Voir Revomo en action
Predictive Modeling

Sachez comment votre marché réagit avant de changer un prix.

Mesurez la sensibilité au prix, prévoyez la demande et expliquez les remises avec des modèles ajustés sur vos propres données commerciales, chacun vérifié avant que vous ne vous y fiiez.

Voir un modèle en actionParler de vos données
Decision Optimization / Predictive Models / Price Elasticity on Invoice lines
Question
Un distributeur peut-il relever les prix des raccords sans perdre trop de volume ? Données illustratives d’une entreprise fictive.
Constat
Le raccord 1/2" perd environ 4,1 % de volume pour chaque hausse de prix de 1 % ; la vanne à boisseau 1" perd environ 0,74 %, elle tolère donc une hausse.
Limite
Le tampon de visite 4" n’a que 24 points de prix et un intervalle qui inclut zéro, il n’est donc pas significatif. Prenez son chiffre comme une indication approximative.
01 · Mesurer la réponse

Construire le modèle derrière la réponse.

La question est de savoir comment le volume de raccords réagit au prix ; le modèle est donc une élasticité prix sur les lignes de facture : choisissez le type, mappez les colonnes, et il indique comment il va se vérifier.

Types de modèles

Dix questions, chacune avec son propre modèle.

Chaque type nomme la question à laquelle il répond et la façon dont il apprend : règles fixes, ajustement statistique, ou apprentissage automatique qui se vérifie sur des données qu’il n’a pas vues.

Colonnes

Mappez vos colonnes, puis ajoutez des facteurs.

Chaque type demande les colonnes dont il a besoin. Les colonnes supplémentaires peuvent modifier le modèle, le scinder en un modèle par valeur, ou simplement accompagner les résultats.

Comment ça marche : les types de modèles et leurs vérifications
Approches
RFM Segmentation utilise des règles fixes et n’entraîne rien. Les modèles de prix, de prix croisés et de promotion ajustent une formule à chaque exécution dans la base de données. Les prévisions, le clustering et les facteurs s’entraînent par apprentissage automatique en arrière-plan.
Le profil d’abord
Avant une exécution, un profil de données montre ce que le modèle verra, par exemple combien de groupes atteignent le nombre minimum de points de prix, et recommande une préparation comme le plafonnement des prix extrêmes.
Méthodes
Quand un type dispose de plusieurs méthodes, comme la prévision, vous choisissez lesquelles essayer, la mesure pour les juger, et s’il faut garder la meilleure ou une moyenne.
Explications en clair
Chaque type explique les modèles qu’il utilise et la façon dont il est vérifié avant que vous ne l’exécutiez, dans les mêmes mots que les résultats et le rapport.
02 · Tester le mouvement de prix

Essayez la hausse avant qu’elle n’atteigne un client.

Évaluez des prix candidats pour les mêmes raccords à l’aide des élasticités ajustées, puis lisez où les données soutiennent un prix plus élevé et où elles pointent dans l’autre sens.

Decision Optimization / Predictive Models / Price Elasticity on Invoice lines

L’onglet Score du même modèle d’élasticité prix. Les lignes avec un coût unitaire affichent le profit et la marge ; la dernière ligne, sans produit, déplace de 2 % chaque produit ayant un signal de prix clair. Données illustratives.

  • Un produit ou tousNommez un produit et un prix, ou laissez le produit vide pour déplacer du même pourcentage chaque produit ayant un signal clair.
  • Avertissements là où les données sont mincesUn prix auquel le produit ne s’est jamais vendu, ou une élasticité sans signal clair, est signalé à côté du résultat.
  • Beaucoup de lignes à la foisAjoutez les lignes une par une ou collez-les depuis un tableur, jusqu’à 5 000 à la fois.
Optimisation des prix

Trouver le prix qui maximise le profit, là où les données le soutiennent.

Un modèle Price Optimization lit l’élasticité et le coût de chaque produit et donne le prix qui maximise le profit, en restant proche des prix que vous avez réellement pratiqués.

Ce que supposent les modèles de prix

Lire le résultat avec ses limites.

  • Mesuré sur votre historiqueLes élasticités viennent de la façon dont le volume a bougé quand vos propres prix ont bougé. Là où les prix ont à peine changé, le résultat est signalé plutôt que deviné.
  • Le reste tenu constantLes modèles supposent que les prix des concurrents et les promotions sont restés constants, et ils sont le moins fiables loin en dehors des prix que vous avez pratiqués.
  • Le profit, pas votre stratégieLe prix optimal ignore les objectifs de volume, les points de prix et les effets entre produits. Décidez-en dans Decision Optimization.
Decision Optimization
Comment ça marche : le scoring et le prix optimal
Scoring
Score utilise la version en service. Les unités attendues évoluent selon la variation de prix élevée à la puissance de l’élasticité du produit, sur une période aussi longue que les données dont le modèle a appris. Le profit et la marge demandent un coût unitaire, saisi sur la ligne ou porté par le modèle.
Prix optimal
L’optimum est coût × e ÷ (e + 1), donné seulement là où l’élasticité est significative et clairement élastique, et maintenu dans la plage de prix observée élargie d’une extension autorisée (10 % sauf si vous la modifiez).
Aucun prix n’est modifié
Les scores et les prix optimaux sont des résultats à examiner. Rien n’est écrit dans une liste de prix tant que quelqu’un n’agit pas dans Price Management.
Pas un solveur de contraintes
Il n’y a ici ni prix planchers, ni bandes de prix, ni règles d’affaires. Cela relève de Decision Optimization.
03 · Repérer les fuites

Vérifier où les remises annuleraient la hausse.

Un prix plus élevé ne tient que si les remises restent dans la plage. Ridgeway Plumbing achète le produit le plus sensible au prix, obtient plus de remise que son groupe n’en obtient d’habitude, et n’a pas commandé récemment.

Facteurs de remise

Trouver qui obtient des remises, et où elles vont trop loin.

Le modèle apprend quels attributs de client, de produit et de commande expliquent les remises, sous forme de règles lisibles, et évalue le chiffre d’affaires situé au-delà de la plage normale de chaque groupe.

Segments de clients

Grouper les clients selon leur façon d’acheter.

Scorez chaque client selon la récence, la fréquence et le montant de ses achats, ou laissez le clustering trouver les groupes dans les données.

Comment ça marche : facteurs et segments
Les facteurs expliquent, ils ne prouvent pas
Les facteurs de remise et de transaction viennent d’un arbre de décision lisible, vérifié sur des clients ou des transactions qu’il n’a pas vus. Ils montrent quels attributs vont de pair avec des remises plus profondes, pas que l’attribut les a causées.
Chiffre d’affaires en jeu
Chaque groupe reçoit un seuil de queue (Tail Threshold), le point au-delà duquel une remise compte comme trop profonde pour ce groupe. Le chiffre d’affaires en jeu est l’excédent de remise multiplié par le chiffre d’affaires au prix catalogue.
Segments
RFM note chaque client de 1 à 5 par rapport au reste de la base et nomme le segment avec des règles fixes. Customer Clustering et Transaction Clustering trouvent plutôt les groupes dans les données, et indiquent à quel point ils sont bien séparés.
Également disponible
Cross-Price Elasticity montre quels produits se prennent des ventes, ou se soutiennent, les uns les autres. Promo Uplift mesure si les promotions ont apporté du volume supplémentaire et ce qu’elles ont coûté en marge.
04 · Planifier et tenir à jour

Prévoir le trimestre, et garder le modèle à jour.

Prévoyez la demande de raccords pour le trimestre suivant, et laissez le modèle d’élasticité se réentraîner à l’arrivée de nouvelles factures, pour que la prochaine revue de prix parte de données à jour.

Prévision de la demande

Prévoir le trimestre pour les mêmes raccords.

Chaque produit est prévu à partir de son propre historique, avec un intervalle probable, et l’exécution rédige un rapport qui explique le résultat en graphiques et en langage clair.

Versions

Réentraîner sur de nouvelles données, et garder le meilleur modèle.

Le modèle d’élasticité se réentraîne quand sa source est actualisée. Une nouvelle version ne remplace celle en service que si elle n’est pas moins précise.

Comment ça marche : prévisions, versions et rapports
Prévisions
Par série, le modèle essaie le lissage, Holt-Winters, ARIMA, Prophet et le gradient boosting, plus un modèle entraîné sur toutes les séries, et garde le meilleur selon des back-tests glissants. L’intervalle probable est calibré sur les erreurs de ces back-tests.
Versions
Les dix versions les plus récentes sont conservées avec leurs résultats. Une exécution que vous lancez devient la version en service ; un réentraînement lancé par une actualisation ne le devient que s’il n’est pas moins précis. Revenez à une version antérieure à tout moment.
Méthodes
Quand un type peut ajuster plusieurs courbes ou méthodes, chaque exécution les note selon la mesure que vous choisissez et garde la meilleure, ou une moyenne.
Rapports, Copilot et export
Générez un rapport écrit de chaque exécution, demandez à Copilot de créer, exécuter, comparer ou scorer un modèle, et exportez les résultats en CSV. La traçabilité (lineage) montre quels modèles dépendent d’un dataset ou d’une vue.
05 · Ce qui est inclus

Ce qui est inclus.

Ce que Predictive Modeling vous apporte, ce que chaque abonnement ajoute et ce que vous pourrez ajouter ensuite.

Dans Predictive Modeling

  • Dix types de modèlesPrévisions, réponse au prix, facteurs et segments, chacun avec ses propres vérifications.
  • Score et prix optimalTestez des prix sur un modèle ajusté avant d’en changer un.
  • Versions et rapportsQualité par version, réentraînement à l’actualisation et rapport écrit de chaque exécution.

Dans chaque abonnement

À ajouter selon vos besoins

Solutions prises en charge : Planification du chiffre d’affaires et de la marge, Gérer les devis et le pricing des affaires, Réalisation des prix et fuites de marge.

FAQ

Questions fréquentes

Que fait Predictive Modeling ?

Il ajuste des modèles sur vos propres données commerciales pour répondre à des questions précises : comment le volume réagit au prix, combien vous vendrez la prochaine période, quels clients achètent de la même façon, et ce qui explique qui obtient des remises. Il existe dix types de modèles aujourd’hui, chacun avec ses propres vérifications, et les résultats alimentent les décisions de planification, de pricing et de devis.

De quelles données ai-je besoin ?

Cela dépend du modèle. L’élasticité prix a besoin du prix et de la quantité sur chaque vente, une prévision de la demande d’une date et d’une valeur, les segments de clients d’un client, d’une date et d’un montant, et les facteurs de remise de la remise et du chiffre d’affaires auquel elle s’est appliquée. Ajoutez une colonne de coût pour le profit et la marge. Les données viennent des datasets et des vues de Data & Context Studio.

Data & Context Studio →

Comment savoir si je peux me fier à un résultat ?

Chaque type de modèle déclare comment il est vérifié, et les résultats le montrent. Les élasticités portent une p-value et un intervalle à 95 %, les groupes avec trop peu de points de prix sont signalés, les prévisions sont back-testées sur des périodes mises de côté, et chaque version enregistre son indicateur de qualité. Un résultat que les données ne peuvent pas soutenir est laissé vide plutôt que deviné.

Peut-il recommander des prix ?

En partie. Un modèle Price Optimization donne le prix qui maximise le profit par produit à partir de son élasticité mesurée, seulement là où les données le soutiennent et en restant proche des prix que vous avez réellement pratiqués. Il n’applique ni prix planchers, ni bandes de prix, ni validations. Choisir des prix dans ces limites relève de Decision Optimization, et les modifier de Price Management.

Decision Optimization →

Montre-t-il ce qui cause un changement ?

Non. Les élasticités et les facteurs mesurent comment les choses ont bougé ensemble dans votre historique, ce qui est un constat utile mais pas une preuve de cause. Les modèles de prix supposent que les prix des concurrents et les promotions sont restés stables, et chaque rapport liste les hypothèses et les limites de son exécution pour que vous puissiez juger jusqu’où vous y fier.

Comment les modèles restent-ils à jour ?

Exécutez un modèle à nouveau, mettez-le à jour avec les dernières données, ou activez le réentraînement pour qu’il entraîne une nouvelle version à chaque actualisation de sa source. Une version réentraînée ne remplace celle en service que si elle n’est pas moins précise. Les versions récentes sont conservées, vous pouvez donc en comparer deux et revenir en arrière.

Nos données servent-elles à entraîner des modèles ?

Vos données servent à fournir, prendre en charge, sécuriser et améliorer le Service. Séparément, le contrat autorise Revomo à utiliser des données agrégées et dépersonnalisées, y compris pour entraîner et améliorer des modèles, uniquement sous une forme qui ne peut identifier ni vous, ni vos utilisateurs, ni vos clients. Les modèles tiers sont utilisés pour l’inférence via Amazon Bedrock, un sous-traitant ultérieur listé.

Les prédictions changent-elles les prix d’elles-mêmes ?

Non. Les résultats d’un modèle sont une entrée pour une décision, pas une action. Les contraintes configurées s’appliquent aux recommandations, les exceptions sont acheminées pour revue, et les actions passent par des workflows de validation, chacune avec traçabilité (lineage) et piste d’audit. Une action qui requiert la validation d’une personne la requiert toujours quand c’est un agent qui la propose.

Voyez comment vos clients réagissent au prix.

Parcourez ces modèles sur des données d’exemple, et discutez des questions auxquelles vos propres données peuvent répondre.

Réserver une présentation des modèlesExplorer la plateforme
Plate B2 · Series 2026