Зачем Ритейлу инвестировать в проекты по динамическому ценообразованию?
3 реальных кейса, которые отвечают на этот вопрос.
Зачем Ритейлу инвестировать в проекты по динамическому ценообразованию?
3 реальных кейса, которые отвечают на этот вопрос.
“
"Наш опыт работы в Retail показывает, что компании, которые активно работают с ценообразованием и рассматривают его как важный элемент в достижении стратегических целей компании, в среднем получают маржинальность на 5-15% выше, чем те, кто не выделяет ценообразование как отдельный инструмент".
На примере 3 кейсов мы покажем, как эффективная работа с ценообразованием может помочь вам и какие популярные сценарии использования вы уже сможете реализовать у себя в ближайшее время".
Перед тем как начать описывать наши проекты, хотела бы вам представить нашу трактовку понятия "динамическое ценообразование".
Перед тем как начать описывать наши проекты, хотела бы вам представить нашу трактовку понятия "динамическое ценообразование".
Ольга Артюшкина
руководитель центра корпоративных инноваций Первый Бит
Динамическое ценообразование
это подход к регулярному изменению цен, позволяющий компании извлечь более высокую прибыль, получить больший объем продаж, предотвратить прямые убытки:
➜ цены гибко и оперативно подстраиваются под изменения рынка (спроса, сезонности, конкурентного окружения, поставок) и под изменения внутренних факторов самой компании (себестоимость, товарный остаток, бизнес-стратегия на конкретном рынке и так далее)
➜ цены гибко и оперативно подстраиваются под изменения рынка (спроса, сезонности, конкурентного окружения, поставок) и под изменения внутренних факторов самой компании (себестоимость, товарный остаток, бизнес-стратегия на конкретном рынке и так далее)
➜ в относительно стабильные периоды бизнес получает рост прибыли, покупательской лояльности, трафика или выручки в зависимости от поставленных целей. В сверхнестабильные периоды целью гибкой корректировки цен может быть и предотвращение либо минимизация потерь и убытков (также актуально при появлении агрессивных конкурентов).
В материалах, которые мы подготовим для вас позже, мы более подробно разберем отличие "динамического ценообразования" от "классического" и более подробно опишем подход перехода на Data-driven управление ценами.
В материалах, которые мы подготовим для вас позже, мы более подробно разберем отличие "динамического ценообразования" от "классического" и более подробно опишем подход перехода на Data-driven управление ценами.
Крупнейшая сеть салонов оптики в стране: очки, линзы, солнцезащитные очки.
Компания активно развивает мультиканальную модель продаж через интернет-магазин. Заказы интернет-магазина доставляются в выбранный покупателем салон.
Справочник номенклатуры порядка 16.000 sku.
Компания активно развивает мультиканальную модель продаж через интернет-магазин. Заказы интернет-магазина доставляются в выбранный покупателем салон.
Справочник номенклатуры порядка 16.000 sku.
Вызов: рост главных показателей интернет-магазина: валовой прибыли, оборота, среднего чека, количества заказов за счет автоматизации процесса регулярной работы с ценами. Переход на Data-driven ценообразование подразумевает,что бизнес может уверенно управлять ценой, полноценно использовать ее как драйвер продаж.
Рост показателей в интернет-магазине (средний чек, количество заказов, выручки).
Кейс 1.
Как раньше работали с ценообразованием внутри компании:
Контактные линзы - это наиболее конкурентный вид товаров в интернет-магазине. Чтобы сформировать цены в соответствии с конкурентной стратегией компании аналитику каждый раз приходилось вручную выборочно мониторить 16.000 позиций на Яндекс.Маркете и после считать финальную цену в "полуручном" режиме, с помощью таблиц Excel.
Практически всё время уходило на повторяющиеся механические действия и бесконечные самопроверки. Не хватало ресурса для регулярного и полного конкурентного анализа. Из осторожности цену часто устанавливали максимально низкой и редко её меняли из-за трудоемкости расчетов.
Все это приводило к тому, что компания недополучала выручку и нужно было что-то менять.
Все это приводило к тому, что компания недополучала выручку и нужно было что-то менять.
Решение:
Стали смотреть как на рынке другие компании решают похожие задачи, и в конечном итоге, пришли к готовности внутри компании запустить пилотный проект по динамическому ценообразованию и оценить эффект от его использования на реальных данных.
Установили и интегрировали систему, которая автоматически собирает ценовые данные с Яндекс.Маркет и сайтов конкурентов. Причем отдельный список конкурентов задается для каждого товарного сегмента, каждого бренда и даже каждого sku, если у нас появляется такая необходимость.
Установили и интегрировали систему, которая автоматически собирает ценовые данные с Яндекс.Маркет и сайтов конкурентов. Причем отдельный список конкурентов задается для каждого товарного сегмента, каждого бренда и даже каждого sku, если у нас появляется такая необходимость.
Оптимальная цена в системе формируется автоматически, рассчитываясь с необходимой для нас частотой хоть каждые 10 минут. В правилах расчета цен учитываются все важные изменения внутренних данных и цен конкурентов.
