Большинство розничных ритейлеров удерживают своих клиентов за счет лучшего ценового предложения. В зависимости от формата магазина: дискаунтер, магазин у дома, гипермаркет и т.д. задача по лучшей цене может стоять как по 20%, так и по 60% товарных групп. Но достичь этого можно только за счет постоянной проверки стоимости товаров у конкурентов. При этом, если мы говорим про крупные розничные сети, они уже используют автоматизированные системы мониторинга конкурентов и динамическое ценообразование на основе искусственного интеллекта. В такой ситуации очень важно не жертвовать прибылью ради ценового первенство.

Imprice помогает получать информацию о ценах и выявлять ключевого конкурента в той или иной категории. Опыт работы с несколькими ритейлерами показал, что не всегда стратегия лидерства по цене выгоднее. Во многих случаях товары со второй или третьей ценой продавались также как и с первой, при этом приносили больше прибыли. Машинное обучение помогает легко настроить управление стоимостью, чтобы какая-то группа товаров была второй, третьей или даже четвертой минимальной ценой среди конкурентов в определенном городе. А другие группы могут лидировать. В результате получится наглядно сравнить какая из стратегий приносит больше прибыли и выбрать максимально эффективную комбинацию.

Подробнее о конкурентном ценообразовании с Imprice

Розничные магазины одной сети даже в одном городе в зависимости от места расположения находятся в разных условиях конкуренции и проходимости. Особенно это актуально для форматов "Магазин у дома", "Семейный" и т.д. В каких-то случаях они располагаются дверь в дверь с конкурентами, а других наоборот в радиусе двух километров больше никого нет. Если рассматривать каждый магазин в контексте отдельного рынка конкуренции, то ценообразование по каждому из них будет разным. Но такой подход ресурсозатратный, если использовать работу людей. Программное обеспечение может это делать без дополнительных затрат.

Принцип определения цены в зависимости от локации легко масштабируется до разных подходов к определению стоимости в разных городах. В разных регионах один и тот же товар может быть представлен у всех продавцов, а может быть и в дефиците. Поэтому продавая товар во всех регионах по одной цене ритейлер точно теряет в прибыли. Это одинаково работает и в розничных точках, и в интернет-магазинах.

Получить кейс магазина садовой техники

Можно верить в существование товаров, по которым покупатели определяют стоимость всего в магазине, а можно нет. При этом многие ритейлеры тщательно следят за стоимостью таких товаров у конкурентов и стараются менять цены у себя почти каждый день. Товары первой цены могут продаваться ниже себестоимости, чтобы таким образом продвигать магазин.

Мониторинг цен на товары повышенного спроса в офлайн рознице проводят вручную: нужно обойти интересующие магазины и зафиксировать цены. Использование систем, которые позволяют распознавать цену с фотографии, убыстряет процесс, не отменяет необходимости идти к конкурентам.

Пандемия коронавируса в 2020 году изменила вывела большинство цен розничных магазинов в онлайн. Интернет-продажи и спрос на них сильно выросли и продолжают движение вверх. Во многих городах вошли в обиход сервисы по доставке товаров из магазинов на дом. Совокупность этих факторов позволяет проверять цены конкурентов ежедневно на основании данных в интернете. Это сокращает затраты на ручной мониторинг, защищает от человеческого фактора и позволяет быстро получать данные об изменениях цен. Машинное обучение позволяет выявлять товары-индикаторы и ключевых конкурентов по параметрам существующего и исторического спроса и корректировать цену на них с учетом истории работы и текущей ситуации.

Получить пример алгоритма выявления ключевого конкурента

Вопрос о том, что произойдет, если увеличить стоимость на 1% должен быть актуальным для всех ритейлеров. Ситуации, когда клиенты не замечают изменения на 1-2%, а на прибыльности это сказывается ощутимо вполне реальны. При этом нужно не перейти грань, чтобы клиент "не обиделся".

При работе по фиксированной наценке и распродажах время от времени можно увеличить прибыль экспериментируя со стоимостью товаров. Работает это так: специалист по ценообразованию выделяет новые сегменты и группы товаров на основании своего опыта и интуиции и настраивает для них правила формирования цены. Программное обеспечение позволяет точно мониторить и анализировать результаты, что очень важно. Если система ценообразования обладает высокой гибкостью настроек, получится, "нащупать" оптимум по прибыльности.

Более смелый, а скорее непривычный ход – доверить портфельное ценообразование машинным алгоритмам. В этом случае искусственный интеллект постоянно зондирует спрос, анализирует исторические данные, мониторит конкурентов и ставит эксперименты по изменению цены сам. Целями эксперимента могут быть: максимум прибыли или максимум продаж. При правильных настройка результат выходит лучше, чем у человека просто за счет быстрой обработки большого объема данных.

Подробнее о рабе искусственного интеллекта с ценообразованием на базе спроса

Распродажи помогают избавиться от неликвида. Два ритейлера в одинаковых ситуациях действовали по разному. Первый решил назначить скидку на залежавшийся товар в 70% от первоначальной цены. Второй сделал несколько градаций: 20%, 30%, 50% и 70% в зависимости от срока нахождения товара на складе. Максимальная скидка потребовалась только для 15% всего неликвида. Остальное было раскуплено по более высокой цене. Первый ритейлер потерял прибыль с 85% товара.

Пример хоть и из жизни, но нужен для гипертрофирования ситуации. Если всё свести к изменениям уровня скидок до 0,5%, 1%, 2% и не на 85% товаров, а на 3%, 5%, 10% картинка усложняется. Но прибыль такая работа тоже приносит. Машинное обучение помогает отслеживать уровень скидки на неликвид даже в доли процента и находить оптимум для максимизации прибыли по каждому SKU.

Подробнее об улучшении оборачиваемости

Работа с партнерскими складами дает много преимуществ, но привносит и дополнительные сложности:

• при частой смене ассортимента у разных партнеров тяжело выбрать оптимальные склад для текущей отгрузки;
  
• себестоимость товара меняется, когда он заканчивается на одном складе и начинаются отгрузки с другого, если розничная цена остается неизменной, маржинальность может приближаться к нулю.
  

Динамическое ценообразование с машинным обучением позволяет формировать цену так, чтобы увеличивать прибыль в период дефицита товара. В то же время это поддерживает ассортиментную репутацию магазинов: "это правильное место, где я всегда нахожу необходимые мне товары". А управление ценой в реальном времени позволяет предотвратить прямые убытки при смене склада отгрузки и настроить автоматический выбор оптимального партнерского склада для каждого SKU.

Подробнее о ценообразовании по товарным остаткам

Распространенные варианты управления ценной, привязанной к временному периоду: распродажи, акционные мероприятия, черные пятницы, договоренности с поставщиками о хорошей цене, но только в определенный период и т.д. Работа в этом направлении ведется почти во всех ритейлерах. Результативность сильно зависит от того, насколько этот процесс автоматизирован и система управления позволяет учитывать аналитические данные и оперативно анализировать результативность. В противном случае такие мероприятия требует много ресурсов и могут приносить сомнительный результат.


Подробнее про автоматизированную систему контроля распродаж