Las decisiones de contenido y precios definen los acabados, las características y los precios de un automóvil, y quedan fijadas años antes del lanzamiento, por lo que una decisión equivocada cuesta cientos de millones en utillaje y ventas perdidas.
La Optimización de Contenido de Vehículos (VCO) de GM sustituyó esa intuición por datos: los modelos de elección discreta estiman cuánto valoran los clientes cada característica, y algoritmos de optimización novedosos buscan en el espacio de posibles guías de pedido la que mejor equilibra el valor para el cliente, el precio y el beneficio.
Finanzas de GM verificó que el VCO permitió 4400 millones de dólares de beneficio incremental de ciclo de vida y que se ha aplicado a más de 85 programas de vehículos en todo el mundo desde que se integró en el proceso de desarrollo. El trabajo fue finalista del Premio Franz Edelman 2022.
Optimizar qué incluye cada acabado, no qué construir
Los modelos de elección revelan por qué pagarán los clientes en lugar de lo que los planificadores suponen que pagarán.
La búsqueda multiobjetivo equilibra el valor para el cliente, el precio y el coste en lugar de maximizar uno a expensas de los demás.
Un contenido deliberado evita el sobredimensionamiento de utillaje para características que nadie compra y la oferta insuficiente de las que los clientes quieren.
Una decisión sistematizada hace que cada nuevo programa de vehículo sea repetible en lugar de empezar desde cero.
Cuando un producto tiene miles de puntos configurables, modelar la elección del cliente supera a confiar en la intuición de un equipo sobre qué se venderá.
El VCO pasó a formar parte del proceso global de desarrollo de vehículos de GM y creció hasta convertirse en una plataforma utilizada para la reducción de complejidad y la previsión de vehículos eléctricos. GM aplicó la misma maquinaria de modelado de elección a cuestiones de cartera y precios de vehículos eléctricos a más largo plazo mientras perseguía su objetivo de cero emisiones.
CONSULTA LAS PRUEBAS
Las fuentes
- 2022 Franz Edelman Competition: General Motors Resoundingly Human (INFORMS) · resoundinglyhuman.com ·
- Uncertainty Quantification in Vehicle Content Optimization for General Motors EconPapers (INFORMS Interfaces) · econpapers.repec.org
- General Motors Optimizes Vehicle Content for Customer Value and Profitability INFORMS Journal on Applied Analytics · pubsonline.informs.org