通用汽車以消費者選擇模型取代憑感覺的車型配置與定價決策

內容配置與定價決策決定了一款車的車型配置、功能與價格，而這些決策在上市前數年就已定案，因此一旦判斷錯誤，就會在模具與銷售損失上付出數億美元的代價。

通用汽車的車輛內容優化（Vehicle Content Optimization）以數據取代直覺：離散選擇模型估計顧客對各項功能的重視程度，而創新的優化演算法則在可能的訂購指南空間中搜尋，找出最能平衡顧客價值、價格與利潤的方案。

通用汽車財務部門驗證，VCO 促成了 44 億美元的增量產品生命週期利潤，且自整合進開發流程以來，已應用於全球逾 85 個車輛專案。這項工作曾入圍 2022 年 Franz Edelman 獎決選。

優化每個車型配置應包含什麼，而非該製造什麼

選擇模型揭示顧客願意付費購買什麼，而非規劃人員假設他們會買什麼。

多目標搜尋平衡顧客價值、價格與成本，而非以犧牲其他目標來極大化單一目標。

審慎的內容配置可避免對無人購買的功能過度開發模具，也避免對顧客想要的功能提供不足。

系統化的決策讓每個新車輛專案可重複套用，而非從零開始。

當產品有數千個可配置項目時，為顧客選擇建立模型，勝過信任團隊對什麼會暢銷的直覺。

VCO 成為通用汽車全球車輛開發流程的一部分，並發展為用於降低複雜度與電動車預測的平台。通用汽車在追求零排放目標的同時，也將同一套選擇模型機制應用於較長期的電動車產品組合與定價問題。