Мы лишь один раз настроили сбор цен и интеграцию данных с нашей ERP, внесли правила и ограничения в систему.
Мы лишь один раз настроили сбор цен и интеграцию данных с нашей ERP, внесли правила и ограничения в систему.
Бизнес результат:
Показатели периода с динамическим ценообразованием сравнили с усредненными показателями за девять предыдущих месяцев, учитывая динамику продаж и влияние сезонных факторов. Система динамического ценообразования многократно окупилась за первые же месяцы.
За три недели:
Ценообразование в компании превратилось в технологичный, прозрачный, понятный и легко управляемый процесс, в том числе за счет большого блока аналитики в системе: отчетов, графиков, дашбордов, полной истории изменения всех цен и факторов.
Сеть магазинов товаров для здорового образа жизни и диетического питания, развивающая мультиканальную модель продаж, столкнулась с ситуацией, в которой 15% SKU ни разу не продавались за последние 40 и более дней.
Справочник номенклатуры порядка 10.000 sku
Справочник номенклатуры порядка 10.000 sku
Вызов: компания заморозила свои денежные активы в низкооборачиваемых товарах, старая схема работы с неликвидами требовала пересмотра.
Сокращение доли низколиквидных позиций.
Кейс 2.
Как раньше управляли неликвидами:
Чтобы выявить какие товары являются неликвидами, закупщики анализировали оборачиваемость и популярность товаров в полуручном режиме: периодически формировали огромные таблицы в 1С, выявляли товары с плохой оборачиваемостью, проводили распродажи, постоянно перемещали остатки. По конкретным группам товаров мотивировали продавцов и начисляли повышенные баллы по программе лояльности. Процесс был сложным, трудозатратным и недостаточно эффективным: система давала сбои из-за большого количества ручных операций и необходимости многое "держать в голове".
Были ситуации, в которых непопулярный товар с трудом распродавали с помощью суперскидок, а потом по ошибке закупали вновь.
В итоге компания оказалась в ситуации, когда необходимо менять в целом процесс работы с неликвидными товарами, искать или дорабатывать решение, которое помогло бы уйти от большого количества ручных операций и исключить ситуации повторной закупки неликвидного товара.
В итоге компания оказалась в ситуации, когда необходимо менять в целом процесс работы с неликвидными товарами, искать или дорабатывать решение, которое помогло бы уйти от большого количества ручных операций и исключить ситуации повторной закупки неликвидного товара.
РЕШЕНИЕ:
Выбрали готовое решение по динамическому ценообразованию, в котором уже есть возможность управлять формированием цены в зависимости от оборачиваемости товара.
Эксперты за неделю запустили алгоритм по ценообразованию на базе оборачиваемости, и уже на следующий день мы заметили, что товаров в соответствующих сегментах стало на 2-3% меньше. При этом скидка увеличивалась постепенно, исходя из реакции покупателей, что позволяло сохранять маржинальность в максимальных значениях.
Система ценообразования также автоматически маркировала товары данных сегментов, чтобы специалисты по закупкам не заказывали их в дальнейшем.
Выбрали готовое решение по динамическому ценообразованию, в котором уже есть возможность управлять формированием цены в зависимости от оборачиваемости товара.
Эксперты за неделю запустили алгоритм по ценообразованию на базе оборачиваемости, и уже на следующий день мы заметили, что товаров в соответствующих сегментах стало на 2-3% меньше. При этом скидка увеличивалась постепенно, исходя из реакции покупателей, что позволяло сохранять маржинальность в максимальных значениях.
Система ценообразования также автоматически маркировала товары данных сегментов, чтобы специалисты по закупкам не заказывали их в дальнейшем.
Бизнес результат:
➜ на 40% снизился средний срок хранения запасов с 75 дней до 44 дней
➜ в 3,6 раза уменьшилось количество SKU без продаж за 3 месяца работы алгоритма
➜ в 3,6 раза уменьшилось количество SKU без продаж за 3 месяца работы алгоритма
Успешная федеральная сеть, 200+ аптечных точек.
Город-миллионник Y. Аптека сети с позиционированием "низкие цены" расположена на оживленном перекрестке. Посетителей всегда было много. Но уже больше года аптечная точка работает на грани убыточности, показатели ухудшаются.
Причина: дверь в дверь открылись несколько федеральных дискаунтеров, работающих с отрицательной наценкой по значительной части ассортимента. Они перетягивают "проходящий трафик", на котором раньше успешно работала аптека.
Город-миллионник Y. Аптека сети с позиционированием "низкие цены" расположена на оживленном перекрестке. Посетителей всегда было много. Но уже больше года аптечная точка работает на грани убыточности, показатели ухудшаются.
Причина: дверь в дверь открылись несколько федеральных дискаунтеров, работающих с отрицательной наценкой по значительной части ассортимента. Они перетягивают "проходящий трафик", на котором раньше успешно работала аптека.
Вызов: рост маржинальности в Аптечной сети
Рост маржинальности в Федеральной Аптечной сети.
Кейс 3.
