点击标题下《大数据文摘》可快捷关注
文章来源: Mckinsey Company
翻译:郭芳菲 校对:Lynda(转载请保留)
正确定价的重要性其实是很难评估的。产品平均价格每上涨1%,企业营业利润就会同比增长8.7%(当然,这是在假设没有损失量的情况下)。然而,据我们估计,成千上万的定价决策企业中每年有高达30%的企业未能提供最佳定价。这对企业是一个巨大的损失。让人觉得尤为烦恼的是海量的可获得的数据可以为公司提供一个制定更好定价决策的机会,但是大数据具有复杂性,而那些能够解决大数据复杂性的办法的价值是巨大的。
我们并不认为这是件简单的事情:作为数字化源泉的客户接触点的数量不断激增,导致多渠道的复杂性不断增长。而价格点也需要与其保持同步。很多公司没有发现或者利用大数据带来的机遇,而错过了几百万美元的盈利。增加利润空间的秘诀是,利用大数据并根据产品的层次而非类别为产品找到最佳的定价,而不是淹没在数字的洪流中。
成功非易事
对于每一个产品而言,企业应该能够找到客户愿意支付的最优价格。理想情况下,他们会考虑到非常具体的能影响定价的观察成果,例如,下一个极具竞争力的产品的成本与此产品对于顾客的价值,然后达成最佳定价。的确,对于一家拥有少数产品的企业,这种定价方法很简单。
当产品编号种类激增,这种方法就比较麻烦。大约75%的典型公司的收入来自他们的标准产品,而这些产品的种类成千上万。制定定价手册这种做法费时,且几乎不可能预见到可以释放价值的定价模式。对于规模庞大的大企业而言,做到事无巨细的分析和管理这些不断发生变化的定价变量的复杂性是压力巨大的。问题的核心是,这是一个大数据问题(如图)。
基于支付意愿,分析并显示了不同的基于客户-产品层面的机遇。
许多营销人员一味地回避产品定价问题。他们开发产品定价只是基于简单的因素,诸如产品成本,标准的利润率,同类产品的价格,批量折扣等等。他们依照过去惯例来管理产品,或者引用“市场价格”作为不主动出击的借口。或许最糟糕的是,他们总依赖于看似久经考验的历史做法,比如对于任何产品的价格都以10%的速度上涨。
“在实际中的情况是,每年我们价格的增长是基于规模和数量,而不是基于科学的算法。”Linde Gases 的销售业务负责人,Roger Britschgi如是说。“我们不认为有其他的方法可以用来定价,并且,坦率地讲,我们没有做好准备去说服我们的顾客产品具有涨价的需要。”
将数据转化为利润的四个步骤:
做到更好定价的关键是充分理解公司现有的数据。它要求公司不应该远观数据,而应该把数据放大后具体分析。作为汤姆·奥布莱恩,在沙索集团的市场营销和销售部门的副总裁兼总经理人员认为,“销售团队了解他们的定价,他们也许也应该知道市场容量,但这个方法包含更多:详尽的数据——真正意义上的来自于每张发货单的产品、顾客及包装分类的详尽数据。
事实上,一些大数据在B2B领域进行实际应用的精彩案例,比如超越定价和接触公司其他商业系统的实际应用。例如,动态交易得分在个人交易层面,决策升级点,激励;绩效得分和更多的基于类似输/赢模式的交易,所提供的定价指导。因为与任何一个交易相关联的因素都是多变的,使用样本量较小的,相关的交易样本是必要的,多变的因素导致一组组重要的作为参照的交易变得无用。我们已经看到了它在技术领域的应用取得了极大的成功,即有四到八个百分点的销售利润的巨大收益增长(相对于同一公司控制组)。
以下四部可以帮助企业通过数据得到足够精准的定价: