Predictive Modeling

Se hur din marknad reagerar innan du ändrar ett pris.

Mät priskänslighet, prognostisera efterfrågan och förklara rabatter med modeller som anpassats till dina egna kommersiella data, var och en kontrollerad innan du förlitar dig på den.

Decision Optimization / Prediktiva modeller / Price Elasticity på Invoice lines
Fråga
Kan en grossist höja priserna på rördelar utan att tappa för mycket volym? Illustrativa data från ett fiktivt företag.
Iakttagelse
1/2"-muffen tappar ungefär 4,1 % i volym för varje prishöjning på 1 %; 1"-kulventilen tappar ungefär 0,74 %, så den tål en höjning.
Begränsning
4"-rensluckan har bara 24 prispunkter och ett intervall som korsar noll, så den är inte signifikant. Se dess siffra som en grov indikation.
01 · Mät responsen

Bygg modellen bakom svaret.

Frågan är hur volymen av rördelar reagerar på priset, så modellen är en priselasticitet på fakturarader: välj typ, mappa kolumnerna, så visar den hur den kommer att kontrollera sig själv.

Modelltyper

Tio frågor, var och en med sin egen modell.

Varje typ anger vilken fråga den besvarar och hur den lär sig: fasta regler, statistisk anpassning eller maskininlärning som kontrollerar sig själv på data den inte har sett.

Kolumner

Mappa dina kolumner och lägg sedan till faktorer.

Varje typ frågar efter de kolumner den behöver. Extra kolumner kan påverka modellen, dela upp den i en modell per värde eller bara följa med resultaten.

Så fungerar det: modelltyperna och deras kontroller
Metoder
RFM Segmentation använder fasta regler och tränar ingenting. Pris-, korspris- och kampanjmodellerna anpassar en formel vid varje körning i databasen. Prognoser, klustring och faktorer tränas med maskininlärning i bakgrunden.
Profilen först
Före en körning visar en dataprofil vad modellen kommer att se, till exempel hur många grupper som når minsta antalet prispunkter, och rekommenderar förberedelser som att sätta tak för extrema priser.
Metodval
När en typ har flera metoder, som prognoser, väljer du vilka som ska prövas, vilket mått de ska bedömas efter och om den bästa eller ett genomsnitt ska behållas.
Förklaringar i klartext
Varje typ förklarar vilka modeller den använder och hur den kontrolleras innan du kör den, med samma ord som i resultaten och rapporten.
02 · Testa prisförändringen

Pröva höjningen innan den når en kund.

Poängsätt kandidatpriser för samma rördelar mot de anpassade elasticiteterna, och läs sedan var data stöder ett högre pris och var de pekar åt andra hållet.

Decision Optimization / Prediktiva modeller / Price Elasticity på Invoice lines

Fliken Score i samma priselasticitetsmodell. Rader med en enhetskostnad visar vinst och marginal; den sista raden, utan produkt, flyttar varje produkt med en tydlig prissignal med 2 %. Illustrativa data.

  • En produkt eller allaAnge en produkt och ett pris, eller lämna produkten tom för att flytta varje produkt med en tydlig signal med samma procentsats.
  • Varningar där data är tunnaEtt pris som produkten aldrig har sålts till, eller en elasticitet utan tydlig signal, flaggas bredvid resultatet.
  • Många rader på en gångLägg till rader en i taget eller klistra in dem från ett kalkylark, upp till 5 000 åt gången.
Prisoptimering

Hitta det pris som maximerar vinsten, där data stöder det.

En Price Optimization-modell läser varje produkts elasticitet och kostnad och ger det pris som maximerar vinsten och håller det nära de priser du faktiskt har tagit.

Vad prismodellerna antar

Läs resultatet med dess begränsningar.

