Ottimizzazione dei prezzi e gestione del supply chain

00:00:07 L’ottimizzazione dei prezzi e le sfide.
00:01:34 Approcci classici alla determinazione dei prezzi e le loro limitazioni.
00:04:12 Importanza di integrare l’ottimizzazione dei prezzi e del supply chain.
00:05:48 Esempi di successo di pricing dinamico nell’e-commerce.
00:07:26 Equilibrare la comunicazione di mercato e l’ottimizzazione per il pricing dinamico.
00:09:07 Utilizzare un approccio probabilistico per una migliore ottimizzazione dei prezzi.
00:11:58 Importanza dei dati storici e delle pratiche di pricing.
00:13:56 Requisiti tecnici per l’ottimizzazione dei prezzi.
00:15:03 Requisiti di processo e dati per l’ottimizzazione dei prezzi.
00:17:35 Importanza del pricing dei concorrenti in diverse industrie.
00:19:22 Prevedere il pricing futuro e i profitti, e le industrie che già lo fanno.
00:20:33 La lezione chiave sull’ottimizzazione dei prezzi e la sua relazione con la domanda.
00:21:18 Conclusioni.

Sommario

In un’intervista, il fondatore di Lokad, Joannes Vermorel, discute le sfide nel modellare il pricing e la domanda, sottolineando come essi siano spesso scollegati. Egli sostiene che i modelli di previsione tradizionali sono limitati in quanto non tengono conto degli effetti del pricing. Vermorel crede che l’ottimizzazione dei prezzi e la gestione del supply chain siano fondamentalmente intrecciate e debbano essere considerate insieme. Le strategie di pricing dinamico, come quelle usate da Amazon, permettono alle aziende di gestire stock-outs e massimizzare i margini. Vermorel sottolinea l’importanza di un approccio probabilistico alle previsioni, che tiene conto di una gamma di possibilità. Riunendo i team responsabili del pricing, della pianificazione, degli acquisti e della produzione, le aziende possono implementare strategie di ottimizzazione migliori utilizzando requisiti di dati minimi.

Riassunto Esteso

Nell’intervista, il presentatore Kieran Chandler e Joannes Vermorel, il fondatore di Lokad, discutono le sfide nel modellare il legame tra pricing e domanda, e come i progressi nel machine learning e nel big data abbiano reso possibile l’ottimizzazione dei prezzi per le aziende moderne.

Vermorel inizia spiegando che l’aspetto più sorprendente del pricing è quanto sia scollegato dalla pianificazione della domanda. I team di marketing di solito determinano i punti di prezzo per i prodotti, mentre i team di pianificazione decidono sulla domanda. Il team di vendita può coordinarsi nell’ambito di un processo S&OP (Sales and Operations Planning), ma il pricing viene spesso ignorato una volta presa una decisione.

Prosegue discutendo il principio fondamentale dell’economia secondo cui, all’aumentare dei prezzi, la domanda diminuisce. Per la maggior parte dei beni ciò è vero, sebbene esistano eccezioni note come beni Veblen. Vermorel afferma che tali beni sono rari, e l’expertise di Lokad si concentra principalmente su prodotti più comuni. La sfida sorge nel considerare che la maggior parte degli strumenti di pianificazione del supply chain non tiene conto del pricing, lasciando i pianificatori all’oscuro dei forti effetti del pricing che possono influenzare le previsioni.

Il motivo per cui molti strumenti del supply chain non tengono conto del pricing è dovuto al numero elevato di variabili, come le influenze di marketing, che possono influenzare la domanda. Tuttavia, Vermorel sostiene che il semplice numero di variabili non è necessariamente un problema, poiché i computer moderni possono elaborare centinaia di migliaia di variabili. Il vero problema risiede nei modelli semplicistici utilizzati, che spesso considerano la domanda solo come una media mobile con un coefficiente stagionale, senza tenere conto delle rotture di stock o degli effetti del pricing.

Vermorel sottolinea l’importanza di monitorare i prezzi dei concorrenti, cosa che è diventata più semplice grazie ai web crawler e alle aziende specializzate nel recupero dati. Egli ritiene che il punto di partenza per l’ottimizzazione dei prezzi sia riconoscere che l’ottimizzazione del supply chain debba considerare anche l’ottimizzazione dei prezzi. Questi due elementi sono fondamentalmente intrecciati e non possono essere separati. Riconoscendo ciò, le aziende possono iniziare a lavorare verso strategie di pricing e gestione del supply chain più efficaci.

