00:00:07 価格最適化とその課題。
00:01:34 価格への古典的アプローチとその限界。
00:04:12 価格とサプライチェーン最適化の統合の重要性。
00:05:48 eコマースにおけるダイナミックプライシングの成功例。
00:07:26 マーケットメッセージとダイナミックプライシングの最適化のバランス。
00:09:07 より良い価格最適化のための確率論的アプローチの活用。
00:11:58 歴史的データと価格設定の実践の重要性。
00:13:56 価格最適化に必要な技術的要件。
00:15:03 価格最適化のためのプロセスとデータの要件。
00:17:35 産業ごとの競合他社の価格設定の重要性。
00:19:22 将来の価格と利益の予測、そして既に取り組んでいる産業。
00:20:33 価格最適化と需要との関係に関する重要な教訓。
00:21:18 クロージングコメント。
概要
インタビューで、Lokadの創設者であるジョアネス・ヴェルモレルは、価格設定と需要のモデリングの課題について議論し、これらがしばしば切り離されていることを強調しています。彼は、従来の予測モデルは価格効果を考慮に入れていないため限界があると主張します。ヴェルモレルは、価格最適化と supply chain management は本質的に絡み合っており、一緒に考慮されるべきだと考えています。Amazonで使用されているようなダイナミックプライシング戦略により、企業は stock-outs を管理し、マージンを最大化することが可能になります。ヴェルモレルは、様々な可能性を考慮に入れる probabilistic approach を予測に取り入れる重要性を強調しています。価格、計画、購買、製造を担当するチームを統合することで、企業は最小限のデータ要件でより良い最適化戦略を実行することができます。
詳細な概要
インタビューで、ホストのキアラン・チャンドラーとLokadの創設者ジョアネス・ヴェルモレルは、価格と需要の関連性のモデリングの課題、および機械学習とビッグデータの進歩が現代企業における価格最適化を可能にした方法について議論しています。
ヴェルモレルは、価格設定の最も顕著な点は、需要計画からどれほど切り離されているかであると説明し始めます。マーケティングチームは通常、製品の適切な価格を決定し、計画チームは需要を決定します。営業チームはS&OPプロセスの一環として調整することもありますが、一度価格が決定されると、数値的には価格設定はほとんど無視されるのです。
彼は、価格が上昇すれば需要が減少するという経済学の基本原理についてさらに論じます。ほとんどの商品ではこれが当てはまりますが、例外としてヴェブレン財と呼ばれるものも存在します。ヴェルモレルは、そのような商品は稀であり、Lokadの専門知識は主により一般的な製品に焦点を当てていると述べます。問題は、多くのサプライチェーン計画ツールが価格を考慮しておらず、プランナーが価格の強い影響を予測に反映できない点にあります。
多くのサプライチェーンツールが価格を考慮しない理由は、マーケティングの影響など、需要に影響を与える多数の変数が存在するためです。しかし、ヴェルモレルは、変数の数自体が問題ではなく、現代のコンピュータは数十万もの変数を処理できると主張します。むしろ問題は、需要を単なる移動平均や季節係数のみで捉える単純なモデルにあり、在庫切れや価格効果を考慮していない点にあります。
ヴェルモレルは、ウェブクローラーや専門のデータ取得企業によって競合他社の価格の監視が容易になったことから、競合他社の価格をモニターする重要性を強調します。彼は、価格最適化の出発点は、サプライチェーン最適化に価格最適化を組み込むべきであると認識することにあると述べます。これら二つの要素は本質的に絡み合っており、分離することはできません。これを認識することで、企業はより効果的な価格戦略とサプライチェーン管理に向けた取り組みを開始することができます。
ヴェルモレルは、予測プロセスに価格を組み入れる重要性を強調します。従来、価格と需要を個別に扱う予測モデルは、将来を正確に予測する能力に限界があります。彼は、価格は予測すべき別個の存在ではなく、むしろサプライチェーンの最適化管理を実現するために自ら設計できる要素であると主張しています。
eコマース企業は、ダイナミックプライシングによるスマートで定量的な最適化の先駆者とされています。ヴェルモレルは、在庫レベルに基づいて価格を調整することで、企業は在庫切れをより効果的に管理し、マージンを最大化できると説明します。例えば、ある企業が在庫切れに向かっていると判断した場合、残りの在庫を急いで処分する必要はありません。むしろ、最後の数ユニットでより高いマージンを得るために価格を上げることができます。逆に、競合他社が在庫切れに直面している場合、自ら在庫切れの状況を急いで作り出す必要はありません。
