Ottimizzazione dei Prezzi per il Retail

learn menu
Originariamente scritto da Joannes Vermorel, 2017. Riscritto da Conor Doherty, settembre 2023.

Un problema persistente nel retail moderno è la presenza di un concorrente, da qualche parte, che vende un prodotto praticamente identico a un prezzo straordinariamente basso. Le risposte comuni sono adeguare i prezzi in base all’esperienza (il modello di pricing intuitivo) e l’applicazione fedele di formule econometriche (il modello di pricing del razionalista ingenuo). Entrambi sono manuali e imperfetti: il primo, in particolare, manca di scalabilità; il secondo è spesso troppo rigido. Allineare ingenuamente i prezzi con quelli dei concorrenti non è nemmeno una strategia sostenibile. Nel complesso, data la relazione spesso simbiotica tra pricing e domanda, le strategie di pricing del retail dovrebbero essere un passo in un’ottimizzazione complessiva e automatizzata della supply chain.

Una curva della domanda concettuale che illustra il prezzo ottimale per un prodotto, in relazione alla domanda e al prezzo.

Prezzi al dettaglio v Strategie di pricing al dettaglio

Forse con sorpresa di alcuni, non sono i prezzi al dettaglio ma le “strategie di pricing” che possono essere ottimizzate. La distinzione tra prezzi al dettaglio e strategie di pricing al dettaglio è sottile ma critica, e frequentemente trascurata. I prezzi al dettaglio dipendono da molteplici fattori: il prezzo di acquisto, il tasso di reso e i prezzi dei concorrenti (tra gli altri), e questi sono fattori altamente fluidi. Di conseguenza, il prezzo Y potrebbe essere un punto di prezzo ottimale per gennaio ma inadeguato per febbraio. Dato il costante mutamento delle condizioni di mercato, potrebbe spesso sembrare impossibile condurre esperimenti di pricing rigorosi ed efficaci.

Una strategia di pricing al dettaglio, tuttavia, è la logica che elabora tutti i dati in ingresso rilevanti per un determinato business per calcolare i prezzi più appropriati in quel dato momento. In realtà, condurre esperimenti di pricing rigorosi è fattibile, sebbene non siano i prezzi a essere confrontati, bensì le strategie di pricing sottostanti.

Ad esempio, se si hanno 200 prodotti e 2 strategie di pricing al dettaglio, A e B, è fattibile applicare la strategia A a metà dei prodotti e la strategia B al resto. I prezzi fluttuano, possibilmente su base giornaliera, in base alle strategie A e B. Dopo un certo periodo, confrontando i rispettivi risultati di A e B, diventa possibile determinare quale strategia di pricing abbia prodotto risultati superiori. Questo concetto verrà approfondito in Test quantitativo delle strategie di pricing.

Due Antipatterns di pricing

Nel retail, il pricing è spesso ancorato a due approcci - i modelli intuitivo e del razionalista ingenuo. Il primo è la metodologia comune, basata sull’istinto, mentre il secondo è l’applicazione da manuale di formule e teoremi. Ogni modello può inizialmente sembrare efficace nel rispondere a dilemmi dell’ottimizzazione dei prezzi, ma alla fine genera problemi uguali - se non maggiori - con il passare del tempo.

Il Modello di Pricing Intuitivo

Il primo approccio errato - che attrae maggiormente i professionisti pratici - è il modello di pricing intuitivo. Qui, determinare il prezzo adeguato è un processo manuale che si basa sull’intuizione del manager (e probabilmente anche su diversi fogli Excel). Poiché questo tipo di strategia di pricing esiste principalmente nella mente del manager, è estremamente difficile (se non addirittura impossibile) implementare questo approccio su larga scala, e i risultati dipendono fortemente dal giudizio del manager. Inoltre, queste intuizioni - se hanno successo - non possono essere automatizzate e, cosa cruciale, quando il manager lascia l’azienda, una parte considerevole del prezioso know-how dell’azienda se ne va con lui.

Il Modello del Razionalista Ingenuo

Una curva della domanda da manuale che illustra l'equilibrio tra domanda e prezzo.

