新产品：成本更高，也更重要
公司希望增长。在略高于GDP的企业增长率下，消费品包装商品（CPG）正在挣扎。有三个主要的杠杆可以拉动：新兴市场的增长、并购以及新产品的成功推出。随着全球扩张，新市场的增长正在放缓，在经历了十年激进的并购后，机会也在减少。在这里，我将更仔细地研究将新产品推向市场的进展。
挑战比三年前更大。如今，将新产品推向市场的成本更高。产品创新变得更加有针对性，而供应链复杂性正在上升。让我们更仔细地看看这些挑战。
将新产品推向市场的成本正在上升
我们先从一些定义开始。新产品领跑者是IRI/Symphony集团发布的一项指标。IRI是向消费品行业提供综合数据的服务商。IRI将新产品领跑者定义为在美国市场首次推出的第一年内销售额达到750万美元的产品。根据IRI 2012年的报告，有1900种新产品上架。其中77种产品达到了新产品领跑者的地位。新产品领跑者第一年的平均净新增收入为3950万美元。但是，成本是多少呢？如果我取2012年各公司的研发预算，并除以达到新产品领跑者地位的新产品数量，我发现2012年普通CPG公司在新产品领跑者上的平均成本为7100万美元。
成本正在增长。1997年至2010年间，将新产品推向市场的成本（研发/新产品领跑者产品数量）为1500万美元。如今，将新产品推向市场的研发投入大约是五年前的4倍。
供应链的成本也在上升
将新产品推向市场的供应链成本也在上升；正如你在我的先前文章中看到的那样，在十个行业中，有九个行业的运营利润率停滞不前。其中一个问题是复杂性的增加。
预测新产品比预测稳定产品更难。十月，需求感知技术提供商Terra Technology发布了一份关于CPG行业预测准确性的基准分析。十一家跨国消费品公司参与了这项研究。它们规模庞大且重要，代表了总计2300亿美元的年销售额。
Terra的研究报告显示，新产品和贸易促销活动的增加使得预测任务比四年前更加困难。在研究中，新产品占总发货量的17%。过去三年，新产品发货量增加了10%。这也伴随着季节性和促销品的增加。传统的预测过程很好地支持了周转量或基础产品的预测，但不适合新产品、季节性和促销产品。新产品和促销品的偏差是周转量的4-5倍。供应链长尾中的产品平均误差为70%绝对百分比误差（MAPE），偏差为15%。因此，传统的供应链流程并不很好地支持新产品的引入过程。
公司应该怎么做？
新的分析形式有望帮助供应链团队更成功地支持新产品的推出。在一个组织内，不同职能的节奏和周期是不同的。因此，各职能对数据分析的需求也不同。虽然营销团队倾向于基于每周和每月的市场数据来查看和感知，但供应链团队需要每日市场数据来感知市场反应并将供应链与客户购买对齐。为了应对新产品推出并做好这一点，公司必须从功能驱动的营销或销售驱动的过程转变为市场驱动的过程，以跨职能测试和学习。以下是五个投资新分析以帮助情况的地方：
- 减少偏差。公司应首先减少新产品预测的偏差，以改善新产品推出。在那些营销部门不对偏差和错误负责的公司中，偏差表现比使用减少偏差技术的公司高出50-60%。通过集中精力，公司已能够将偏差降低到2%。高偏差会导致浪费和过时。
- 重新定义预测。系统需要更加灵活。传统的新产品推出系统对未来位置要销售的项目进行预测。由于产品是新的，没有历史数据可用于计算预测。因此，当新产品推出时，没有历史记录可用来确定第二次生产运行以支持市场上的产品。更先进的公司正在转向基于属性的建模，这允许公司跟踪客户的购买属性到产品属性，以更好地感知市场表现。新产品基于先前产品的属性进行预测，并根据属性比较市场表现。这种技术减少了误差。试图通过推动新产品推出实现增长的公司应从传统的基于项目的建模迁移到基于属性的建模。
- 投资需求感知技术和使用客户数据。从客户在市场上购买到制造商收到订单，需求转换平均需要两周时间。认真对待新产品推出表现的公司应投资于需求感知，以使用销售点数据和新的分析形式来缩短感知客户购买的时间。现在有二十家CPG公司成功使用Terra Technology缩短了这一感知时间。如果不使用这些新的分析形式，感知产品购买的时间为两周。
- 积极参与市场中的测试和学习过程。电子商务销售的增长——无论是通过直接销售还是通过亚马逊等电子商务零售商——使公司更容易匹配客户购买属性与产品属性，从而在推出前进行跨渠道测试。此外，像Applied Predictive Technologies (APT)这样的公司提供的新形式的分析可用于在产品推出的前三个月内进行体外新产品推出测试和学习。
- 尝试认知学习引擎。由于新产品正变得越来越针对产品市场定制，公司正在尝试使用认知学习引擎来测试和学习并发现不太可能的推论。认知学习系统是一种新的分析形式，它基于一系列假设或市场本体论在市场中学习。2013年10月，McCormick宣布与Enterra Solutions合作，根据市场人口统计数据映射客户口味特征以试验独特产品组合的工作取得了积极成果。
因此，为了提高成功率，我们需要改变对话，并从外部驱动数据驱动的过程。作为功能孤岛管理公司并使用传统的分析方法永远不会帮助我们应对更高的成本和更高的失败风险。
© Lora Cecere. 经SCI.AI许可转载。