ヴェルモレルが取り上げた別の例として、ファッション小売業者がコレクションの終わりにセールを開催して余剰在庫を処分する一般的な方法があります。こうしたダイナミックプライシング戦略は、需要と供給の要因に応じて頻繁に価格が変動するAmazonのような企業で既に活用されています。
ダイナミックプライシングは、過去の製品パフォーマンスや需要レベルなど、いくつかの要因に基づいています。ヴェルモレルは、価格設定には複数の目的があり、その一つがブランドのポジショニングについて市場にメッセージを送ることであると指摘します。例えば、低価格ブランドは在庫切れ時にあまり価格を上げすぎると、イメージを損なう可能性があります。
価格設定のもう一つの重要な側面は、需要を加速または減速させることでサプライチェーンの課題や不確実性を管理する能力にあります。ダイナミックプライシングは、リソースの最適な配分を促し、全体的な顧客体験を向上させることができます。たとえば、ほぼ同じ製品が二つあり、一方が在庫切れに近い場合、希少な商品の価格を上げることで、どちらにもあまりこだわらない顧客を在庫の豊富な製品へ誘導し、特に希少な商品を求める顧客はプレミアムを払って入手することが可能になります。
価格と予測を統合する際、ヴェルモレルは静的な予測の概念を捨てることを提案します。彼は、製品の将来の販売数を特定して予測する従来の手法を批判します。この手法は、価格が需要に影響を与えるためのレバーとして利用できるという事実を考慮していません。代わりに、予測には将来の不確実性だけでなく、企業自身が価格調整を通じて需要を形成するために下す決定も反映されるべきだと主張しています。
ヴェルモレルは、価格は不確実なものではなく、未だ決定されていないものであり、企業は市場からのフィードバックに基づいて価格を調整する能力を持つべきだと説明します。これには、在庫不足時に需要を抑えるために価格を上げることや、需要を増やすために価格を下げることが含まれます。
さまざまな可能性を考慮に入れる確率論的アプローチは、企業が価格変更の影響をよりよく理解するのに役立ちます。ヴェルモレルは、マクドナルドのビッグマックを例に、小さな価格変動が製品の規模と価格感度により需要に計測可能な影響を与えると説明します。しかし、販売ユニット数の少ない典型的なサプライチェーンの状況では、価格分析はより曖昧になります。確率論的予測は、企業が需要予測を上下にシフトさせつつも相対的な不確実性を保持することを可能にし、この不確実性に対応するのに役立ちます。
ヴェルモレルは、価格の最適化のために、価格設定、計画、購買、製造を担当するチームを統合する重要性を強調します。そうすることで、企業はより良い最適化戦略を実行できます。価格最適化に必要なデータは膨大ではなく、過去の販売データ、プロモーションの履歴、および(可能であれば)競合他社の価格情報が一般的に十分です。
インタビューでは、競合他社の価格設定の重要性にも触れられています。ヴェルモレルは、競合他社の価格設定の影響は産業によって異なり、ラグジュアリーブランドはその影響をあまり受けない一方、代替可能な製品が多い産業は競合他社の価格により敏感であると説明します。
ヴェルモレルは、Amazonなどの一部の企業が既に効果的に価格最適化を活用していると指摘します。彼は、今後、さまざまな分野で価格最適化がより普及するだろうと予測しています。要するに、価格最適化は需要予測の不可欠な要素であり、企業はサプライチェーン最適化の取り組みにおいて価格効果を無視すべきではありません。
フル・トランスクリプト
Kieran Chandler: 本日のLokad TVでは、機械学習とビッグデータの進歩がどのようにこれらを変革し、現代企業において価格最適化が可能になったのかを学びます。それでは、ジョアネス、今日多くの企業が採用している価格設定の古典的アプローチについて少し教えていただけますか。
Joannes Vermorel: 価格設定の最も印象的な点は、一般的に需要計画からどれほど切り離されているかということです。例えば、マーケティングチームが製品の適正な価格を評価し、その後、ほとんど完全に孤立した状態で計画チームが需要を決定します。営業チームがS&OPプロセスの一部として調整することもありますが、一度製品の価格が決定されると、数値的には価格設定はほとんど無視されがちです。
Kieran Chandler: 以前のエピソードでS&OPプロセスについては既に取り上げましたが、価格設定そのものはどのような仕組みなのでしょうか?
