CPG 在哪里玩 ： 击败市场的多镜头方法

麦肯锡直接 CPG在哪里玩：击败市场的多镜头方法 机器学习可以帮助拉丁美洲的消费品制造商更好地了解消费者、类别、竞争对手和能力，并年复一年地增加优异表现的可能性。 作者：安妮·格里梅尔特、迭戈·马丁·德尔·坎波、里卡多·桑罗曼和卡洛斯·祖祖纳加 2023年12月 鉴于当今充满挑战的经济环境inLatinAmerica—includinginflation,shrinkingmargin,loweconomicgrowthexpects,andadecreasedwillnesstospend—manycompaniesaretemptedtodeemp地位growth.However,arecentMcKinseyarticleshowedthatgrowthisevenmoreinin 当经济复苏时，那些在经济低迷时期增长的公司往往表现优于同行。1 当然，增长永远不会有保证。所以问题依然存在：企业如何才能提高在当今市场中表现优异的几率？麦肯锡的研究表明，使用四种镜头组合的消费品公司——消费者理解，类别和渠道价值池，竞争理解和获胜能力-与仅使用单一视角的人相比，在哪里玩方面挖掘有价值的见解的可能性要高1.2倍。2 可以使用AI工具和技术进一步探索这些见解-其中许多工具和技术由机器学习（ML）提供支持3-在更细粒度的水平上产生前瞻性、可操作的 Nextsteps.Thisarticleshowshowpredictivetoolscanbeusedtodevelopa“growthroadmap”thatincludingestimatesofthefinancialupsideandthecapabilitiesneeded. Italsoprovidesexamples 在拉丁美洲的用例中，许多用例显著提高了TSR。 增长很重要-在经济低迷期间和之后 在拉丁美洲，与市场相比，在扩大利润率的同时增加市 场份额的公司通常会获得可观的回报。 从2019年到2022年，“增殖种植者”平均交付了11.6％的TSR（图表1）。相比之下，“稀释种植者”-那些扩大了他们的 1BørgeBrende和BobSternfels，“可持续，包容性增长的韧性”，麦肯锡，2022年6月7日。 2“寻找消费品增长的多镜头方法”，麦肯锡，2023年7月26日。 3ML是人工智能的一个特定领域，它使用真实的过去数据来创建经过训练的算法，这些算法可以处理新的、未使用的数据，并以越来越高的精度模仿人类学 习的方式。 在经济不确定时期，增长更为重要，在经济低迷时期增长的公司往往在经济复苏时表现优于同行。 附件1 拉丁美洲包装消费品的赢家在增加收入的同时扩大了利润率。 平均TSR，按息税前利润率和增长率变化计算，2019-22年，% 增殖落后者 增生种植者 11.6 2.2 稀释落后者 稀释种植者 6.7 –0.5 Higher EBIT 边距变化 较低 较低增长Higher 注：n=47家包装消费品公司，代表该地区的一系列地理位置以及类别和公司规模。来源：麦肯锡的公司业绩分析；标准普尔全球；麦肯锡分析 麦肯锡公司 利润率没有增长他们的收入-交付只有6.7％。总体而言 ，只有30％的消费品公司在拉丁美洲被归类为“增值种植者”。 这些数字突显了这样一个观点，即盈利增长尤其难以实现。考虑到这一点，麦肯锡之前的一篇文章详细介绍了公司可以采取的三种途径来确保盈利增长：扩展核心业务、创新邻接业务和点燃突破性业务。4 尽管如此，消费品公司很难确定哪些类别、地理市场、渠道和商业模式可以加倍使用。通过四个镜头来了解消费者、类别和渠道价值池、竞争对手和能力是帮助回答这个问题的重要方法(图表2)。 