價格最佳化

零售最佳化挑戰和機會

零售商在維持市場地位的同時，也面臨著日益嚴格的挑戰。零售業者長期以來，一直都可以運用這項訂價來提升銷售額、吸引新客戶、留住現有客戶，並增加市場佔有率。然而，在過去十年間，由於電子商務和全通路購物的興起使消費者比以往更容易購買，並在多個零售商之前比較價格，因此變得更加重要。

資訊不正確、分散，或有時太多可能會造成零售商難以做出正確的訂價決策。而策略性訂價是零售商從競爭者中脫穎而出的關鍵方式，而未通知的訂價決策則對收入、獲利能力及客戶滿意度帶來重大負面影響。由於大多數零售商都能使用的利潤率很小，因此要儘量降低產品銷售額、獲利能力及市佔率的最佳價格，至關重要。然而，由於資料挑戰，許多零售商必須在不瞭解需求的情況下做出定價決策，或者價格變動對銷售和利潤有影響，因此必須在整個支柱合中做出成千上萬的明智定價決策。

能夠將不同資料集整合在一起並大規模套用進階分析和機器學習，讓零售商能夠擴大其定價策略，包括具競爭力的定價、心理定價、促銷定價、價格搭售，以及日益動態的定價；識別正確的定價策略 (或策略組合)，並最佳化其定價。然後他們可以在適當的時間，透過適當的通路，以正確的價格將正確的產品和服務推向正確的客戶。

透過進階分析和機器學習簡化零售規劃

讓我們看看 Oracle Data Platform 的建置方式，如何協助零售商找出個別產品的正確定價、最佳化整個產品生命週期的定價，以及瞭解價格與數量的市場時間關係。

此影像顯示如何使用 Oracle Data Platform for Retail 支援價格最佳化，並協助零售商維持市場地位，同時將獲利最大化。此平台包含下列五大支柱：

1. 1. 資料來源、探索
2. 2. 擷取、轉換
3. 3. 持續、策劃、建立
4. 4. 分析、學習、預測
5. 5. 測量、行動

「資料來源」、「探索」支柱包含三種資料類別。

1. 1. 業務記錄 (第一方) 資料包括銷售交易和客戶、供應商、庫存、POS 系統、收入和利潤資料。
2. 2. 應用程式資料來自 ERP、SCM、CX、WMS、Fusion SaaS、NetSuite、Oracle E-Business Suite、PeopleSoft、JD Edwards、SAP、Salesforce 和 Workday 應用程式。
3. 3. 第三方資料包括競爭對手資料、Oracle Advertising 中的資料、經濟資料和社交資料。

擷取、轉換支柱由三個功能組成。

1. 1. 批次擷取會使用 OCI 資料整合、Oracle Data Integrator 和資料庫工具。
2. 2. 大量傳輸使用 OCI FastConnect、OCI 資料傳輸、MFT 及 OCI CLI。
3. 3. 使用 OCI GoldenGate 進行變更資料擷取。

這三種功能全都以單向方式連接到「持續、策劃、建立」支柱內的雲端儲存空間 / 資料湖。

「持續、策劃、建立」支柱由四個功能組成。

1. 1. 服務資料存放區使用 Oracle Autonomous Data Warehouse。
2. 2. 雲端儲存空間 / 資料湖使用 OCI Object Storage。
3. 3. 批次處理使用 OCI Data Flow。
4. 4. 治理使用 OCI 資料目錄。

這些功能會在支柱內連接。雲端儲存空間 / 資料湖會以單向方式連線至服務資料存放區；也會以雙向方式連線至批次處理。

單一功能可連接至「分析、學習、預測」支柱：服務資料存放區同時連線至分析和視覺化功能及機器學習功能。

分析、學習、預測支柱包含兩個功能。

1. 1. 分析和視覺化使用 Oracle Analytics Cloud、GraphStudio 和 ISV。
2. 2. 機器學習使用 OCI Data Science、Oracle ML 以及 Oracle ML Notebooks。