Joannes Vermorel: 経済学入門の基本は、通常、価格を上げれば需要が減るということです。理論上、ヴェブレン財と呼ばれる、価格が高いほど魅力的になる商品群も存在しますが、Lokadの経験では、そのような商品は非常に稀です。要するに、普通の製品では価格を上げれば需要が減るというのは明白なことです。しかし、古典的なサプライチェーン最適化の観点から考えると、需要に多く注目するあまり、価格設定が全く考慮されていないため、すべての計画と予測が大幅にずれてしまうのです。
Kieran Chandler: つまり、多くのサプライチェーンツールが、マーケティングの影響など多数の変数のために価格を考慮に入れないということなのでしょうか?
Joannes Vermorel: はい、しかし、変数の数自体は必ずしも問題ではありません。現代のコンピュータは何十万もの変数を処理できます。それ自体は決定的な障害ではないのです。しかし、これらの古典的モデルは非常に単純化されており、需要を単なる移動平均と季節係数のみで考えてしまい、在庫切れのような基本的な要素さえもしばしば考慮されません。もちろん、在庫切れだと販売がゼロでも、需要がゼロであるとは限らず、ましてや価格効果となるとなおさらです。実際、価格設定はより微妙なもので、理想的には競合他社の価格も考慮すべきです。今日では、ウェブクローラーによってオンラインで監視することも可能で、データへのアクセスがかつてないほど容易になっています。実際、これらの価格を取得することに特化した企業も存在します。
Kieran Chandler: では、これほど問題ではなく、これらの変数を追跡できるなら、どのようにして価格最適化に着手するのですか?どこから始めればよいのでしょうか?
Joannes Vermorel: サプライチェーンの最適化には、価格最適化を組み込む必要があります。伝統的な見解では、価格を個別に決定する人々と、需要を個別に決定する人々がいると考えられていますが、実際にはこれら二つの要素は完全に結び付いており、分離することはできません。つまり、出発点は、これらが連携して進むべきであると認識することです。もし意図的に分離してしまえば、どんなに機械学習技術や数値レシピが優れていても、需要予測の観点から価格の存在を認識できなくなってしまいます。要するに、価格は実際に予測するものではなく、自ら設計すべきものなのです。良い例もあり、今日これをうまく実践している企業も存在します。eコマース企業は、非常にスマートで定量的な最適化において常に先行しており、価格を積極的に定量的に最適化しています。例えば、在庫切れに向かっていると分かれば、残りの在庫を急いで処分する必要はなく、むしろ価格を少し上げることで、在庫切れには陥るものの、最後の数ユニットでより大きなマージンを確保できます。逆に、競合他社が在庫切れに苦しんでいる場合、追加の需要があるからといって自社も在庫切れになるよう急ぐ必要はありません。まさに、ファッション小売業者がコレクションの終盤に余剰在庫を処分するためにセールを行うのと同じことです。 つまり、動的な価格設定はすでに実際の運用で使われています。例えば、Amazonの場合、その価格を見ると非常に変動しており、特にクリスマス直前のような大変忙しい期間には、日々、さらには時間単位で変わっています.
キーレン・チャンドラー: では、その動的価格設定の根拠は、基本的に製品の過去の実績や、さまざまな時点での需要レベルに基づいているということでしょうか?
ヨアネス・ヴェルモレル: 要は、価格設定は多面的な意味合いを持ちます。価格は市場に対して発信する一つのメッセージであり、その部分は比較的硬直しています。もし自社を低価格ブランドとして位置付けているなら、在庫切れを理由に価格を大幅に上げることは避けるべきです。つまり、このメッセージとしての側面は重要であり、長期的な要素となります。しかし同時に、価格設定は需要を加速または抑制して、サプライチェーンの課題や困難に対処するための素晴らしい仕組みでもあります。未来は不確実であり、市場が非常に不規則なときに正確な予測を立てるのは非常に困難です。だからこそ、動的な価格設定を行うことが、より良いリソース配分を実現し、さらには顧客に対するサービスの向上にもつながるのです.
