Fiyat optimizasyonu

Perakende optimizasyon zorlukları ve fırsatları

Perakendeciler, kârlılıklarını en üst düzeye çıkarıp pazardaki konumlarını korumaya çalışırken artan zorluklarla karşılaşmaktadır. Fiyatlandırma, perakendecilerin satışları artırmak, yeni müşteriler kazanmak, mevcut müşterileri elde tutmak ve pazar payını artırmak için kullanabilecekleri en önemli araçlardan biri olmuştur. Ancak son on yılda, e-ticaret ve çok kanallı alışverişin yükselişi tüketicilerin satın almasını ve fiyatları daha önce birden fazla perakendeci genelinde karşılaştırmasını her zamankinden daha kolay hale getirdiği için bu çok daha fazla önem kazandı.

Yanlış, parçalı veya bazen çok fazla bilgi, perakendecilerin doğru fiyatlandırma kararları almasını zorlaştırabilir. Stratejik fiyatlandırma perakendecilerin kendilerini rakiplerinden ayırabilmeleri için önemli bir yol olsa da, yeterli bilgi olmadan verilen fiyatlandırma kararlarının gelir, kârlılık ve müşteri memnuniyeti üzerinde önemli bir olumsuz etkisi olabilir. Çoğu perakendecinin ince marjlarla çalıştığı göz önüne alındığında, bir ürünün satışlarını, kârlılığını ve pazar payını en üst düzeye çıkarmak için en iyi fiyatı belirlemek kritik öneme sahiptir. Ancak veri zorlukları nedeniyle birçok perakendeci, talebi veya fiyat değişikliklerinin satışlar ve marj üzerindeki etkisini anlamadan fiyatlandırma kararları vermek zorunda kalır ve ürün yelpazeleri genelinde bu yetersiz bilgilendirilmiş fiyatlandırma kararlarından on binlercesini vermek zorunda kalıyorlar.

Çeşitli veri kümelerini bir araya getirip gelişmiş analitik ve makine öğrenimi uygun ölçekte uygulayabilmek perakendecilerin fiyatlandırma stratejilerini genişleterek rekabetçi fiyatlandırma, psikolojik fiyatlandırma, promosyon fiyatlandırması, fiyat paketlemesi ve giderek daha dinamik bir fiyatlandırma içerecek şekilde genişletmesine, doğru fiyatlandırma stratejisini (veya stratejilerin bir kombinasyonunu) belirlemesine ve fiyatlandırmalarını optimize etmesine olanak tanır. Ardından, uygun zamanda doğru ürün ve hizmetleri doğru fiyata, doğru müşteriye uygun kanaldan iletebilirler.

Gelişmiş analitik ve makine öğrenimi ile perakende planlamasını basitleştirin

Perakendecilerin bireysel ürünler için doğru fiyatlandırmayı belirlemelerine, ürün yaşam döngüsü boyunca bu fiyatlandırmayı optimize etmelerine ve fiyat-hacim-pazar-zaman ilişkisini anlamalarına yardımcı olmak için Oracle Veri Platformu'nun nasıl oluşturulduğuna bakalım.

Bu görüntüde, perakendeye yönelik Oracle Veri Platformu'nun fiyat optimizasyonunu desteklemek ve perakendecilerin kârlılığı en üst düzeye çıkarırken pazardaki konumlarını korumalarına yardımcı olmak için nasıl kullanılabileceği gösterilmektedir. Aşağıda platformun beş ayağı verilmiştir:

1. 1. Veri Kaynağı, Keşif
2. 2. Alım, Dönüştürme
3. 3. Sürdürme, Düzenleme, Oluşturma
4. Analiz, Öğrenme, Tahmin
5. 5. Ölçme, Eyleme Geçme

Veri Kaynağı, Keşif ayağı üç veri kategorisi içerir.

1. 1. İş kaydı (birinci taraf) verileri, satış işlemlerinden ve müşteri, tedarikçi, envanter, POS sistemi, gelir ve kâr marjı verilerinden oluşur.
2. 2. Uygulama verileri ERP, SCM, CX, WMS, Fusion SaaS, NetSuite, Oracle E-Business Suite, PeopleSoft, JD Edwards, SAP, Salesforce ve Workday uygulamalarından gelir.
3. 3. Üçüncü taraf verileri; rakip verilerini, Oracle Advertising'den gelen verileri, ekonomik verileri ve sosyal medya verilerini içerir.

Alma, Dönüştürme ayağı üç yetenekten oluşur.

1. 1. Toplu alım OCI Veri Entegrasyonu, Oracle Data Integrator ve Veritabanı araçlarını kullanır.
2. 2. Toplu aktarım OCI FastConnect, OCI Veri Aktarımı, MFT ve OCI CLI'sini kullanır.
3. 3. Değişiklik verileri yakalama OCI GoldenGate kullanır.