Figura 1: Una curva della domanda da manuale che illustra l'equilibrio tra domanda e prezzo. Man mano che il prezzo (asse x) aumenta, la domanda (asse y) generalmente diminuisce. Quando il mercato si stabilizza su un prezzo accettabile, ci si può aspettare un certo livello di volume (ricavi) e profitto.

Una curva della domanda concettuale che illustra il prezzo ottimale per un prodotto, in relazione a domanda e prezzo.

Figura 2: Una curva che rappresenta concettualmente il prezzo ottimale per un prodotto, con il profitto sull'asse y e il prezzo sull'asse x. Questo modello (un'estensione teorica dei principi di mercato illustrati in Figura 1) non solo intende identificare i punti di profitto ottimali per un retailer, ma anche - implicitamente - la domanda. Questa curva tenta di trattare i prezzi come entità disincarnate all'interno del mercato ed è un esempio quintessenziale di razionalismo ingenuo nel pricing.

Alternativamente, si potrebbe essere più orientati verso la prospettiva accademica, nel qual caso esiste il modello di pricing del razionalista ingenuo. Questo approccio dà meno peso all’istinto (come l’intuizione del manager in un determinato giorno) in favore di un’econometria fredda e metodica. Proprio come il modello intuitivo descritto sopra, l’impiego del razionalismo ingenuo nel pricing - come quello illustrato in Figura 2 - presenta intere classi di problemi. Due esempi chiave includono:

  • Causalità/Correlazione: Stabilire una correlazione tra le variabili è relativamente semplice, ma ciò non porta automaticamente alla corretta identificazione della causalità. Se si aumentassero i prezzi seguendo una certa formula, potrebbe verificarsi un calo istantaneo delle vendite. Tuttavia, questo potrebbe non essere correlato all’aumento dei prezzi e essere attribuibile alla comparsa improvvisa di un concorrente che entra nel mercato – qualcosa che la formula non ha previsto (e possibilmente non può prevedere).

  • Simultaneità: A differenza del problema causalità/correlazione – dove identificare la vera causa del cambiamento è difficile quando le variabili sembrano coincidere – la simultaneità si riferisce al problema di disfare l’ordine dei fattori (il first mover usato qui in senso tomistico) quando sappiamo già che due variabili si influenzano reciprocamente. Ad esempio, il prezzo e la domanda tendono a influenzarsi a vicenda, ma può rapidamente emergere uno scenario di pollo e uovo scenario. Quando la domanda è alta, si potrebbe aumentare i prezzi, anche se questo potrebbe successivamente ridurre la domanda. Ciò, a sua volta, potrebbe indurre a abbassare i prezzi solo per vedere nuovamente aumentare la domanda. Questo può portare a una regressione analitica che ostacola l’ottimizzazione del pricing.

Provare a ottimizzare il pricing in questo modo può portare a una dipendenza eccessiva da un ragionamento astratto e accademico, dove si impiega una nuova formula all’emergere di eccezioni o dilemmi, sminuendo il ruolo degli intangibili (come il sentiment). Tutto ciò finisce per non affrontare il problema principale: il pricing è una questione altamente specifica del settore e i contesti aziendali intricati (includendo fattori sia quantitativi che qualitativi) devono essere incorporati nella strategia di pricing per ottenere risultati sensati. L’applicazione ingenua delle formule econometriche propelle semplicemente in una direzione diversa - ed altrettanto errata – 1.

Il Problema dell’Allineamento dei Prezzi

Un’altra preoccupazione persistente - che nessuno dei due modelli descritti nella sezione precedente affronta adeguatamente - è la minaccia di una guerra (probabilmente algoritmica) presentata dall’allineamento dei prezzi in mercati competitivi. Questo è ancora peggiore per i retailer che non possiedono i marchi che vendono e che sono potenzialmente una delle diverse aziende che offrono prodotti identici nella stessa regione. Abbassare i prezzi per sottrarre terreno ai concorrenti sarà, con ogni probabilità, annullato quasi immediatamente dalla risposta dei concorrenti: abbassare ulteriormente i loro prezzi.

