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:
Стратегическое развитие ценообразования
в "Галамарт": как зрелый ритейл усиливает прибыльность
в "Галамарт": как зрелый ритейл усиливает прибыльность
"Галамарт" (https://galamart.ru) - одна из крупнейших федеральных франчайзинговых сетей формата "дискаунтер". Компания объединяет более 500 магазинов по всей России и специализируется на широком ассортименте товаров для дома и семьи: от средств гигиены и игрушек до профессиональных инструментов и бытовой техники.
Как устроено
ценообразование в сети
Компания "Галамарт" известна не только своим масштабом, но и эффективной ценовой политикой, которая формировалась годами и стала неотъемлемой частью бизнес-модели сети.
Работа строится на четырех ключевых принципах, каждый из которых напрямую влияет на то, как формируются цены:
Работа строится на четырех ключевых принципах, каждый из которых напрямую влияет на то, как формируются цены:
1. Низкие цены каждый день (EDLP).
Честные скидки для покупателей и регулярные распродажи с участием огромной доли ассортимента.
2. Постоянное обновление ассортимента.
Каждые две недели на полках магазинов появляются новинки. "Галамарт" отличает подвижная матрица, в которой жизненный цикл каждой позиции четко ограничен - как правило, 4-6 месяцев. Для товаров, вышедших за срок, в системе заложен формализованный процесс уценки. Эта механика решает сразу две задачи: дает покупателям реальные скидки и освобождает полки от товаров с низкой динамикой продаж в пользу новых поступлений.
3. Сезонные распродажи.
В то время как большинство ритейлеров повышают цены на сезонные товары в пик спроса, "Галамарт" следует стратегии снижения цены.
4. Фокус на товарах импульсного спроса.
Эти позиции составляют значительную долю ассортимента и требуют оперативного управления ценой для поддержания оборачиваемости и прибыльности, поскольку быстро теряют актуальность.
Честные скидки для покупателей и регулярные распродажи с участием огромной доли ассортимента.
2. Постоянное обновление ассортимента.
Каждые две недели на полках магазинов появляются новинки. "Галамарт" отличает подвижная матрица, в которой жизненный цикл каждой позиции четко ограничен - как правило, 4-6 месяцев. Для товаров, вышедших за срок, в системе заложен формализованный процесс уценки. Эта механика решает сразу две задачи: дает покупателям реальные скидки и освобождает полки от товаров с низкой динамикой продаж в пользу новых поступлений.
3. Сезонные распродажи.
В то время как большинство ритейлеров повышают цены на сезонные товары в пик спроса, "Галамарт" следует стратегии снижения цены.
4. Фокус на товарах импульсного спроса.
Эти позиции составляют значительную долю ассортимента и требуют оперативного управления ценой для поддержания оборачиваемости и прибыльности, поскольку быстро теряют актуальность.
Как это выглядит "внутри":
✓ Собственная система автоматизации, построенная на сотнях формул и переменных.
✓ Четкое разделение ассортимента на ценовые категории: регулярные, промо, уценочные и др.
✓ Алгоритмы оценки оборачиваемости, которые автоматически выявляют "медленные" SKU и запускают процесс своевременной переоценки.
✓ Четкое разделение ассортимента на ценовые категории: регулярные, промо, уценочные и др.
✓ Алгоритмы оценки оборачиваемости, которые автоматически выявляют "медленные" SKU и запускают процесс своевременной переоценки.
Все эти принципы реализованы в отлаженной системе ценообразования, в которой каждая механика работает на одну цель: баланс между лояльностью покупателя и прибыльностью бизнеса.
Предпосылки проекта:
осознанный шаг в развитии ценообразования
осознанный шаг в развитии ценообразования
При том, что собственная ценовая стратегия "Галамарта" успешно справлялась с задачами управления ассортиментом и рентабельностью, команда ставила перед собой вопрос:
Как, не нарушая отлаженных процессов, дополнительно увеличить валовую прибыль и при этом сохранить репутацию магазина с выгодными ценами?
Внедрение динамического ценообразования стало логичным решением. Впервые к изучению ML-алгоритмов компания подошла несколько лет назад, а в 2025 году приступила к проверке гипотезы.
