Les décisions de contenu et de prix définissent les finitions, les équipements et les prix d'une voiture, et elles sont figées des années avant le lancement ; un mauvais choix coûte donc des centaines de millions en outillage et en ventes perdues.

Le Vehicle Content Optimization de GM a remplacé cette intuition par des données : des modèles de choix discret estiment la valeur que les clients accordent à chaque équipement, et de nouveaux algorithmes d'optimisation explorent l'espace des guides de commande possibles pour trouver celui qui équilibre au mieux la valeur client, le prix et le profit.

La finance de GM a vérifié que le VCO avait permis 4,4 milliards de dollars de profit incrémental sur le cycle de vie et qu'il avait été appliqué à plus de 85 programmes de véhicules dans le monde depuis son intégration au processus de développement. Ce travail a été finaliste du prix Franz Edelman 2022.

Optimiser ce que chaque finition inclut, et non ce qu'il faut construire

Les modèles de choix révèlent ce pour quoi les clients sont prêts à payer, plutôt que ce que les planificateurs supposent qu'ils voudront.

La recherche multi-objectifs équilibre la valeur client, le prix et le coût au lieu de maximiser un critère au détriment des autres.

Un contenu délibéré évite de sur-outiller des équipements que personne n'achète et de sous-offrir ceux que les clients veulent.

Une décision systématisée rend chaque nouveau programme de véhicule reproductible au lieu de repartir de zéro.

Lorsqu'un produit comporte des milliers de points configurables, modéliser le choix des clients vaut mieux que de se fier à l'intuition d'une équipe sur ce qui se vendra.

Le VCO est devenu partie intégrante du processus mondial de développement de véhicules de GM et s'est développé en une plateforme utilisée pour la réduction de la complexité et la prévision des véhicules électriques. GM a appliqué la même mécanique de modélisation des choix aux questions de portefeuille et de prix des véhicules électriques à plus long terme dans la poursuite de son objectif zéro émission.

VÉRIFIEZ LES SOURCES

Les sources

  1. 2022 Franz Edelman Competition: General Motors Resoundingly Human (INFORMS) · resoundinglyhuman.com ·
  2. Uncertainty Quantification in Vehicle Content Optimization for General Motors EconPapers (INFORMS Interfaces) · econpapers.repec.org
  3. General Motors Optimizes Vehicle Content for Customer Value and Profitability INFORMS Journal on Applied Analytics · pubsonline.informs.org