Üç yetenek de tek yönlü olarak Sürdürme, Düzenleme, Oluşturma ayağında bulut depolama/veri gölüne bağlanır.

Sürdürme, Düzenleme, Oluşturma ayağı dört yetenekten oluşur.

1. 1. Hizmet veren veri deposu, Oracle Autonomous Data Warehouse'u kullanır.
2. 2. Bulut depolama/veri gölü OCI Object Storage'ı kullanır.
3. 4. Toplu işleme, Oracle Data Flow'u kullanır.
4. 4. Yönetişim, OCI Data Catalog'u kullanır.

Bu yetenekler ayak içinde bağlantılıdır. Bulut depolama/veri gölü, hizmet veren veri deposuna tek yönlü olarak bağlıdır; aynı zamanda toplu işleme çift yönlü olarak bağlıdır.

Bir yetenek Analiz, Öğrenme, Tahmin ayağına bağlanır: Hizmet veren veri deposu hem analitik hem de görselleştirme yeteneği ve makine öğrenimi özelliğine bağlanır.

Analiz, Öğrenme, Tahmin ayağı iki yetenek içerir.

1. 1. Analitik ve görselleştirme Oracle Analytics Cloud, GraphStudio ve ISV'leri kullanır.
2. 2. Makine öğrenimi OCI Data Science, Oracle ML ve Oracle ML Notebooks çözümlerini kullanır.

Ölçüm, Eylem Geçme ayğaı üç tüketiciden oluşur: konsol ve raporlar, uygulamalar ve makine öğrenimi modelleri.

Konsol ve Raporlar; Satış, Performans, Envanter Düzeyleri ve Rakip Fiyatlandırmasından oluşur.

Uygulamalar, Fiyat Esnekliği Modelleri ve Fiyatlandırma Kurallarından oluşur.

Makine Öğrenimi Modelleri Müşteri Davranışı Düzenleri ve Piyasaya Özel Fiyatlandırmadan oluşur.

Bu üç temel ayak altyapı, ağ, güvenlik ve IAM tarafından desteklenir: Alma, Dönüştürme, Sürdürme, Düzenleme, Oluşturma ve Analiz, Öğrenme, Tahmin.

Perakendecilerin fiyatları optimize etmelerini sağlamak için bir mimariye veri eklemenin üç ana yolu vardır.

• Sürecimize başlamak için, ürünlerin aşırı stoklu veya az stoklu olmadığından emin olmak amacıyla genel envanter konumumuzu anlamamız gerekir. Envanteri taşınmasını veya eksik stok durumunu önlemek için fiyatları ayarlamaya karar vermek üzere bu verileri kullanabiliriz. Bunu yapmak için, tüm üretim hatları veya bir üretim hattı alt grubu için operasyonel veritabanlarından neredeyse gerçek zamanlı depo envanter verilerinin değişiklik verisi yakalama alımını sağlamak üzere Oracle Cloud Infrastructure (OCI) GoldenGate kullanıyoruz.
• Artık müşterilere (tercihleri, davranışları ve satın alma örüntüleri gibi), maliyetlere (üretim maliyeti ve satış maliyeti gibi) ve perakende talebine (satış noktası bilgileri gibi) ilişkin veri kümeleri ekleyebiliyoruz. Müşteri davranışındaki değişiklikleri öngörmek için perakendecilerin piyasa koşullarını (tedarik ve talep gibi), ekonomik eğilimleri ve tüketici duyarlılığını da anlamaları gerekir. Perakendecilerin rekabeti korumaları için rakiplerinin fiyatlarını ve promosyonlarını da izlemeleri gerekir. Bu veri kümeleri genellikle şirket içi büyük hacimli verilerden oluşur ve çoğu durumda toplu alım genellikle en verimli yöntemdir. Satış noktası verilerimiz için verileri günlük döngüde almak üzere Oracle Data Integrator kullanacağız.
• Toplu alım, ilk veri yüklemesi veya şirket içi veri depolarından veri geçirmek için kullanılabilir.

Veri kalıcılığı ve işleme, üç bileşen üzerine kuruludur.

• Alınan ham veriler bulut depolama alanında depolanır. Artık kalıcı verilerin, envanter düzeylerinin, coğrafi eşleme verilerinin ve ürün referans verilerinin toplu işlenmesi için OCI Data Flow'u kullanacağız. Bu işlenen veri kümeleri ileride kalıcılık, düzeltme ve analiz için bulut depolama alanına döndürülür ve en nihayetinde hizmet veren veri deposuna optimize edilmiş biçimde yüklenir.
• Artık Oracle Autonomous Data Warehouse tarafından sağlanan hizmet veren veri deposunda düzeltme ve sorgu performansı için optimize edilmiş ilişkisel formda kalıcı olmaya hazır işlenmiş veri kümeleri oluşturduk. Bu, ürünleri fiyat, talep profili, envanter seviyesi ve konuma göre tanımlamamızı ve iade etmemizi sağlayacaktır.

