Динамическое ценообразование: Практическое руководство — 2024 для Ритейла и eCom

Поделиться статьёй и обсудить её с коллегами:

В некоторых сферах используют динамическое ценообразование настолько давно, что это стало отраслевым стандартом. Речь о видах бизнеса, где пользование привязано к конкретной дате и времени — туризм, отели, авиаперелеты, железнодорожные и автобусные билеты, конференции, развлекательные мероприятия. В указанных отраслях работают алгоритмы Revenue Management, которые стремятся максимизировать прибыль или выручку в условиях временных ограничений. Основную цель Revenue Management обозначают как "продать нужный продукт нужному покупателю в нужное время по правильной цене и в правильной упаковке". Создатели алгоритмов стремятся выявить воспринимаемую ценность продукта в каждом клиентском сегменте и точно рассчитать согласованные с этой ценностью цены.
При формировании цен такие компании чаще всего оперируют временем покупки и объективной комфортностью предложения. Скидки предоставляются за менее удобное время поездки, низкий сезон, низкокомфортное место или номер, за раннее приобретение и если осталось много свободных мест, а дата реализации уже совсем близко. При позднем приобретении или дефиците стоимость, наоборот, поднимается. Потребители привыкли к такой системе и учитывают её, когда хотят сэкономить: приобретают билеты и жильё заблаговременно, "ловят" горящие путевки и возможности обменять билет, если в последний момент их стоимость падает.

Помимо указанных отраслей, в России есть кейсы внедрения динамического ценообразования в e-commerce, в ритейле, в службах такси и аренды автомобилей, в девелопменте (недвижимости) и даже театрах. За рубежом динамическое ценообразование также используют, например, поставщики электроэнергии.

Разным сегментам клиентов предлагается разная стоимость — в зависимости от особенностей их потребления.
Именно с этим методом чаще всего ассоциируют динамическое ценообразование.

С этим же методом — а точнее, с его несовершенной или не слишком корректной реализацией — связаны большинство цитируемых конфликтов в области динамического ценообразования. Например, история, как Амазон пытался продать товар по более высокой цене постоянному клиенту, и тот случайно узнал, что регулярный прайс, доступный остальным покупателям, гораздо ниже. Или как друзья приобретали авиабилеты, и обнаружили, что пользователь Android видит цену ниже, чем пользователь iOS; аналогичные подозрения возникают у пользователей российских такси (подробнее — в конце статьи). В российском сегменте также публиковали статьи-расследования, рекомендующие покупать билеты и бронировать проживание с помощью режима "инкогнито" в браузере: при стандартном режиме сервисы бронирования начинали предлагать всё более высокую цену при каждом визите, хотя в реальности стоимость не менялась.

Подобные приемы обычно называют "ценовой дискриминацией"; о ней мы поговорим в конце статьи.

Между тем, ценообразование по сегментам клиентов в реальности часто не имеет ничего общего с "дискриминацией" и выгодно практически любой торговой компании: чем лучше ценовое предложение попадает в индивидуальные потребности клиента, тем больше он покупает и тем лояльнее становится к компании, то есть возвращается за повторными покупками.

Расчет индивидуальных цен для каждого сегмента клиентов особенно актуален:

Суть метода:
✓ вы настраиваете автоматический сбор цен конкурентов,
✓ выявляете ключевых конкурентов на каждом рынке, определяете ценовую стратегию на этом рынке,
✓ вносите в систему динамического ценообразования правила формирования цен,
✓ после чего система автоматически корректирует ваши цены до заданной позиции при изменении цен конкурентами.

Например, вы хотите, чтобы цена определенных SKU в вашем магазине всегда была второй минимальной среди ваших конкурентов в определенном городе, - эта задача очень легко решается современными системами динамического ценообразования.

Можно встретить неудачные примеры использования динамического конкурентного ценообразования.
Есть описания курьезов: два конкурента, работавшие на Амазон, использовали динамическое конкурентное ценообразование. У одного работали настройки: стоимость книги должна вычисляться по правилу "стоимость конкурента + 27%". У второго торговца — другое правило: при изменении предложения конкурента стоимость автоматически пересчитывалась и становилась на 1% меньше его актуального прайса. В результате цена книги поднималась, пока не достигла 23.6 миллиона долларов.
Есть также предупреждения об опасности ценовой войны, когда несколько игроков вступают в автоматизированную борьбу за минимальный уровень цен; в итоге падает маржинальность всего рынка.

Однако описанных негативных исходов легко избежать:

✓ В качественных и гибких системах динамического ценообразования в настройках правил есть возможность выставить верхнюю и нижнюю границу допустимой маржинальности; это страхует от продаж в убыток и ошибочно высокой цены.