Vermorel sottolinea l’importanza di integrare il pricing nel processo di previsione. I modelli di previsione tradizionali, che trattano il pricing e la domanda separatamente, sono limitati nella loro capacità di prevedere accuratamente il futuro. Egli sostiene che il pricing non dovrebbe essere trattato come un’entità separata da prevedere, bensì come un fattore che può essere ingegnerizzato per ottimizzare il supply chain management.

Le aziende di e-commerce sono citate come pioniere nell’ottimizzazione quantitativa intelligente attraverso il pricing dinamico. Vermorel spiega che, adeguando i prezzi in base ai livelli di inventario, le aziende possono gestire meglio le rotture di stock e massimizzare i margini. Ad esempio, se un’azienda sa che sta per esaurire le scorte, non c’è bisogno di liquidare rapidamente il restante stock. Al contrario, può aumentare il prezzo per ottenere margini più elevati sulle ultime unità. Viceversa, se i concorrenti stanno vivendo rotture di stock, non c’è bisogno di affrettarsi a creare una situazione di rottura di stock per se stessi.

Un altro esempio fornito da Vermorel è la pratica comune tra i rivenditori di moda di organizzare saldi alla fine di una collezione per liquidare l’eccesso di stock. Strategie di pricing dinamico come queste sono già utilizzate da aziende come Amazon, i cui prezzi cambiano frequentemente in base alla domanda e all’offerta.

Il pricing dinamico si basa su diversi fattori, tra cui la performance storica del prodotto e i livelli di domanda. Vermorel osserva che il pricing ha molteplici scopi, uno dei quali è inviare un messaggio al mercato riguardo al posizionamento di un marchio. Ad esempio, un marchio economico non dovrebbe aumentare troppo i prezzi durante le rotture di stock, poiché ciò potrebbe nuocere alla sua immagine.

Un altro aspetto importante del pricing è la sua capacità di contribuire a gestire le sfide e le incertezze del supply chain accelerando o rallentando la domanda. Il pricing dinamico può portare a una migliore allocazione delle risorse e migliorare l’esperienza complessiva del cliente. Se sono disponibili due prodotti quasi identici ma uno sta per esaurirsi, aumentare il prezzo dell’articolo scarso può aiutare a indirizzare i clienti, che sono indifferenti tra i due, verso il prodotto più abbondante, mentre coloro che desiderano specificamente l’articolo scarso potranno comunque acquistarlo a un prezzo premium.

Quando si tratta di integrare il pricing con le previsioni, Vermorel suggerisce di abbandonare l’idea delle previsioni statiche. Critica l’approccio tradizionale, che consiste nel prevedere un numero specifico di vendite future per un prodotto. Questo approccio non tiene conto del fatto che il pricing è una leva che può essere utilizzata per influenzare la domanda. Invece, egli sostiene che le previsioni dovrebbero considerare non solo le incertezze future, ma anche le decisioni che le aziende possono prendere per modellare la domanda attraverso aggiustamenti di pricing.

Vermorel spiega che il pricing non è incerto ma piuttosto indeciso, e le aziende dovrebbero avere la capacità di adeguare i propri prezzi in base al feedback del mercato. Questo può comportare l’aumento dei prezzi per ridurre la domanda in caso di esaurimento delle scorte o la diminuzione dei prezzi per incrementare la domanda.

Un approccio probabilistico, che considera una gamma di possibilità, può aiutare le aziende a comprendere meglio gli effetti dei cambiamenti di pricing. Vermorel cita l’esempio del Big Mac di McDonald’s, spiegando che piccole variazioni di prezzo hanno un impatto misurabile sulla domanda grazie alla scala del prodotto e alla sensibilità al prezzo. Tuttavia, in situazioni tipiche del supply chain in cui vengono vendute meno unità, l’analisi del pricing diventa più vaga. La previsione probabilistica aiuta ad affrontare questa incertezza permettendo alle aziende di spostare le proprie previsioni di domanda verso l’alto o verso il basso pur rimanendo relativamente incerte.

Vermorel sottolinea l’importanza di riunire i team responsabili dell’ingegnerizzazione dei prezzi, della pianificazione, degli acquisti e della produzione per ottimizzare il pricing. In questo modo, le aziende possono attuare strategie di ottimizzazione migliori. I requisiti di dati per l’ottimizzazione dei prezzi non sono estesi; i dati storici delle vendite, la storia delle promozioni e le informazioni sui prezzi dei concorrenti (se disponibili) sono generalmente sufficienti.

