Заметки конференции Ecommerce 2018

Ценообразование: как увеличить прибыль

1 ноября 2018 на конференции E-commerce, Competera вела секцию «Ценообразование: как увеличить прибыль». Чтобы осветить тему с разных ракурсов — поговорить о качестве данных, автоматизации ценообразования и применении алгоритмов машинного обучения, — мы пригласили выступить наших клиентов: Татьяну Тепляшину (Staples), Богдана Нестеренко (RDE) и Татьяну Моисеенко (Фокстрот).


KVI Pricing

Staples: «Использование конкурентных данных для рыночной стратегии ценообразования», Татьяна Тепляшина

Staples Solutions — ведущий европейский поставщик канцелярских принадлежностей, мебели, электроники и других продуктов для малого и среднего бизнеса. Работает в 17 странах Европы.

  • После череды слияний и поглощений мы столкнулись со множеством ERP-систем и децентрализованных баз данных. Поэтому решили разрабатывать собственную систему ценообразования, которая их объединит (вместо приобретения готового коробочного решения).
  • Первая версия этой системы — макрос в Excel — была невероятно медленной и чрезвычайно трудоемкой.
  • Еще одна сложность — структурированный сбор данных. Мы достаточно долго искали надежного провайдера, который справился бы со сбором данных на разных рынках, с разными языками и валютами; и при этом обеспечил качество сопоставлений, правильный сбор данных по разными единицам измерения и пр.
  • Созданный нами инструмент анализирует эластичность спроса с учетом каннибализации продукта и сезонности. Сейчас он управляет ценой в 10 странах и обеспечивает нужную мультиканальность.
  • Появление системы переоценки увеличило эффективность разных команд. Так, маркетинг-команда с его помощью оптимизирует промо: это принесло +1% дохода всего за три месяца.
  У нас просто не было выбора, нам нужно было решение для работы с ценой. Неожиданно для себя в процессе его разработки мы полностью изменили то, как работает наша компания.  

owox-conference


RDE.lt: «Практический опыт и бизнес-результаты создания и использования автоматического ценообразования в мультирегиональном ритейле», Богдан Нестеренко

RDE Group начала работу в 1993 году. Сейчас ритейлер — крупнейший продавец электроники на территории Латвии (30 brick-and-mortar магазинов) и управляет интернет-магазинами в пяти странах.

  • Автоматизацией переоценки мы занялись, когда вышли в онлайн и стали регулярно «выпадать» из рынка по цене.
  • Если ценообразованием занимаются менеджеры, продажи будут, но прощай эффективность.
  • Жесткая привязка цены, например, «вся группа товаров — на общей наценке», работает слабо: система или слишком дешево продает, или цена улетает в космос.
  • Самое слабое звено в автоматизации — привязки, сопоставления товаров.
  • Еще одна сложность внедрения автоматизации — привлечение PM (продакт менеджеров), но, как только они увидели какие «+» дает данный инструмент, отношение к автоматизации поменялось на 180 градусов.
  • Автоматизацию нужно строить с учетом специфики рынка. Например, для нас есть страны с жесткой (Литва, Латвия, Польша) и мягкой (Эстония, Финляндия, Швеция) ценовой конкуренцией.
  • В целом, четырехлетний опыт работы с автоматизацией ценообразования показывает рост дохода компании от продаж и снижение расходов за счет снятия ручной работы с менеджеров.
  Скоро работа менеджера сведется к поиску новых более выгодных возможностей закупки товара, а работой с ценоообразованием на рынке будет полностью заниматься машина.   

owox-conference


Фокстрот: «Ценовое позиционирование. Практические кейсы», Татьяна Моисеенко

«Фокстрот. Техника для дома» — ведущая розничная сеть по продажам электроники и бытовой техники в Украине, лидер в своей категории по уровню знания, посещения и покупки: 160 магазинов в 90 городах, 98% осведомленность о бренде, 7,4 млн участников программы лояльности.

  • Одностороннее динамическое ценообразование по алгоритму/правилу «быть ниже конкурентов А, В, С на Х грн. или %» или «в любой непонятной ситуации снижай цену!» не работает, так как не учитывает ценовую эластичность, влияние снижения цен в одной группе товаров на продажи в другой, влияние продаж одной SKU на соседние SKU в сегменте, влияние неценовых факторов на продажи и пр.
  • Высокая конкурентная среда и рост затрат требует от бизнеса SMART подходов в управлении доходностью. Эффективное ценообразование — один из ключевых инструментов такого управления. Основной вопрос, который мы себе задали — на какой процент снижать/повышать цену, чтобы увеличить объём продаж и доходность в целом на Х%, при этом исключить только экспертное мнение PM и реагирование на рынок, т.к. эти инструменты дают «размытый прогноз» и не учитывают множество факторов.
  • Запустили пилотный тест алгоритмического ценообразования на основе алгоритмов машинного обучения.

В основе модели ценообразования — полносвязная нейронная сеть, способная определять устойчивые иерархические взаимосвязи между факторами, влияющими на продажи.

В модели использовали ценовые (полочная цена, конкурентные данные, промо и т.д.) и неценовые факторы (сезонность, товар на складе, стадия жизненного цикла товара, класс наценки, бренд и диагональ, история оборачиваемости). Прогноз рассчитывался на уровне SKU.

За четыре недели (9 магазинов в тестовой и 9 — в контрольной группах) продажи в тестовой группе выросли на 13,6% (+7,8% в контрольной), выручка — на 16% (+2,4% в контрольной), а средний чек — на 12,9% (+8,0% в контрольной).

Эффективность модели выше эффективности менеджера: после запуска пилотного теста, маржинальность в контрольной группе составила на 47% (по сравнению с маржинальностью до начала теста), в то время как в тестовой — 98,5%.

  Автоматизация и построение сложных алгоритмов учитывает множество факторов, которые не может спрогнозировать менеджер; обеспечивает легкость в масштабировании внутри компании и высвобождает человеческий ресурс.  

owox-conference



Превратите переоценку товара в управляемый цельный бизнес-процесс с Competera Pricing Platform


Узнать больше

Оставить комментарий