prévision probabiliste permet de résoudre cette incertitude en permettant aux entreprises de déplacer leurs prévisions de demande à la hausse ou à la baisse tout en restant relativement incertaines.

Vermorel souligne l’importance de réunir les équipes responsables de l’ingénierie 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 vente, l’historique des promotions et les informations sur les prix des concurrents (si disponibles) sont généralement suffisantes.

L’interview aborde également l’importance de la tarification des concurrents. Vermorel explique que l’impact de la tarification des concurrents dépend de l’industrie, 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, comme Amazon, utilisent déjà efficacement l’optimisation des prix. Il prédit que l’optimisation des prix deviendra de plus en plus courante 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 chaîne d’approvisionnement.

Transcription complète

Kieran Chandler : Aujourd’hui sur Lokad TV, nous allons apprendre comment les avancées en matière d’apprentissage automatique et de Big Data ont changé tout cela, et il est maintenant possible d’optimiser la tarification 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 aujourd’hui en matière de tarification.

Joannes Vermorel : La chose la plus spectaculaire à propos de la tarification est généralement à quel point elle est déconnectée de la planification de la demande en général. Vous avez, disons, l’équipe marketing qui va évaluer quel est un bon prix pour les produits, puis, dans une grande mesure, souvent complètement isolée, vous avez les équipes de planification qui décideront de la demande. Peut-être que l’équipe de vente coordonnera cela dans le cadre d’un processus S&OP, mais numériquement, la tarification est principalement ignorée une fois que quelqu’un a pris une décision sur le 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 cela fonctionne-t-il en tant que mécanisme ?

Joannes Vermorel : L’économie 101 est que, généralement, lorsque vous augmentez le prix, vous diminuez la demande. En théorie, il existe une catégorie de biens appelés biens de Veblen, qui peuvent être l’inverse car un prix plus élevé les rend plus attrayants. Mais, l’expérience chez Lokad est que ces biens sont extrêmement rares. Donc, pour à peu près tout ce qui est normal, si vous augmentez le prix, vous diminuez la demande, et cela est relativement évident. Pourtant, cela devient très délicat car, lorsque vous pensez en termes d’optimisation classique de la chaîne d’approvisionnement, vous vous concentrez beaucoup sur la demande, mais la tarification est inexistante. La plupart des outils de planification de la chaîne d’approvisionnement ne tiennent même pas compte de la tarification. Donc, vous êtes complètement aveugle. Et évidemment, cela signifie que chaque fois qu’il y a un fort effet de tarification qui entre en jeu, eh bien, toute la planification et toutes vos prévisions sont complètement fausses.

Kieran Chandler : Donc, c’est l’une des raisons pour lesquelles bon nombre de ces outils de chaîne d’approvisionnement ne tiennent pas compte de la tarification, car il y a tellement de variables. Il y a des choses comme les influences marketing et des choses qui peuvent entraver la demande. Est-ce la raison pour laquelle la tarification n’est pas vraiment prise en compte ?

Joannes Vermorel : Oui, mais aussi, simplement parce que la quantité de variables en elle-même n’est pas nécessairement un problème. Avec la puissance de traitement des ordinateurs modernes, vous pouvez gérer des centaines de milliers de variables. Ce n’est pas, en soi, un obstacle. Pourtant, ces modèles classiques ont tendance à être complètement simplistes. Vous pensez à la demande comme une simple moyenne mobile avec juste un coefficient saisonnier, et c’est tout. Vous ne prenez même pas fréquemment en compte des choses aussi basiques que les ruptures de stock. Donc, évidemment, si vous avez des ruptures de stock, vous observez des ventes nulles, mais cela ne signifie pas que vous avez une demande nulle. Sans parler de l’effet de tarification. En effet, la tarification est plus subtile, et idéalement, vous prendriez en compte le prix de vos concurrents, ce qui de nos jours, avec les robots d’indexation, peut également être surveillé en ligne. Il n’a jamais été aussi facile d’accéder réellement aux données. Il existe même des entreprises spécialisées dans la récupération de ces prix pour vous.

Kieran Chandler : Donc, si ce n’est pas un tel problème et qu’il est possible de suivre toutes ces variables, comment pouvons-nous commencer à travailler vers l’optimisation de la tarification ? Par où commencer ?