L’intervista affronta anche l’importanza del pricing dei concorrenti. Vermorel spiega che l’impatto del pricing dei concorrenti dipende dall’industria, con i marchi di lusso meno influenzati dal pricing dei concorrenti, mentre i settori con prodotti facilmente sostituibili sono più sensibili ai prezzi dei concorrenti.

Vermorel osserva che alcune aziende, come Amazon, stanno già utilizzando in modo efficace l’ottimizzazione dei prezzi. Prevede che l’ottimizzazione dei prezzi diventerà più diffusa in vari settori in futuro. In sintesi, l’ottimizzazione dei prezzi è una parte integrante della previsione della domanda, e le aziende non dovrebbero ignorare gli effetti del pricing nei loro sforzi di ottimizzazione del supply chain.

Trascrizione Completa

Kieran Chandler: Oggi su Lokad TV, impareremo come i progressi nel machine learning e nel Big Data abbiano cambiato tutto questo, e ora sia possibile l’ottimizzazione dei prezzi per le aziende moderne. Quindi, Joannes, forse potresti raccontarci un po’ di come gli approcci classici che molte aziende adottano oggi per il pricing.

Joannes Vermorel: La cosa più spettacolare del pricing è tipicamente quanto esso sia scollegato dalla pianificazione della domanda in generale. Si ha, per esempio, il team di marketing che valuta quale sia un buon punto di prezzo per i prodotti, e poi, in larga misura isolatamente, frequentemente completamente isolato, si hanno i team di pianificazione che decidono quale sarà la domanda. Forse il team di vendita si coordinerà nell’ambito di un processo S&OP, ma numericamente, il pricing viene per lo più ignorato una volta presa una decisione.

Kieran Chandler: Abbiamo già trattato i processi S&OP in un episodio precedente, e il pricing in sé, come funziona come meccanismo?

Joannes Vermorel: La lezione base di economia è che, in genere, all’aumentare del prezzo, la domanda diminuisce. In teoria, esiste una categoria di beni noti come beni Veblen, che possono comportarsi in modo opposto, poiché un prezzo più alto li rende più attraenti. Ma, l’esperienza in Lokad è che tali beni sono estremamente rari. Quindi, per praticamente qualsiasi cosa che sia una cosa normale, se aumenti il prezzo, la domanda diminuisce, ed è relativamente ovvio. Tuttavia, diventa molto complicato perché, quando si pensa in termini di ottimizzazione classica del supply chain, ci si concentra molto sulla domanda, mentre il pricing è inesistente. La maggior parte degli strumenti di pianificazione del supply chain non tiene nemmeno conto del pricing. Quindi, dovrebbe; sei completamente all’oscuro. E ovviamente, ciò significa che ogni volta che si verifica un forte effetto del pricing, beh, tutta la pianificazione e tutte le tue previsioni risultano completamente sbagliate.

Kieran Chandler: Quindi, è uno dei motivi per cui molti di questi strumenti del supply chain non tengono conto del pricing, perché ci sono così tante variabili. Ci sono fattori come le influenze del marketing e altre cose che possono ostacolare la domanda. È questa la ragione per cui il pricing non viene realmente preso in considerazione?

Joannes Vermorel: Sì, ma anche, il semplice fatto che il numero di variabili in sé non sia necessariamente un problema. Con la potenza di calcolo dei computer moderni, è possibile gestire centinaia di migliaia di variabili. Questo non è, di per sé, un ostacolo. Tuttavia, quei modelli classici tendono ad essere completamente semplicistici. Consideri la domanda come una semplice media mobile con un coefficiente stagionale, e questo è tutto. Non si tengono nemmeno in conto frequentemente cose di base come le rotture di stock. Quindi, ovviamente, se hai rotture di stock, osservi zero vendite, ma ciò non significa che tu abbia zero domanda. Per non parlare dell’effetto pricing. In effetti, il pricing è più sottile, e idealmente, dovresti tenere conto del prezzo dei tuoi concorrenti, che al giorno d’oggi, con i web crawler, può essere monitorato online. Non è mai stato così facile accedere effettivamente ai dati. Esistono persino aziende specializzate nel recupero di quei prezzi per te.

Kieran Chandler: Quindi, se non è un problema così grande ed è possibile tenere traccia di tutte queste variabili, come possiamo iniziare a lavorare verso l’ottimizzazione dei prezzi? Da dove si inizia?

