{"id":13455,"url":"\/distributions\/13455\/click?bit=1&hash=8bce2c32fc522b9cfe1ab89089eff75ab558dbec8812c3dda390faecf1c743f2","title":"\u00ab\u0410 \u0442\u044b \u0442\u043e\u0447\u043d\u043e \u0440\u0438\u0435\u043b\u0442\u043e\u0440?\u00bb \u0438 \u0434\u0440\u0443\u0433\u0438\u0435 \u043d\u0435\u043b\u043e\u0432\u043a\u0438\u0435 \u0432\u043e\u043f\u0440\u043e\u0441\u044b \u0431\u0440\u043e\u043a\u0435\u0440\u0443","buttonText":"\u041f\u043e\u043a\u0430\u0436\u0438\u0442\u0435","imageUuid":"ca4cf1a1-a5ed-5aca-9f34-357accc11bb1","isPaidAndBannersEnabled":false}
GlowByte

Пять принципов построения аналитического подхода к ценообразованию

Ценообразование в ритейле является одной из ключевых стратегий управления восприятием магазинов со стороны покупателей и, как следствие, их лояльности к бренду.

За последние два года произошли беспрецедентные изменения в поведении потребителей, покупательских привычках и динамике каналов продаж, которые, вероятно, будут влиять на все категории в ближайшие годы. Понимание динамики рынка и шаблонов поведения покупателей, которое было до COVID-19, вероятно, сейчас менее точное. Компании, которые инвестируют в усиление своих аналитических возможностей за счёт внедрения инструментов поддержки принятия решений на основании данных и аналитики, с гораздо большей вероятностью извлекут выгоду из ценообразования и смогут улучшить свои финансовые показатели.

Исходя из нашего опыта, можно выделить 5 основных принципов, на которых основывается успешный аналитический подход к ценообразованию:

· развитие культуры работы с данными;

· определение факторов, влияющих на спрос и учёт кросс-эффектов;

· аналитическое определение корзин товаров;

· дифференциация цен на основании понимания особенностей локального окружения;

· гибкий agile подход при внедрении.

1. Развитие культуры работы с данными

Наличие доступа к данным и их качество – это определяющий фактор для возможности перехода к аналитическому подходу в ценообразовании. Задача оптимизации регулярных цен требует большое количество данных как из внутренних, так и из внешних источников, таких как:

· продажи и остатки,

· информация изменений цен и промо-акций,

· ценовые мониторинги,

· расширенный набор атрибутов товаров,

· геоданные по магазинам конкурентов и социо-демографические данные по районам расположения магазинов,

· промо активности конкурентов,

· и прочие.

Процесс сбора и накопления данных, наличие этих данных в одном хранилище, их чистота и полнота – это один из ключевых факторов успешности любого аналитического проекта, и оптимизация регулярных цен не является тут исключением. Известный факт, что около 80% работы аналитика приходится на сбор, очистку и подготовку данных, поэтому необходимо чтобы в компании была отдельная стратегия работы с данными и выстроена соответствующая инфраструктура и поддерживающие процессы.

Вывод: необходимо на всех уровнях развивать культуру работы с данными и иметь соответствующую стратегию, поддержанную инфраструктурой и процессами

2. Определение факторов, влияющих на спрос и учёт кросс-эффектов

Следующим шагом после аудита доступных данных и определения стратегии их обогащения является создание прогнозной модели спроса в зависимости от цены на товар. При этом учёт дополнительных факторов спроса может существенно повысить качество модели, следовательно, и эффекта от оптимизации цен. Среди этих факторов можно выделить такие как кросс-эффекты, частота промо, открытие и закрытие магазинов конкурентов, погода и другие. Оценить влияние факторов на спрос поможет последовательное включение их в модель прогнозирования и анализ изменения точности на ретро-периоде.

Из всех дополнительных факторов, в первую очередь стоит обратить внимание на кросс-эффекты – канибализация продаж одних товаров другими и гало-эффект, когда спрос на одни товары увеличивает спрос на другие. Подход к оценке кросс-эффектов состоит в выделении схожих товаров с точки зрения закрытия определённых потребностей покупателей, которые формируют так называемые единицы потребности, и оценить степень взаимного влияния на продажи товаров внутри и между такими группами.

Вывод: учёт дополнительных факторов, влияющих на спрос, и особенно кросс-эффектов существенно улучшает качество модели прогнозирование и, как следствие, эффекта от оптимизации цен.

3. Аналитическое определение корзин товаров

После создания прогнозной модели с учётом дополнительных факторов необходимо разбить все товары на несколько корзин, в базовом варианте на две корзины:

· товары KVI для управления ценовым восприятием покупателей на базе конкурентного ценообразования и увеличения трафика и выручки,

· товары BackBasket для оптимизации цен на основании модели спроса и максимизации прибыли.

