Predictive Modeling

Vid hvordan dit marked reagerer før du ændrer en pris.

Mål prisfølsomheden, lav prognoser for efterspørgslen og forklar rabatterne med modeller tilpasset dine egne kommercielle data, hver af dem kontrolleret før du stoler på den.

Decision Optimization / Prædiktive modeller / Price Elasticity på Invoice lines
Spørgsmål
Kan en distributør hæve priserne på fittings uden at miste for meget volumen? Illustrative data fra en fiktiv virksomhed.
Belæg
1/2"-muffen mister ca. 4,1 % volumen for hver prisstigning på 1 %; 1"-kugleventilen mister ca. 0,74 %, så den kan bære en stigning.
Begrænsning
4"-rensestykket har kun 24 prispunkter og et interval der krydser nul, så det er ikke signifikant. Tag dets tal som en grov indikation.
01 · Mål reaktionen

Byg modellen bag svaret.

Spørgsmålet er hvordan volumen af fittings reagerer på pris, så modellen er en priselasticitet på fakturalinjer: vælg typen, kobl kolonnerne, og den fortæller hvordan den vil kontrollere sig selv.

Modeltyper

Ti spørgsmål, hver med sin egen model.

Hver type angiver det spørgsmål den besvarer, og hvordan den lærer: faste regler, statistisk tilpasning eller maskinlæring der kontrollerer sig selv på data den ikke har set.

Kolonner

Kobl dine kolonner, og tilføj derefter faktorer.

Hver type beder om de kolonner den har brug for. Ekstra kolonner kan ændre modellen, dele den op i én model pr. værdi eller blot følge med resultaterne.

Sådan virker det: modeltyperne og deres kontroller
Tilgange
RFM Segmentation bruger faste regler og træner intet. Pris-, krydspris- og kampagnemodellerne tilpasser en formel ved hver kørsel i databasen. Prognoser, clustering og faktorer trænes med maskinlæring i baggrunden.
Profilen først
Før en kørsel viser en dataprofil hvad modellen vil se, for eksempel hvor mange grupper der når minimumsantallet af prispunkter, og anbefaler forberedelse som at begrænse ekstreme priser.
Metoder
Når en type har flere metoder, som prognoser, vælger du hvilke der skal prøves, hvilket mål de bedømmes på, og om den bedste eller et gennemsnit skal beholdes.
Forklaringer i klart sprog
Hver type forklarer de modeller den bruger, og hvordan den kontrolleres, før du kører den, med de samme ord som resultaterne og rapporten.
02 · Test prisændringen

Prøv stigningen før den rammer en kunde.

Score kandidatpriser for de samme fittings mod de tilpassede elasticiteter, og læs hvor dataene understøtter en højere pris, og hvor de peger den anden vej.

Decision Optimization / Prædiktive modeller / Price Elasticity på Invoice lines

Fanen Score i den samme priselasticitetsmodel. Rækker med en enhedsomkostning viser profit og margin; den sidste række, uden produkt, flytter hvert produkt med et klart prissignal 2 %. Illustrative data.

  • Ét produkt eller alleAngiv et produkt og en pris, eller lad produktet stå tomt for at flytte hvert produkt med et klart signal med samme procentsats.
  • Advarsler hvor dataene er tyndeEn pris som produktet aldrig er solgt til, eller en elasticitet uden et klart signal, markeres ved siden af resultatet.
  • Mange rækker ad gangenTilføj rækkerne én ad gangen eller indsæt dem fra et regneark, op til 5.000 ad gangen.
Prisoptimering

Find den pris der maksimerer profitten, hvor dataene understøtter det.

En Price Optimization-model læser hvert produkts elasticitet og omkostning og giver den pris der maksimerer profitten, og holder sig tæt på de priser du faktisk har taget.

Hvad prismodellerne antager

Læs resultatet med dets begrænsninger.