Почему выбрали Imprice
- Павел КазановскийГенеральный директор Холдинга "Гала-Центр""Нам важно было найти партнера, который не станет навязывать новую модель, а сможет усилить уже существующую логику. В пользу Imprice решающими стали два фактора. Во-первых, узкая специализация - команда работает только с ценообразованием. Во-вторых, алгоритмы, которые оказались близки к нашей внутренней системе: работа с индикаторами, анализ промо, оценка роли товара в ассортименте. Это именно то, что мы хотели автоматизировать, не меняя процессов".
Цели и метрики пилота
Главная задача проекта – встроить ML-алгоритмы в отлаженную систему ценообразования и найти скрытые ресурсы прибыльности. Для ее решения на пилот были поставлены следующие цели с ключевыми метриками:
✓ Рост валовой прибыли в пилотной группе магазинов минимум на +3,5% относительно контрольной.
✓ Сохранение всех второстепенных метрик на стабильном уровне: трафик, маржинальность, оборачиваемость.
Формат пилота и методика сравнения:
✓ Рост валовой прибыли в пилотной группе магазинов минимум на +3,5% относительно контрольной.
✓ Сохранение всех второстепенных метрик на стабильном уровне: трафик, маржинальность, оборачиваемость.
Формат пилота и методика сравнения:
- 29 тестовых магазинов и 25 контрольных - с возможностью пересечения пар, поскольку ряд магазинов по своим характеристикам были сопоставимы с общей контрольной парой.
- Период тестирования - 3 месяца.
- Сравнение ключевых показателей – относительно недельной медианы пилотных и контрольных магазинов за 12 месяцев до старта пилота.
Механики ценообразования
и адаптация к процессам сети
и адаптация к процессам сети
Проект был полностью реализован партнёрской командой крупнейшего IT-интегратора "Первый БИТ". Благодаря глубокой экспертизе в розничном ценообразовании и опыту цифровой трансформации ритейла, команда разработала эффективную стратегию, адаптировала её к бизнес-процессам "Галамарт" и привела пилот к достижению целевых метрик.
Совместно с клиентом был разработан подход, при котором алгоритмы действовали строго в рамках правил ценообразования сети. В пилот вошло около 60% ассортимента (~40% в продажах) с исключением из ценообразования некоторых промо-товаров, регулируемых и специфических позиций. Весь пилотный ассортимент был разделён на товарные корзины KVI, Back Basket и Long Tail с индивидуальной стратегией для каждой.
Совместно с клиентом был разработан подход, при котором алгоритмы действовали строго в рамках правил ценообразования сети. В пилот вошло около 60% ассортимента (~40% в продажах) с исключением из ценообразования некоторых промо-товаров, регулируемых и специфических позиций. Весь пилотный ассортимент был разделён на товарные корзины KVI, Back Basket и Long Tail с индивидуальной стратегией для каждой.
Ключевые механики ценообразования, реализованные в проекте:
1. ML-оптимизация на базе исторических данных и зондирования спроса.
Алгоритмы Imprice подбирали оптимальную цену с учётом чувствительности спроса в рамках внутренних ценовых категорий и заданных стратегий:
- Hard KVI – фокус на увеличении объема продаж;
- Soft KVI - баланс между валовой прибылью и продажами;
- Back Basket и Long Tail - максимизация валовой прибыли без потери спроса.
Алгоритмы Imprice подбирали оптимальную цену с учётом чувствительности спроса в рамках внутренних ценовых категорий и заданных стратегий:
- Hard KVI – фокус на увеличении объема продаж;
- Soft KVI - баланс между валовой прибылью и продажами;
- Back Basket и Long Tail - максимизация валовой прибыли без потери спроса.
2. Распродажные механики для товаров с низкой оборачиваемостью.
Все SKU, попадающие под уценку по жизненному циклу, были сегментированы по себестоимости с индивидуальными коридорами скидок. В рамках проекта было протестировано две гипотезы, и обе дали позитивный результат:
- динамическая уценка с отслеживанием реакции спроса;
- фиксированный шаг уценки – как это работало в сети ранее.