Как раньше работали:
Делали ценообразование, которое не приносило нужного результата, используя успешные ранее стратегии, такие как:
➜ Деление по ролям (KVI, BackBasket) на основании ABC анализа и экспертных эвристик;
➜ Конкурентное ценообразование для KVI по конкурентам;
➜ Матрица фиксированных наценок для каждого формата, учет ЖНВЛС и предельных наценок,
➜ Фиксированные цены от поставщика.
➜ Деление по ролям (KVI, BackBasket) на основании ABC анализа и экспертных эвристик;
➜ Конкурентное ценообразование для KVI по конкурентам;
➜ Матрица фиксированных наценок для каждого формата, учет ЖНВЛС и предельных наценок,
➜ Фиксированные цены от поставщика.
Экономика Аптечной точки не сходится: объём продаж падает, маржинальность продаж гораздо ниже других точек сети в городе Y.
Пробовали повышать цены проблемной аптечной точки. Растет маржинальность продаж, но критично падает выручка: ещё больше покупателей уходит к соседям-дискаунтерам.
Когда Аптечная сеть пробует снижать цены проблемной точки, выручка быстро растет, но критично падает валовая прибыль.
Пробовали повышать цены проблемной аптечной точки. Растет маржинальность продаж, но критично падает выручка: ещё больше покупателей уходит к соседям-дискаунтерам.
Когда Аптечная сеть пробует снижать цены проблемной точки, выручка быстро растет, но критично падает валовая прибыль.
решение:
Лидеры Аптечной розницы последние 3-5 лет активно автоматизируют свое ценообразование и переходят к динамическим моделям ценообразования. Одни аптечные сети внедрили только очень простые виды автоматизации ценообразования на базе правил, другие компании уже используют в ценообразовании системы искусственного интеллекта, непрерывно анализируют спрос и быстро реагируют на его изменения.
В данном кейсе мы предложили клиенту изменить подход к ценообразованию и перейти к Data- driven подходу управлению ценами. В ходе проекта были реализованы следующие задачи:
➜ автоматическая портфельная оптимизация цен алгоритмами с машинным обучением,
➜ кластеризация ассортимента по тестируемому региону с выделением KVI и Backbasket товаров,
➜конкурентное ценообразование,
➜ автоматическое оптимальное позиционирование для KVI
➜ автоматическая портфельная оптимизация цен алгоритмами с машинным обучением,
➜ кластеризация ассортимента по тестируемому региону с выделением KVI и Backbasket товаров,
➜конкурентное ценообразование,
➜ автоматическое оптимальное позиционирование для KVI
Бизнес результат:
Пилот продлился 8 недель: с середины сентября до середины ноября 2020 года. Оборот и количественные продажи в пилотной аптеке росли такими же темпами, как и в прочих аптеках (рост обусловила сезонность и вторая волна "короновируса")
За 8 недель:
Оптимизация ценообразования помогла на 20% увеличить маржинальность продаж, сохраняя при этом оборот.
Сравнение вели со средним уровнем маржинальности за период 6 месяцев до начала пилота.
Сравнение вели со средним уровнем маржинальности за период 6 месяцев до начала пилота.
выводы
Ценообразование — одна из наиболее чувствительных тем для Ритейл компаний. Внедрение изменений требует тщательной проработки и большой осторожности. В каждом проекте есть своя специфика, фокус и особый подход. В Первый Бит Ритейл Консалтинг– это всегда совместная работа с клиентом и создание решения с учетом уникальности и специфики бизнеса клиента.
Проекты по переходу на Data-driven ценообразование актуальны для компаний с разными каналами продаж и разных направлений.
Проекты по переходу на Data-driven ценообразование актуальны для компаний с разными каналами продаж и разных направлений.
Наша команда обладает опытом реализации таких проектов. Мы комплексно подходим к решению задач от методологии и работы с персоналом до получения бизнесом значимых для него результатов.
Ниже указаны достигнутые результаты роста валовой прибыли в разных отраслях:
➜ Аптеки офлайн - 11%
➜ Ювелирные изделия, офлайн + онлайн +25%
➜ Фуд-ритейл, офлайн +5%
➜ Товары для хобби, онлайн +30%
➜ DIY, офлайн + онлайн +10%
➜ Спортивное питание, офлайн + онлайн +34%
Ниже указаны достигнутые результаты роста валовой прибыли в разных отраслях:
➜ Аптеки офлайн - 11%
➜ Ювелирные изделия, офлайн + онлайн +25%
➜ Фуд-ритейл, офлайн +5%
➜ Товары для хобби, онлайн +30%
➜ DIY, офлайн + онлайн +10%
➜ Спортивное питание, офлайн + онлайн +34%
Если вы хотите прочитать подробнее кейсы или посмотреть видео с конференций, а также получить информацию про решение по динамическому ценообразованию Imprice, которое мы предлагаем клиентам переходите на информационный хаб и после авторизации получите доступ к просмотру данных материалов.
Если вы готовы к встрече с нашими экспертами, напишите или позвоните, и мы с удовольствием организуем для вас онлайн встречу.
В данной статье использовались материалы с сайта https://imprice.ru/