Основная задача при определении списка товаров KVI — это минимизация таких товаров при сохранении целевого ценового восприятия магазинов со стороны покупателей, что позволяет снизить инвестиции в цены и повысить валовую прибыль.

По нашему опыту, аналитическое определение товаров KVI имеет преимущество перед экспертным подходом, так как возможен учёт большого количества факторов и неочевидных зависимостей. Набор факторов при оценке критерия-KVI должен учитывать интересы клиентов, компании и реакции конкурентов. Например: доля выручки, доля продаж по картам лояльности, частота покупок, количество конкурентов у которых есть данный товар в ассортименте и другие. Часто, использование аналитики позволяет сократить список товаров KVI на 10–20%.

Вывод: использование аналитики позволяет сократить список товаров KVI, уменьшить инвестиции цены и увеличить валовую прибыль.

4. Дифференциация цен на основании понимания особенностей локального окружения

Когда корзины товаров определены, важно оценить наличие локальных особенностей спроса и степени влияния конкурентного окружения, так как они могут существенно отличаться даже в рамках одного города.

Наличие локальных особенностей позволяет увеличивать прибыль за счёт реализации стратегии ценовой дифференциации:

· формирование локальных списков товаров KVI и BackBasket,

· группировка магазинов в различные кластера в зависимости от степени конкурентного окружения и готовности покупателей платить.

Формирование локальных списков товаров KVI позволяет более эффективно управлять инвестициями в цены, использовать для одних и тех же товаров разные стратегии ценообразования от цен конкурентов или по модели спроса для разных магазинов.

Кластеризация магазинов по степени конкурентного окружения и готовности покупателя платить позволяет не держать излишне низкие цены там, где в этом нет необходимости — низкая степень конкурентного влияния и невысокая чувствительность покупателей к изменению цен.

При анализе конкурентного окружения важно оценивать степень влияния данного конкурента на продажи в нашем магазине и его удалённость. При этом аналитика позволяет уйти от экспертного суждения и использовать исторические данные продаж и информации об открытии/закрытии магазинов конкурентов для оценки степени их влияния на наши продажи. При этом желателен учёт такого влияния на уровне отельных товарных категорий, а не всего магазина в целом. Так зачастую конкуренты имеет разную степень влияния на продажи в разных категориях.

Анализ чувствительности покупателей к цене должен включать такие показатели: долю продаж в низком ценовом сегменте, доля продаж сегмента покупателей «чувствительных к цене», информацию по социально-демографическому окружению магазина, дополнительные внешние данные, при их наличии, по особенностям трат потребителей.

Вывод: анализ локальных особенностей спроса и степени конкурентного окружения позволяет увеличить финансовые показатели за счёт реализации стратегии ценовой дифференциации

5. Гибкий agile подход при внедрении

Последним по списку, но не последним по значимости, является принцип быстрого получения результатов и постепенного наращивания сложности аналитических моделей.

Одна из главных причин, почему проекты по внедрению аналитических решений бывают не успешными, – это отсутствие принятия и веры в рекомендации со стороны бизнес-пользователей. Особенно это актуально для моделей машинного обучения, которые являются нелинейными по своей природе, их результаты очень сложно трактовать и разложить на понятные бизнесу факторы. Лучше начинать с более простых, возможно, линейных моделей, которые уже дадут достаточный результат для защиты бизнес-кейса, но их результаты будут понятны бизнес-пользователям, и они охотнее будут доверять соответствующим рекомендациям. Со временем, когда доверие пользователей вырастет, можно будет переходить к более сложным моделям, которые позволят еще улучшить ключевые финансовые показатели.

Такой поэтапный подход также позволяет быстрее получать практические результаты от аналитики, так называемые «быстрые победы», и легче обосновывать инвестиции в аналитические инструменты.

Вывод: применяйте поэтапный и гибкий подход: проектируйте, создавайте и тестируйте аналитические инструменты с постепенным наращиванием сложности. Постоянно измеряйте влияние на ключевые показатели, чтобы обеспечить корректировку приоритетов в режиме реального времени

Заключение

Ценообразование в ритейле является одной из ключевых стратегий управления восприятием магазинов со стороны покупателей, при этом количество влияющих факторов на спрос покупателей и общая неопределённость окружения только увеличивается. Бизнес-экспертизы менеджеров уже становится недостаточно и компании, которые инвестируют в усиление своих аналитических возможностей за счёт внедрения инструментов поддержки принятия решений на основании данных и аналитики, с большей вероятностью извлекут выгоду из ценообразования и смогут улучшить свои финансовые показатели.

0
Комментарии
Читать все 0 комментариев
null