האלגוריתם שיודע מה למכור ובכמה: המחקר שמבטיח קפיצה בהכנסות

חברות משקיעות בשנים האחרונות סכומי עתק בכלי בינה מלאכותית, אבל השאלה העסקית החשובה נשארת פשוטה: האם הכלים האלה באמת מגדילים הכנסות ורווחים. מחקר חדש שפורסם השבוע בכתב העת Management Science מציע תשובה מעניינת דווקא באחד המקומות הכי בסיסיים בעולם המסחר - ההחלטה אילו מוצרים להציג ללקוח, ובאיזה מחיר למכור אותם.

 המחקר עוסק בבעיה שמעסיקה כמעט כל חברה שמוכרת מוצרים או שירותים: איך לבחור את תמהיל המוצרים הנכון, ואיך לקבוע להם מחיר כך שהחברה תמקסם הכנסות או רווח. במקום לטפל בשתי ההחלטות האלה בנפרד, החוקרים מציעים מודל שמחבר ביניהן ומנסה לקבל החלטה אחת משולבת - מה להציג, למי להציג, ובאיזה מחיר.

לא רק המחיר - גם הבחירה מה להציג ללקוח

 בעולם הקמעונאות והמסחר המקוון, תמחור הוא כבר לא החלטה פשוטה של “עלות פלוס רווח”. לקוחות שונים רואים מוצרים שונים, מגיבים אחרת למחיר, למותג, למבצע ולמיקום המוצר באתר או באפליקציה. לכן השאלה העסקית אינה רק כמה לגבות על מוצר מסוים, אלא גם איזה סל מוצרים נכון להציג ללקוח מסוים ברגע מסוים. כאן נכנס המודל שמציגים החוקרים. הוא מבוסס על תחום שנקרא contextual bandits - מודלים שלומדים מתוך ניסוי וטעייה מבוקרת.

המערכת בוחנת אילו החלטות עובדות טוב יותר, לומדת מהתגובות של הלקוחות ומשפרת את ההחלטות בהמשך. היא מאזנת בין ניסיון של אפשרויות חדשות לבין שימוש במה שכבר הוכח כיעיל. החידוש במחקר הוא היכולת להתמודד עם בעיה מורכבת במיוחד: גם מספר המוצרים והמחירים האפשריים גדול מאוד, וגם המידע על הלקוחות רחב מאוד. במקום להסתבך במודל ענק שקשה להסביר, החוקרים מציעים דרך פשוטה יותר יחסית, שמזהה דפוסים סמויים בין סוגי לקוחות, מוצרים ומחירים. כך אפשר לא רק לקבל החלטה אוטומטית, אלא גם להבין טוב יותר למה היא התקבלה.

פי שלושה בהכנסות או ברווח

 במקרי מבחן אמיתיים הממצא הבולט ביותר במחקר מגיע ממקרי המבחן בעולם האמיתי. החוקרים בחנו את המודל בין היתר אצל יצרנית גדולה של אטריות מיידיות ובסטארט־אפ בתחום הביוטי. לפי המחקר, השימוש בשיטה הוביל לשיפור של לפחות פי שלושה בהכנסות או ברווח. זהו נתון משמעותי במיוחד משום שהוא נוגע ישירות לשורה התחתונה של חברות. 

לא מדובר רק בחיסכון בכוח אדם או באוטומציה של תהליך פנימי, אלא בהחלטות מסחריות שמשפיעות על המכירות עצמן. אם חברה יודעת להציג ללקוח את המוצר הנכון במחיר הנכון, היא יכולה להגדיל הכנסות בלי בהכרח לפתוח חנויות חדשות, להגדיל מלאי או להוציא יותר כסף על פרסום.

החוקרים מציינים כי גם בסימולציות שערכו, המודל הציג ביצועים טובים יותר משיטות קיימות. המטרה הייתה לצמצם את מה שמכונה "חרטה" - כלומר הפער בין ההחלטות שהמערכת קיבלה בפועל לבין ההחלטות הטובות ביותר שהייתה יכולה לקבל בדיעבד. ככל שהפער הזה קטן יותר, החברה מבזבזת פחות הזדמנויות מכירה ומשפרת את הרווחיות שלה לאורך זמן.

איך זה יכול להשפיע על השוק

 המחקר מגיע בתקופה שבה קמעונאים, אתרי מסחר וחברות צריכה מחפשים דרכים חדשות לשפר רווחיות. עלויות המימון גבוהות יותר, הצרכנים רגישים יותר למחיר, והתחרות על כל לקוח נעשית קשה יותר. במצב כזה, כלי שיודע לחבר בין תמחור, תמהיל מוצרים והתנהגות לקוחות יכול להפוך ליתרון תחרותי משמעותי. עבור רשתות קמעונאות, 

המשמעות יכולה להיות שינוי בתכנון מבצעים, סידור מוצרים, הצגת קטגוריות ותמחור דינמי. עבור אתרי מסחר מקוון, המשמעות גדולה עוד יותר: כל לקוח יכול לראות תמהיל מעט שונה, מחיר שונה או הצעה מותאמת יותר, בהתאם לדפוסי ההתנהגות שלו, למלאי, לביקוש ולתחרות.

• יותר רשתות גובות כסף על החזרת מוצרים
• הזמנתם מוצר, הבטיחו לכם אספקה תוך כמה ימים ולא הגיעו - הנה מה שתוכלו לעשות

ההשפעה על השוק לא צפויה להיות מיידית ואחידה. חברות גדולות עם הרבה נתונים, כמו רשתות מזון, אתרי אופנה, קוסמטיקה, מוצרי צריכה ופלטפורמות אונליין, יוכלו לאמץ מודלים כאלה מהר יותר. עסקים קטנים יותר יתקשו ליישם אותם בלי מערכות מידע מתקדמות ובלי צוותים שמבינים גם דאטה וגם מסחר.