A GM trocou decisões de conteúdo e preço por intuição por um modelo de escolha do consumidor

As decisões de conteúdo e precificação definem as versões, os recursos e os preços de um carro, e são fixadas anos antes do lançamento, de modo que uma decisão errada custa centenas de milhões em ferramental e vendas perdidas.

O Vehicle Content Optimization da GM substituiu essa intuição por dados: modelos de escolha discreta estimam quanto os clientes valorizam cada recurso, e algoritmos de otimização inovadores buscam no espaço de possíveis guias de pedido aquele que melhor equilibra valor para o cliente, preço e lucro.

A área de Finanças da GM verificou que a VCO viabilizou US$ 4,4 bilhões de lucro incremental de ciclo de vida e que ela foi aplicada a mais de 85 programas de veículos no mundo desde que foi integrada ao processo de desenvolvimento. O trabalho foi finalista do Prêmio Franz Edelman de 2022.

Otimizar o que cada versão inclui, não o que construir

Os modelos de escolha revelam pelo que os clientes pagarão, em vez do que os planejadores supõem que eles pagarão.

A busca multiobjetivo equilibra valor para o cliente, preço e custo, em vez de maximizar um às custas dos outros.

Um conteúdo deliberado evita ferramental excessivo para recursos que ninguém compra e oferta insuficiente de recursos que os clientes querem.

Uma decisão sistematizada torna cada novo programa de veículo repetível, em vez de começar do zero.

Quando um produto tem milhares de pontos configuráveis, modelar a escolha do cliente supera confiar no feeling de uma equipe sobre o que venderá.

A VCO tornou-se parte do processo global de desenvolvimento de veículos da GM e cresceu para uma plataforma usada para redução de complexidade e previsão de veículos elétricos. A GM aplicou a mesma maquinaria de modelagem de escolha a questões de portfólio e precificação de veículos elétricos de longo prazo enquanto buscava sua meta de zero emissões.