  • Målt på din historikElasticiteterne kommer fra hvordan volumen flyttede sig da dine egne priser flyttede sig. Hvor priserne knap har ændret sig, markeres resultatet i stedet for at blive gættet.
  • Alt andet holdt konstantModellerne antager at konkurrenternes priser og kampagner har ligget fast, og de er mindst pålidelige langt uden for de priser du har taget.
  • Profit, ikke din strategiDen optimale pris ignorerer volumenmål, prispunkter og effekter mellem produkter. Det afgør du i Decision Optimization.
Decision Optimization
Sådan virker det: scoring og den optimale pris
Scoring
Score bruger den version der er i brug. De forventede enheder ændrer sig med prisændringen opløftet i produktets elasticitet, over en periode lige så lang som de data modellen har lært af. Profit og margin kræver en enhedsomkostning, indtastet på rækken eller båret af modellen.
Optimal pris
Optimum er omkostning × e ÷ (e + 1), kun givet hvor elasticiteten er signifikant og klart elastisk, og holdt inden for det observerede prisinterval udvidet med en tilladt udvidelse (10 % medmindre du ændrer den).
Ingen pris ændres
Scorer og optimale priser er resultater til gennemgang. Intet skrives i en prisliste før nogen handler i Price Management.
Ikke en løser med begrænsninger
Her er hverken bundpriser, prisbånd eller dealregler. Det hører til i Decision Optimization.
03 · Find hvor det lækker

Tjek hvor rabatter ville æde stigningen.

En højere pris holder kun hvis rabatterne bliver inden for intervallet. Ridgeway Plumbing køber det mest prisfølsomme produkt, får mere rabat end deres gruppe normalt får, og har ikke bestilt for nylig.

Rabatfaktorer

Find hvem der får rabat, og hvor den går for langt.

Modellen lærer hvilke kunde-, produkt- og ordreegenskaber der forklarer rabatterne, som læsbare regler, og beregner omsætningen over hver gruppes normale interval.

Kundesegmenter

Gruppér kunderne efter hvordan de køber.

Score hver kunde på hvor nyligt, hvor ofte og for hvor meget de køber, eller lad clustering finde grupperne i dataene.

Sådan virker det: faktorer og segmenter
Faktorer forklarer, de beviser ikke
Rabat- og transaktionsfaktorer kommer fra et læsbart beslutningstræ, kontrolleret på kunder eller transaktioner det ikke har set. De viser hvilke egenskaber der følger med dybere rabatter, ikke at egenskaben forårsagede dem.
Omsætning på spil
Hver gruppe får en haletærskel (Tail Threshold), det punkt hvor en rabat regnes som for dyb for den gruppe. Omsætning på spil er den overskydende rabat ganget med omsætningen til listepris.
Segmenter
RFM giver hver kunde 1 til 5 i forhold til resten af kundebasen og navngiver segmentet med faste regler. Customer Clustering og Transaction Clustering finder i stedet grupperne i dataene og viser hvor godt de er adskilt.
Også tilgængeligt
Cross-Price Elasticity viser hvilke produkter der tager salg fra, eller støtter, hinanden. Promo Uplift måler om kampagner gav ekstra volumen, og hvad de kostede i margin.
04 · Planlæg og hold opdateret

Lav prognosen for kvartalet, og hold modellen opdateret.

Lav en prognose for efterspørgslen på fittings for næste kvartal, og lad elasticitetsmodellen træne igen når nye fakturaer kommer ind, så den næste prisgennemgang starter fra friske data.

Efterspørgselsprognose

Lav prognosen for kvartalet for de samme fittings.

Hvert produkt får sin prognose ud fra sin egen historik med et sandsynligt interval, og kørslen skriver en rapport der forklarer resultatet med diagrammer og i klart sprog.

Versioner

Træn igen på nye data, og behold den bedste model.

Elasticitetsmodellen træner igen når dens kilde opdateres. En ny version erstatter kun den der er i brug, hvis den ikke er mindre præcis.

Sådan virker det: prognoser, versioner og rapporter
Prognoser
Pr. serie prøver modellen udjævning, Holt-Winters, ARIMA, Prophet og gradient boosting, plus en model trænet på alle serier, og beholder den bedste ud fra rullende backtests. Det sandsynlige interval kalibreres på fejlene i de backtests.
Versioner
De ti seneste versioner gemmes med deres resultater. En kørsel du starter, bliver den version der er i brug; en gentræning startet af en opdatering bliver det kun hvis den ikke er mindre præcis. Gå tilbage til en tidligere version når som helst.
Metoder
Når en type kan tilpasse flere kurver eller metoder, bedømmer hver kørsel dem på det mål du vælger, og beholder den bedste eller et gennemsnit.
Rapporter, Copilot og eksport
Generér en skriftlig rapport for hver kørsel, bed Copilot om at oprette, køre, sammenligne eller score en model, og eksportér resultaterne til CSV. Sporbarheden (lineage) viser hvilke modeller der afhænger af et datasæt eller et view.
05 · Hvad er inkluderet

Hvad er inkluderet.

