算一算日子,居然有近4个月没有更新,抛开年前家里一堆琐事和工作上的繁杂,年后疫情带来的一系列问题的确大大影响了精力投入和学习输出。

最近在推进着平台的新能力,此外家里和工作也渐渐回到正轨,至少买菜正常化了——CPQ内容的输出发布也会加速回来。

预告下后续文章内容:

  1. CPQ和AI混血之后的系列文章(本文是第一篇定价优化,另外几篇还涉及交叉销售指引、配置推荐建议、审批自动化等);

2. 几个月疫情应对下的行业观察和IT应用建议,最近和客户和一些CIO/CFO探讨了下疫情的影响,“我们公司什么时候信息化推得最快,就是疫情期间”;

3. 过两天发一篇关于口罩和卫生的总结,绝对纯干货(什么时候口罩能不憋人就好了);

4. 经济眼看着不太能继续高速增长了,要开始省钱了(这也能写写的,最近4个月的经验积累)。


行业里有个小趋势,大家开始逐渐少讲功能,大谈能力——毕竟依赖于数据的AI时代来临,我们重新进入了新一轮的On-premise(很多同行其实没意识到这一点),只有标准功能的SaaS/本地应用越来越不那么有逼格了。因此我推迟了CPQ功能体系/功能架构的整理和发文,先发几篇高阶AI能力介绍——感谢留言催我发功能列表分析和咨询方案关键点的三位朋友,我们可以一起讨论下。

如前所述,CPQ除传统的产品配置、定价模型、报价输出外,需要提供系列AI智能化高阶能力,本文所提的“价格优化”能力,并输出“最优价格”就是其中之一

optimal-price.jpg

什么是价格优化/最优价格?

举个栗子:当我们打开携程/去哪儿/飞猪,准备买个机票去浪/去干活(不是疫情期间和今天),我们可能会展开一个列表,查看筛选一段日期内+特定出发/目的地+直达/中转+舱位+时间范围+单程/来回内,找可接受的条件下的最优价格。这就是一个直观例子。

传统上,这个能力要求通常在航空公司和连锁酒店之类的App可见。但随着机器学习能力与CPQ结合,这个能力就非常有意思了——把应用于C端顾客的能力,用更低实现成本,提供给企业的销售部门,帮助销售团队快速找到复杂配置产品的最佳价格(而不是盲目地打折扣),提升他们的效率和能力,同时给客户更有吸引力的价格。

什么是最优价格——客户愿意在给定时间购买产品或服务的最佳(或最高)价格(或价格范围),同时企业仍能获利。

有相应能力的CPQ可以帮助企业做这个过程。但是当前并不是所有CPQ都把这个功能内置为标准功能(可能做增强开发)。为什么呢?快速找到客户对产品或服务的合适价格不是一个简单加减法功能,尤其是在需要考虑整合N多数据的情况下。当需要在单个报价或订单中为多个产品(或服务)优化许多价格时,这个问题就更加严重。

值得花钱上智能化价格优化吗?

考虑是否有以下风险,评估成本和价值,再看是否值得企业应用:

  • 丢失客户或失去商机:客户可以决定您提供的价格/折扣购买商品,而是从竞争对手那里购买更低廉价格的产品和服务。
  • 损失利润或甚至赔钱:销售团队——特别是在季度末——过于慷慨地提供折扣,从而使公司损失本来能拿到手的利润。

如何用现代技术做价格优化?