たとえば、ほぼ完全な代替品である2つの製品があっても、そのうちの1つが品切れになる場合、全ての顧客にとって自然な完全代替品とはなりません。その2つの製品のうち片方の価格を上げれば、どちらでも差し支えない顧客は単に他方に乗り換えるでしょう。一方、本当に求める製品を必要とする顧客は引き続きその製品を手に入れようとし、多少のプレミアムを支払う用意があるのです.
キーレン・チャンドラー: では、予測の観点から見ても、価格設定と連携してうまく機能する予測をどのように構築できるのでしょうか?
ヨアネス・ヴェルモレル: 静的な予測を持つという考えは捨てる必要があります。これは、古典的な予測の考え方に対する私の大きな懸念の一つでもあります。「これが未来だ、この商品は1,000ユニット売れる」と言うべきだが、答えは「状況次第」です。価格設定自体が根本的に需要に影響を与えるレバーです。つまり、予測しようとしているのは、あなた自身が実際に行うことができる行動によって駆動されるものなのです。未来の不確実性を捉えるだけでなく、自ら下す未来の決定も含めて捉える必要があります。そして、その決定は不確実というより、まだ決まっていない状態です。あなたの価格設定に不確実性はなく、望む通りに設定できるのです。もし価格を上げたいのであれば、上げることは可能です。ただし、厳しく規制された分野においては例外です。ほとんどの場合、価格設定に関しては完全な自由があるため、不確実性はないものの、その時の判断が変わる可能性はあります.
静的な予測を前提とするのは、「どうなろうとも私の価格は変わらない」と言っているようなもので、これは良くありません。市場からのフィードバックに応じて調整できる方が、はるかに賢明であり、ビジネスにおいてはより利益を生み出すのです.
キーレン・チャンドラー: つまり、在庫不足で需要を抑えたい場合は価格を上げ、需要を増やしたい場合は価格を下げるということでしょうか?
ヨアネス・ヴェルモレル: その通りです。ここで確率的アプローチの出番となります。さまざまな可能性の範囲を持つことでうまく機能する場合があります。確率は非常に有用です。というのも、ドイツのような大国で大量に販売されるビッグマックのような製品でなければ、たとえ価格を上げたとしても、1セント単位の変動が需要に計測可能な影響を与える可能性が高いからです。つまり、ここでは大規模に販売され、非常に価格に敏感な製品があるのです。人々は正確な弾力性を測定できるはずです。国ごとにビッグマックの価格弾力性を理解している賢い人々がマクドナルドにはいると私は確信しています.
しかし、これは大量のデータがあるからこそうまく機能するのです。典型的なサプライチェーンの状況では、特定の製品を週に何百万単位も販売しているわけではなく、しばしば数百単位、場合によってはそれ以下になるため、価格分析は非常に不明瞭になります。とはいえ、確率的予測を行えば、需要予測を上下にシフトさせることができますが、それでも相対的な不確実性は残ります。通常の価格帯から離れるほど、余計な不確実性が増してしまうのです.
なぜなら、価格を少しだけ動かすのであれば、ほとんどの場合、過去のデータが何が起こるかのベースラインとして有効だからです。しかし、もし例えば価格が10倍安くなった場合に何が起こるかを考えると、過去にそのような事例がなかったために、支持する履歴データが全く存在しない可能性が高いのです。利益が出なかったため、競合他社もそのような価格を採用しなかったのですから、結局何が起こるか分からないのです。誰もが分からないのです。もしかすると、価格が10倍安くなれば製品の需要は100倍になるかもしれませんが、それはこれまで誰も検証したことのない範疇の話です。つまり、結局何が起こるかは分からないということです。これは極端な状況ですが、基本的には同じ考え方が適用されます.
キーレン・チャンドラー: 通常の価格設定の範囲から離れるほど、店舗から得られる情報が少なくなり、その分不確実性が増すのですね.
ヨアネス・ヴェルモレル: では、ビッグマックの例でいうと、数セント程度の価格変動であればより予測しやすいですが、数ユーロという大幅な変動となると、将来の見通しはずっと不明瞭になるということです.
キーレン・チャンドラー: では、価格最適化のための技術的要件についてお話ししましょう。すなわち、企業にとって必要なものは何でしょうか?ビッグマックやマクドナルドが大量の履歴データを持っているというお話でしたが、企業が価格を最適化するためにはどのような技術的要件が必要でしょうか?