Hvad Predictive Modeling giver dig, hvad hvert abonnement tilføjer, og hvad du kan tilføje senere.

I Predictive Modeling

  • Ti modeltyperPrognoser, prisreaktion, faktorer og segmenter, hver med sine egne kontroller.
  • Score og optimal prisPrøv priser mod en tilpasset model før du ændrer en.
  • Versioner og rapporterKvalitet pr. version, gentræning ved opdatering og en skriftlig rapport for hver kørsel.

I hvert abonnement

Tilføj efter behov

Understøttede løsninger: Planlægning af omsætning og margin, Styr tilbud og dealprissætning, Prisrealisering og marginlækage.

FAQ

Ofte stillede spørgsmål

Hvad gør Predictive Modeling?

Det tilpasser modeller til dine egne kommercielle data for at besvare konkrete spørgsmål: hvordan volumen reagerer på pris, hvor meget du sælger næste periode, hvilke kunder der køber ens, og hvad der forklarer hvem der får rabat. Der findes ti modeltyper i dag, hver med sine egne kontroller, og resultaterne indgår i beslutninger om planlægning, pricing og tilbud.

Hvilke data har jeg brug for?

Det afhænger af modellen. Priselasticitet kræver pris og mængde på hvert salg, en efterspørgselsprognose en dato og en værdi, kundesegmenter en kunde, en dato og et beløb, og rabatfaktorer rabatten og den omsætning den blev givet på. Tilføj en omkostningskolonne for profit og margin. Dataene kommer fra datasæt og views i Data & Context Studio.

Hvordan ved jeg om jeg kan stole på et resultat?

Hver modeltype angiver hvordan den kontrolleres, og resultaterne viser det. Elasticiteter har en p-værdi og et 95 %-interval, grupper med for få prispunkter markeres, prognoser backtestes på tilbageholdte perioder, og hver version registrerer sin kvalitetsindikator. Et resultat som dataene ikke kan bære, efterlades tomt i stedet for at blive gættet.

Kan det anbefale priser?

Delvist. En Price Optimization-model giver den profitmaksimerende pris pr. produkt ud fra dets målte elasticitet, kun hvor dataene understøtter det og tæt på de priser du faktisk har taget. Den anvender hverken bundpriser, prisbånd eller godkendelser. At vælge priser inden for de grænser hører til i Decision Optimization, og at ændre dem i Price Management.

Viser det hvad der forårsager en ændring?

Nej. Elasticiteter og faktorer måler hvordan ting har bevæget sig sammen i din historik, hvilket er nyttigt belæg, men ikke et bevis for årsag. Prismodellerne antager at konkurrenternes priser og kampagner har været stabile, og hver rapport oplister antagelserne og begrænsningerne for sin kørsel, så du kan vurdere hvor langt du kan stole på den.

Hvordan holdes modellerne opdaterede?

Kør en model igen, opdater den med de nyeste data, eller slå gentræning til, så den træner en ny version hver gang dens kilde opdateres. En gentrænet version erstatter kun den der er i brug, hvis den ikke er mindre præcis. De seneste versioner gemmes, så du kan sammenligne to og gå tilbage.

Bruges vores data til at træne modeller?

Dine data bruges til at levere, understøtte, sikre og forbedre Tjenesten. Separat giver kontrakten Revomo lov til at bruge aggregerede og afidentificerede data, herunder til at træne og forbedre modeller, kun i en form der hverken kan identificere dig, dine brugere eller dine kunder. Tredjepartsmodeller bruges til inferens via Amazon Bedrock, en oplistet underdatabehandler.

Ændrer forudsigelserne priser af sig selv?

Nej. En models resultater er input til en beslutning, ikke en handling. Konfigurerede begrænsninger gælder for anbefalingerne, undtagelser sendes til gennemgang, og handlinger går gennem godkendelsesflows, hver med sporbarhed (lineage) og revisionsspor. En handling der kræver en persons godkendelse, kræver den stadig når det er en agent der foreslår den.

Se hvordan dine kunder reagerer på pris.

Gå disse modeller igennem på eksempeldata, og tal om de spørgsmål dine egne data kan besvare.

Plate B2 · Series 2026