Le implicazioni del problema dell’allineamento dei prezzi nel contesto attuale sono significative. Consideriamo i seguenti scenari:

  • Modello intuitivo: Un manager esperto che utilizza la propria intuizione potrebbe avere una solida comprensione della propria base di clienti, dei costi e delle prestazioni storiche dei propri prodotti. Tuttavia, se i concorrenti cambiano frequentemente i loro prezzi e il manager deve adeguare i propri di conseguenza, ciò interrompe la strategia di pricing consolidata del manager. La comprensione sfumata che il manager può avere del mercato viene annullata dalla spinta finanziaria netta a eguagliare (o sottoquotare) il nuovo prezzo di mercato. Questo continuo allineamento dei prezzi può portare a vendite perse o a margini di profitto ridotti.

  • Modello del razionalista ingenuo: Un manager esperto che si affida a formule da manuale potrebbe fissare i prezzi basandosi unicamente su formule che tengono conto dei costi e dei margini di profitto desiderati, offrendo un approccio apparentemente razionale al pricing. Tuttavia, in un mercato competitivo dinamico in cui vengono venduti prodotti identici e i prezzi vengono abbassati regolarmente, questo modello del razionalista ingenuo fallisce rapidamente allo stesso modo del modello intuitivo. Insistentemente, mantenere prezzi determinati da curve di costo ottimali (per esempio), nonostante significativi cambiamenti di prezzo da parte dei concorrenti, porterà inevitabilmente a una perdita di quota di mercato. Al contrario, un’adesione cieca all’allineamento dei prezzi senza considerare la sensibilità al prezzo del cliente (e altri comportamenti qualitativi) potrebbe comportare una diminuzione delle vendite.

In breve, sia gli approcci intuitivo che quelli del razionalista ingenuo presentano limitazioni significative quando l’intuizione del manager e il manuale del teorico si confrontano con la complessa interazione di forze di mercato competitive su larga scala. Questo, per non parlare dell’impatto che il problema dell’allineamento dei prezzi può avere sulla previsione della domanda. In breve, aggiornare frequentemente i propri prezzi in una corsa al ribasso nel retail contribuisce ad aggravare le difficoltà nella previsione della domanda, introducendo una maggiore incertezza nei modelli previsionali.

Questo, in effetti, rivela l’errata concezione alla base dei modelli di pricing descritti qui: tentare di ottimizzare i prezzi in isolamento - cioè, indipendentemente da una iniziale ottimizzazione della previsione della domanda - è una proposizione alquanto controproducente. Qualunque modello si impieghi, il problema dell’allineamento dei prezzi vi si frappone.

Ottimizzare i prezzi senza ottimizzare anche la previsione della domanda può benissimo portare gli aderenti di entrambi i modelli a fissare prezzi troppo alti, sopprimendo la domanda (e quindi i profitti), oppure a fissare prezzi troppo bassi, sacrificando i profitti. Pertanto, stabilire una strategia efficace di competitive pricing (e aziendale) deve incorporare sia l’ottimizzazione della domanda che quella dei prezzi2.

Stabilire una Strategia di Pricing

Ottimizzare efficacemente la propria strategia di pricing richiede una definizione precisa e un testing dei prezzi. La prima implica delineare esattamente qual è la propria offerta all’interno di un mercato più ampio, poiché le strategie di pricing variano a seconda del tipo di bene/servizio offerto; per quanto riguarda il testing dei prezzi, è imperativo un rigoroso test quantitativo - che tenga conto della moltitudine di variabili rilevanti che governano il comportamento dei consumatori.

Definire il Prodotto da Preziare

Alla base della propria strategia di pricing c’è la corretta designazione del prodotto stesso. I beni possono generalmente essere suddivisi tra desideri - cose che le persone desiderano consumare - e necessità - cose che le persone generalmente devono consumare.

I mercati dei desideri sono tipicamente caratterizzati da venditori i cui prodotti sono desiderati per scopi che vanno oltre la mera funzionalità, e questi prodotti sono strettamente legati a un marchio. Questo marchio è, di fatto, il motore della domanda. Ad esempio, una borsa di alta gamma di un designer esclusivo può facilmente avere la sua funzionalità replicata da una borsa di plastica di un supermercato locale. Tuttavia, questo trascura il valore che le persone attribuiscono alla creazione del designer. Fondamentalmente, se un consumatore decide di non acquistare un prodotto di desiderio, non ci saranno effetti negativi data la natura intrinsecamente discrezionale dell’acquisto.

