Vat dit blogbericht samen met:
Noot van de redactie: Iedereen wil de beste processen voor omzetgroeimanagement (RGM) , maar beheerst u de basisprincipes wel? Dit artikel over prijselasticiteit bespreekt niet alleen de belangrijkste factoren die de vraaggevoeligheid beïnvloeden, maar ook de details van een RGM-tool voor optimale prijsstrategieën.
Omdat het de emotionele schommelingen niet aankon – de prijselasticiteit van de vraag was gewoon te instabiel!
Sorry voor de ietwat flauwe grap! Hij is niet origineel – GPT heeft hem geschreven. Maar hij geeft wel goed weer hoe verwarrend, voor- en nadelen kunnen zijn als het over prijselasticiteit gaat.
In onze vorige blog over prijsanalyse hebben we het weliswaar over elasticiteiten gehad, maar dat was slechts het topje van de ijsberg. Dit artikel gaat daarom dieper in op de prijselasticiteit van de vraag en legt uit waarom het zo'n complex onderwerp is.
Prijselasticiteit is de poging om veranderingen in de vraag te reduceren tot één eenheid. Dat is alles. De uitgebreidere uitleg is dat je voor het berekenen van de prijselasticiteit de verandering in de vraag naar een product (dit kan een dienst, grondstof of handelswaar zijn) moet delen door de verandering in de prijs.
Formule voor het berekenen van de prijselasticiteit van de vraag
Prijselasticiteit = Procentuele verandering in de gevraagde hoeveelheid / Procentuele verandering in de prijs
Of zoiets als:
Prijselasticiteit = ((Nieuwe hoeveelheid - Initiële hoeveelheid) / (Nieuwe hoeveelheid + Initiële hoeveelheid) / 2) / ((Nieuwe prijs - Initiële prijs) / (Nieuwe prijs + Initiële prijs) / 2)
Het resultaat hiervan is meestal een negatief getal (aangezien hoeveelheid en prijs een tegengesteld effect hebben, d.w.z. een grotere hoeveelheid leidt tot een lagere prijs en vice versa) dat tussen 0 en 1 ligt.
Het begrijpen van de prijselasticiteit van de vraag aan de hand van een eenvoudig voorbeeld. Was het maar zo eenvoudig om het weer te geven. De bovenstaande lineaire grafiek wordt meestal gebruikt voor één product. Maar helaas bestaat er in de echte wereld niet slechts één product en is de prijsstelling ook niet zo simpel. Vergeet niet dat de uiteindelijke prijs ook de kortingsverschillen omvat. Dus, wat is de impact hiervan?
Stel je voor dat je melk wilt kopen – de dichtstbijzijnde Walmart heeft verschillende opties, van volle melk (van een gallon), melk met vitamine D, magere melk, halfvolle melk en meer. Welke rol speelt de elasticiteit van de melk bij de keuze? Laten we dat eens nader bekijken.
1. Het type product
Ons voorbeeld is melk, een basisproduct in de meeste huishoudens waarvoor gemakkelijk alternatieven beschikbaar zijn. Hoe elastischer een product is, hoe meer alternatieven er zijn , omdat klanten dan eerder geneigd zijn over te stappen. Stel dat ze op zoek zijn naar een elektrische tandenborstel; gezien het beperkte aanbod op de markt, zou de overstap niet zo gemakkelijk zijn, oftewel bij inelastische goederen. AI-technieken zouden nuttig kunnen zijn om de parameters te identificeren die klanten ertoe brengen een product als noodzakelijk of luxe te beschouwen, en om het gewicht van elk van deze factoren te bepalen – om zo de elasticiteit vast te stellen.
2. Impact van de basisprijs op de omzet
Laten we teruggaan naar de grafiek hierboven: De prijselasticiteit van punt A naar punt B is anders dan die van punt C naar punt B. De verandering kan te wijten zijn aan een waargenomen prijsdrempel, afhankelijk van de oorspronkelijke hoge of lage prijs. Hoe lager de oorspronkelijke prijs, hoe inelastischer de prijs mogelijk is. (Afhankelijk van het product)
In de grafiek 'Omzet versus prijs' voor een inelastisch product is te zien dat een prijsverhoging altijd leidt tot een hogere omzet (de extra omzet door de prijsverhoging gaat echter ten koste van de omzet door een afname van het volume) . Bij een elastisch product daarentegen leidt een prijsverlaging (zelfs met promoties) tot een hogere omzet.