Joannes Vermorel : Votre optimisation de la supply chain doit prendre en compte l’optimisation de la tarification. Vous ne pouvez pas dissocier les deux, vous voyez, car la perspective traditionnelle est que vous aurez des personnes qui, isolément, décident d’un prix, puis d’autres personnes isolément qui décident de la demande future. Mais la réalité est que ces deux éléments sont complètement liés les uns aux autres, et si vous ne pouvez pas les dissocier, ils sont fondamentalement entrelacés. Cela signifie donc que le point de départ est de reconnaître, du point de vue du processus, que ces choses vont de pair. Et si vous les séparez intentionnellement, alors peu importe à quel point vos techniques d’apprentissage automatique peuvent être intelligentes ou toutes vos recettes numériques. Une fois qu’ils sont complètement séparés par conception, vous ne pouvez plus reconnaître, du point de vue de la prévision de la demande, le fait que la tarification existe car vous êtes simplement aveugle, numériquement parlant. Donc, l’idée est que la tarification est, au lieu d’être quelque chose que vous prévoyez réellement, quelque chose que vous concevez réellement vous-même. Un exemple serait très bon, et il y a des entreprises ici qui le font très bien aujourd’hui. Les entreprises de commerce électronique, comme d’habitude, sont en avance sur le reste lorsqu’il s’agit d’optimisation quantitative très intelligente. Elles optimisent de manière agressive et quantitative le prix. Donc, fondamentalement, si elles savent qu’elles se dirigent vers des ruptures de stock, il ne sert à rien de se précipiter pour liquider le stock restant, car de toute façon, vous vous retrouverez avec une rupture de stock. Vous pouvez augmenter un peu votre prix, et vous ferez toujours face à une rupture de stock, mais au moins vous aurez réalisé de plus grandes marges sur ces dernières unités restantes. Inversement, si vous constatez que vos concurrents souffrent tous de ruptures de stock, il ne sert à rien de vous précipiter vers une rupture de stock vous-même simplement à cause de l’afflux supplémentaire de demande. C’est ce que font tous les détaillants de mode si vous vous retrouvez avec trop de stock pour un produit donné à la fin de la collection : vous faites une vente pour liquider ce qui reste. Donc, la tarification dynamique est déjà utilisée en production. Amazon, par exemple, si vous regardez leurs prix, ils sont très variables. Les prix changent de jour en jour et même d’heure en heure, surtout pendant les périodes très chargées comme avant Noël.

Kieran Chandler : Et donc, la base de cette tarification dynamique, c’est essentiellement comment les produits se sont comportés historiquement et les niveaux de demande à différents moments ?

Joannes Vermorel : L’idée est que la tarification est multiple. La tarification est un message que vous envoyez au marché, donc cette partie est relativement rigide. Vous ne voulez pas vous éloigner trop du message. Si vous vous positionnez comme une marque bon marché, vous ne voulez pas augmenter considérablement votre prix en raison des ruptures de stock. Il y a donc cette partie de la communication qui est importante, qui est le composant à long terme. Mais il y a aussi le fait que la tarification est un mécanisme fantastique pour accélérer ou ralentir la demande afin de vous aider à faire face à vos défis et difficultés en matière de supply chain. L’avenir est incertain, et il est très difficile d’avoir une prévision précise lorsque les marchés sont extrêmement erratiques. Avoir une tarification dynamique est un moyen de mieux allouer les ressources et même de fournir un meilleur service à vos clients.

Par exemple, il est inutile d’avoir deux produits qui sont presque des substituts parfaits mais l’un d’entre eux va s’épuiser. 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 pas d’objection à utiliser l’un des produits plutôt que l’autre passeront simplement à l’autre. Les clients qui se soucient de la différence auront toujours accès au produit qu’ils recherchent vraiment, et ils sont même prêts à payer un petit supplément.

Kieran Chandler: Maintenant, regardons les choses du point de vue de la prévision. Comment pouvez-vous construire une prévision qui fonctionne bien en tandem avec la tarification ?

Joannes Vermorel: L’idée est que vous devez abandonner l’idée d’avoir une prévision statique. C’est aussi l’une de mes grandes préoccupations avec une perspective classique de la prévision. Vous êtes censé dire : “c’est ça, c’est le futur, nous vendrons 1 000 unités de cette chose”, et la réponse est, eh bien, ça dépend. Votre tarification est fondamentalement un levier qui peut influencer la demande. Donc, ce que vous essayez de prévoir est fondamentalement motivé par quelque chose que vous pouvez faire. Il ne s’agit pas de capturer l’incertitude future ; il s’agit également de capturer les décisions futures que vous prendrez vous-même. Et ces décisions, elles ne sont pas incertaines ; elles sont indécises. Il n’y a aucune incertitude concernant votre tarification ; votre tarification est exactement ce que vous voulez qu’elle soit. Si vous voulez augmenter votre prix, vous pouvez augmenter votre prix, sauf si vous êtes dans un domaine très réglementé. La plupart du temps, vous avez une liberté totale sur votre tarification, donc il n’y a pas d’incertitude, mais vous pouvez changer d’avis.

Si vous pensez à une prévision statique, c’est comme si vous disiez : “eh bien, mon prix ne changera pas quoi qu’il arrive”, ce qui est mauvais. Il est beaucoup plus intelligent, et en affaires, cela signifie plus de rentabilité, d’être capable d’ajuster ce que vous faites en fonction des retours du marché.

Kieran Chandler: Donc, en gros, si vous voulez réduire la demande parce que vous êtes à court de stock, vous augmentez les prix, et puis si vous voulez augmenter la demande, vous pouvez réduire le prix ?

Joannes Vermorel: Exactement. Et c’est là qu’une approche probabiliste entre en jeu, avoir cette gamme de possibilités peut fonctionner. Les probabilités aident vraiment parce que, à moins que vous ne vendiez un produit comme le Big Mac dans un grand pays comme l’Allemagne où vous avez des 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 en mesure de mesurer l’élasticité exacte. Je suis sûr qu’il y a des gens intelligents chez McDonald’s qui connaissent l’élasticité-prix du Big Mac pays par pays.

Mais cela fonctionne bien parce qu’ils ont une énorme quantité de données. Dans les situations typiques de la chaîne d’approvisionnement, vous ne vendez pas des millions d’unités par semaine d’un produit donné. Fréquemment, vous vous retrouvez avec seulement quelques centaines d’unités par semaine, voire moins que cela, ce qui signifie que votre analyse de tarification va être très floue. Là où cela aide, c’est qu’avoir une prévision probabiliste signifie que vous pouvez réellement avoir une prévision où vous ajustez simplement votre prévision de demande à la hausse ou à la baisse, mais elle reste relativement incertaine. Plus vous vous éloignez de votre point de prix habituel, plus vous ajouterez d’incertitude supplémentaire.

Parce que si vous déplacez simplement le prix un peu, il s’avère que, très probablement, vos données historiques sont pertinentes comme référence pour deviner ce qui va se passer. Mais si vous deviez penser à ce qui se passerait si votre prix était, par exemple, 10 fois moins cher, il y a de fortes chances que vous n’ayez aucune donnée historique pour le soutenir, simplement parce que vous ne l’avez jamais fait. Donc, parce que cela 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. Il y aura peut-être 100 fois plus de demande pour votre produit s’il était 10 fois moins cher, mais ce n’est tout simplement pas un point que vous avez jamais exploré. Donc, vous ne savez tout simplement 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 avez d’informations provenant de votre magasin, donc plus vous avez d’incertitude.

Joannes Vermorel: D’accord, donc dans l’exemple du Big Mac, ce que vous dites, c’est que si vous changez de quelques centimes ici ou là, vous aurez une meilleure compréhension, tandis que si vous changez de quelques euros, un changement plus important, alors vous aurez beaucoup moins de compréhension du futur possible.

Kieran Chandler: Parlons de certaines des exigences techniques pour l’optimisation des prix. Je veux dire, de quoi une entreprise a-t-elle besoin ? Vous avez dit cela à propos du Big Mac et de McDonald’s ayant beaucoup de données historiques. De quelles exigences techniques une entreprise a-t-elle besoin pour optimiser ses prix ?