忽略这些镜片中的一个或多个会使满足生长目标变得更加困难 。例如， 4“选择成长：领导者的蓝图”，麦肯锡，2022年7月7日。 附件2 四个镜头和三个增长途径的组合可以帮助包装消费品公司确定在哪里玩。 将创新扩展到邻接点燃突破性业务 麦肯锡公司 一家公司可能没有在关键能力上投入足够的资金，或者可能无法预测竞争对手的行动。虽然一些公司确实考虑了所有四个镜头，但他们使用的工具或方法是向后看而不是向前看。这就是机器学习特别有用的地方：通过帮助开发所有四个镜头的深入数据驱动视图，并最终帮助识别未来的机会。 制定增长路线图：使用ML和四个镜头来确定在哪里玩 使用具有预测性，实用性和综合性的ML驱动工具可以帮助从所有四个镜头中获得最完整的见解。 以下来自拉丁美洲消费包装商品（CPG）公司的例子说明了如何将这些见解整合到增长路线图中。 消费者理解 领先的公司使用支持ML的工具来了解有关消费者行为的更多信息，以及随着时间的推移，消费者行为可能会如何变化。例如，拉丁美洲的一家大型公司销售碳酸 非酒精饮料使用ML技术来分析和理解消费者购买的模式和结构。这种购买结构ML模型提供了见解 了解消费者购买饮料时的想法，分析转变的模式 在产品或类别中的不同产品变体或SKU之间。最终，这使公司能够制定更有针对性的定价策略并提高其在销售点的性能。结果很有希望，销售回报率为3％至5％。 另一种类型的分析产生消费者-类别-场合矩阵,其可以帮助公司了解给定产品最有可能被购买的背景。5正如我们之前的文章所明确指出的那样，这些分析通常表明 ，当前和未来的需求很少跟踪 使用传统类别或子类别定义。考虑到这一点，机器学习可以帮助公司发现不同场合消费者的需求，并绘制行为变化图表。换句话说，了解消费者今天做出的权衡可以帮助预测他们未来的决策。 拉丁美洲的各种CPG公司，6包括CPG分销商和食品服务和家庭 护理公司也利用-meas算法来定义消费者细分。这可以通过组合客户销售数据、销售点信息(诸如分类、大小和场合 )和地理空间数据来创建具有独特需求和偏好的外观相似的集群来实现,以利用关于要购买什么产品的个性化推荐。根据麦肯锡的研究，这种方法已被证明在有针对性的营销活动中取得成功方面非常有效，推动了7%至12%的显著增长，并有助于瞄准价值最高的客户群。 总而言之，作为这些工具的早期采用者，电子商务团队需要承担更多责任，其中86％的人与其他商业团队共享职能。此外，83％的人通过广告支出回报来衡量其数字内容参与的成功。在这一点上，巴西的一家CPG公司在二十年来第一次通过创建一个系列 功能。这包括对数字市场进行优先级排序，以支持客户端的数字发展，这始于基于ML驱动的销售点的执行和监控 微细分，以更好地了解消费者的需求和偏好，并提供更个性化的数字旅程。 类别和通道值池 应用于大型数据集的机器学习还可以帮助确定任何给定类别的价值，确定该价值的驱动因素，并提供利润池可能如何发展的预测。事实上，我们的研究表明，CPG的赢家使用分析方法和工具来定义收入增长管理策略的可能性是其1.4倍。7 公司还可以检查行业变化，查看哪些商业模式可以增加利润池，并预测哪些类别和地理位置可以推动价值增长。在这一点上，公司不仅应该为自己估算收入和利润池，还应该评估价值链在竞争公司和零售商之间的流动方式。 拉丁美洲的一名高性能CPG玩家开始了ML转型，并使用预测模型来转变其养鱼场的商业战略。该模型的预测高于预测的需求，这导致了三个主要发现：在投标过程中对结果做出更高的信心，向客户提供更高的技术建议 ，以及通过喂养建议优化鱼类生长。然后，该公司的目标是通过ML在其他B2B业务部门和地区复制效率，在三个方面达到公司EBITDA约15％的全部潜力。 