Кейс "Алисс" и "Магазин постоянных распродаж"

DIY-гипермаркеты "Алисс" и "Магазин постоянных распродаж" автоматизировали ценообразование и увеличили продажи на 8,7%

"Алисс" (https://alisse.ru/) — торговая сеть DIY-гипермаркетов формата "kill price", "товары по самым низким ценам", успешно развивающаяся в Приволжском федеральном округе с 1991 года. Специализация сети — товары для строительства, ремонта, обустройства дома и дачи; активный ассортимент составляет 14.000 SKU.

Весной 2022 года компания запустила проект автоматизации ценообразования на базе платформы Imprice.

Imprice, менеджеры проекта:

Антон
Шестаков

Вадим
Гуцул

Цели пилота

Антон Шестаков
менеджер проекта Imprice, imprice.ru
Стартовой целью данного клиента была автоматизация процессов ценообразования в компании.

За ценообразование в сети отвечает коммерческий отдел; их задача — формировать цены для 18 магазинов — и собственного бренда, "Алисс", и работающих по двум франшизам: "Галамарт" и "МПР" ("Магазин постоянных распродаж", https://mpr-shop.ru/).
При формировании цен компания учитывает данные мониторинга цен конкурентов.
Ассортимент и формат трех торговых брендов значительно отличаются; это делает задачи ценообразования ещё более трудоемкими.

Главной целью автоматизации было разгрузить сотрудников коммерческого отдела от рутинных операций пересчета цен, освободить их время для работы с ассортиментом и поставщиками. Требовалось перенести процессы формирования цен в автоматические правила ценообразования — и ничего при этом не "сломать", не "уронить" продажи или прибыль.

Во время демонстрации платформы эксперты Imprice предложили более амбициозную цель: рассмотреть динамическое ценообразование как точку роста продаж и оптимизировать цены с помощью алгоритмов с машинным обучением.

Менеджмент компании принял предложение. Решили провести пилотный проект для оценки эффективности такого подхода. Цели пилота сформулировали следующим образом:
● автоматизировать ценообразование в компании,
● получить прирост выручки и прибыли в пилотных магазинах по сравнению с контрольными магазинами.

Детали пилота

В пилоте участвовали четыре магазина:
● два магазина "Алисс" — пилотный и контрольный, с похожей динамикой продаж,
● и два магазина "МПР" ("Магазин постоянных распродаж"), также пилотный и контрольный.

В контрольных магазинах цены по-прежнему формировал коммерческий отдел. В пилотных магазинах под управлением экспертов сети остались только цены промо-ассортимента, составляющего в среднем около 30% оборота; регулярные цены начала автоматически формировать платформа Imprice.

Эксперты сети отслеживали динамику продаж пилотных магазинов и сравнивали её с динамикой в контрольных магазинах.

Пилот шел с мая до сентября 2022 года и включал следующие этапы:

Этап 1. Интеграция Imprice с информационными системами торговой сети.
Настроили:
– Автоматическую загрузку в Imprice данных из ERP и выгрузку из Imprice готовых цен.
– Загрузку в Imprice цен конкурентов. В компании был настроен мониторинг конкурентов для установки цен "под рынок" задолго до пилота; теперь собранные цены конкурентов поступали в Imprice.
Процессы интеграции завершили в июне 2022; далее обмен данными происходил автоматически.
Этап 2. Кластеризация ассортимента каждого из пилотных магазинов.
Для каждого SKU алгоритмы с искусственным интеллектом определили его роль в покупательской корзине, ценовую чувствительность и влияние на продажи других товаров. Получили сегменты:
– Hard KVI.
– Soft KVI.
– Back Basket.
– Long Tail.
– Дополнители.
– "Мелочевка".

Интересные моменты кластеризации:

Момент 1. Размеры сегментов "мелочевка" и "дополнители" оказались существенно больше типовых (по сравнению с другими проектами).
Это связано со специализацией торговых брендов сети на "kill price" ("убойных ценах") и присутствием большого количества "товаров для ремонта и обустройства дома и сада" в ассортименте.

Момент 2. Для DIY-товаров характерна сильно выраженная сезонность.
Алгоритмы с машинным обучением Imprice очень быстро реагируют на изменения спроса; это позволило эффективно учитывать влияние высокого/ низкого сезона в ценообразовании.
В частности, определялись "сезонные KVI": товары, превращающиеся в KVI на период высокого сезона, и вновь переходящие в категорию "обычных товаров" по окончании сезона.

Пример сезонных товаров.
Период пилота включал время, когда потребители делают "заготовки" — консервируют фрукты и овощи на зиму. Высокий сезон "заготовок" существенно изменил характер спроса на стеклянные банки и крышки для них.