ヨアネス・ヴェルモレル: まず最初に必要なのは、価格設定を担当するチーム、通常の計画を担当するチーム、そして購買や生産計画を担当するチームを一堂に会することです。なぜなら、これらすべての機能を統合しなければ、最適化を実行することはできないからです。設計上、これを統合しなければ実行自体が不可能になるのです。次に、データに関するプロセス上の要件ですが、非常に多くのデータは必要ありません。実際、従来の履歴販売データで十分です。必要なのは、定番の要素、すなわちプロモーションの履歴です。プロモーションは一時的な価格変動であり、価格を変動させた際に何が起こるのかを分析する上で興味深いものです。また、価格的に説明できない外れ値や異常値を除外するために、過去の在庫切れの情報も必要です。理想的には、少なくともウェブ上で競合他社の価格情報が得られると非常に助かります。これは必須というわけではありませんが、競合他社より低い価格設定、もしくは競合他社がそれ以上に低い価格設定をしている場合の非線形的な影響、つまり、最も安い商品に顧客が流れることによる需要の急上昇や急落といった、非線形効果を理解する上で非常に役立ちます.
キーレン・チャンドラー: これらの部門を統合することで、伝統的なS&OPアプローチとどのように異なるのでしょうか?
ヨアネス・ヴェルモレル: 根本的な違いは、価格設定において、製品に対して固定された価格を持つという考え方を放棄している点です。代わりに、価格戦略を持つのです。たとえば、アジアで製品を調達しており、アジアのサプライヤーに注文を出してから北米や欧州で実際に製品を展示し販売を開始するまでに13週間かかるとしましょう。では、販売開始13週間前の初日に、なぜその時点での価格を決定する必要があるのでしょうか?この決定は遅らせることが可能です。もし13週間後に、この種の製品の需要が急増し、最初に1,000ユニットと注文していた数量では到底足りないと分かったなら、13週間前に考えていた価格に固執する意味はありません。最新のデータに基づいて再評価し、より賢明な判断を下すことができるのです.
キーレン・チャンドラー: オンラインで簡単に競合の価格情報にアクセスできる現在、競合他社の価格を追跡することはどれほど重要なのでしょうか?
ヨアネス・ヴェルモレル: それは業界によります。例えば、ラグジュアリーブランドの場合、あまり重要ではありません。ルイ・ヴィトンのようなラグジュアリーブランドは、カルティエが値下げをしているからといって自社の価格を下げることはありません。どちらも最高の品質を提供する一流のラグジュアリーブランドであり、それ相応の価格設定を行っています。ラグジュアリーブランドは代替が存在しないべきものです。一方、ほぼ完全な代替品となる製品の場合、たとえばレストラン用の砂糖をキログラム単位で購入する場合、品質基準を満たしていればどのサプライヤーから購入しても大きな違いはありません.
キーレン・チャンドラー: 将来的に、企業が自社の利益を十分に把握した上で価格ポイントを設定する時代が来るとお考えですか?
ヨアネス・ヴェルモレル: Amazonのように、すでにそのような取り組みを実施している企業もあります。非常に積極的なeコマースのクライアントの中にも同様の事例があり、たとえあまり宣伝していなくても実行されています。さらに、航空宇宙といったより洗練された業界でも既に実践されている例があります。航空会社は何十年にもわたりイールドマネジメントでチケットを販売しており、航空機部品においても同様の手法が採用されています。私が見る限り、これはほぼすべての業界に浸透しつつありますが、その適用度合いは業界によって差があるでしょう.
キーレン・チャンドラー: 結論として、今日の価格最適化についての重要な教訓は何でしょうか?
ヨアネス・ヴェルモレル: 価格最適化は、需要および需要予測の不可欠な要素です。価格がなければ需要は存在せず、価格が需要を定義し、その逆もまた然りです。もしサプライチェーン組織が価格効果を無視して最適化を試みるのなら、それは部屋にいる象を見落としているのと同じです。たとえ移動平均を細かく最適化しても、その象を無視していては意味がありません。それは非常に問題です.
キーレン・チャンドラー: 皆さん、もう部屋にいる象を見落とすことがないことを願っています。今週はこれで全てです。ご視聴いただきありがとうございました。また次回お会いしましょう。さようなら.