竞争性理解 许多成功的公司对市场和经营业绩的财务业绩进行基准；分析师共识；以及 5有关消费者类别场合矩阵的更多信息，请参阅2023年7月26日的“多镜头方法”。 6包括阿根廷、巴西、哥伦比亚、墨西哥和秘鲁。 7“多镜头方法”，2023年7月26日。 环境、社会和治理指标。8同时，他们研究了其他有竞争力的消费品参与者以及他们为实现有利可图的增长而采用的策略。 此外，对过去获奖者的增长和盈利能力的数据驱动分析可以提供可行的见解。 了解竞争对手的一种方法是对影子损益表进行建模，这通常需要对竞争对手的主要项目进行全面审查。这项工作可以提供竞争对手的优势，劣势和跨投资组合资金来源等因素的量化视图。然后，可以根据竞争对手的潜在未来举动而不是单一的战略要素或先前的市场表现来制定战略。 一家大型拉丁美洲CPG公司在聚对苯二甲酸乙二醇酯（PET）转换上花费了大量资金，以前曾试图与供应商谈判更好的条件-几乎没有成功，也没有进行严格的支出和定价分析的过程。作为回应，该公司评估了制造的经济和战略方面 内部产品与从外部供应商处购买产品，以定义“制造与 购买“PET瓶转换的方法。对于经济学，它开发了一个数据驱动的分析，研究了市场条件，以确定按国家在每个供应商上花费多少。该公司还制定了战略合作伙伴所需的原则 ，以确定与市场一致的有竞争力的价格。因此，该公司实现了前所未有的6％至8％的商业计划成本降低。 获胜的能力 尽管许多CPG公司积极向外看以衡量增长机会，但它们也应该向内看以发展精致 自我评估。在整个CPG中，只有大约40％的人拥有卓越的创新中心。9然而，公司可以通过深入和准确地了解自己的能力来增强他们前进的信心。具体来说，许多高增长公司进行领域能力评估，将他们的成熟度水平与一流的参与者进行比较，并确定商业卓越的最佳实践。10在这一点上，超过75%的CPG获奖者是 1.6倍更有可能实施这些 8有关竞争理解的更多信息，请参阅2023年7月26日的“多镜头方法”。 9麦肯锡消费者卓越基准调查，n=17。被归类为“赢家”的公司数量为7家；被归类为“其他”的公司数量为10家。 10“以卓越的商业取胜：消费品的十大教训”，麦肯锡，2022年6月30日。 对过去获奖者的增长和盈利能力进行数据驱动的分析可以提供可行的见解。 大规模或在完整的能力范围内进行评估。 一个高性能的CPG播放器希望解锁性能上的S曲线经历了几个 年愿景，该公司能够成功地获得分析产生的EBITDA的一个百分点，另有1%正在筹备中。 前几年的收购 ，因此， afragmentedtechnologyanddatalandscape.Thecompanywaskeentoexplorethepotentialfromanalyticalbutwouslyabouttheoverallopportunity,settinghighlyisitionsrelatedtodigital 以及接下来两年的分析。数据质量诊断用于创建能力基线 ，确定干预措施的优先级并衡量进展。此练习帮助公司将转型设计为在流程的每个阶段同时增加能力，资源和工具 。通过建立一个卓越的功能分析中心来推动整个业务的分析，并通过定义关键影响指标一年的优先事项来跟踪他们的两年-。 使用ML回答有关在哪里玩的问题，并应用四种镜头-消费者，类别，竞争和能力-不仅可以帮助组织评估和确定机会的优先级，还可以分配资源。CPG公司可以制定增长路线图，以加强其核心类别和市场，扩展到邻接区，并完全启动 新业务，最终有助于为可持续的、有利可图的增长铺平道路。 安妮·格里梅尔特是麦肯锡斯坦福德办公室的高级知识专家；迭戈·马丁·德尔·坎波是墨西哥城办公室的顾问里卡多·桑罗曼是合伙人；以及CarlosZuzunaga是利马办事处的合伙人. 版权所有©2023麦肯锡公司。保留所有权利。