Кейс ТС ЕВРОПА 2023

Сентябрь 2022 - февраль 2023 в FMCG сети:
cтабильный рост
покупательского трафика и валовой прибыли

с помощью динамического ценообразования

Торговая сеть "Европа" (https://europa-ts.ru/)— крупная сеть, работающая в Центральном федеральном округе:

● 29 лет на рынке. 1994 — год основания. Первый супермаркет «Европа» был открыт в 1997 году
● 47 торговых объектов в Липецкой, Белгородской, Орловской, Брянской, Рязанской, Воронежской, Тамбовской и Курской областях
● 6,000+ сотрудников
● 35,000 SKU, 1700 наименований СТМ
● Собственное производство: 35 цехов, ежедневный выпуск продукции составляет более 90 тонн.

Пилоты динамического ценообразования
и переход к роллауту

В марте 2022 года компания завершила серию пилотов динамического ценообразования в двух магазинах разных форматов — гипермаркете и супермаркете.

Во время пилотов система динамического ценообразования Imprice:
● выявляла роль каждого товара в продажах с помощью алгоритмов с искусственным интеллектом,
● автоматически управляла ценообразованием ряда товарных категорий. Работало конкурентное ценообразование на базе правил и интеллектуальное ценообразование на базе машинного обучения.

Пилоты признали успешными и перешли к роллауту — запуску динамического ценообразования в других магазинах сети.

Полный рассказ о пилотах: ЧИТАТЬ
Принципы интеллектуального ценообразования и аналитики: ИЗУЧИТЬ

В апреле-мае 2022 года компания увеличила количество товарных категорий, ценами которых управляла платформа Imprice.

Цены части категорий и промо-цены в тестовых магазинах продолжила формировать команда ритейлера.

Примеры таких категорий:
● сигареты (причина — акциз),
● готовые блюда собственного производства (причина — крайне сложно формализовать расчет себестоимости для автоматизации),
● свежие фрукты и овощи (причина — экспертная визуальная оценка качества каждой партии).

Результаты после роллаута

После перехода к роллауту, ТС "Европа" продолжила измерять эффект от динамических цен.
Для этого среди магазинов, в которых работало динамическое ценообразование, выбрали 4 тестовых.
К каждому тестовому магазину подобрали в пару контрольный магазин, с максимально похожей динамикой продаж и соответствием других параметров (принципы выбора магазинов "тест-контроль" описаны здесь ЗДЕСЬ ):
✓ В тестовых магазинах работало динамическое ценообразование Imprice.
✓ В контрольных магазинах цены формировали без использования платформы Imprice.
✓ Эффективность динамического ценообразования вычисляли, сравнивая LFL (прирост показателя по сравнению с предыдущим годом) тестовых и контрольных магазинов.

Результаты тестовых магазинов за полгода (сентябрь 2022 - февраль 2023),
полученные благодаря динамическому ценообразованию:

дополнительный рост покупательского трафика

дополнительный рост валовой прибыли

дополнительный рост
выручки

В том числе,
+15% рост валовой прибыли по категориям, чьи цены формировала платформа Imprice.
+0,3% рост валовой прибыли по категориям, цены которых формировали без Imprice.

В том числе,
+11,2% рост выручки по категориям, чьи цены формировала платформа Imprice.
+1,5% рост выручки по категориям, цены которых формировали без Imprice.

(дополнительный рост
количества чеков)

Важно:
это не просто приросты тестовых магазинов год к году.
Это ДОПОЛНИТЕЛЬНЫЕ приросты по сравнению с контрольными магазинами.

Например, +3,6% валовой прибыли считались так:
+10,50% валовая прибыль в тестовых магазинах, год к году.
+6,86% валовая прибыль в контрольных магазинах, год к году.
10,50% – 6,86% = 3,64% прирост прибыли за счет динамического ценообразования.

В денежном выражении прирост валовой прибыли всего в одном гипермаркете сети в несколько раз перекрывает стоимость подписки на платформу Imprice для ТС "Европа".

Таким образом, использование платформы многократно окупается каждый месяц.

Выбранный период был очень сложным для российского фуд-ритейла.

Например, "Лента" отчиталась о снижении всех показателей и падении прибыли год к году в 4 квартале 2022 года:
https://corp.lenta.com/ru/media/news-and-press-releases/lenta-reports-total-sales-growth-of-111-and-61-ebitda-margin-in-fy-2022/.

