Непрозрачность - типовая проблема ценообразования в большинстве компаний:

1 - Сложно оценить эффективность ценообразования - в целом, по конкретным товарным группам, по конкретным брендам, по конкретному региону.

2 - Сложно найти точки роста.

3 - Сложно проводить ценовые эксперименты.

4 - Большинство решений приходится принимать интуитивно.

Пример.

Специалист по ценообразованию выявил потенциальную точку роста: данные говорили, что при изменении цен определенным образом выручка и валовая прибыль могут вырасти. Он запустил проверку гипотезы:
– в тестовом магазине (магазинах) установил цены по новым правилам,
– результаты тестового магазина начал сравнивать с результатами контрольного магазина.
(принципы выбора контрольного магазина описаны ЗДЕСЬ ).

Целевые показатели — выручка и валовая прибыль, год к году, — в тестовом магазине оказались выше чем в пилотном.
Было принято решение установить новые правила для расчета цен во всех магазинах кластера.

В реальности, специалист по ценообразованию неверно оценил результаты эксперимента, так как не отслеживал динамику "out of stock" в тестовом и контрольном магазине.
"Новые цены" были менее эффективны, чем "старые", — то есть вели к небольшому снижению продаж.
Но в контрольном магазине в период проверки гипотезы "сломался автозаказ". В результате многие товары отсутствовали в контрольном магазине и его продажи "рухнули". В тестовом магазине все товары были в наличии, и продажи снизились менее значительно, не смотря на неоптимальные цены.

Потоварное сравнение с другим магазином, помимо задач, описанных выше, позволяет понять, не выбрали ли мы для сравнения магазины с значительно отличающимся ассортиментом.

Ряд клиентов Imprice использует данный отчет для дополнительной оценки качества автозаказа.

Например, товары из сегментов Hard KVI и Soft KVI должны быть всегда в наличии.
Клиент формирует отчет только для товаров KVI, и проверяет, соблюдается ли это правило.

Пример.
Колбаса и сыр часто соседствуют в чеках. Логично выкладывать их рядом друг с другом.

Пример.
Для Hard KVI установлено нижнее ограничение наценки: она должна быть не ниже 15%.
Аналитик заходит в отчет "Пересечения товаров в заказах" и видит, что данный KVI генерирует продажи большого количества высокомаржинальных товаров. Следовательно, рационально проверить гипотезу:
Возможно, снижение нижнего порога наценки с 15 до 10% для данного Hard KVI приведет к дополнительному росту продаж высокомаржинальных товаров. То есть небольшое снижение маржинальности KVI перекроется значительным приростом валовой прибыли от продажи других товаров.

Пример.
По результатам кластеризации алгоритмы с искусственным интеллектом определили, что огурец — это Hard KVI, то есть товар, цену которого потребители помнят, сравнивают с ценой конкурентов, и идут в магазин, предлагающий самую низкую цену (в крайнем случае — вторую минимальную цену среди всех конкурентов).

Аналитик заходит в отчет "Пересечения товаров в заказах" и видит, что средний чек, включающий огурцы, составляет 1700 рублей (из них валовая прибыль 450 рублей). В среднем, чек с огурцами содержит 16 наименований товаров.

Теперь, если категорийный менеджер на основе интуиции предложит повысить цену на огурцы, аналитик сможет это предотвратить с помощью аргументов из отчета:
От огурца зависит 1700 рублей выручки. Завысив цену на огурец, мы "отправим" к конкурентам значительную часть покупателей огурцов, теряя на каждом 1700 рублей выручки за несколько дней.

Пример 1.
Отчет "Низкомаржинальные товары" показал, что уровень наценки у ряда товаров ниже заданной величины.
Аналитик по ценообразованию начал выяснять причины. Оказалось, что эти товары пришли в составе новой партии, с более высокой себестоимостью. Новую себестоимость внесли в ERP задним числом, на следующий день после поступления. В результате данные SKU целый день продавались по заниженной цене.
Данная проблема носила систематический характер: внесение себестоимости задним числом оказалось стандартным элементом процесса, и торговая сеть регулярно теряла деньги по этой причине. Отчет "Низкомаржинальные товары" помог выявить "сбой" — это помогло исправить процесс и устранить проблему в короткие сроки.

Пример 2.
Торговая сеть настроила график переоценки так, что цены пересчитывались раз в три дня.
С помощью отчета "Низкомаржинальные товары" аналитик увидел, что в дни "без переоценок" регулярно приходят новые партии товара с новой себестоимостью. При этом цена с учетом новой себестоимости пересчитывалась только через 1-2 дня; это влекло убытки.
Аналитик изменил график пересчета цен таким образом, чтобы цена для новых партий пересчитывалась в день поступления.

Пример 3.
Магазин установил в правиле конкурентного ценообразования для ряда товаров нижнее ограничение маржи = 1%.
Конкуренты резко снизили цену (вполне вероятно — ошибочно); цены соответствующих SKU магазина снизились до нижней границы = себестоимость + 1% наценки. Эти SKU попали в отчет "Низкомаржинальные товары".
Магазин понял, что такие продажи для него нерентабельны, и поднял нижнюю границу маржинальности до 5%.

Самый частый случай использования отчета:
проверка гипотезы "наши цены стали выглядеть непривлекательно на фоне рынка" при снижении продаж .

Если ценовые индексы не изменились, значит, причина падения продаж в чем-то другом.

В первую очередь, рекомендуется обращать внимание на изменение индексов по топ-конкурентам, по той категории или бренду, в которых произошло падение продаж, и по сегментам с SKU, генерирующими трафик: Hard KVI и Soft KVI.