Все SKU, попадающие под уценку по жизненному циклу, были сегментированы по себестоимости с индивидуальными коридорами скидок. В рамках проекта было протестировано две гипотезы, и обе дали позитивный результат:
- динамическая уценка с отслеживанием реакции спроса;
- фиксированный шаг уценки – как это работало в сети ранее.
3. Интеллектуальная очередь переоценок.
Система учитывала, какое количество ценников персонал может заменить в день, и отдавала приоритет SKU с наибольшим потенциалом роста.
Система учитывала, какое количество ценников персонал может заменить в день, и отдавала приоритет SKU с наибольшим потенциалом роста.
Помимо стратегических механик, была проведена большая работа над адаптацией системы под живые процессы "Галамарта". Среди примеров таких решений:
✓ Защита ценового имиджа через плавный рост цены.
Для товаров, которые долгое время продавались со скидкой, настроили механику плавного роста. Система поднимает цену до рекомендованного уровня не сразу, а постепенно - на определенный % за цикл переоценки. Такой подход позволяет сохранить лояльность аудитории.
✓ Согласованность с промо-акциями.
Система Imprice автоматически получает данные о товарах, участвующих в отдельных акциях, и на время проведения кампании исключает их из ценообразования. Как результат – алгоритмы работают четко в рамках маркетинговой стратегии компании.
✓ Учет операционных ограничений.
На старте определили оптимальный ритм работы для магазинов и настроили переоценку так, чтобы она не создавала перегрузки. Вместо ежедневного пересчета цен был установлен график - 2 раза в неделю, а также лимит на количество sku с изменением ценников.
✓ Защита ценового имиджа через плавный рост цены.
Для товаров, которые долгое время продавались со скидкой, настроили механику плавного роста. Система поднимает цену до рекомендованного уровня не сразу, а постепенно - на определенный % за цикл переоценки. Такой подход позволяет сохранить лояльность аудитории.
✓ Согласованность с промо-акциями.
Система Imprice автоматически получает данные о товарах, участвующих в отдельных акциях, и на время проведения кампании исключает их из ценообразования. Как результат – алгоритмы работают четко в рамках маркетинговой стратегии компании.
✓ Учет операционных ограничений.
На старте определили оптимальный ритм работы для магазинов и настроили переоценку так, чтобы она не создавала перегрузки. Вместо ежедневного пересчета цен был установлен график - 2 раза в неделю, а также лимит на количество sku с изменением ценников.
Результаты пилота
Итоги трехмесячного пилота значительно превзошли поставленную на старте целевую метрику:
➜ +9,1% рост валовой прибыли в пилотной группе (при целевом 3,5%).
➜ 27 из 29 магазинов показали положительную динамику.
➜ Все второстепенные KPI (количество чеков, маржинальность, оборачиваемость) остались в рамках целевых показателей.
➜ +9,1% рост валовой прибыли в пилотной группе (при целевом 3,5%).
➜ 27 из 29 магазинов показали положительную динамику.
➜ Все второстепенные KPI (количество чеков, маржинальность, оборачиваемость) остались в рамках целевых показателей.
Подробнее о динамике показателей:
На 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, цветом выделен период проведения пилота с июля по сентябрь.
Если оценивать динамику до старта пилота, медиана тестовой группы магазинов и кривая по валовой прибыли исторически были ниже уровня контрольной группы. В период же ценообразования с Imprice тестовые магазины показали рост и сохраняли тенденцию с опережением контрольных на протяжении всего пилота. Итоговая разница составила +9,1% валовой прибыли.
Теперь посмотрим на динамику чеков по тестовой группе магазинов:
Если оценивать динамику до старта пилота, медиана тестовой группы магазинов и кривая по валовой прибыли исторически были ниже уровня контрольной группы. В период же ценообразования с Imprice тестовые магазины показали рост и сохраняли тенденцию с опережением контрольных на протяжении всего пилота. Итоговая разница составила +9,1% валовой прибыли.
