L’importanza di un corretto pricing è universalmente riconosciuta.
It is hard to overstate the importance of getting pricing right.
In media, un aumento di 1 punto percentuale nei prezzi si traduce in un incremento pari all’ 8,7 percento dell’utile operativo (assumendo che non ci sia perdita di volume). Ogni anno, fino al 30 per cento delle migliaia di compagnie che forniscono valutazioni sul pricing, falliscono nell’obiettivo di fornire quello corretto, e questo ovviamente si traduce in un numero assai elevato di mancate entrate. Ed è particolarmente preoccupante se si considera che il flusso di dati ora disponibili alle aziende offre l’opportunità di prendere decisioni significativamente migliori sulla determinazione dei prezzi. Coloro che riescono a sfruttare il potenziale dei Big Data nella determinazione del prezzo, infatti, hanno un vantaggio sostanziale.
Le modalità di contatto con i clienti continuano ad aumentare grazie al fatto che la digitalizzazione crea nuove possibilità multicanale.
Il segreto per aumentare i margini di profitto è quello di sfruttare i Big Data per trovare il miglior prezzo al prodotto e non alla categoria. Per ogni prodotto, infatti, le aziende dovrebbero essere in grado di identificare il prezzo ottimale che un cliente è disposto a pagare. Idealmente le compagnie dovrebbero considerare i fattori che influenzano il prezzo (ad esempio il prezzo del prodotto competitivamente più vicino rispetto al valore del prodotto per il cliente) per poi arrivare al miglior prezzo. Difatti, per una società con un portafoglio prodotti ridotto, questo tipo di approccio preventivo risulta semplice.
E’ più problematico invece quando la quantità di prodotti aumenta. Circa il 75% delle entrate di una azienda proviene dai suoi prodotti standard, che spesso si misurano in migliaia. Procedure manuali e time-consuming per la determinazione dei prezzi rendono assai difficile individuare i modelli di pricing ottimali. Le aziende di grandi dimensioni semplicemente non possono suddividere e gestire la complessità di queste variabili di pricing, che cambiano costantemente, per migliaia di prodotti. E questo è un problema di gestione dei Big Data.
[pullquote position=”right”]Il miglior pricing deriva dalla piena comprensione dei dati oggi a disposizione di una compagnia.[/pullquote]
Per ottenere dati dettagliati, le imprese devono seguire quattro approcci:
– Ascoltare i dati. Impostare i migliori prezzi non è una sfida di dati; è una sfida di analisi. Buone analisi possono aiutare le aziende ad identificare fattori che sono spesso trascurati – quali un contesto economico allargato, preferenze di prodotto e accordi distributivi – e che invece sono rilevanti per la determinazione del prezzo per ciascun segmento di clientela e di prodotto.
– Automatizzare. Analizzare migliaia di prodotti manualmente richiede troppo tempo e risorse. I sistemi automatizzati possono segmentare meglio i prodotti, determinare il valore per ognuno di essi, e confrontare i risultati con lo storico delle transazioni. Questo consente alle aziende di impostare cluster di prezzi per prodotti e segmenti di clientela in base ai dati. L’automatizzazione rende anche molto più semplice replicare e ottimizzare le analisi senza dunque dover ripartire da zero ogni volta.
– Costruire competenze e fiducia. La definizione di nuovi prezzi è tanto una sfida di comunicazione quanto una sfida operativa. Le compagnie devono lavorare a stretto contatto con le reti distributive in modo da far percepire correttamente le ragioni e il sistema di pricing cosicché la forza vendita ne sia pienamente consapevole. Altrettanto importante è la comunicazione dei razionali di prezzo al fine di evidenziare il valore del prodotto e quindi consentire alla forza vendita di utilizzare le stesse leve con il cliente, supportati anche da un’adeguata formazione.
