Хотите посмотреть систему изнутри
и понять, насколько она
применима для ваших задач?
С удовольствием проведем демонстрацию:
 
Хотите посмотреть систему изнутри
и понять, насколько она
применима для ваших задач?
С удовольствием проведем демонстрацию:
Сеть магазинов «Амбар»:
пилот по внедрению динамического ценообразования в дальневосточный фуд-ритейл признали успешным
Этот кейс был опубликован на Retail.ru:
ССЫЛКА НА ПУБЛИКАЦИЮ
Кристина Ситало, заместитель директора по маркетингу торговой сети «Амбар», дала интервью Центру корпоративных инноваций Первый БИТ о результатах внедрения динамического ценообразования:
ССЫЛКА НА ВИДЕОИНТЕРВЬЮ
«Амбар» (https://ambar.trade/) — дальневосточная розничная сеть магазинов, насчитывающая 30 магазинов в Хабаровске, Комсомольске-на-Амуре, Владивостоке, Находке и других населенных пунктах в Хабаровском и Приморском краях.

Сеть входит в Дальневосточную группу компаний Farside («Фарсайд»), которая также управляет сетью супермаркетов SPAR Дальний Восток.
Пилот: динамическое ценообразование в тестовом магазине
В августе 2021 года сеть начала внедрять динамическое ценообразование:
запустила пилот в тестовом магазине на базе платформы Imprice.

Платформа стала формировать цены для 90 % ассортимента. Это все SKU, кроме сигарет, фруктов и овощей, хлебобулочных изделий, кулинарии собственного производства и СТМ.
Динамику показателей тестового магазина сравнивали с динамикой контрольного магазина.

Пилот длился два месяца и был признан успешным:
теперь динамическое ценообразование на базе платформы Imprice будет работать во всех магазинах сети «Амбар», а также внедряться в сеть SPAR Дальний Восток.

В данном материале мы не будем касаться метрик проекта (планируем описать оцифрованные бизнес-результаты, когда решение проявит себя на всей сети), однако поделимся некоторыми интересными деталями внедрения.
Внедренные методики ценообразования:
автоматическая кластеризация ассортимента алгоритмами искусственного интеллекта, в том числе автоматическое выявление товаров KVI;
конкурентное ценообразование;
ценообразование с учетом товарных линеек;
интеллектуальное ценообразование (ценами управляют алгоритмы без участия человека);
ценовая аналитика.
Конкурентное ценообразование и товары KVI
Знать все свои товары KVI — важно. Тогда вы можете контролировать:
наличие важных для покупателей SKU (улучшать ассортиментное восприятие своего магазина);
привлекательность цен этих SKU (улучшать ценовое восприятие своего магазина).
Если магазин не знает часть своих KVI, он разочаровывает покупателей. Покупатели понимают, что за определенными товарами в данный магазин ходить нет смысла, и частично или даже полностью переключаются на другие магазины.

Дополнительный вызов: в наши дни список KVI очень динамичный и быстро меняется.

В первую очередь при внедрении динамического ценообразования в компании «Амбар» запустили алгоритмы интеллектуальной кластеризации ассортимента. Эти же алгоритмы стали выявлять товары KVI для тестового магазина.
Четыре интересных момента:

1) Список KVI в «Амбар» — не статичен:
кластеризация запускается и «пересчитывается» каждый месяц (во время пилота — каждые две недели).
Поэтому, если товар перестанет быть KVI или если «обычный» товар превратится в KVI, алгоритмы автоматически скорректируют список.

2) В конце пилота список выявленных hard-KVI уже в 4 раза превышал первоначальный.
Рост списка происходил по мере накопления статистики и обучения алгоритмов.
KVI в Imprice подразделяются на несколько сегментов, в зависимости от степени чувствительности к цене. Наиболее чувствительный сегмент — hard-KVI.
Для каждого из сегментов рекомендуется особая ценовая стратегия.