Mercati delle necessità, al contrario, impongono essenzialmente il consumo. Decidere di non acquistare elettricità per la propria casa è una scelta con conseguenze immediate - e potenzialmente durature. I consumatori potrebbero (se il mercato energetico del loro paese è liberalizzato) avere opzioni per i loro fornitori di energia, ma il bisogno di consumo è praticamente garantito. In altre parole, poiché l’elettricità viene venduta in un mercato delle necessità, ci sarà sicuramente un fornitore che soddisfa questa domanda. In queste situazioni, i marchi (o le aziende) sono motori di scelta piuttosto che della domanda.

Definire in quale mercato si opera è un primo passo vitale per calibrare la propria strategia di pricing. Anche dopo che ciò è stato determinato, la strategia richiede comunque delle sfumature. Si considerino le sfide che i modelli di pricing strettamente intuitivi o del razionalista ingenuo devono affrontare con i beni di lusso ed essenziali.

Per gli articoli di lusso (desideri), il modello intuitivo potrebbe trascurare il valore psicologico, mentre il modello del razionalista ingenuo potrebbe sottovalutare la percezione dei consumatori. Per i beni essenziali (necessità), il modello intuitivo potrebbe portare a una determinazione dei prezzi iniqua a causa dell’elasticità della domanda3, mentre il modello del razionalista ingenuo potrebbe non tener conto delle fluttuazioni dei costi o dell’impatto sociale dei prezzi elevati/bassi.

Dato che le strategie di pricing varieranno a seconda dei desideri rispetto alle necessità (insieme a una serie di altri fattori), le sezioni seguenti forniranno indicazioni applicabili nella maggior parte degli scenari, anche se i dettagli varieranno naturalmente a seconda delle situazioni specifiche dei clienti.

Test Quantitativo delle Strategie di Pricing

In un mercato dei desideri nel retail, il test A/B dei prezzi può essere utilizzato per identificare un punto di prezzo ottimale che massimizza il profitto o le vendite. Questo processo prevede la selezione di un prodotto (o prodotti) e due differenti punti di prezzo, per poi suddividere la base clienti in due gruppi simili, condurre il test (offrendo il prodotto a ciascun punto di prezzo) e analizzare i risultati. Gli esiti dovrebbero considerare metriche quantitative come vendite, ricavi e profitto, nonché impatti qualitativi come la percezione del marchio e la soddisfazione del cliente. Per i beni di lusso (desideri), un punto di prezzo più elevato può generare meno vendite ma migliorare la percezione di esclusività e qualità, portando a un profitto totale maggiore.

Al contrario, il test A/B dei prezzi in un mercato dei bisogni comporta passaggi simili, ma richiede una cura extra a causa della domanda inelastica di questi prodotti/servizi. I fornitori di servizi possono utilizzare questa strategia per comprendere come le variazioni di prezzo influenzino il comportamento dei clienti, la soddisfazione e il fatturato complessivo. Tuttavia, i test in questo mercato devono essere condotti con considerazioni etiche e con la consapevolezza dell’impatto potenziale sulla capacità dei clienti di accedere a beni o servizi essenziali (bisogni). I quadri normativi possono inoltre influenzare significativamente tali test, e gli aggiustamenti dei prezzi dovrebbero evitare di arrecare indebite difficoltà ai clienti.

Dato che i test A/B richiedono molto lavoro e sono costosi, l’attenzione dovrebbe concentrarsi sulla scoperta incrementale di una base di conoscenza dei prezzi, anziché su test esaustivi. Ciò offre l’opportunità di comprendere le risposte del mercato ai prezzi, con ogni esperimento che verifica una singola ipotesi e fornisce sistematicamente conclusioni specifiche del settore. Combinando queste intuizioni, diventa possibile ideare una strategia di pricing completa basata su una profonda e quantitativa comprensione del mercato, invece di affidarsi a un opaco kit di ottimizzazione numerica fotocopiato da un manuale universitario.