Теперь посмотрим на динамику чеков по тестовой группе магазинов:
На период пилота стояла задача сохранить положительный тренд относительно медианы - система решила поставленную перед ней задачу с итоговым показателем +4,9%.
Динамика по отдельным товарам:
Аквафор Сменная кассета
На графиках приведена динамика изменения цены, показателей продаж и валовой прибыли в тестовых и контрольных магазинах. Этот пример позволяет наглядно оценить результативность работы алгоритмов динамического ценообразования на фоне проведения промо.
На верхнем графике мы видим, что после резкого снижения цены до начала пилота, тестовая группа пошла по пути более плавного повышения до уровня медианы. Далее в ходе пилота контрольная группа снова зашла на резкое снижение, тестовая же группа остановилась между медианой и промо-ценой и продолжила экспериментировать, но уже с небольшим повышением.
А теперь посмотрим, как отреагировали продажи (второй график). Во-первых, плавное повышение цены в магазинах Imprice не вызвало резкого падения спроса после промо, как в контрольных. А во-вторых, путем минимального снижения под конец пилота система нащупала тот уровень, при котором спрос поднялся на дельту, сопоставимую с результатами от промо в контрольном магазине. Итоговый рост продаж составил +58,6% относительно контроля. Валовая прибыль (третий график) выросла на 58,4%.
На верхнем графике мы видим, что после резкого снижения цены до начала пилота, тестовая группа пошла по пути более плавного повышения до уровня медианы. Далее в ходе пилота контрольная группа снова зашла на резкое снижение, тестовая же группа остановилась между медианой и промо-ценой и продолжила экспериментировать, но уже с небольшим повышением.
А теперь посмотрим, как отреагировали продажи (второй график). Во-первых, плавное повышение цены в магазинах Imprice не вызвало резкого падения спроса после промо, как в контрольных. А во-вторых, путем минимального снижения под конец пилота система нащупала тот уровень, при котором спрос поднялся на дельту, сопоставимую с результатами от промо в контрольном магазине. Итоговый рост продаж составил +58,6% относительно контроля. Валовая прибыль (третий график) выросла на 58,4%.
Погрузимся глубже и на примере нескольких товаров рассмотрим, как система экспериментировала с ценой и как это повлияло на ключевые показатели.
FORZA Удлинитель
По этому товару в контрольных магазинах шло планомерное повышение цены большую часть пилота (первый график). В тестовой же группе система экспериментировала с небольшим снижением, держась медианы. И к середине пилота алгоритмы вышли на ту планку, при которой минимальное снижение цены дает ощутимый рост спроса (второй график). Итоговый показатель продаж относительно контрольной группы составил +68,8% и +70,6% валовой прибыли.
Масштабирование на всю сеть
Успешный пилот стал основой для поэтапного масштабирования системы динамического ценообразования Imprice на всю сеть.
В планах развития системы:
✓ Кластеризация магазинов по трафику, среднему чеку и географии для адаптации стратегии ценообразования под локальные особенности.
✓ Внедрение ценообразования по линейкам для учета групповых зависимостей и комплексной оптимизации цен.
✓ Углубление автоматизации с подключением к динамическому ценообразованию дополнительных категорий цен.
Проект "Галамарт" показывает, что даже у зрелого ритейлера с четкими процессами и высокой эффективностью есть потенциал роста прибыли в ценообразовании. При условии, что технология гибко адаптируется под логику бизнеса, динамическое ценообразование позволяет находить скрытые резервы, не ломая процессов и ценового имиджа компании.
В планах развития системы:
✓ Кластеризация магазинов по трафику, среднему чеку и географии для адаптации стратегии ценообразования под локальные особенности.
✓ Внедрение ценообразования по линейкам для учета групповых зависимостей и комплексной оптимизации цен.
✓ Углубление автоматизации с подключением к динамическому ценообразованию дополнительных категорий цен.
Проект "Галамарт" показывает, что даже у зрелого ритейлера с четкими процессами и высокой эффективностью есть потенциал роста прибыли в ценообразовании. При условии, что технология гибко адаптируется под логику бизнеса, динамическое ценообразование позволяет находить скрытые резервы, не ломая процессов и ценового имиджа компании.