Analiz, öğrenme ve tahmin kabiliyeti iki teknolojiye dayanır.

• Analitik ve görselleştirme hizmetleri aşağıdaki yetenekleri sağlar:
  • Açıklayıcı analitik (histogram ve grafiklerle mevcut eğilimleri açıklar), satış performansı, envanter seviyeleri veya rakip fiyatlandırması gibi belirli ölçütlere dayalı olarak fiyatları ayarlamak için önceden tanımlanmış kurallar kullanan kural tabanlı fiyatlandırma algoritmalarının geliştirilmesini destekler. Örneğin, bir perakendeci 30 günden uzun süredir envanterde bulunan bir ürünün fiyatını %10 oranında düşürmek için bir kural belirleyebilir.
  • Öngörüye dayalı analitik (gelecekteki olayları tahmin eder, eğilimleri belirler ve belirsiz sonuçların olasılığını belirler) fiyat ve talep arasındaki ilişkileri belirlemek için tarihsel satış verilerini kullanır. Perakendeciler bu analizi kullanarak fiyattaki değişikliklerin talebi nasıl etkileyeceğini tahmin edebilir ve fiyatları buna göre ayarlayabilir. Ayrıca tahmine dayalı analitik, fiyat esnekliği modelleri sağlayabilir. Bu model, talebin fiyat değişikliklerine karşı ne kadar hassas olduğunu ölçmek için istatistiksel modeller kullanır. Perakendeciler bu analizi kullanarak satışları ve kârlılığı en üst düzeye çıkarmak için en uygun fiyat noktalarını belirleyebilir.
  • Yönlendiren analitik (en iyi karar vermeyi desteklemek için uygun eylemler önerir) dinamik fiyatlandırma için kullanılabilir. Bu algoritma, fiyatları gerçek zamanlı olarak ayarlamak için envanter seviyeleri, rakip fiyatlandırması ve müşteri davranışı gibi gerçek zamanlı verileri kullanır. Perakendeciler, bunu kullanarak piyasa değişikliklerine hızla yanıt verebilir ve maksimum kârlılık için fiyatları optimize edebilir.
• Gelişmiş analitiğin yanı sıra makine öğrenimi modelleri geliştirilir, eğitilir ve devreye alınır. Bu modeller, yapay zekayı kullanarak büyük miktarda veriyi analiz eder ve fiyatları optimize etmek için kullanılabilecek örüntüleri ve eğilimleri belirler. Perakendeciler, müşteri davranışını tahmin etmek, fiyatlandırma fırsatlarını belirlemek ve birden fazla ürün ve piyasa genelinde fiyatları optimize etmek için makine öğrenimi algoritmalarını kullanabilir.
• Düzenlenmiş, test edilmiş ve yüksek kaliteli verilerimiz ve modellerimiz yönetişim kurallarına ve politikalarına sahip olabilir ve perakende organizasyonu genelinde dağıtım için bir veri ağı mimarisi içinde bir "veri ürünü" (API) olarak sunulabilir.

Perakende veri platformu ile kârlılığı artırın

Doğru fiyatlandırma stratejileri geliri, kârlılığı, pazar payını ve müşteri memnuniyetini artırabilir; ancak bunları geliştirmek için perakendeciler envanter seviyelerine, siparişlere, talebe, mevcut fiyatlandırma ve promosyonlara ve 360 derecelik müşteri görünümlerine gerçek zamanlı erişime ihtiyaç duyar. Perakendeciler, birden fazla kaynaktan gelen verileri entegre eden ve gelişmiş analitiği destekleyen bir veri platformu kullanarak fiyatlandırma stratejilerini ürün düzeyinde kolayca uyarlayabilir, aynı zamanda fiyatları tüm satış kanallarında kurumsal ve kategori hedefleriyle uyumlu hale getirebilir. Bu esneklik, perakendecilerin hedef marjlarına, rekabet fiyatlarına veya farklı piyasalar arasındaki tercih ettikleri fiyat ilişkisine göre düzenli fiyatlar teklif etmesine ve promosyon ve indirim stratejilerinin değerini en üst düzeye çıkarmasına olanak tanır. Tüm bunlar, bireysel tüketicilerin her temas noktasında fiyatlandırma tutarlılığı elde etmesini sağlayarak üstün bir çok kanallı müşteri yolculuğu sunar.