In termini pratici, una strategia di pricing si compone di una serie di intuizioni semplici, tra cui:

  • Astenersi dal fare pressione sui prezzi quando le scorte stanno diminuendo

  • Fermare la spesa in AdWords su prodotti che non sono competitivi per il primo contatto

  • Mitigare l’accumulo di inventario obsoleto offrendo sconti tempestivi

  • Smettere le promozioni per prodotti che avrebbero potuto essere venduti a prezzo pieno

Applicando judiziosamente queste intuizioni, i rivenditori possono creare strategie di pricing complete, superando i limiti dei modelli intuitivi o razionalistici naivi.

La programmabilità è inevitabile

Considerando che le condizioni di mercato sono in costante cambiamento, i prezzi al dettaglio dovrebbero riflettere questo dinamismo. Qualsiasi strategia che dipende dall’aggiustamento manuale dei singoli prezzi non solo soffre dell’incapacità di essere testata e quindi misurata, ma anche di una produttività notevolmente bassa. Pertanto, l’esecuzione delle strategie di pricing dovrebbe essere in gran parte automatizzata.

Ogni software che automatizza le strategie di pricing al dettaglio deve essere in grado di accomodare praticamente qualsiasi strategia concepibile. In caso contrario, un’azienda si ritrova limitata a una selezione ristretta di ricette di pricing che potrebbero non essere ideali per le sue esigenze. Per accertarsi se un determinato software sia sufficientemente potente per requisiti specifici, si può impiegare un esperimento semplice – il test Excel. Secondo questo test, una soluzione di pricing dovrebbe essere in grado di implementare qualsiasi strategia di pricing che altrimenti potrebbe essere realizzata in Excel.

In sintesi, se un software non è in grado di eseguire compiti facilmente realizzabili in Excel, non è ragionevole aspettarsi capacità avanzate di pricing al dettaglio da detto software4.

Dati rilevanti per i prezzi

Una tendenza comune tra la maggior parte degli strumenti di pricing al dettaglio è quella di attribuire un’importanza significativa ai prezzi stabiliti dai concorrenti. Sebbene ciò possa essere una fonte valida di informazioni (che verrà trattata in una sottosezione successiva), esiste il pericolo di dare un peso eccessivo a questi dati e di ignorare un quadro molto più ampio. In altre parole, i prezzi fissati dalla concorrenza non forniscono necessariamente una guida chiara su se sia opportuno eguagliare o sottoprezzare tale concorrenza. Ancora più importante, non indicano quali prodotti siano cruciali per l’esecuzione di tali strategie, né il quando e dove implementare una nuova strategia di pricing.

Dati storici aziendali

Invece di ancorare semplicemente i prezzi a quelli dei concorrenti, una strategia di pricing al dettaglio sfumata inizia con un’analisi approfondita dei propri dati aziendali. Questi dati rappresentano la fonte di informazione più affidabile e completa per qualsiasi azienda, e una dettagliata analisi del vasto insieme di flussi di dati può offrire intuizioni inestimabili. In ordine decrescente di importanza, questi flussi includono:

  • Un catalogo completo dei prodotti (e le loro caratteristiche)

  • Livelli di scorte e ordini di acquisto in arrivo

  • Registrazione degli articoli venduti in passato

  • Registrazione degli ordini di acquisto passati

  • Registrazione delle cancellazioni, dei resi, dei chargeback e degli incidenti passati

  • Registrazione dei prezzi mostrati in passato

  • Traffico web aggregato per prodotto al giorno

  • Costi del Search Engine Marketing (SEM) per prodotto al giorno

Tra questi dati, gli ultimi due flussi sono tipicamente più difficili da consolidare, principalmente a causa dell’enorme volume di dati rilevanti, che solitamente risulta essere 100 volte maggiore rispetto a tutti gli altri set di dati combinati. Tuttavia, ad eccezione di questi ultimi due punti, il recupero dei dati aziendali fondamentali sopra menzionati dovrebbe avere la massima priorità rispetto all’acquisizione dei dati dei concorrenti5.

Intelligence competitiva

Una volta acquisiti e impiegati strategicamente i dati aziendali fondamentali per l’ottimizzazione del pricing al dettaglio, un’azienda può orientarsi verso una sorveglianza meticolosa dell’andamento dei prezzi dei concorrenti. Da un punto di vista tecnologico, il monitoraggio dei prezzi dei concorrenti comprende tre fasi distinte:

  • Crawling: Si riferisce all’esplorazione automatizzata di tutti i link accessibili su un sito web di un concorrente, con l’intento di scoprire ogni prodotto offerto ai clienti.