  • Mätt på din historikElasticiteterna kommer från hur volymen rörde sig när dina egna priser rörde sig. Där priserna knappt har ändrats flaggas resultatet i stället för att gissas.
  • Allt annat likaModellerna antar att konkurrenternas priser och kampanjer har legat stilla, och de är minst tillförlitliga långt utanför de priser du har tagit.
  • Vinst, inte din strategiDet optimala priset bortser från volymmål, prispunkter och effekter mellan produkter. Besluta om dem i Decision Optimization.
Decision Optimization
Så fungerar det: poängsättning och optimalt pris
Poängsättning
Score använder versionen i drift. Förväntade enheter förändras med prisförändringen upphöjd till produktens elasticitet, över en period lika lång som de data modellen har lärt sig av. Vinst och marginal kräver en enhetskostnad, angiven på raden eller som modellen har med sig.
Optimalt pris
Optimum är kostnad × e ÷ (e + 1), anges bara där elasticiteten är signifikant och tydligt elastisk, och hålls inom det observerade prisintervallet utvidgat med en tillåten marginal (10 % om du inte ändrar den).
Inga priser ändras
Poäng och optimala priser är resultat att granska. Inget skrivs till en prislista förrän någon agerar i Price Management.
Ingen villkorslösare
Här finns inga golvpriser, prisband eller affärsregler. Det hör till Decision Optimization.
03 · Hitta läckaget

Kontrollera var rabatter skulle äta upp höjningen.

Ett högre pris håller bara om rabatterna håller sig inom intervallet. Ridgeway Plumbing köper den mest priskänsliga produkten, får mer rabatt än sin grupp brukar få och har inte beställt på sistone.

Rabattfaktorer

Hitta vem som får rabatter, och var de går för långt.

Modellen lär sig vilka kund-, produkt- och orderattribut som förklarar rabatterna, som läsbara regler, och sätter en siffra på intäkterna över varje grupps normala intervall.

Kundsegment

Gruppera kunder efter hur de köper.

Poängsätt varje kund efter hur nyligen, hur ofta och hur mycket de köper, eller låt klustringen hitta grupperna i data.

Så fungerar det: faktorer och segment
Faktorer förklarar, de bevisar inte
Rabatt- och transaktionsfaktorerna kommer från ett läsbart beslutsträd, kontrollerat på kunder eller transaktioner som det inte har sett. De visar vilka attribut som hänger ihop med djupare rabatter, inte att attributet orsakade dem.
Intäkter som står på spel
Varje grupp får en svanströskel (Tail Threshold), den punkt där en rabatt räknas som för djup för gruppen. Intäkterna som står på spel är rabattöverskottet multiplicerat med intäkterna till listpris.
Segment
RFM ger varje kund 1 till 5 i förhållande till resten av kundbasen och namnger segmentet med fasta regler. Customer Clustering och Transaction Clustering hittar i stället grupperna i data och visar hur väl åtskilda de är.
Finns också
Cross-Price Elasticity visar vilka produkter som tar försäljning från, eller stöder, varandra. Promo Uplift mäter om kampanjer gav extra volym och vad de kostade i marginal.
04 · Planera och håll aktuellt

Prognostisera kvartalet och håll modellen aktuell.

Prognostisera efterfrågan på rördelar för nästa kvartal och låt elasticitetsmodellen tränas om när nya fakturor kommer in, så att nästa prisgenomgång utgår från aktuella data.

Efterfrågeprognos

Prognostisera kvartalet för samma rördelar.

Varje produkt prognostiseras utifrån sin egen historik, med ett sannolikt intervall, och körningen skriver en rapport som förklarar resultatet med diagram och i klartext.

Versioner

Träna om på nya data och behåll den bästa modellen.

Elasticitetsmodellen tränas om när dess källa uppdateras. En ny version ersätter den som är i drift bara om den inte är mindre träffsäker.

Så fungerar det: prognoser, versioner och rapporter
Prognoser
För varje serie prövar modellen exponentiell utjämning, Holt-Winters, ARIMA, Prophet och gradient boosting, plus en modell som tränats på alla serier, och behåller den bästa enligt rullande backtester. Det sannolika intervallet kalibreras på felen från de backtesterna.
Versioner
De tio senaste versionerna sparas med sina resultat. En körning som du startar blir versionen i drift; en omträning som startas av en uppdatering blir det bara om den inte är mindre träffsäker. Gå tillbaka till en tidigare version när som helst.
Metodval
När en typ kan anpassa flera kurvor eller metoder poängsätter varje körning dem efter det mått du väljer och behåller den bästa, eller ett genomsnitt.
Rapporter, Copilot och export
Skapa en skriftlig rapport för varje körning, be Copilot skapa, köra, jämföra eller poängsätta en modell, och exportera resultaten som CSV. Härkomst (lineage) visar vilka modeller som beror på ett dataset eller en vy.
05 · Det här ingår

Det här ingår.