Момент 3. Также исследовали степень зависимости продаж каждого товара от промо.
Для SKU с высокой промозависимостью ввели систему специальных автоматических ограничений: регулярная цена такого товара должна была оставаться выше промо-цены не менее, чем на заданный процент.

Этап 3. Запуск автоматического ценообразования.
В середине июля система Imprice начала формировать цены на не-промо ассортимент.

1 - Промо-ценообразование осталось под управлением коммерческого отдела.
Когда товар попадал в промо, его цена автоматически фиксировалась (становилась равной акционной цене) до окончания акции, а затем снова отдавалась под управление платформе.

2 - Часть KVI была ранее известна экспертам компании; для таких KVI собирались цены конкурентов.
Для этого сегмента настроили конкурентное ценообразование на базе правил: платформа Imprice автоматически удерживала цены KVI на заданной позиции относительно конкурентов.

3 - Также во время кластеризации алгоритмы Imprice выявили ряд KVI-позиций, ранее неизвестных ритейлеру. Данные мониторинга для таких позиций отсутствовали.
Для этого сегмента, а также для SKU c не-KVI ролями в покупательской корзине запустили оптимизацию цен алгоритмами искусственного интеллекта.
Алгоритмы искали цены, при которых достигался максимум выручки для одной части SKU и максимум прибыли для других SKU.

4 - Первый этап автоматической оптимизации, исследование спроса при разных уровнях цен, занял 5 недель.
Алгоритмы исследовали спрос в интервале:
[базовая цена -5%; базовая цена +15%],
где "базовая цена" — цена, рассчитанная по матрице наценок компании.

5 - Исследование спроса показало: спрос на значительную долю SKU в пилотных магазинах очень эластичен, и сильно реагирует как на изменение цены самого ритейлера, так и на изменения цен его конкурентов.

Пример SKU с высокоэластичным спросом. Горизонтальная ось — цена, вертикальная ось — объём спроса при соответствующей цене. Скриншот из системы Imprice.
Чтобы увеличить изображение, кликните по нему "мышкой".

6 - По результатам исследования спроса:
– цены значительной части KVI снизились до оптимальных; это положительно повлияло на трафик и продажи,
– цены многих товаров Back Basket поднялись до оптимальных; это позволило компенсировать валовую наценку и увеличивало валовую прибыль.

7 - Часть крупных категорий — например, строительные товары, — выделяли в отдельные сегменты и настраивали для них индивидуальные правила ценообразования, с учетом специфики такой категории.

8 - Ритейлер установил недельные и дневные лимиты по замене ценников в магазинах, чтобы избежать авралов.
Для каждого магазина настраивали индивидуальное расписание замены ценников по дням недели; в среднем объем замены ценников составлял 400-500 штук в день.
Аналитический инструмент Imprice "интеллектуальная очередь" автоматически расставлял приоритеты — какие цены нужно менять в первую очередь, а какие могут подождать, — и отправлял каждому магазину нужное количество ценников в соответствии с расписанием.

Результаты

В конце сентября 2022 года подвели итоги пилота.

По двум пилотным магазинам:

Пилотный магазин "Алисс":

Пилотный магазин
"МПР":

+8,7% рост выручки

+2,9% рост валовой прибыли

+6,6% рост количества уникальных SKU, которые купили хотя бы один раз

+10,5% рост выручки

+1,9% рост валовой прибыли

+6,4% рост выручки

+4% рост валовой прибыли

Динамика выручки пилот-контроль. После окончания исследования спроса с помощью ценовых экспериментов выручка пилотного магазина стабильно превышает выручку контрольного магазина.

Динамика валовой прибыли пилот-контроль. После окончания исследования спроса с помощью ценовых экспериментов валовая прибыль пилотного магазина стабильно превышает валовую прибыль контрольного магазина.

Вадим Гуцул
менеджер проекта Imprice, imprice.ru
Первоначальная цель — автоматизация процессов расчета цен — также была успешно достигнута.
Платформа автоматически и корректно пересчитывает цены в соответствии с внесенными правилами ценообразования, ограничениями и расписаниями. Данные, необходимые для расчетов, автоматически поступают в систему. Интеллектуальная очередь автоматически расставляет приоритеты замены ценников. В заданное время новые цены автоматически отправляются в магазины.

Клиент признал пилот успешным и начал роллаут:
внедрение динамического ценообразования на базе Imprice во всех магазинах сети "Алисс" и в работающих по франшизе магазинах "МПР".

Демодоступ в Imprice