Joannes Vermorel: Votre exigence pour commencer est d’abord de réunir les équipes qui fixent les prix et les équipes qui font généralement la planification, ainsi que celles qui font tous les achats et les plans de production. Vous voyez, parce que le problème est que vous devez, en tant qu’exigence, réunir toutes ces fonctions ; sinon, vous ne seriez pas en mesure d’effectuer l’optimisation. C’est comme si, par conception, vous vous étiez empêché vous-même de pouvoir exécuter cela. Ensuite, je dirais que les exigences du processus, en termes de données, ne sont pas si élevées. En fait, vos données de ventes historiques traditionnelles sont bonnes. Vous devez avoir les suspects habituels : votre historique des promotions, car les promotions sont comme des mouvements de prix temporaires qui sont intéressants à analyser pour voir ce qui se passe lorsque vous déplacez le prix. Vous devez également avoir des ruptures de stock historiques pour éviter d’avoir des pollutions et des valeurs aberrantes que vous ne pouvez pas expliquer en termes de prix. Idéalement, si vous pouvez avoir le prix de vos concurrents, au moins sur le web, cela aide vraiment. Ce n’est pas strictement nécessaire, mais cela aide vraiment à comprendre, je dirais, les effets de non-linéarité lorsque vous descendez en dessous du concurrent ou que le concurrent descend en dessous de vous. Cela peut avoir de petits effets non linéaires sur la demande que vous pouvez voir, des pics et des baisses qui s’expliquent simplement parce que les gens se tournent vers celui qui est le moins cher.

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

Joannes Vermorel: Cela diffère du fait que, fondamentalement, dans votre tarification, vous abandonnez l’idée d’un prix fixe pour un produit. Au lieu de cela, vous avez une stratégie de tarification. Disons que vous vous approvisionnez en produits en Asie, et qu’il faudra 13 semaines entre le moment où vous passez une commande à votre fournisseur asiatique et le moment où vous pouvez réellement mettre le produit en exposition et commencer à vendre en Amérique du Nord et en Europe. Pourquoi décideriez-vous, au jour zéro, quel sera votre prix lorsque vous commencerez à vendre votre produit 13 semaines plus tard ? Vous savez, cette décision peut être reportée. 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 est déjà insuffisante, il est inutile de vous en tenir à ce que vous aviez en tête à ce moment-là, il y a 13 semaines. Vous pouvez réévaluer en fonction des dernières données dont vous disposez et décider quelque chose de plus intelligent.

Kieran Chandler: Dans quelle mesure est-il important de suivre les prix des concurrents, surtout maintenant que nous avons un accès facile à leurs prix 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 toutes deux des marques de luxe de premier plan qui se concentrent sur la meilleure qualité de leurs produits, et elles vont fixer leurs prix en conséquence. Une marque de luxe est censée être quelque chose qui n’a pas de substitut. D’un autre côté, vous avez des produits qui sont des substituts presque parfaits. Si vous achetez du sucre au kilogramme pour un restaurant, peu importe qui est votre fournisseur, tant qu’il respecte les normes de qualité.

Kieran Chandler: En regardant vers l’avenir, pouvez-vous envisager un moment où les entreprises fixent des points de prix en ayant une compréhension solide de leurs bénéfices résultants ?

Joannes Vermorel: Certaines entreprises, comme Amazon, le font déjà. Nous avons quelques clients dans le secteur très agressif du e-commerce qui le font également, même s’ils ne le font pas autant savoir. Dans des secteurs plus sophistiqués comme l’aérospatiale, ils le font déjà aussi. Les compagnies aériennes pratiquent la gestion des rendements depuis des décennies pour vendre des billets, et même avec les pièces d’avion, elles le font. Ce que je vois, c’est que cela arrive à peu près à tous les autres secteurs, mais cela peut être plus ou moins applicable.

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

Joannes Vermorel: L’optimisation des prix est une partie intégrante de la demande et des prévisions de demande. Il n’y a pas de demande sans prix - le prix définit la demande et vice versa. Si votre organisation de la chaîne d’approvisionnement essaie 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 ; il y a toujours cet éléphant que vous ignorez, et c’est mauvais.

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