ההכנסות עלו אך הרווח הנקי נשחק, הרוצח השקט של כל עסק מבוסס מחזור. החברה לא הצליחה לזהות את עלות השירות האמיתית שלה: לקוחות שקיבלו הנחות גדולות, דרשו משלוחי אקספרס קטנים, החזירו סחורה ופיגרו בתשלומים עלו לה יותר משהכניסו, בעוד שנציגי המכירות המשיכו לתת הנחות גורפות כדי לעמוד ביעדים.
לחברה לא הייתה דרך לשייך עלויות עקיפות ללקוח ספציפי: הוצאות דלק, שעות מחסן, עמלות סליקה והזמן שהושקע בשירות הלקוחות. כתוצאה מכך, היא לא ידעה אילו לקוחות באמת רווחיים, והמשיכה לטפח דווקא את אלה שגרמו לה להפסדים.
התמחור התבסס על תחושות בטן וגיליונות נתונים. ההנחות נוהלו באקסל, ונציגי המכירות נתנו את ההנחה המקסימלית רק כדי לסגור עסקה, בלי לראות כיצד היא פוגעת בשורה התחתונה. כל "כן" נגס במרווח שאף אחד לא ראה.
גם המבצעים נוהלו בעיוורון. תקציבי סחר ותמריצים לקמעונאים חולקו בלי שום דרך לדעת אם המבצע ייצר מכירות נוספות אמיתיות, או פשוט הקדים ביקוש שהיה מגיע לחברה ממילא.
לחשוף את הרווחיות מכל לקוח, לתמחר עד לרצפת המרווח, ולהעביר לאישור אנושי רק את החריגים.
משכנו נתונים ממערכות המחסן, הלוגיסטיקה והכספים, ובנינו מודל שמחשב את עלות השירות האמיתית לכל לקוח: זמן פריקה, שיחות שירות וימי אשראי. כך נחשפת הרווחיות האמיתית של כל לקוח.
בזמן שנציג המכירות בונה הצעה, המנוע משקלל את עלות השירות של הלקוח, עלויות המלאי ותנאי השוק, ומציג בזמן אמת מחיר יעד אופטימלי השומר על רצפת המרווח שהוגדרה מראש.
המערכת מאשרת אוטומטית רק הנחות שעומדות במודל המרווח. בקשה שחורגת מהמודל מועברת ישירות למנהל הסחר, בצירוף סימולציה של ההפסד הצפוי, כך שאישור חריגים הופך להחלטה מושכלת ולא לתגובה אוטומטית.
כל מבצע סחר נמדד לפי המכירות הנוספות שהוא ייצר בפועל לעומת ביקוש שרק הוקדם, כך שתקציב המבצעים מופנה למקומות שבהם הוא באמת מצמיח את העסק.
ברגע שהלקוחות המפסידים אותרו, החברה יכלה להתאים את מודל השירות שלהם, למשל על ידי מעבר ממשלוחים יומיים קטנים למשלוח שבועי מרוכז, ולהפוך הפסד לרווח בלי לפגוע בקשר איתם.
נציגי המכירות ואנשי הסחר מקבלים תמחור שקוף ומגובה בנתונים במקום להיגרר לוויכוחים, כך שהמשא ומתן מתנהל מול הלקוח ולא מול המטה.
הנפח נשאר; הרווח חזר.
המרווח הגולמי גדל בכ-4.5% תוך שני רבעונים בלי לאבד אף לקוח אסטרטגי, מכיוון שהשיפור ברווחיות הגיע מתמחור מבוסס עלות אמיתית, ולא מוויתור על לקוחות.
זיהוי הלקוחות המפסידים איפשר לחברה לעצב מחדש את מודל השירות שלהם ולהפוך 80% מהם לרווחיים, ובמקביל, תמחור מגובה בנתונים קיצץ ב-50% את הוויכוחים הפנימיים על גובה ההנחות.
עסקים מבוססי מחזור מדממים מרווחים מכיוון שהעלות האמיתית של כל לקוח סמויה מן העין, והענקת הנחות הפכה לתגובה אוטומטית. הערך המרכזי כאן טמון בשיוך עלות אמיתית לכל לקוח, תמחור כל עסקה עד לרצפת המרווח, והעברת חריגים בלבד לאישור אנושי, כאשר ההפסד מוצג שחור על גבי לבן. זוהי אותה משמעת של שמירה על רצפת מרווח שעומדת בבסיס עבודת התמחור הדינמי שלנו, אלא שהפעם היא מיושמת על עלות השירות של כל לקוח בהפצה ל-B2B, ולא על המדף הקמעונאי.
המבצעים של קמעונאי נמכרו בשקט בהפסד. מעקה מרווח קשיח של 12% חסם מבצעים מפסידים לפני שיצאו לדרך והעלה מרווח גולמי בכ-4%, בלי שאנליסט תמחור צריך לגעת בזה.
קראו את הסיפור ← פורטפוליו ועלות · מוצרי צריכהקטלוג מנופח של 1,500+ מק"טים הסתיר את עלות השירות האמיתית שלו. ניתוח עלות מבוסס AI קיצץ את המגוון ב-25% בלי אובדן הכנסה, הפחית השבתות קו ב-35%, ושחרר הון חוזר שהיה כלוא במלאי עודף.
קראו את הסיפור ←
Reef TRH