✓ Стратегия первой минимальной цены очень редко действительно необходима. Даже для KVI-позиций чаще всего достаточно второй минимальной цены; читайте об этом подробнее ЗДЕСЬ . Поэтому к ценовым войнам приводит неверная стратегия и некорректная настройка автоматизированных правил, но не динамическое конкурентное ценообразование само по себе.

Этот метод динамического ценообразования подойдет ритейлерам, работающим в нескольких регионах, и интернет-магазинам с доставкой в несколько городов.

Ставя одинаковую стоимость во всех городах присутствия, торговая сеть или интернет-магазин в большинстве случаев теряет прибыль и продажи. Для большой части SKU или даже для всего ассортимента ситуация в двух разных городах будет существенно отличаться:

Если рассмотреть каждый город как отдельный рынок и устанавливать для него особые цены, учитывающие особенности спроса, предложения, логистики каждого SKU именно в этом городе, то можно быстро увеличить уровень прибыли и продаж.

Самый простой пример регионального динамического ценообразования: интернет-магазин садовой техники стал делать скидки для региональных покупателей, чтобы эффективнее конкурировать с местными магазинами. В итоге региональные продажи стали составлять до 70% от общего объема продаж. Подробности кейса ЗДЕСЬ.

Региональное динамическое ценообразование также называют "зональным": это калька с английского "Zone pricing".

Подробнее о тонкостях реализации и выгодах динамического регионального ценообразования читайте ЗДЕСЬ .

В наши дни цена превратилась в один из главных факторов принятия решения покупателем, в каком именно магазине приобрести необходимый товар:
75% российских респондентов назвали цену ключевым фактором, влияющим на решение о покупке (источник: исследование PwC, 2019, pwc.ru/ru/retail-consumer/publications/gcis-2019-ru.pdf), 90% покупателей утверждают, что покинут магазин, если узнают, что в другом месте товар дешевле.

В то же время стремление продавать абсолютно все SKU дешевле конкурентов — это очевидно провальная стратегия, ведущая к разорению.

Ритейлеры выходят из положения с помощью проверенной десятилетиями стратегии: генерируют трафик и создают ценовой и ассортиментный имидж магазина с помощью KVI-позиций, цены которых в крайних случаях допустимо устанавливать даже ниже себестоимости. Низкую маржинальность KVI компенсируют за счет относительно высокой маржи СТМ (собственных торговых марок), уникальных товаров, популярных SKU с РРЦ, группы Back Basket (она же Long-tail и Background). Про Back Basket подробнее можно прочесть ЗДЕСЬ.

С KVI разобрались, с РРЦ понятно, а какая цена будет оптимальной для остальных SKU ассортимента, Long-tail?

Оптимизировать цены Long-tail можно двумя путями.

Первый путь — с помощью динамического ценообразования на базе правил.
Если у вас "низкая база" — например, ценообразование заключается в фиксированной наценке и распродажах время от времени, — то ценовые эксперименты с помощью гибко настраиваемых правил могут дать впечатляющие результаты. На основе опыта и интуиции специалист по ценообразованию может выделять все новые сегменты и группы товаров, настраивать для них более эффективные правила динамического формирования цены и мониторить результаты, "нащупывая" оптимум. Крайне важно, чтобы система динамического ценообразования обладала высокой гибкостью настроек и давала возможность быстро и точно анализировать результаты. Некоторые примеры важных аналитических отчетов можно посмотреть ЗДЕСЬ.

Плюс метода: психологический комфорт, специалист полностью руководит процессом и спокоен, поскольку всё контролирует.
Минус метода: при этом подходе сложно учитывать все важные нюансы, например, перекрестное влияние SKU внутри категории — каннибализм, заменяющие товары, товары-дополнители.

Второй путь - полностью автоматическое "портфельное" ценообразование с помощью алгоритмов машинного обучения (ML, machine learning), постоянно зондирующих спрос.
Суть метода: алгоритмам задают цель оптимизации, это может быть максимум прибыли или максимум продаж. После этого алгоритмы с машинным обучением с помощью анализа факторов спроса, конкуренции, внутренних данных быстро определяют, сколько покупатели готовы и должны платить магазину, чтобы магазин вышел на свои максимальные показатели. Среди новых товаров со слабыми продажами ML-алгоритмы выявляют SKU, "подозрительные" на завышенную цену, и проводят для них плавное поэтапное снижение цены, пока показатели конверсии не улучшатся. Если цель — увеличение доли рынка и рост продаж, система находит оптимальную цену для данной цели в допустимом интервале, максимально сохраняя при этом маржинальность.

Оптимизацию можно проводить по отдельным SKU или товарным сегментам, но максимальный эффект получается при оптимизации цен товарной категории целиком, всего портфеля товаров, а не отдельных SKU. Такой подход помогает избежать товарной каннибализации внутри категорий и учесть перекрестную эластичность товаров, и это первый плюс ML-алгоритмов.