  • Estrazione delle Caratteristiche: Questa operazione comporta la trasformazione automatizzata di pagine web non strutturate in un dataset strutturato. Si concentra principalmente sull’isolamento dei nomi dei prodotti, delle caratteristiche dei prodotti e dei prezzi, tra altri elementi salienti.

  • Abbinamento dei Prodotti: Questo compito comporta l’abbinamento automatizzato di prodotti comparabili tra l’offerta di un’azienda e quella dei suoi concorrenti. Tra le tre fasi sopra descritte, l’abbinamento dei prodotti spesso presenta la maggiore complessità operativa, particolarmente in settori in cui non esistono corrispondenze dirette tra i prodotti, come ad esempio nel campo della moda6.

Data la disponibilità di un team IT robusto, è fattibile per un’azienda implementare una propria soluzione, utilizzando strumenti open-source come Scrapy.org. Questa risorsa offre un vantaggio sostanziale in termini di ottenere risultati tangibili in un breve lasso di tempo7.

Limiti dell’intelligence competitiva

Le strategie di pricing basate sui dati aziendali fondamentali sono auspicabili, dato che la qualità dei dati sottostanti è generalmente impeccabile. Possibili imprecisioni possono sorgere a causa di errori di inserimento dati ma, nel complesso, i dati possono essere considerati assolutamente accurati (praticamente 100%).

Al contrario, la qualità dei dati dei concorrenti - anche nelle circostanze ottimali - tende a risultare notevolmente inferiore. Ogni fase descritta nella sottosezione precedente presenta il potenziale per costosi fallimenti: un prodotto concorrente specifico potrebbe essere trascurato, potrebbe essere estratto un prezzo errato oppure un prodotto potrebbe essere abbinato in modo errato. È necessario dedicare uno sforzo considerevole alla valutazione accurata di questi dati, altrimenti l’ottimizzazione del pricing al dettaglio rischia seri problemi di integrità dei dati.

Numerosi fornitori sostengono di offrire soluzioni d’eccellenza per l’intelligence competitiva. Come linea guida generale, è consigliabile condurre un test semplice per mettere in discussione tali affermazioni: richiedere al fornitore di intelligence competitiva di fornire un confronto affiancato tra il proprio negozio online e quello del concorrente principale. Questo esercizio permette di valutare la tecnologia di intelligence competitiva confrontando dati appena estratti dal web con i dati prelevati dai sistemi interni8.

Un’altra indicazione di una tecnologia potenzialmente debole è che un fornitore richiede un estratto del database dei prodotti di un potenziale cliente. In sostanza, il fornitore cerca probabilmente queste informazioni per assicurarsi che i dati visualizzati alla fine della pipeline siano in linea con il database dei prodotti del cliente. Questa pratica non è solo subdola, ma ostacola anche qualsiasi tentativo da parte del cliente di identificare sostanziali problemi di qualità dei dati. In realtà, il fornitore è ben consapevole che la capacità di un dato cliente di esaminare i dati sui prezzi della concorrenza è notevolmente limitata, a differenza dei dati provenienti dal proprio sito web che possono essere direttamente incrociati con i database interni.

Il punto di vista di Lokad

Tentare di scoprire i punti di prezzo ottimali senza prima ottimizzare le previsioni della domanda espone a problemi altrimenti prevedibili, come il comportamento erratico dei clienti (ad esempio, la stagionalità) e politiche fragili di gestione delle scorte. Pertanto, il pricing al dettaglio non dovrebbe essere trattato come un meccanismo indipendente, ma piuttosto come parte di un’ottimizzazione complessiva della supply chain. All’interno di questo quadro, è meglio evitare pratiche di pricing che non scalano (come la determinazione dei prezzi istintiva) e quelle che sono eccessivamente rigide e trascurano il ruolo delle forze qualitative chiave.

Al di là di ciò, sviluppare una strategia di pricing al dettaglio efficace richiede un’analisi approfondita e scrupolosa dei propri dati storici aziendali, esperimenti accurati sui prezzi e un approccio automatizzato per gestire i continui cambiamenti del mercato. Inoltre, l’integrità dei dati, soprattutto per quanto riguarda i dati dei concorrenti, è fondamentale per evitare errori nel pricing al dettaglio. Per questo motivo, guardare prima all’interno - ai propri dati aziendali - offre la migliore base su cui costruire una strategia competitiva di ottimizzazione del pricing al dettaglio.