3. Het effect van promotionele elasticiteit
Uiteindelijk is het de prijs die de consument betaalt die als de uiteindelijke prijs wordt beschouwd. Het is Halloween (terwijl ik dit schrijf) , je opent de Walmart en ziet de drie onderstaande opties om een kerstboom te kopen? Hoewel we niet ingaan op de voor de hand liggende keuzes, is de impact van aanbiedingen op de besluitvorming enorm.
En dit is slechts één kanaal. In uw algehele promotiestrategie is het belangrijk om de juiste impact van de promoties via verschillende kanalen te bepalen. Dit is bijvoorbeeld een momentopname van een deel van de handelspromotiesectie van onze RGM-tool – waarmee gebruikers de impact van hun verschillende promotieactiviteiten kunnen begrijpen.
Extra opmerking: Het belang van het vinden van de juiste prijsindeling.
Zorg ervoor dat uw omzetgroei schaalbaar, verklaarbaar en winstgevend is.
Iedereen houdt van aanbiedingen en het gevoel dat ze een goede deal hebben gesloten – dat is het uiteindelijke doel! Om dit te bereiken, moet je de werkelijke prijselasticiteit en de bijbehorende bewegingen in kaart brengen. Je moet dus factoren zoals aanbiedingen, seizoensinvloeden en de prijsstelling van concurrenten meenemen. Vervolgens kun je de producten classificeren met behulp van Support Vector Machines, Gradient Boosting, enzovoort.
Hiërarchische modellering kan worden gebruikt om complexe relaties en meer te analyseren. De onderstaande grafiek vat de relatie tussen de basisprijs en de effectiviteit van actieprijzen samen!
4. Het concurrentiedilemma
Laten we eerlijk zijn, we leven niet in een idealistische wereld – de prijselasticiteit is sterk afhankelijk van hoe concurrenten hun prijzen aanpassen. Hier volgt een simulatie van hoe de prijselasticiteit zou veranderen op basis van acties en de prijsstelling van concurrenten.
5. Is het ruis of zijn het de gegevens?
Gezien al deze omstandigheden weet je nooit precies wat de redenen achter sommige aankopen zijn – en het is belangrijk om die redenen eerst te achterhalen voordat je met de analyse begint. Iemand zag Taylor Swift iets soortgelijks dragen, of er was een wedstrijd waarvoor snacks nodig waren, of het was een lang weekend en mensen waren op vakantie.
Wat is dat lawaai? Naast willekeurige geluiden zoals deze, kan er ook sprake zijn van systematisch lawaai, bijvoorbeeld van producten die elk jaar in augustus worden gekocht, of van aankopen die mensen doen als de temperatuur te hoog is?
Met behulp van AI en analysetechnieken zoals anomaliedetectie en signaalverwerking kunt u marktruis filteren en echte trends in prijselasticiteit identificeren.
Er is nog één opvallend aspect dat we tot nu toe niet hebben besproken: de juiste tool. Je weet misschien wel dat concurrentiegegevens belangrijk zijn of dat het toevoegen van promoties essentieel is, maar je mist wellicht de tool om de gewenste resultaten te behalen door rekening te houden met alle parameters en kenmerken!
We hebben het tot nu toe gehad over de complexiteit van het bouwen van een goed prijselasticiteitsmodel. Deze lacune kan worden opgevuld met behulp van AI- en analysetechnieken. Maar de impact is niet altijd even gemakkelijk te begrijpen, vooral niet met technieken en methoden zoals prijselasticiteit. Bovendien kunnen tools als ChatGPT of Perplexity je hier niet echt bij helpen.
Voordat we ingaan op de AI-modellen en het verbeteren van de data voor RGM, is het belangrijk om rekening te houden met de gewenste granulariteit van de prijselasticiteit. Deze is sterk afhankelijk van de granulariteit van de data die beschikbaar is voor de analyse van de prijselasticiteit.