「衡量、行動」支柱由三個消費者組成：儀表板和報表、應用程式和機器學習模型。

儀表板與報表包含銷售、績效、存貨層次及競爭對手訂價。

應用程式包括「價格彈性模型」和「訂價規則」。

機器學習模型包括客戶行為模式和市場特定價格。

三大核心支柱 (「擷取、轉換」；「持續、策劃、建立」；以及「分析、學習、預測」) 皆由基礎架構、網路、安全性和 IAM 支援。

將資料注入架構有三種主要方式，讓零售商最佳化價格。

• 我們需要瞭解我們的整體庫存狀況，以確保產品不會庫存過剩或不足。我們可以使用此資料來決定是否要將價格調整為移轉庫存或避免缺貨。為此，我們使用 OCI GoldenGate 從所有或部分產品線從作業資料庫擷取近乎即時的倉儲庫存資料，以變更資料擷取。
• 我們現在可以新增與客戶相關的資料集 (例如客戶偏好、行為及採購模式)、成本 (例如生產成本和銷售成本) 以及零售需求 (例如銷售點資訊)。為了預期客戶行為的變化，零售商也需要瞭解市況 (例如供給與需求)、經濟趨勢及消費者情緒。零售商也需要監控競爭者的價格與促銷，以確保競爭激烈。這些資料集通常包含大量通常是內部部署資料，在大多數情況下，批次擷取是最有效率的。針對我們的銷售點資料，我們將使用 Oracle Data Integrator 在四小時的週期內擷取資料。
• 大量擷取可用於初始資料載入，或從內部部署資料存放區移轉資料。

資料持續性與處理建立在三個元件上。

• 擷取的原始資料儲存在雲端儲存空間中。我們將使用 OCI Data Flow進行目前持續儲存的資料批次處理，包括庫存層級、地理對應資料及產品參考資料。這些已處理的資料集會返回雲端儲存體進行保存、策劃和分析，最終以最佳化形式載入至提供的資料存放區。
• 我們現在已建立已準備好持續儲存於最佳化關聯式表單的已處理資料集，以便在 Oracle Autonomous Data Warehouse 提供的服務資料存放區中提供策劃與查詢效能。這可讓我們依價格、需求設定檔、存貨層次及地點來識別與退回產品。

分析、學習和預測的能力建立在兩項技術之上。

• 分析和視覺化服務提供下列功能：
  • 描述性分析 (說明含長條圖與圖表的目前趨勢) 支援以規則為基礎的訂價演算法開發，這些演算法使用預先定義的規則來根據特定準則調整價格，例如銷售績效、存貨層次或競爭對手訂價。例如，零售商可能會設定一個規則，如果產品庫存量超過 30 天，則將價格降低 10%。
  • 預測分析 (預測未來事件、識別趨勢，以及判斷不確定結果的機率) 會使用歷史銷售資料來識別價格與需求之間的關聯。零售商可使用此分析來預測價格變更如何影響需求，以及相應地調整價格。此外，預測分析還可提供價格彈性模型，此模型使用統計模型來測量敏感需求是如何變動價格。零售商可使用此分析來找出最佳價格點，以最大化銷售和獲利能力。
  • 規範分析 (提供適當的動作以支援最佳決策) 可用於動態定價。此演算法會使用即時資料 (例如庫存層次、競爭對手訂價及客戶行為) 來即時調整價格。零售商可使用此方法快速回應市場變化，並最佳化價格以獲得最高的獲利能力。
• 除了使用進階分析之外，還會開發、訓練及部署機器學習模型。這些模型使用人工智慧分析大量資料，並識別可用來最佳化價格的模式和趨勢。零售商可以使用機器學習演算法預測客戶行為、識別訂價機會，以及最佳化多個產品和市場的價格。
• 我們的精選、測試和高品質的資料和模型都可以套用治理規則和原則，而且在資料網狀架構內可公開作為「資料產品」(API)，以便在零售組織之間進行分配。

透過零售資料平台提高獲利能力

正確的訂價策略可增加收入、獲利能力、市佔率以及客戶滿意度，但要開發這些策略，零售商需要即時存取庫存層次、訂單、需求、目前訂價與促銷，以及 360 度全方位的客戶檢視。藉由使用整合來自多個來源的資料平台並支援進階分析，零售商可以在產品層次輕鬆量身打造訂價策略，同時讓價格與所有銷售通路的公司和種類目標保持一致。此彈性可讓零售商根據目標利潤、競爭價格調整，或不同市場間偏好的訂價關係，提議一般價格，並最大化促銷與降價策略的價值，同時確保每個接觸點的個別消費者體驗定價一致性，提供優質的全通路客戶歷程。