В "X5" рост в четвертом квартале 2022 существенно снизился по сравнению с предыдущими кварталами:
https://www.x5.ru/wp-content/uploads/2023/01/q4_2022_trading_update_rus.pdf

Почему покупатели уходят
из магазинов с отличным ассортиментом,
и как их возвращает динамическое ценообразование

Вот как выглядит типовой процесс снижения покупательской лояльности из-за неоптимальных цен и постепенное возвращение таких покупателей в магазин с помощью автоматизированной оптимизации ценообразования:

Шаг 1. Завышение цен на ряд товаров.
Магазин какое-то время устанавливает завышенные с точки зрения покупателей цены на существенную долю товаров.
Причина: без качественной автоматизации крайне сложно эффективно управлять ценами широкого ассортимента в тысячи SKU, оперативно отслеживая все изменения конкурентов, спроса и внутренних факторов.
Шаг 2. Разочарование и уход к конкурентам.
Часть покупателей понимают, что могут найти более выгодные цены на важные им товары у конкурентов и перестают посещать магазин (или посещают его значительно реже).
Шаг 3. Снижение "завышенных" цен до оптимальных.
В случае "Европы" это был переход к динамическому ценообразованию.
Необходимо:
● Установить для товаров KVI цены, которые выглядят привлекательно на фоне конкурентов.
KVI — это товары, которые часто покупают, и для которых потребители стараются найти максимально выгодную цену.
● Снизить до оптимальных завышенные цены Back Basket и Long Tail.
Покупатели не сравнивают цены сегментов Back Basket и Long Tail с конкурентами. Однако для каждого товара есть "максимально допустимая психологическая цена" — цена, выше которой покупка кажется неоправданной. Если у значительного количества товаров в магазине цены выше "психологического барьера", покупатели снижают свою оценку магазина или начинают игнорировать секции с такими товарами.
Шаг 4. Информирование покупателя о "новых выгодных ценах".
Покупатель снова приходит в магазин (случайно, из-за удачной рекламы или за "якорными" товарами, цены которых его устраивают). Новые цены заставляют воспринимать магазин "выгодным", "с отличными ценами".
Шаг 5. Рост посещаемости и рост прибыли.
Вернувшиеся покупатели вновь начинают посещать магазин регулярно, поскольку считают это выгодным.
Вот как это выглядело в случае ТС "Европа":

Трафик, разница тестового гипермарткета и контрольного гипермаркета,
участвовавших в первых пилотах, май 2021 - март 2023.
В тестовом магазине всегда было немного больше покупателей.
1 - В октябре 2021 года запустили третий пилот, включив в него значительную часть ассортимента, в том числе товары KVI. На гистограмме видно, что трафик быстро вырос.
2 - В апреле-мае 2022 года магазин подключил к динамическому ценообразованию ещё больше категорий товаров. Это привело к дополнительному росту трафика.

Вместе с притоком покупателей магазин получает не только рост продаж, но и прибыли:

✓ Алгоритмы Imprice с искусственным интеллектом находят "завышенные" с точки зрения покупателей цены в сегментах Back Basket и Long Tail и снижают их до оптимальных.
Результат — товары, которые раньше не продавались (прибыль была равна нулю), теперь охотно покупают (товары приносят прибыль).

✓ Алгоритмы Imprice находят заниженные цены на ряд товаров — по факту, покупатели готовы платить за такие товары больше, и покупать в тех же объёмах.
Цены повышаются до оптимальных. Прибыль от продаж этих товаров растет.

✓ Растут продажи высокомаржинальных товаров, приобретаемых "заодно" с KVI.
Прибыль от них компенсирует снижение маржи на KVI.

Вот как результат выглядит в ТС "Европа" (напомним, что середина графиков — это 4 квартал 2022 года, очень сложный период даже для крупнейших российских фуд-ритейлеров):

Результат по трафику, год к году:

Сентябрь 2022 — Февраль 2023. Динамика прироста трафика (количества чеков) по сравнению с предыдущим годом. Следствие реакции покупателей на привлекательные цены — рост посещаемости гипермаркетов (количества чеков).
Видно, что трафик магазинов с динамическим ценообразованием ("LFL, тест") вырос по сравнению с предыдущим годом. Трафик магазинов без динамического ценообразования вырос незначительно.

Результат по валовой прибыли, год к году:

Сентябрь 2022 — Февраль 2023. Динамика прироста валовой прибыли по сравнению с предыдущим годом. Категории, ценами которых в тестовых магазинах управляет платформа Imprice. Видно, что в магазинах с динамическим ценообразованием ("LFL, тест") прирост валовой прибыли по этим категориям выше в среднем на 15%, чем в магазинах, не использующих Imprice.

Сентябрь 2022 — Февраль 2023. Динамика прироста валовой прибыли по сравнению с предыдущим годом. Динамика прибыли в категориях БЕЗ динамических цен.
В тестовых магазинах прирост по сравнению с контрольными совсем небольшой; вероятно, он обусловлен более высоким трафиком.