Lokad è progettato per ottimizzare l’intera supply chain, dal riapprovvigionamento di inventario prioritizzato all’allocazione delle scorte al dettaglio e al pricing competitivo degli articoli.

Gli operatori della supply chain che desiderano ottimizzare l’intera supply chain sono invitati a inviare un’email a contact@lokad.com per organizzare una dimostrazione di un’ottimizzazione automatizzata end-to-end.

Note


  1. Conosciuto anche come scientism, si tratta di una convinzione eccessivamente ottimistica nelle idee scientifiche (o che appaiono scientifiche). Il ragionamento economico astratto è utile in aula, ma il passaggio dal vuoto accademico al teatro aggressivo dell’economia è spesso tanto abisso quanto disastroso. Pricing Optimization for the Automotive Aftermarket fornisce una critica dettagliata del disallineamento tra la teoria econometrica e la pratica. Esso dimostra anche la codifica coinvolta nell’approccio automatizzato di allineamento dei prezzi competitivi di Lokad. ↩︎

  2. L’ottimizzazione delle previsioni della domanda va oltre lo scopo del presente documento, ma vale la pena segnalarla comunque. Vedi riapprovvigionamento di inventario prioritizzato per saperne di più sull’ottimizzazione delle decisioni tramite previsioni probabilistiche. ↩︎

  3. L’inelasticità della domanda si riferisce a una situazione di mercato in cui le variazioni di prezzo hanno poco o nessun effetto sulla quantità di un bene o servizio richiesto dai consumatori. In genere si applica ai beni e ai servizi essenziali. L’elettricità è un chiaro esempio di inelasticità della domanda. ↩︎

  4. In via aneddotica, quando il software per l’ottimizzazione dei prezzi manca di programmabilità, i manager (in modo comprensibile) spesso ricorrono semplicemente a Excel. Per questo motivo, Lokad utilizza un linguaggio di programmazione compatto chiamato Envision, che è specificamente progettato per affrontare tutte le sfaccettature dell’ottimizzazione della supply chain, comprese le strategie di ottimizzazione dei prezzi. ↩︎

  5. Su questo punto, Lokad offre supporto nativo per numerose applicazioni di enterprise resource planning. Se l’applicazione preferita di un cliente è già supportata, la maggior parte dei dati storici può essere importata in Lokad con relativa facilità. Se l’applicazione del cliente non è supportata, Lokad supporta il caricamento di file di dati tabellari come fogli di calcolo Excel o file di testo flat (ad es. file .csv). Ogni account Lokad è dotato di un servizio di hosting di file, che consente l’importazione dei file tramite upload web o protocolli alternativi come FTP o SFTP. ↩︎

  6. Considerare la relativa facilità nel confrontare computer – in termini di prezzo, funzionalità, peso, dimensioni, ecc. – rispetto al tentativo di confrontare in modo metodico (e affidabile) i meriti relativi di vestiti. ↩︎

  7. Lokad non offre servizi di intelligence competitiva, sebbene possa, naturalmente, integrare i dati di un concorrente in una strategia di pricing se tali informazioni sono rese disponibili. Se un cliente desidera sfruttare i prezzi dei rivali, deve procurarsi e fornire a Lokad questi dati. In pratica, la maggior parte dei clienti ottiene questi dati da una delle numerose soluzioni di intelligence competitiva disponibili su Internet. Quasi tutte tali soluzioni forniscono esportazioni in file di testo flat (ad es. file .csv) dei dati di pricing, che si adattano perfettamente alle capacità di elaborazione dei dati di Lokad. ↩︎

  8. Una chiara indicazione di fornitori con tecnologia di monitoraggio competitivo al di sotto degli standard è l’assenza di una prova gratuita. La mancanza di tale offerta implica una notevole carenza in termini di automazione. In effetti, Lokad ha constatato più volte che i commercianti sono meglio serviti dalle soluzioni interne di web scraping piuttosto che optare per fornitori di tecnologia scadenti. ↩︎