Второй плюс — алгоритмы искусственного интеллекта помогают выявить ситуации, в которых не работает динамическое конкурентное ценообразование: все игроки рынка установили завышенные с точки зрения покупателей цены. В таких ситуациях алгоритмы помогают вновь запустить остановившиеся продажи при, казалось бы, исчезнувшем спросе.

Третий плюс — современные динамические системы умеют "ловить" кратковременные всплески спроса, вызванные локальным дефицитом товара или непредвиденным ажиотажным спросом, и быстро поднимают стоимость соответствующих товаров на требуемый срок. Пример описан ЗДЕСЬ.

Подробнее о том, как может быть реализовано динамическое ценообразование с алгоритмами искусственного интеллекта на базе спроса, читайте ЗДЕСЬ.

Математические модели, наиболее эффективные для динамической оптимизации цен на сегодняшний день, описаны ЗДЕСЬ.

Если у вашего магазина широкий ассортимент и накопился низкооборачиваемый товарный остаток, динамическое ценообразование поможет в относительно короткий срок вывести низколиквид из ассортимента, "разморозив" значительные активы, максимально сохраняя при этом маржинальность.

Также современные системы динамического ценообразования позволяют быстро определить структуру неликвидов и автоматически предотвращать повторное накопление и закуп низколиквидных позиций.

Подробнее об улучшении оборачиваемости с помощью динамического ценообразования на базе правил читайте ЗДЕСЬ.

Современные магазины и торговые сети активно используют схему партнерских складов.
Это дает массу преимуществ и выгод, однако есть и проблемы:

✓ Часто сложно оперативно выбрать наилучший по текущим условиям склад отгрузки, если товар имеется в ассортименте нескольких партнеров.

✓ Когда товар заканчивается и начинаются отгрузки с другого склада, меняется себестоимость. Если цена при этом остается прежней, уровень маржинальности часто оказывается неудовлетворительным, вплоть до продаж в убыток; это особенно актуально в период акционных предложений.

Динамическое ценообразование, учитывающее товарные остатки при формировании цены, позволяет компании увеличить прибыль в период дефицита товара, поддержать ассортиментную репутацию магазинов ("это правильное место, где я всегда нахожу необходимые мне товары"), предотвратить прямые убытки при смене склада отгрузки и настроить автоматический выбор оптимального партнерского склада для каждого sku.

Подробнее о том, как это работает, читайте ЗДЕСЬ.

Как ритейлеру извлечь конкретные выгоды из динамического ценообразования по временным периодам, читайте ЗДЕСЬ.

Принцип метода: ваши цены меняются в зависимости от времени.
Выявляются периоды, в которые краткосрочное изменение цены увеличивает продажи или прибыль вашей компании.

Наиболее распространенные виды динамического ценообразования по временным периодам в ритейле:

Как ритейлеру извлечь конкретные выгоды из динамического ценообразования по временным периодам, читайте ЗДЕСЬ.

Для реализации этих видов динамического ценообразования не нужны сложные алгоритмы и машинное обучение; просто очень хорошая и гибко настраиваемая автоматизация процессов ценообразования и аналитики.

Наиболее часто упоминаемый класс "сложностей динамического ценообразования" — психологический. Он связан с потребительским негативом и так называемой ценовой дискриминацией.

Ценовая дискриминация - это стратегия ценообразования, когда продавец один и тот же товар продает разным покупателям по отличающейся цене, зависящей от характеристик конкретного покупателя. Когда-то ценники на товарах отсутствовали в принципе; считается, что ценники лишь в 19 веке изобрел Фрэнк Вулворт, американский предприниматель. Стоимость товара в лавке требовалось спросить у продавца, который прикидывал, сколько можно "зарядить" спрашивающему и называл кажущуюся ему подходящей сумму.

Как правило, отличие стоимости вызывает возмущение, если покупатель видит, что ему предложили прайс выше регулярного; это воспринимается как попытка надувательства. Вспомните пример в начале статьи с разной стоимостью билетов для пользователей "айфонов" и "не-айфонов". По рунету гуляет пример, где служба такси установила динамические тарифы в зависимости от района вызова: в районы с преимущественно "богатым" населением вызов такси обходился существенно дороже, что вызывало серьезный негатив у проживающих там "обычных" граждан.

Даже если ваша стратегия предполагает предложение разных цен в зависимости от характеристик покупателя, от большинства конфликтов уберегут принципы:
✓ Более высокую персональную цену желательно оформлять как "базовую".
✓ Более низкую персональную стоимость желательно обосновывать индивидуальной скидкой за определенную характеристику или набор характеристик.
✓ Также более высокая персональная стоимость может существовать и не вызывать возмущения, если ей сопутствуют особые положительные условия либо набор услуг.

Легко заметить, что методы динамического ценообразования, которые описаны в данной статье, не имеют практически ничего общего с "ценовой дискриминацией".
Сохраняйте статью в закладки, изучайте стратегии, внедряйте!