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:
Как увеличить валовую прибыль на 20% через интеллектуальную оптимизацию цен: кейс магазина косметики
«КрасоткаПро» — интернет-магазин профессиональной косметики, который работает более 12 лет. Основная аудитория компании — салоны красоты и частные мастера, но часть продаж идет за счет конечных потребителей.
➜ Компания предлагает более 70 000 наименований товаров 1 000 брендов, несколько вариантов оплаты и удобную доставку. Покупатели это ценят, благодаря чему бизнес показывает высокую рентабельность и рост продаж.
➜ Чтобы повышать эффективность и дальше, команда интернет-магазина постоянно ищет и пробует новые инструменты. Поэтому в июле 2023 года она решила внедрить динамическое ценообразование на основе машинного обучения Imprice.
➜ Компания предлагает более 70 000 наименований товаров 1 000 брендов, несколько вариантов оплаты и удобную доставку. Покупатели это ценят, благодаря чему бизнес показывает высокую рентабельность и рост продаж.
➜ Чтобы повышать эффективность и дальше, команда интернет-магазина постоянно ищет и пробует новые инструменты. Поэтому в июле 2023 года она решила внедрить динамическое ценообразование на основе машинного обучения Imprice.
Задачи
- Увеличить валовую прибыль за счет оптимизации цен, которые будет выставлять искусственный интеллект.
- Сделать процесс ценообразования более гибким и простым за счет автоматизации.
Ключевые результаты
прирост
в выручке
в выручке
прирост валовой
прибыли
прибыли
прирост продаж
в штуках
в штуках
Рассказываем, как мы помогли «КрасоткеПро» добиться таких результатов.
Imprice, менеджеры проекта:
Антон
Шестаков
Шестаков
Вадим
Гуцул
Гуцул
Как работало ценообразование
до пилота
до пилота
Основную часть регулярных цен на продукцию магазин устанавливал на основе МРЦ и РРЦ, которые предоставляли дистрибьюторы, остальные — с помощью матрицы наценок. Поскольку ассортимент магазина превышает 70 000 SKU, ежедневно вручную оптимизировать цены на товары было сложно. Кроме того, при формировании цен надо было учитывать:
● высокую наполняемость чека — в среднем покупатели «КрасоткиПро» добавляют 10 позиций в заказ. Рост стоимости одного товара мог повлиять на лояльность покупателей и глубину чека;
● сложные механики ценообразования. У интернет-магазина иногда возникают дефициты, есть товары с низкой оборачиваемостью, которые важно принимать во внимание в продажах;
● периодические акции, в которых участвуют товары разных брендов.
● высокую наполняемость чека — в среднем покупатели «КрасоткиПро» добавляют 10 позиций в заказ. Рост стоимости одного товара мог повлиять на лояльность покупателей и глубину чека;
● сложные механики ценообразования. У интернет-магазина иногда возникают дефициты, есть товары с низкой оборачиваемостью, которые важно принимать во внимание в продажах;
● периодические акции, в которых участвуют товары разных брендов.
Где мы увидели
точки роста прибыли
точки роста прибыли
Сотрудничество началось с анализа текущего ценообразования магазина. Для этого клиент передал историю цен, продаж и остатков по каждому SKU, данные по себестоимости, матрицу наценок, актуальные МРЦ и РРЦ. На этой основе мы разработали стратегию и предложили внедрить три механики.
● Интеллектуальная оптимизация цен. Система Imprice автоматически формирует и выставляет оптимальные цены на сайте магазина. Модели машинного обучения находят в ассортименте позиции с заниженной стоимостью, за счет которых стараются увеличить прибыль или выручку — зависит от стратегии, выбранной клиентом.
● Механика распродажи. Искусственный интеллект анализирует оборачиваемость товаров и снижает стоимость тех, что покупают реже.
● Механика дефицитов. Алгоритм прогнозирует продажи товаров и повышает цены на те позиции, которых может не хватить до поступления.
● Интеллектуальная оптимизация цен. Система Imprice автоматически формирует и выставляет оптимальные цены на сайте магазина. Модели машинного обучения находят в ассортименте позиции с заниженной стоимостью, за счет которых стараются увеличить прибыль или выручку — зависит от стратегии, выбранной клиентом.
● Механика распродажи. Искусственный интеллект анализирует оборачиваемость товаров и снижает стоимость тех, что покупают реже.
● Механика дефицитов. Алгоритм прогнозирует продажи товаров и повышает цены на те позиции, которых может не хватить до поступления.
Дефицитная механика удобна для ритейлеров, которые продают на маркетплейсах. Если товар исчезает из продаж, площадка может пессимизировать его в выдаче. И чтобы позиция вновь оказалась на первых строчках, нужно время. Дефицитная механика помогает «растягивать» количество товара до его поступления, чтобы он не пропал из поиска маркетплейса.
Далее мы привлекли нашего партнера, который помог «КрасоткеПро» интегрировать Imprice в 1С через API — интеграция заняла два месяца. После этого настроили систему и провели тестовые расчеты, которые показали их корректность. И дальше перешли к пилоту.
Согласовали стратегию
и запустили пилот
и запустили пилот
Пилот проводили на топовых товарах, на которые поставщики не выставляли жестких требований по РРЦ. Привязки к региону не было, поскольку у интернет-магазина по всей стране установлены одинаковые цены.
Для эксперимента разделили товары на группы:
● тестовую — для них система Imprice сама ежедневно устанавливала цены;
● контрольную — стоимость выставлял сам клиент, как привык это делать, в течение пилота она практически не менялась.
В каждую группу включили по 5 000 SKU таким образом, чтобы цены по ним были примерно одинаковые.
Пилот включал два этапа.
Для эксперимента разделили товары на группы:
● тестовую — для них система Imprice сама ежедневно устанавливала цены;
● контрольную — стоимость выставлял сам клиент, как привык это делать, в течение пилота она практически не менялась.
В каждую группу включили по 5 000 SKU таким образом, чтобы цены по ним были примерно одинаковые.
Пилот включал два этапа.
- Этап 1. КластеризацияЗадача: разделить ассортимент тестовой группы в зависимости от роли, которую он играет в покупательской корзине. Для каждого SKU алгоритм определил степень и характер влияния товара на выручку и продажи других позиций.
Для кластеризации мы запустили модуль аналитики с машинным обучением. В итоге алгоритм выделил следующие классы товаров:
✓ hard KVI;
✓ soft KVI;
✓ back basket;
✓ long tail.
Более 1 000 SKU попали в сегменты «Распродажа», которые подразделялись в зависимости от оборачиваемости товаров.
Для каждого сегмента задали правила ценообразования, которые учитывали наличие остатков, оборачиваемость товара, спрос, продажи, сезонность, учет уценки промо и другие факторы.
Одним из пожеланий клиента было использовать горизонтальные линейки, когда для товаров одной серии устанавливается единая цена. Его мы также учли. Например, система объединила статистику для всех оттенков гель-лака Flash бренда AWIX и сформировала на них единую оптимальную стоимость.
Одним из пожеланий клиента было использовать горизонтальные линейки, когда для товаров одной серии устанавливается единая цена. Его мы также учли. Например, система объединила статистику для всех оттенков гель-лака Flash бренда AWIX и сформировала на них единую оптимальную стоимость.
Пример горизонтальной линейки, на которую система Imprice установила единую оптимальную цену
Один из этапов автоматического ценообразования — мониторинг конкурентов. Но в этом кейсе мы его опустили, поскольку ассортимент «КрасоткиПро» очень большой и матчить цены всех товаров с другими магазинами дорого.
● С одной стороны, для позиций сегмента KVI (key value indicator) важно знать, сколько они стоят у конкурентов. Если поставить цену выше, растет риск оказаться вне рынка и потерять лояльного покупателя.
● С другой стороны, на покупательское поведение влияет восприятие ценности самого магазина. Если человек знает, что у конкретного ритейла всегда в наличии нужный товар, удобная доставка и оплата, он готов переплатить. То есть ценность ритейла выше цены.
У «КрасоткиПро» сформирована репутация надежного онлайн-магазина, что и позволило нам отказаться от мониторинга конкурентов и вырасти в прибыли.
● С одной стороны, для позиций сегмента KVI (key value indicator) важно знать, сколько они стоят у конкурентов. Если поставить цену выше, растет риск оказаться вне рынка и потерять лояльного покупателя.
● С другой стороны, на покупательское поведение влияет восприятие ценности самого магазина. Если человек знает, что у конкретного ритейла всегда в наличии нужный товар, удобная доставка и оплата, он готов переплатить. То есть ценность ритейла выше цены.
У «КрасоткиПро» сформирована репутация надежного онлайн-магазина, что и позволило нам отказаться от мониторинга конкурентов и вырасти в прибыли.
- Этап 2. Запуск динамического ценообразованияЗадача: оценить работу системы на ассортименте клиента и сравнить результаты тестовой и контрольной групп.
На этом этапе система Imprice ежедневно исследовала спрос на отдельные товары, устанавливала на них оптимальные цены согласно правилам, загружала в учетную систему клиента и меняла на сайте. Покажем как это работало на примерах.
В начале пилота алгоритм отметил небольшой рост продаж гель-лака, который на тот момент продавался за 335 ₽. Чтобы исследовать спрос, система стала повышать цену на эту позицию. За время эксперимента стоимость товара удалось поднять до 375 ₽, что принесло дополнительную валовую прибыль
Данный товар попал в сегмент распродажи, так как у него был неудовлетворительный показатель оборачиваемости. Алгоритмы снизили цену на товар в начале пилота, и продажи товара выросли в 2 раза, чем в среднем до пилота. Далее алгоритмы стали оптимизировать цены на товар в поисках оптимальной стоимости, при которой максимизируются продажи в штуках. Период пилота отмечен на графике между двумя красными линиями
На примере каучуковой базы Rubber base видно, что система каждый день оценивает оборачиваемость товара и определяет его в тот или иной сегмент «Распродажи». В зависимости от этого устанавливаются цены
Периодически ритейл «забирал» некоторые позиции для промо и уценки. Для таких товаров мы останавливали ценообразование и включали вновь, когда маркетинговые мероприятия заканчивались.
Поскольку алгоритм постоянно агрегирует данные и «общается» с учетной системой клиента, важно, чтобы все работало без ошибок. На одной из недель пилота динамика продаж пошла вниз. Оказалось, ритейл проводил технические работы на сайте, поэтому цены на него выгружались не сразу. Как только все починили, положительная динамика пилота восстановилась.
Поскольку алгоритм постоянно агрегирует данные и «общается» с учетной системой клиента, важно, чтобы все работало без ошибок. На одной из недель пилота динамика продаж пошла вниз. Оказалось, ритейл проводил технические работы на сайте, поэтому цены на него выгружались не сразу. Как только все починили, положительная динамика пилота восстановилась.
Результаты
➜ Каждую неделю мы оценивали динамику продаж в тестовой и контрольной группах. Смотрели фактический валовый доход и медианный за последние шесть месяцев до начала пилота.
➜ Первые результаты клиент увидел на второй неделе эксперимента. До этого продажи в обеих группах были практически одинаковые, а после тестовая показала прирост в выручке и валовой прибыли.
➜ Через два месяца подвели итоги пилота. Группа, где цены на товары устанавливала система Imprice, продемонстрировала рост по всем показателям относительно контрольной.
➜ Первые результаты клиент увидел на второй неделе эксперимента. До этого продажи в обеих группах были практически одинаковые, а после тестовая показала прирост в выручке и валовой прибыли.
➜ Через два месяца подвели итоги пилота. Группа, где цены на товары устанавливала система Imprice, продемонстрировала рост по всем показателям относительно контрольной.
прирост
в выручке
в выручке
прирост валовой
прибыли
прибыли
прирост продаж
в штуках
в штуках
Отдельно проанализировали, как отработали предложенные нами механики.
Видно, что оптимизация цен показала рост валовой прибыли. При этом продажи в штуках увеличились незначительно — всего на 4,42% относительно контрольной группы. То есть «КрасоткаПро» смогла заработать больше за счет оптимизации цен, а не количества проданных товаров.
Поскольку продажи в штуках между тестовой и контрольной группами практически одинаковы, это снимает вопрос о возможной каннибализации. Товары, на которые цены устанавливались автоматически, не привели к падению объема продаж других позиций.
Поскольку продажи в штуках между тестовой и контрольной группами практически одинаковы, это снимает вопрос о возможной каннибализации. Товары, на которые цены устанавливались автоматически, не привели к падению объема продаж других позиций.
То, что каннибализации не было, говорит и глубина чека. Количество товаров, которые люди добавляли в корзину, когда покупали пилотные позиции, не изменилось. А в некоторых случаях даже выросло.
Распродажная механика также показала эффективность. Алгоритмы Imprice снизили цены на товары с низкой оборачиваемостью и стимулировали рост продаж в штуках. Соответственно, выросли продажи в рублях и валовая прибыль относительно контрольной группы.
- Полина Рудольфовна КедроваГенеральный директор интернет-магазина «КрасоткаПро»
«Когда мы запускали пилот системы Imprice, у нас была гипотеза, что оптимизация цен поможет сгенерировать больше выручки. И она подтвердилась.
Оказалось, можно генерировать прибыль при тех же объемах продаж в штуках. Небольшой рост цен не повлиял на лояльность покупателей: они не стали покупать меньше. А снижение цен на отдельные позиции помогло стимулировать рост продаж и в дальнейшем увеличить прибыль.
Система помогает более гибко работать с ценообразованием и учитывать требования к МРЦ и РРЦ. Алгоритмы прогнозируют спрос и оптимизируют под него цены, а система автоматически загружает их на сайт нашего магазина. Нам остается только следить за тем, как работает система и корректировать правила.
В наших планах внедрить динамическое ценообразование не только для всего ассортимента, но и подключить его к новым каналам продаж — маркетплейсам».