Сентябрь 2022 — Февраль 2023. Динамика прироста валовой прибыли по сравнению с предыдущим годом, показатели по всему ассортименту магазинов. Видно, что в магазинах с динамическим ценообразованием ("LFL, тест") прирост валовой прибыли выше в среднем на 4%, чем в магазинах, не использующих Imprice. Практически весь дополнительный прирост происходит за счет категорий с динамическим ценообразованием.

Вот те же данные в табличной форме — для читателей, которым удобнее изучать числа, а не графики:

В таблице сравнивается валовая прибыль год к году четырех тестовых магазинов (с динамическим ценообразованием) и четырех контрольных магазинов.
LFL Imprice — прибыль год к году в категориях, у которых в тестовых магазинах цена формируется динамически, платфоормой Imprice
LFL магазин — прибыль год к году по всему ассортименту тестовых и контрольных магазинов
LFL БЕЗ Imprice — прибыль год к году в категориях, у которых в тестовых магазинах цена формируется командой ритейлера
Тест — магазины с динамическим ценообразованием
Контроль — магазины БЕЗ динамического ценообразования.
Кликните на таблицу, чтобы увеличить масштаб.

Накопительный эффект динамического ценообразования

Данный кейс — редкий случай, когда можно оценить долгосрочный прирост от динамического ценообразования, после окончания пилота.

Обычно кейсы внедрения динамического ценообразования описывают результат только во время пилота.
После пилота динамическое ценообразование работает во всех магазинах сети (либо во всех категориях и регионах интернет-магазина).
Это логично с точки зрения финансов, потому что динамическое ценообразование максимизирует валовую прибыль. Оставить магазин без динамического ценообразования = упустить свою прибыль. Ритейлер подключает автоматизацию ко всем магазинам и получает максимум дохода; но он уже не может измерить прирост — результаты динамического ценообразования не с чем сравнивать.

Очень повезло, что ТС "Европа" решила оставить цены части магазинов под управлением своей команды — это позволяет замерить долгосрочные выгоды от применения динамических цен.

Почему прибыль продолжила расти после окончания пилота?

1 - Запуск динамического ценообразования для большего числа товарных категорий.

2 - Отсутствие человеческого фактора и технических ошибок.
Во время пилота рост прибыли замедлялся из-за недоcтаточной формализации и автоматизации бизнес-процессов. Например, товар мог с задержкой выставляться на полку, новая себестоимость вносилась в ERP задним числом (и продажи могли идти в минус) и так далее.
После пилотов количество ошибок снизилось до минимума, это перестало мешать росту прибыли.

3 - Накопительный эффект дообучения алгоритмов.
На старте пилотов исторические данные о спросе при разных уровнях цен по сегментам Back Basket и Long Tail были скудными либо отсутствовали.
В таких случаях алгоритмам приходится проводить ценовые эксперименты — замерять спрос при разных значениях цены. Это протяженный во времени процесс, так как почти у всех офлайн-сетей есть ограничения по замене ценников.

Давайте посчитаем, сколько времени требуется для замера спроса при 2 новых значениях цены у ассортимента в 10000 SKU.
В среднем, в сегментах Back Basket и Long Tail можно менять около 200 ценников в день. Каждая цена должна экспонироваться минимум две недели (14 дней):
● Проверка одной цены: 10000 SKU / 200 ценников в день + 14 дней = 64 дня
(14 дней на экспонирование последних установленных цен)
● Проверка двух цен: 50 * 2 + 14 дней = 114 дней
● Если потребуется исследовать три цены, это займет 164 дня — пять с половиной месяцев.

За время пилотов алгоритмы накопили достаточную историю изменения цен и установили оптимальные цены. При изменениях спроса новая оптимальная цена определяется гораздо быстрее — благодаря накопленной истории цен.

4 - Отложенная реакция покупателей.
Часть покупателей перестают посещать магазин, если цены их разочаровали. Когда цены вновь становятся привлекательными, покупателям сложно об этом узнать — они переключились на другие магазины.

Для гипермаркетов покупательское разочарование более критично, чем для супермаркетов. Даже если гипермаркет находится в шаговой доступности, покупки занимают больше времени: нужно обойти огромный торговый зал, очереди на кассе могут быть длиннее, чем в супермаркете. Соответственно, сценарий "забежать в гипермаркет, которыя я считаю дорогим, чтобы купить хлеба и молока" маловероятен.

Если покупатель перестал посещать гипермаркет из-за "слишком высоких цен", могут пройти месяцы, прежде чем он заглянет вновь и оценит изменения.

Позитивное следствие: эффект от оптимальных цен со временем растет, поскольку все больше покупателей возвращаются и превращаются в лояльных клиентов, делающих регулярные покупки.

Демодоступ в Imprice