Vad Predictive Modeling ger dig, vad varje abonnemang lägger till och vad du kan lägga till senare.

I Predictive Modeling

  • Tio modelltyperPrognoser, prisrespons, faktorer och segment, var och en med sina egna kontroller.
  • Score och optimalt prisPröva priser mot en anpassad modell innan du ändrar ett.
  • Versioner och rapporterKvalitet per version, omträning vid uppdatering och en skriftlig rapport för varje körning.

I varje abonnemang

Lägg till när du behöver det

Lösningar som stöds: Planering av intäkter och marginal, Hantera offerter och affärsprissättning, Prisrealisering och marginalläckage.

FAQ

Vanliga frågor

Vad gör Predictive Modeling?

Den anpassar modeller till dina egna kommersiella data för att besvara specifika frågor: hur volymen reagerar på priset, hur mycket du kommer att sälja nästa period, vilka kunder som köper på samma sätt och vad som förklarar vem som får rabatter. Det finns tio modelltyper i dag, var och en med sina egna kontroller, och resultaten matar beslut om planering, prissättning och offerter.

Vilka data behöver jag?

Det beror på modellen. Priselasticitet behöver pris och kvantitet för varje försäljning, en efterfrågeprognos ett datum och ett värde, kundsegment en kund, ett datum och ett belopp, och rabattfaktorer rabatten och de intäkter den gällde. Lägg till en kostnadskolumn för vinst och marginal. Data kommer från dataset och vyer i Data & Context Studio.

Hur vet jag om jag kan lita på ett resultat?

Varje modelltyp anger hur den kontrolleras, och resultaten visar det. Elasticiteter har ett p-värde och ett 95 %-intervall, grupper med för få prispunkter flaggas, prognoser backtestas på undanhållna perioder och varje version registrerar sitt kvalitetsmått. Ett resultat som data inte kan stödja lämnas tomt i stället för att gissas.

Kan den rekommendera priser?

Delvis. En Price Optimization-modell ger det vinstmaximerande priset per produkt utifrån dess uppmätta elasticitet, bara där data stöder det och nära de priser du faktiskt har tagit. Den tillämpar inga golvpriser, prisband eller godkännanden. Att välja priser inom de gränserna hör till Decision Optimization, och att ändra dem till Price Management.

Visar den vad som orsakar en förändring?

Nej. Elasticiteter och faktorer mäter hur saker har rört sig tillsammans i din historik, vilket är en användbar iakttagelse men inget bevis för orsak. Prismodellerna antar att konkurrenternas priser och kampanjer har legat stilla, och varje rapport listar antagandena och begränsningarna för sin körning så att du kan bedöma hur långt du kan lita på den.

Hur hålls modellerna aktuella?

Kör en modell igen, uppdatera den med senaste data eller slå på omträning så att den tränar en ny version varje gång källan uppdateras. En omtränad version ersätter den som är i drift bara om den inte är mindre träffsäker. De senaste versionerna sparas, så du kan jämföra två och gå tillbaka.

Används våra data för att träna modeller?

Dina data används för att tillhandahålla, stödja, skydda och förbättra tjänsten. Separat tillåter avtalet att Revomo använder aggregerade och avidentifierade data, bland annat för att träna och förbättra modeller, endast i en form som inte kan identifiera dig, dina användare eller dina kunder. Tredjepartsmodeller används för inferens via Amazon Bedrock, ett listat underbiträde.

Ändrar prognoserna priser på egen hand?

Nej. En modells resultat är underlag för ett beslut, inte en åtgärd. Konfigurerade begränsningar gäller för rekommendationerna, undantag skickas för granskning och åtgärder går genom godkännandeflöden, var och en med härkomst (lineage) och revisionsspår. En åtgärd som kräver en persons godkännande kräver det fortfarande när det är en agent som föreslår den.

Se hur dina kunder reagerar på priset.

Gå igenom de här modellerna med exempeldata och prata om vilka frågor dina egna data kan besvara.

Plate B2 · Series 2026