– Gestire attivamente la performance. Per migliorare la gestione delle performance, le aziende devono offrire alla forza vendita obiettivi chiari. L’aspetto più importante è far percepire in modo trasparente alla rete distributiva la redditività dei clienti in base ai risultati delle analisi marketing dell’azienda. La rete vendita deve essere inoltre responsabilizzata al fine di scegliere se adeguare i prezzi autonomamente o seguire le linee guida dell’azienda. Ciò richiede un certo grado di creatività nell’elaborazione di una strategia di prezzi specifica per il cliente, così come una mentalità imprenditoriale. Gli incentivi possono anche essere cambiati insieme alle politiche di prezzo e alle misurazioni della performance.
Per ottenere il pricing corretto, le aziende dovrebbero sfruttare i Big Data e investire risorse sufficienti a sostenere la forza vendita – o potrebbero trovarsi a pagare per i mancati guadagni.
(McKinsey)On average, a 1 percent price increase translates into an 8.7 percent increase in operating profits (assuming no loss of volume). Up to 30 percent of the thousands of pricing decisions companies make every year fail to deliver the best price. That is a lot of lost revenue. And it is particularly troubling considering that the flood of data now available provides companies with an opportunity to make significantly better pricing decisions. For those able to bring order to big data’s complexity, the value is substantial.
The number of customer touchpoints keeps exploding as digitization fuels growing multichannel complexity.
The secret to increasing profit margins is to harness big data to find the best price at the product—not category—level, rather than drown in the numbers flood.
For every product, companies should be able to find the optimal price that a customer is willing to pay. Ideally, they’d factor in highly specific insights that would influence the price—the cost of the next-best competitive product versus the value of the product to the customer, for example—and then arrive at the best price. Indeed, for a company with a handful of products, this kind of pricing approach is straightforward.
It is more problematic when product numbers balloon. About 75% of a typical company’s revenue comes from its standard products, which often number in the thousands. Time-consuming, manual practices for setting prices make it virtually impossible to see the pricing patterns that can unlock value. It is simply too overwhelming for large companies to get granular and manage the complexity of these pricing variables, which change constantly, for thousands of products. At its core, this is a big data issue.
The key to better pricing is understanding fully the data now at a company’s disposal. It requires not zooming out but zooming in.
To get sufficiently granular, companies need to do four things.
– Listen to the data. Setting the best prices is not a data challenge; it is an analysis challenge. Good analytics can help companies identify how factors that are often overlooked—such as the broader economic situation, product preferences, and sales-representative negotiations—reveal what drives prices for each customer segment and product.
– Automate. It’s too expensive and time-consuming to analyze thousands of products manually. Automated systems can identify narrow segments, determine what drives value for each one, and match that with historical transactional data. This allows companies to set prices for clusters of products and segments based on data. Automation also makes it much easier to replicate and tweak analyses so it’s not necessary to start from scratch every time.
– Build skills and confidence. Implementing new prices is as much a communications challenge as an operational one. Companies need to work closely with sales reps to explain the reasons for the price recommendations and how the system works so that they trust the prices enough to sell them to their customers. Equally important is developing a clear set of communications to provide a rationale for the prices in order to highlight value, and then tailoring those arguments to the customer. Intensive negotiation training is also critical for giving sales reps the confidence and tools to make convincing arguments when speaking with clients.
– Actively manage performance. To improve performance management, companies need to support the sales force with useful targets. The greatest impact comes from ensuring that the front line has a transparent view of profitability by customer and that the sales and marketing organization has the right analytical skills to recognize and take advantage of the opportunity. The sales force also needs to be empowered to adjust prices itself rather than relying on a centralized team. This requires a degree of creativity in devising a customer-specific price strategy, as well as an entrepreneurial mind-set. Incentives may also need to be changed alongside pricing policies and performance measurements.
To get the price right, companies should take advantage of big data and invest enough resources in supporting their sales reps—or they may find themselves paying the high price of lost profits
(McKinsey)