3) Цены на товары KVI пересчитываются автоматически.
Цена вычисляется по правилам, внесенным в систему Imprice специалистами «Амбар», с учетом цен конкурентов. Используется два источника цен конкурентов: автоматический онлайн-мониторинг (на базе Imprice) и ручной офлайн-мониторинг (силами команды «Амбар»).
Изначально офлайн-мониторинг был заточен под «ручное» ценообразование. Автоматизация конкурентного ценообразования потребовала более высокой скорости сбора и обработки данных. За время пилота команда «Амбара» предприняла серьезные шаги по оптимизации офлайн-мониторинга; теперь офлайн-данные оцифровываются и сводятся в табличный вид автоматически. Однако есть планы оптимизировать офлайн-мониторинг и дальше.

4) Учет «линеек».
В фуд-ритейле существуют «линейки» товаров: когда на полке представлен один и тот же продукт, но с несколькими разными вкусами. Типичный пример — йогурты.
Йогурт с одним вкусом может быть KVI, и на него следует удерживать очень привлекательную по сравнению с конкурентами цену.
Йогурт с другим вкусом может вести себя как back basket — а на такие товары рационально увеличивать наценку, чтобы магазин лучше заработал.
Однако для покупателя это будет выглядеть нелогично: для него это один и тот же товар. Ещё минус ценообразования SKU «линейки» по отдельности: внутри линейки будет происходить каннибализация.
В алгоритмах кластеризации Imprice есть функционал выделения «линеек» и оптимизации ценообразования всей линейки целиком, а не отдельных SKU.
Интеллектуальное ценообразование
Автоматическая кластеризация делит весь ассортимент на сегменты, один из которых — KVI — мы упоминали выше.

Товары относятся к конкретному сегменту согласно набору их «поведенческих характеристик», связям с другими SKU и ценовой чувствительности.
Сегменты с одним типом поведения следует ценообразовывать на базе правил (которые задает и корректирует специалист).
Сегменты с другими типами поведения оптимально отдавать под управление алгоритмам, чтобы те формировали цены самостоятельно.

83% от всех SKU, включенных в пилот, были переданы «интеллектуальному ценообразованию». Решения о том, какая должна быть цена, полностью взяли на себя алгоритмы с машинным обучением Imprice; специалисты «Амбара» и Imprice только мониторили их работу, анализировали результаты и корректировали настройки: ограничения диапазонов цен и стратегии.
Инструмент контроля «товар остался на паллетах или выложен на полки?»
Когда внедряется динамическое ценообразование и цены товаров начинают отличаться от предыдущих значений, объём продаж многих SKU меняется и товары могут заканчиваться преждевременно.

Для подстраховки системы заказа при запуске динамического ценообразования обязательно используется система аналитических отчетов:
Отчеты автоматически формирует платформа Imprice.
Обязательные поля — прогноз продаж каждого SKU по текущей цене (автоматически вычисляют алгоритмы Imprice), остаток данного SKU (автоматически передается в Imprice ERP-системой заказчика) и через сколько дней закончится этот остаток согласно прогнозу.

Описываемый пилот, помимо небольшой корректировки системы заказов, принес дополнительный результат.
Аналитики заметили повторяющиеся ситуации, когда стабильно продающийся товар вдруг переставал продаваться, хотя был на остатках.
Списки таких SKU стали выгружать из Imprice и выяснять вопрос «на местах», с сотрудниками магазина.
Почти в 100% случаев оказалось, что после приемки товар оставили на паллетах. Он не попал на полки и продажи SKU упали до нуля.

Полезность выгрузки списка «SKU с аномально замершими продажами» стала очевидна.
Такую выгрузку удобнее получать автоматически. Поэтому специалисты Imprice быстро разработали специальный отчет «SKU с аномально нулевыми продажами», который ежедневно автоматически высылается аналитику компании «Амбар».

Практика контроля «аномально замерших продаж» сейчас вводится для всех магазинов.