Joannes Vermorel: L’ottimizzazione della tua supply chain deve tener conto dell’ottimizzazione dei prezzi. Non puoi dissociare i due, capisci, perché la prospettiva tradizionale prevede che ci siano persone che, isolatamente, decidono un prezzo e altre, sempre in isolamento, decidono quale sarà la domanda futura. Ma la realtà è che questi due elementi sono completamente accoppiati fra loro e, se non li puoi separare, sono fondamentalmente intrecciati. Questo significa che il punto di partenza è riconoscere, a livello di processo, che queste cose andranno di pari passo. E se, per design, le separi, allora non importa quanto intelligenti possano essere le tue tecnologie di machine learning o tutte le tue numerical recipes. Una volta che sono completamente separate per design, non puoi più riconoscere, dal punto di vista delle previsioni di domanda, il fatto che esista il pricing, perché, numericamente parlando, rimani semplicemente cieco. Quindi, l’idea è che il pricing, invece di essere qualcosa che effettivamente prevedi, è qualcosa che progetti tu stesso. Un esempio sarebbe piuttosto calzante, e ci sono aziende che lo stanno facendo bene oggi. Le aziende e-commerce, come al solito, sono in vantaggio quando si tratta di una ottimizzazione quantitativa molto intelligente. Stanno ottimizzando aggressivamente i prezzi in modo quantitativo. Quindi, fondamentalmente, se sanno che stanno per esaurire le scorte, non ha senso affrettarsi a liquidare il rimanente, perché comunque finirai con un esaurimento. Puoi gonfiare un po’ il prezzo e affronterai comunque l’esaurimento, ma almeno avrai realizzato margini maggiori su quelle ultime unità. Al contrario, se vedi che tutti i tuoi concorrenti stanno soffrendo di esaurimenti, non ha senso correre al punto da affrontare tu stesso un esaurimento solo a causa dell’influsso extra di domanda. Viceversa, è ciò che fanno tutti i rivenditori di moda se ti ritrovi con troppo stock per un determinato prodotto alla fine della collezione: fai una svendita per liquidare praticamente il rimanente. Quindi, il dynamic pricing è già utilizzato in produzione. Amazon, per esempio, se guardi i loro prezzi, sono in continuo mutamento. I prezzi cambiano di giorno in giorno e persino di ora in ora, specialmente durante periodi molto intensi come il pre-Natale.

Kieran Chandler: Quindi, la base per quel dynamic pricing consiste sostanzialmente nel modo in cui i prodotti hanno performato storicamente e nei livelli di domanda in diversi momenti?

Joannes Vermorel: L’idea è che il pricing sia molte cose. Il pricing è un messaggio che invii al mercato, quindi quella parte è relativamente rigida. Non vuoi allontanarti troppo dal messaggio. Se ti posizioni come un marchio economico, non vuoi aumentare drasticamente il prezzo a causa di esaurimenti di scorte. Quindi c’è questa parte comunicativa importante, quella componente a lungo termine. Ma c’è anche il fatto che il pricing è un meccanismo fantastico per accelerare o rallentare la domanda, aiutandoti ad affrontare le sfide e le difficoltà della tua supply chain. Il futuro è incerto ed è molto difficile avere una previsione accurata quando i mercati sono estremamente erratici. Quindi, avere un dynamic pricing è un modo per migliorare l’allocazione delle risorse e persino offrire un servizio migliore ai tuoi clienti.

Non ha senso, per esempio, se hai due prodotti che sono quasi perfetti sostituti, ma uno di essi sta per esaurirsi. Naturalmente, non sono percepiti come sostituti perfetti da tutti i tuoi clienti. Se aumenti il prezzo di uno di questi due prodotti, i clienti che non hanno problemi a scegliere l’uno piuttosto che l’altro passeranno semplicemente all’altro. I clienti più attenti continueranno ad avere accesso al prodotto che cercano veramente e saranno persino disposti a pagare un piccolo premio.

Kieran Chandler: Adesso guardiamo le cose dal punto di vista delle previsioni. Voglio dire, come puoi costruire una previsione che funzioni bene in tandem con il pricing?