厂商会说我们用人工智能AI,但更准确地说是使用机器学习算法来实现这个能力——提供价格范围信息作为参考指南,并将价格指南与CPQ工作流结合使用,在一个清晰的界面内,为销售人员提供特定客户希望采购的所有产品和服务的价格范围——有利可图的定价选项。价格优化通常有4个步骤:

  1. 制定定价策略——在选择和实施CPQ解决方案前,请为每个市场通路/销售渠道/销售模式定义定价策略;
  2. 收集历史价格数据并训练AI——使用机器学习算法前,需要收集和使用历史价格数据来对AI进行训练;
  3. 在“实时”环境中使用价格优化——让销售人员在“实时”环境中使用CPQ+价格优化功能,并获得评价和反馈(这一步可以通过销售渠道/销售区域的试点来推行);
  4. 功能持续优化——监视结果并不断更新数据以提高机器学习算法的准确性。将机器学习算法(包括历史数据)与“实时”环境中新收集的数据合并,以便从中学习并进行必要的调整以进行持续改进。这样可以确保价格优化功能可以时刻跟得上市场的变化。

备注:步骤3和4是循环执行的,后文会详细展开。

1.为每个市场通路制定定价策略:

市场通路可以包括线上线下销售渠道、合作伙伴、客户群体、销售团队等所有涉及产品/服务到达经销商/最终客户需要经过的关键节点(的排列组合)

尽管这听起来很简单,但其实很难做好——做过定价咨询项目的同行肯定知道,亲身经历的企业主和企业高管更是一听就头疼。如果产品收费低于成本会造成损失,但如果产品收费过高,增长将被抑制。对于任何希望成功的销售团队而言,成功的关键点就是,尽可能地在合适的时间,通过合适的价格,销售合适的产品,给合适的客户。

这是一项具有挑战性但又生死攸关的任务,这就是为什么企业主和销售/产品高管会在制定定价策略上呕心沥血的原因。

显然并不是每个企业都需要制定新的定价策略。如果您的公司已经有被市场认可的定价策略,请继续使用它。或者可以请问自己以下几个问题,以了解您是否需要新的或修改的定价策略:

  • 您知道当前每个销售通路使用的定价策略吗?
  • 您是否曾经为销售通路测试过不同的定价策略?
  • 您是否曾经与客户讨论过您的定价高低,是否合理?
  • 您在所有通路上的销售结果(收入和毛利)是否达到或超过了您的期望?
  • 您是否知道一笔交易在什么情况下无利可图,并可以决策放弃该交易吗?

如果您以“否”回答了这些问题中的任何两个,可能您需要重新盘一下定价策略(另外一篇文章在写),然后继续执行步骤2。

2.收集历史价格数据:

在使用机器学习算法之前,需要运用历史价格数据对AI进行训练。这意味着需要提供大量历史价格数据——至少包括以下内容:

  1. 客户数据(例如地理位置、公司规模、交易规模、客户层级等)以开始做细分客户(客户分段);
  2. 交易数据
  • 2.1.出售的产品/服务,包括其基本价格(例如标价、成本)和数量
  • 2.2.每个产品/服务的折扣和促销
  • 2.3.每个产品/服务的竞争对手价格

3. 进一步深度数据应用

显然,可以根据需要使用更多数据扩展此列表,包括经济状况、固定成本和可变成本、生产能力/生产可用性等。

3.在实际环境中使用价格优化:

在此步骤中,销售人员在实际的业务中使用具有价格优化功能的CPQ解决方案。通常向用户显示的信息包括以下内容

  • 产品A对于客户ABC的最佳价格,示例:对客户ABC,产品A的最适合销售价格为168元。
  • 可获利的客户购买价格范围,示例:产品A的价格需要在160 – 185元之间。
  • 特定价格点所需的审批示例:如果产品A的价格低于160元,则需要获得区域销售总监的审批同意。
  • 在不同的设备(例如笔记本电脑、智能手机)上,可能会向不同的客户/用户显示不同的价格示例:笔记本电脑上的产品A为165元,而智能手机上的同一产品A为160元。
  • 视觉引导(使用带有红黄绿的交通信号灯引导)指示是否可以直接推进下一步示例:产品A用红色图标显示,因为客户要求的价格是 145元,而建议的价格范围是160-185元。销售团队需要提高价格或获得额外的审批才能继续进行。

4.观察结果,更新数据,功能持续优化:

观察结果并不断更新数据,以提高机器学习算法的准确性在这一步骤中,机器学习算法将历史数据与来自新收集的数据合并,从中学习,并进行必要的调整以进行持续改进。这样可以确保价格优化保持动态更新。

同时可以根据实际场景不断扩张机器学习算法的数据来源广度,如把原来没有纳入建模的一些参数纳入考虑,“更多因子,更贴近现实场景”。

使用AI的CPQ使用多种机器学习算法从定价的角度不断学习有效的方法,以消除人为拍脑袋猜测并提高获胜率。与仅依赖于耗时的手动更新的传统基于规则的CPQ不同,智能系统始终可以适应不断变化的数据集。

总结:

定价本身是一个高度依赖于人脑思考和经验积累的过程,涉及产品/营销专家团队、Excel电子表格以及能够综合市场竞争态势和历史数据建模计算的财务分析师。对于拥有上千种高度复杂产品配置的公司而言,这可能是一个特别繁重的过程——而这样的企业通常会同时对传统CPQ和定价优化产生需求。

2018-09-24-price-optimization-machine-learning.d59ca712.jpg

传统价格优化实现方式:

  • 过去的第一波价格优化软件依赖于基于确定产品最佳价格的业务分析师的专业知识,专家法构建的规则。
  • 同时一些CPQ系统开始自动执行定价过程,包括使用各种变量运行模拟来确定价格。
  • 同时PLM软件已帮助部分企业克服了通过大数据集来计算产品成本和利润的挑战。

这些解决方案帮助简化了报价流程,但仍涉及大量手动工作。

由AI驱动的CPQ

通过添加机器学习来自动以最佳价格建立在这些解决方案的基础上。机器学习技术可以通过CPQ和CRM处理有关客户的所有销售数据,包括客户的位置、规模、收入和交易数量价格等数据。它还考虑了销售代表功能和过去涉及特定产品的成功交易,以提出最有可能赢得交易的价格建议。

1_ShmcTBcsogJlh8WWitrAGA.png

启用AI的CPQ不仅基于成本和利润来分析和提出建议,还基于包括历史在内的客户属性进行定价。销售代表不再需要猜测什么价格可以帮助他们赢得交易,这就是价值。最终定价将根据特定客户,他们要购买的产品、季节、涉及的销售代表的类型以及其他相关因素而个性化且对时间敏感。

借助以AI为动力的CPQ,准确的价格触手可及的销售代表,从而加快了销售速度并最大限度地提高了他们完成交易的能力。这也缩短了新销售代表的准备时间,新销售代表可以立即开始销售,而不必担心自己会提供太多折扣。他们将从CPQ提供的团队累积定价和折扣知识中受益。

对于客户而言,快速获得最佳价格会减少来回谈判的速度,获得了他们期望的快速、便捷的服务。高级CPQ能力提供使企业可以轻松地实施和运行它,而无需聘请专职数据科学家来建立模型并保持不断的模型训练。

疫情羊毛薅起来-今日分享:

偶尔要用百度网盘和朋友分享大文件,于是找到个神优惠券

【填登录手机号】百度网盘24小时极速下载券云会员一天单日加速 【包邮】
【在售价】5.90元
【券后价】4.90元
【下单链接】https://m.tb.cn/h.VKl4X4D
----------------- 注意,请复制右边字符串,$53521EAS7Br$,到【马爸爸家的App】即可查看

$53521EAS7Br$


参考:

  • 1. [What is Intelligent CPQ and Why Should You Care? | Vendavo](https://www.vendavo.com/blog/pricing/what-is-intelligent-cpq-and-why-should-you-care/)
  • 2. [4 Steps to Price Optimization: CPQ Series Part 2 | Vendavo](https://www.vendavo.com/blog/pricing/4-steps-to-price-optimization-part-2/)
  • 3. [Why AI is the Future of CPQ](https://www.sap.com/documents/2019/05/fce24507-4c7d-0010-87a3-c30de2ffd8ff.html)