Hieronder volgen enkele voorbeelden van hoe AI wordt gebruikt om prijselasticiteit te meten:
- Lineaire modellen zoals meervoudige lineaire regressie en geregulariseerde versies (Ridge, Lasso) zijn eenvoudig, maar leggen mogelijk geen complexe verbanden vast.
- Niet-lineaire modellen zoals polynomiale regressie, SVR en neurale netwerken kunnen complexere elasticiteitspatronen modelleren.
- Bayesiaanse modellen integreren voorafgaande overtuigingen en leveren schattingen van de onzekerheid.
- Grafische modellen zoals Graphical Lasso en Bayesiaanse netwerken helpen bij het begrijpen van de relaties tussen variabelen.
- Ensemblemethoden (Random Forests, Gradient Boosting) kunnen niet-lineaire verbanden en interacties tussen variabelen vastleggen.
- Tijdreeksmodellen zijn nuttig voor dynamische, in de tijd variërende elasticiteitsscenario's.
Nu komen we bij het onderwerp dat we hierboven hebben overgeslagen: Beschikt u over de juiste hulpmiddelen om dit te berekenen?
Voordat we deze vraag beantwoorden, is het belangrijk om te weten dat er verschillende benaderingen mogelijk zijn. Misschien werkt u met spreadsheets, of misschien gebruikt u beschrijvende en diagnostische analyses met dashboards voor historische gegevens, of misschien maakt u al gebruik van AI voor uw omzetgroei (RGM). Hoewel het uitgangspunt kan verschillen, blijft uw doel hetzelfde: naadloze omzetgroei.
Profit Pulse. AI: Ons verklaarbare AI-platform voor risicomanagement biedt lineaire, niet-lineaire, Bayesiaanse en grafische methoden om uw prijselasticiteit te meten. Dit zorgt ervoor dat de elasticiteit wordt berekend met alle juiste kenmerken.
Onze omzetgenerator bestaat uit marketingsimulaties om de niet-lineaire impact en de toename als gevolg van handelsacties en promoties te analyseren. Daarnaast bevat deze modules voor verklaarbare prognoses en planning met productaanbevelingen op microgeografisch en winkelniveau.
Voorbeeld van een dashboard van Polestar's Revenue Management Suite. Laat ons weten als u dit alles in detail wilt bespreken. We horen graag uw feedback en mening .
Leiders kunnen prijselasticiteit gebruiken om optimale prijsniveaus te bepalen, volume en marge in balans te brengen en effectievere promotiecampagnes te ontwerpen. In plaats van te vertrouwen op statische prijsregels, maken inzichten in elasticiteit dynamische, datagestuurde beslissingen mogelijk die zich aanpassen aan marktomstandigheden, klantgedrag en concurrentieacties – wat uiteindelijk de voorspelbaarheid van de omzet en de winstgevendheid verbetert.
Organisaties worden vaak geconfronteerd met uitdagingen op het gebied van datakwaliteit, integratie tussen kanalen en interpreteerbaarheid van modellen. AI-modellen kunnen complex en moeilijk te vertrouwen worden zonder uitleg. Leiders moeten zorgen voor schone, gedetailleerde data, robuuste validatiekaders en afstemming tussen business teams en data science om inzichten uit elasticiteit bruikbaar en betrouwbaar te maken.
Promoties en de prijsstelling van concurrenten hebben een aanzienlijke invloed op de waargenomen prijs en de vraaggevoeligheid. De prijselasticiteit is niet statisch, maar verandert door kortingen, bundeling en concurrentieacties. Leiders moeten prijsbeslissingen in een multidimensionale context beoordelen, waarbij ze rekening houden met cross-channel promoties en marktdynamiek, om margeverlies en ineffectieve campagnes te voorkomen.
Een effectief platform moet elasticiteitsmodellering, analyse van de promotionele impact, concurrentievergelijking en scenariosimulatie combineren. Het moet bovendien verklaarbare inzichten, realtime aanbevelingen en integratie met uitvoeringssystemen bieden. Dit zorgt ervoor dat prijsstrategieën niet alleen analytische resultaten opleveren, maar ook concrete beslissingen die meetbare bedrijfsresultaten genereren.
Laat ons weten als u dit alles in detail wilt bespreken. We horen graag uw feedback en mening .