Joannes Vermorel: L’idea è che devi abbandonare l’idea di avere una previsione statica. Questa è anche una delle mie grandi preoccupazioni con la prospettiva classica delle previsioni. Si suppone che tu dica: “ecco, questo è il futuro, venderemo 1.000 unità di questo prodotto”, ma la risposta è: beh, dipende. Il tuo pricing è fondamentalmente una leva che può influenzare la domanda. Quindi, ciò che stai cercando di prevedere è essenzialmente guidato da qualcosa che puoi controllare. Non si tratta solo di catturare l’incertezza del futuro, ma anche di prevedere le decisioni future che prenderai tu stesso. E quelle decisioni non sono incerte; sono ancora da decidere. Non c’è incertezza riguardo al tuo pricing; il tuo pricing è esattamente come lo vuoi. Se vuoi aumentare il prezzo, puoi farlo, tranne se operi in un settore fortemente regolamentato. Per lo più, hai completa libertà sul pricing, anche se potresti cambiare idea.

Se consideri una previsione statica, è come dire, “beh, il mio prezzo non cambierà a prescindere da tutto”, il che è negativo. È molto più intelligente – e in ambito aziendale significa maggior profitto – poter adeguare ciò che fai in base al feedback del mercato.

Kieran Chandler: Quindi, fondamentalmente, se vuoi ridurre la domanda perché stai esaurendo lo stock, aumenterai i prezzi e, poi, se vuoi aumentare la domanda, potrai abbassare il prezzo?

Joannes Vermorel: Esattamente. Ed è qui che entra in gioco un approccio probabilistico, che offre una gamma di possibilità che può funzionare bene. Le probabilità aiutano davvero, perché, a meno che tu non stia vendendo un prodotto come il Big Mac in un grande paese come la Germania, dove hai quantità fantastiche, se aumenti il prezzo del Big Mac, ogni singolo centesimo probabilmente avrà un impatto misurabile sulla domanda. Quindi, qui hai un prodotto venduto su larga scala ed estremamente sensibile al prezzo. Le persone dovrebbero essere in grado di misurare l’elasticità esatta. Sono abbastanza sicuro che ci siano persone intelligenti da McDonald’s che conoscono la price elasticity del Big Mac paese per paese.

Ma ciò funziona bene perché dispongono di una quantità enorme di dati. In situazioni tipiche della supply chain, non vendi milioni di unità a settimana di un determinato prodotto. Spesso finisci per avere solo qualche centinaio di unità a settimana o addirittura meno, il che significa che la tua analisi del pricing sarà molto approssimativa. Ciò che aiuta è che avere una previsione probabilistica ti permette di spostare la previsione della domanda verso l’alto o verso il basso, pur mantenendola relativamente incerta. Più ti allontani dal tuo punto di prezzo abituale, maggiore sarà l’incertezza aggiuntiva.

Perché se sposti il prezzo di poco, risulta che, molto probabilmente, i tuoi dati storici sono utili come riferimento per intuire cosa accadrà. Ma se dovessi pensare a cosa succederebbe se il tuo prezzo fosse, ad esempio, 10 volte più basso, probabilmente non hai alcun dato storico a supporto, semplicemente perché non l’hai mai fatto. Quindi, poiché non era redditizio, nessuno dei tuoi concorrenti si è cimentato in ciò, e semplicemente non lo sai. Nessuno lo sa. Forse ci sarebbe una domanda 100 volte maggiore per il tuo prodotto se fosse 10 volte più economico, ma è semplicemente un aspetto che non hai mai esplorato. Quindi, non lo sai, ed è una situazione estrema, ma lo stesso concetto vale.

Kieran Chandler: Più ti allontani dalle tue pratiche abituali di pricing, meno informazioni ottieni dal tuo negozio, quindi maggiore sarà l’incertezza.

Joannes Vermorel: D’accordo, quindi, nell’esempio del Big Mac, quello che stai dicendo è che se modifichi il prezzo di un paio di centesimi qua e là, la comprensione sarà maggiore, mentre se cambi di un paio di euro, cioè in modo più consistente, allora avrai ben meno comprensione del futuro possibile.

Kieran Chandler: Parliamo di alcuni requisiti tecnici per l’ottimizzazione dei prezzi. Voglio dire, di cosa ha bisogno un’azienda? Hai parlato del Big Mac e del fatto che McDonald’s dispone di molti dati storici. Quali requisiti tecnici sono necessari per ottimizzare i prezzi?

Joannes Vermorel: Il requisito per iniziare è, innanzitutto, mettere insieme i team che progettano il prezzo e quelli che solitamente si occupano della pianificazione, oltre a quelli che gestiscono gli acquisti e i piani di produzione. Vedi, il problema è che devi, come requisito, riunire tutte queste funzioni; altrimenti, non saresti in grado di eseguire l’ottimizzazione. È come se, per design, ti impedissi persino di farlo. Poi, per quanto riguarda i requisiti di processo, in termini di dati non ti serve una mole immensa. In realtà, i tuoi tradizionali dati storici sulle vendite vanno bene. Devi avere i soliti elementi: la storia delle tue promozioni, perché le promozioni sono come movimenti temporanei dei prezzi che sono interessanti da analizzare per capire cosa succede quando modifichi il prezzo. Devi anche avere dati storici sugli stockout per evitare contaminazioni e valori anomali che non puoi spiegare dal punto di vista del prezzo. Idealmente, se puoi avere il prezzo dei tuoi concorrenti, almeno online, ciò aiuta molto. Non è strettamente necessario, ma aiuta davvero a comprendere, direi, gli effetti di non linearità quando scendi al di sotto del concorrente o quando il concorrente scende al di sotto di te. Questi possono avere piccoli effetti non lineari sulla domanda, con picchi e cali che si spiegano semplicemente dal fatto che le persone passano da chi propone il prezzo più basso.

Kieran Chandler: Riunendo tutti questi reparti, in che modo questo differisce da un approccio S&OP più tradizionale?

Joannes Vermorel: La differenza sta nel fatto che, fondamentalmente, con il pricing abbandoni l’idea di avere un prezzo fisso per un prodotto. Invece, hai una strategia di pricing. Supponiamo che tu stia approvvigionandoti di prodotti in Asia e che ci vogliano 13 settimane dal momento in cui passi l’ordine al tuo fornitore asiatico al momento in cui puoi effettivamente esporre il prodotto e iniziare a venderlo in Nord America ed Europa. Perché dovresti, al giorno zero, decidere quale sarà il prezzo quando inizierai a vendere il prodotto 13 settimane dopo? Sai, questa decisione può essere posticipata. Se, 13 settimane dopo, noti che la domanda per questo tipo di prodotto è esplosa e il tuo ordine iniziale, che era di 1.000 unità, ti fa capire che sarà decisamente troppo poco, non ha senso attenersi a ciò che avevi in mente 13 settimane fa. Puoi rivalutare in base agli ultimi dati a tua disposizione e decidere qualcosa di più intelligente.

Kieran Chandler: Quanto è importante tenere traccia del pricing dei concorrenti, specialmente ora che abbiamo facile accesso ai loro prezzi online?

Joannes Vermorel: Dipende davvero dal settore. Ad esempio, se sei un marchio di lusso, non importa molto. Un marchio di lusso come Louis Vuitton non decide di abbassare il prezzo solo perché lo fa Cartier. Entrambi sono marchi di lusso di prim’ordine che puntano ad avere la migliore qualità per i loro prodotti, e quindi impostano il prezzo di conseguenza. Un marchio di lusso dovrebbe essere qualcosa che non ha sostituti. D’altra parte, ci sono prodotti che sono quasi perfetti sostituti. Se stai acquistando zucchero al chilo per un ristorante, non importa davvero chi sia il fornitore, purché rispetti gli standard di qualità.

Kieran Chandler: Guardando al futuro, riesci a immaginare un tempo in cui le aziende stabiliscono i punti di pricing con una solida comprensione dei profitti risultanti?

Joannes Vermorel: Alcune aziende, come Amazon, lo fanno già. Abbiamo alcuni clienti nell’e-commerce molto aggressivo che lo fanno, anche se non lo pubblicizzano tanto. Nei settori più sofisticati, come l’aerospaziale, lo fanno già. Le compagnie aeree praticano il yield management da decenni per vendere biglietti, e persino per i pezzi di ricambio degli aerei, lo fanno. Quello che vedo è che sta arrivando praticamente in tutti gli altri settori, anche se potrebbe essere più o meno applicabile.

Kieran Chandler: Per concludere, qual è la lezione chiave che dovremmo trarre da oggi sull’ottimizzazione del pricing?

Joannes Vermorel: L’ottimizzazione del pricing è una parte integrante della domanda e delle previsioni di domanda. Non c’è domanda senza prezzo – il prezzo definisce la domanda e viceversa. Se la tua organizzazione della supply chain cerca di ottimizzare ignorando gli effetti del pricing, stai trascurando un elefante nella stanza. Non importa se micro-ottimizzi la tua media mobile; quell’elefante che stai ignorando rimane, e questo è un problema.

Kieran Chandler: Speriamo che ora nessuno trascuri più l’elefante nella stanza. Questo è tutto per questa settimana. Grazie mille per averci seguito e ci vediamo alla prossima. Arrivederci per ora.