Хотите посмотреть систему изнутри
и понять, насколько она
применима для ваших задач?
и понять, насколько она
применима для ваших задач?
С удовольствием проведем демонстрацию:
Хотите посмотреть систему изнутри
и понять, насколько она
применима для ваших задач?
и понять, насколько она
применима для ваших задач?
С удовольствием проведем демонстрацию:
Динамическое ценообразование для сети "Айгуль": как локальная розница в Якутии укрепляет позиции в тесной конкуренции с федеральными сетями
Компания "Айгуль" (https://aigul.ru/) - одна из крупнейших и динамично развивающихся ритейлерских сетей на рынке продовольственной торговли Якутии. Сеть является по-настоящему историческим лидером региона, берёт своё начало в 1993 году и на сегодняшний день насчитывает более 30 магазинов в городах Якутск, Нерюнгри и Алдан.
Местное население знает и любит магазины сети благодаря качественному ассортименту, локальным продуктам и доступным ценам, которые компания старается сохранять для своих покупателей на протяжении уже более 30-ти лет.
Местное население знает и любит магазины сети благодаря качественному ассортименту, локальным продуктам и доступным ценам, которые компания старается сохранять для своих покупателей на протяжении уже более 30-ти лет.
Предпосылки проекта:
сохранить динамику трафика и увеличить валовую прибыль
сохранить динамику трафика и увеличить валовую прибыль
За последние годы конкуренция на рынке Якутии заметно усилилась: в 2024 году в регион вышли федеральные сети "Пятёрочка" и "Бристоль", а на 2025 год запланирован выход "Магнита". Покупатель становится всё более требовательным к уровню цен и наличию нужного ассортимента, а специфика холодных сезонов в регионе (сильные морозы, сезонная концентрация спроса в ближайших магазинах) требует своевременной реакции на колебания спроса.
Несмотря на уже внедренные инструменты, сформированное годами эффективное ценообразование и частичную автоматизацию, руководство "Айгуль" понимало, что для дальнейшего роста необходимо двигаться к инновациям и внедрять более гибкую систему, способную учитывать особенности региона и оперативно реагировать на изменения. Так родилась идея протестировать систему динамического ценообразования.
Несмотря на уже внедренные инструменты, сформированное годами эффективное ценообразование и частичную автоматизацию, руководство "Айгуль" понимало, что для дальнейшего роста необходимо двигаться к инновациям и внедрять более гибкую систему, способную учитывать особенности региона и оперативно реагировать на изменения. Так родилась идея протестировать систему динамического ценообразования.
Почему выбрали Imprice
Выбор на Imprice пал по нескольким причинам: у нашей команды успешный опыт работы с продуктовой розницей, в том числе на локальных рынках, и гибкие алгоритмы платформы, которые позволяют учитывать сложные региональные факторы.
"Когда мы приняли решение пойти в пилотный проект и проверить эффективность динамического ценообразования, для нас было важно найти партнера, который сможет понять специфику региона и усилить нас опытом и технической экспертизой. С Imprice мы увидели гибкий подход: не "однотипное" решение, а адаптация алгоритмов к локальным особенностям, умение учитывать сезонность, конкуренцию и структуру ассортимента."
Екатерина Худайбердина,
руководитель департамента ценообразования сети "Айгуль"
руководитель департамента ценообразования сети "Айгуль"
Пилот №1:
первый тест и технические выводы
первый тест и технические выводы
Первый пилот Imprice в "Айгуль" стартовал в апреле 2024 года в одном из магазинов сети. Перед нашей с клиентом командой стояла задача понять, как алгоритмы динамического ценообразования повлияют на продажи, трафик и динамику покупок.
На этапе дизайна эксперимента мы не могли учесть все факторы влияния сложных региональных условий, но в ходе пилота определили все технические нюансы, получили бесценный опыт (за что очень благодарны сети "Айгуль") и показали позитивную динамику выручки, которая стала сигналом к расширению эксперимента.
На этапе дизайна эксперимента мы не могли учесть все факторы влияния сложных региональных условий, но в ходе пилота определили все технические нюансы, получили бесценный опыт (за что очень благодарны сети "Айгуль") и показали позитивную динамику выручки, которая стала сигналом к расширению эксперимента.
Пилот №2: расширение на несколько городов и углубленная проверка гипотезы
Во втором пилоте, проходившем осенью 2024 года, участвовали уже несколько магазинов сети "Айгуль" в разных городах региона. На этом этапе мы учли выводы первого теста и зафиксировали целевую метрику по желаемому приросту.
Цели и метрики:
Реализованные механики:
✓ Рост валовой прибыли пилотной группы на 5% по отношению к контрольной группе при сохранении динамики чеков и выручки
✓ Увеличение маржинальности при сохранении товарооборота и трафика
✓ Увеличение маржинальности при сохранении товарооборота и трафика
В рамках пилота для достижения качественного результата нашей командой было реализовано сразу 10 механик ценообразования:
✓ Автокоррекция под конкурентов с учетом региональных различий.
✓ Разделение ассортимента на корзины с учетом роли товаров: KVI, BackBasket, Longtail
✓ Оптимизация цен с учетом роли товаров в ассортименте. Для KVI - максимизация выручки при сохранении динамики продаж в штуках. Для Backbasket - максимизация валовой прибыли и т.д.
✓ Расчеты базовых цен на основе исторической наценки с учетом промо.
✓ Установка матричных цен для редко и плохо продающихся товаров.
✓ Оперативный расчет итоговых цен в течение дня при изменении закупочных цен.
✓ Учет ограничений замены ценников на полках с помощью интеллектуальной очереди цен.
✓ Ценообразование по линейке для аналогичных товаров.
✓ Правила волатильности, в том числе правила для отдельных групп KVI-товаров.
✓ Индивидуальное ценообразования для весовых товаров.
✓ Разделение ассортимента на корзины с учетом роли товаров: KVI, BackBasket, Longtail
✓ Оптимизация цен с учетом роли товаров в ассортименте. Для KVI - максимизация выручки при сохранении динамики продаж в штуках. Для Backbasket - максимизация валовой прибыли и т.д.
✓ Расчеты базовых цен на основе исторической наценки с учетом промо.
✓ Установка матричных цен для редко и плохо продающихся товаров.
✓ Оперативный расчет итоговых цен в течение дня при изменении закупочных цен.
✓ Учет ограничений замены ценников на полках с помощью интеллектуальной очереди цен.
✓ Ценообразование по линейке для аналогичных товаров.
✓ Правила волатильности, в том числе правила для отдельных групп KVI-товаров.
✓ Индивидуальное ценообразования для весовых товаров.
Результаты пилота по регионам
Алдан
По результатам пилота тестовый магазин в городе Алдан показал рост валовой прибыли на 9,8%, выручки на 8,6% и количества чеков на 2,7%. Сравнение проводилось с контрольным магазином относительно медианы с начала 24-го года и до старта пилота.
Посмотрим сравнительную динамику пилотного и контрольного магазинов по валовой прибыли.
Посмотрим сравнительную динамику пилотного и контрольного магазинов по валовой прибыли.
На верхнем графике приведена динамика по валовой прибыли в пилотном магазине Imprice (“тест”) и в контрольном магазине (“контроль”), пунктирной линией обозначены медианы магазинов по показателю в пределах года.
В рамках периода пилота с сентября по декабрь видно, что при сохранении динамики относительно медианы контрольного магазина, тестовый магазин показал заметный рост и вышел на уровень исторически более высокой медианы “контроля”.
На втором графике для наглядности приведена динамика по валовой прибыли магазинов относительно начала пилота в процентном соотношении. Нулевая отметка - показатель магазина по валовой прибыли на момент начала пилота. Точка отсчета берет начало чуть ранее обозначенного на графике периода пилотирования, поскольку стартовые показатели фиксируются на подготовительном этапе каждого пилота.
В рамках периода пилота с сентября по декабрь видно, что при сохранении динамики относительно медианы контрольного магазина, тестовый магазин показал заметный рост и вышел на уровень исторически более высокой медианы “контроля”.
На втором графике для наглядности приведена динамика по валовой прибыли магазинов относительно начала пилота в процентном соотношении. Нулевая отметка - показатель магазина по валовой прибыли на момент начала пилота. Точка отсчета берет начало чуть ранее обозначенного на графике периода пилотирования, поскольку стартовые показатели фиксируются на подготовительном этапе каждого пилота.
По валовой прибыли тестовый магазин в Алдане достиг целевых показателей, теперь посмотрим, как менялась динамика выручки и чеков.
Сравниваем также с медианами пары магазинов с начала 24-го года. По выручке видим восходящий тренд тестового магазина во второй половине пилота, а по количеству чеков - сохранение динамики с небольшим приростом. При этом в контрольном магазине в периоде по чекам несущественный, но спад.
Нерюнгри
Пилотный магазин в городе Нерюнгри также успешно достиг целевых показателей. По сравнению с медианой показал рост валовой прибыли на 10,6% и рост выручки на 9,8% при сохранении динамики по количеству чеков.
Сравнительная динамика показателей пилотного и контрольного магазинов по аналогии с Алданом:
Сравнительная динамика показателей пилотного и контрольного магазинов по аналогии с Алданом:
Результаты: пример по товарам
Молоко "Фермерское подворье" 1л:
в тестовом магазине валовая прибыль по сравнению с медианой увеличилась на 67%, средняя цена продажи выросла на 13%. В контрольном магазине прибыль тоже выросла, но в два раза меньше, чем в тестовом, цена при этом не менялась.
в тестовом магазине валовая прибыль по сравнению с медианой увеличилась на 67%, средняя цена продажи выросла на 13%. В контрольном магазине прибыль тоже выросла, но в два раза меньше, чем в тестовом, цена при этом не менялась.
На верхнем графике мы видим, как система экспериментировала в тестовом магазине с уровнем цены. После исследования чувствительности спроса на первом месяце далее пошло планомерное увеличение цены с отслеживанием влияния на количество продаж.
На втором графике корреляция - как только при увеличении цены продажи в штуках пошли на спад и достигли стартового показателя, система начала снижение цены до оптимального уровня. И далее, за пределами пилота, виден восходящий тренд продаж в штуках при оптимизации уровня цены. Здесь Imprice решает задачу - “нащупать” оптимальную цену на товар, при которой маржинальность будет выше с сохранением трафика продаж.
Важно уточнить, что ML-оптимизатор в рамках эксперимента тестирует разные ценовые диапазоны, но в конечном итоге стремится прийти не к завышенной, а к “справедливой” цене — такой, при которой покупатели сохранят лояльность к сети. Этой же цели придерживается и интеллектуальная очередь: она ограничивает количество ежедневных переоценок, чтобы избежать негативного влияния частых изменений цен.
На втором графике корреляция - как только при увеличении цены продажи в штуках пошли на спад и достигли стартового показателя, система начала снижение цены до оптимального уровня. И далее, за пределами пилота, виден восходящий тренд продаж в штуках при оптимизации уровня цены. Здесь Imprice решает задачу - “нащупать” оптимальную цену на товар, при которой маржинальность будет выше с сохранением трафика продаж.
Важно уточнить, что ML-оптимизатор в рамках эксперимента тестирует разные ценовые диапазоны, но в конечном итоге стремится прийти не к завышенной, а к “справедливой” цене — такой, при которой покупатели сохранят лояльность к сети. Этой же цели придерживается и интеллектуальная очередь: она ограничивает количество ежедневных переоценок, чтобы избежать негативного влияния частых изменений цен.
Подробнее рассмотрим, что происходило с ценой и продажами в штуках в рамках эксперимента. Динамика приведена в процентах относительно показателей на момент начала пилота:
Масштабирование на всю сеть
Получив положительные результаты в ходе второго пилота, руководство "Айгуль" приняло решение о масштабировании системы Imprice на все магазины сети.
"Динамическое ценообразование — это не просто очередной тренд, а важный шаг для современной розницы, особенно в условиях конкуренции с федеральными сетями. Когда мы в "Айгуль" решили автоматизировать ценообразование, нам нужен был партнер, который предложит гибкий подход — нечто большее, чем простые автоматические механики ценообразования. Команда Imprice показала потенциал технологии в первом пилотном проекте, а на втором пилоте подтвердила, что такой подход действительно работает: мы видим упрощение процессов и укрепление наших позиций на рынке. Результаты подтвердили, что мы сделали правильный выбор и создали надежный фундамент для дальнейшего развития."
Флида Габбасова, владелец сети "Айгуль"
"Проект с сетью "Айгуль" стал для нас ценной возможностью проверить эффективность динамического ценообразования в региональных условиях. Мы глубже изучили особенности локальных рынков и убедились, что адаптация стратегий под местную сезонность и конкурентную среду может дать ощутимый эффект. Этот кейс еще раз подтвердил: отход от прямых механик ценообразования в пользу гибких алгоритмов не только повышает прибыльность, но и делает управление ценами стратегически точным."
Антон Шестаков, менеджер проекта Imprice