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?
и понять, насколько она
применима для ваших задач?
С удовольствием проведем демонстрацию:
Динамическое ценообразование на 2000+ аптек и e-com: как одна из крупнейших аптечных сетей внедрила Imprice и получила рост фронт-маржи на 0,5 п. п.
Заказчик — одна из крупнейших российских аптечных сетей, насчитывающая более 2000 аптек и два интернет-магазина. Ассортимент сети — более 20 000 SKU, а масштабы e-com измеряются миллионами заказов и миллиардами рублей оборота в месяц.
Вести такой большой бизнес непросто: нужно анализировать огромный пул конкурентов, быстро реагировать на колебания рынка, управлять ценами с выгодой для компании. Чтобы получать максимум прибыли и своевременно откликаться на изменения конкурентной среды и спроса, было принято решение перейти на автоматическое ценообразование.
Вести такой большой бизнес непросто: нужно анализировать огромный пул конкурентов, быстро реагировать на колебания рынка, управлять ценами с выгодой для компании. Чтобы получать максимум прибыли и своевременно откликаться на изменения конкурентной среды и спроса, было принято решение перейти на автоматическое ценообразование.
На российском фармрынке на тот момент практически не было кейсов перехода на динамическое ценообразование такого крупного бизнеса. Проект требовал от разработчика глубокого погружения в процессы и потребности компании, чтобы каждый шаг был продуман и выверен.
Изучив зарубежные и отечественные варианты, сеть остановила выбор на системе Imprice. Пилот начали в 2021 году, а в 2023-м совместными усилиями с командой клиента за девять месяцев мы подключили 2 000 аптек сети и e-com канал к интеллектуальному ценообразованию. Это стало прецедентом: ранее лидеры российского фармрынка не внедряли автоматическое ценообразование от отечественного вендора.
- Руководитель отдела ценообразования сети«В 2020 году у нас возникла потребность в автоматизации и оптимизации процесса ценообразования, поскольку бизнес активно рос. Также хотелось минимизировать ручной труд сотрудников отдела, отвечающего за формирование цен. Мы стали искать компанию для решения этих задач, причем в промышленном масштабе, учитывая объем занимаемого нами рынка.
При выборе у нас были требования как к самой системе, так и к разработчику. Мы искали компетентную команду с опытом в аптечном ценообразовании. Систему выбирали по трем критериям:
✓ она должна быть гибкой к нашим доработкам;
✓ функциональной с точки зрения формирования цен;
✓ быстрой и удобной.
Этим требованиям отвечала система динамического ценообразования Imprice. Два последовательных пилота продемонстрировали рост показателей на масштабах нашего бизнеса, а разработчики — активную заинтересованность и отличную работу. Поэтому мы решили развернуть систему на всю сеть наших аптек и другие каналы продаж».
Как устроено ценообразование сети
За годы работы у сети сформировалась своя логика ценообразования. В зависимости от бренда, формата, конкурентного окружения и расположения все аптеки разделены на 60 ценовых зон. Внутри них препараты продают по единой стоимости, которая зависит от того, к какой категории относится позиция:
● KVI-товары — цены на них фиксируются с учетом рынка.
● Товары с жесткой РРЦ — стоимость ограничена рекомендациями производителей.
● Остальные товары попадают под сложную матрицу наценок по ряду признаков — например, к какому бренду относится препарат или входит ли он в список рецептурных или жизненно необходимых и важнейших (ЖНВЛП).
Для переоценки и оптимизации цен в сети собирают большой объем данных. Ежедневно со всех аптек поступают все чеки за прошедшие сутки, обрабатываются миллионы записей по остаткам и ценам конкурентов. Гигабайты данных передаются в систему Imprice, которая рассчитывает оптимальные цены на основе методов машинного обучения.
● KVI-товары — цены на них фиксируются с учетом рынка.
● Товары с жесткой РРЦ — стоимость ограничена рекомендациями производителей.
● Остальные товары попадают под сложную матрицу наценок по ряду признаков — например, к какому бренду относится препарат или входит ли он в список рецептурных или жизненно необходимых и важнейших (ЖНВЛП).
Для переоценки и оптимизации цен в сети собирают большой объем данных. Ежедневно со всех аптек поступают все чеки за прошедшие сутки, обрабатываются миллионы записей по остаткам и ценам конкурентов. Гигабайты данных передаются в систему Imprice, которая рассчитывает оптимальные цены на основе методов машинного обучения.
Как Imprice оптимизирует цены во всей сети
В качестве frontend- и частично backend-решения в Imprice используется платформа «1С:Предприятие». Она взаимодействует с аналитической базой данных ClickHouse, которая используется как хранилище информации. За обмен сообщениями между сервисами отвечает программный брокер RabbitMQ, а за облачную инфраструктуру — провайдер Selectel.
Команда Imprice
Антон
Шестаков
Шестаков
Анастасия
Адгамова
Адгамова
Менеджер проекта
Аналитик проекта
- Антон ШестаковМенеджер Imprice«Важная составляющая в работе системы в рамках этого проекта — сложные ценовые агрегаты. Это предельная розничная стоимость товаров для нескольких аптек, которая учитывает закупочные цены разных партий, наценки и коэффициенты при формировании итоговой стоимости препаратов».
Алгоритмы машинного обучения анализируют большие данные, находят оптимальные цены по актуальному спросу и тестируют их. Специалисты отдела ценообразования сети видят в интерфейсе системы новые цены для всех каналов продаж: офлайн-аптек, интернет-магазинов, маркетплейсов и агрегаторов. Это более 20 000 SKU.
Как пилотировали систему
К интеграции и настройке Imprice для ретейла мы приступили в июле 2021 года. На этом этапе шла выгрузка необходимых нам данных и их проверка, определение сегментов и правил ценообразования.
- Анастасия АдгамоваАналитик Imprice«Чтобы система выставляла оптимальные цены, ей надо определить себестоимость препарата или лекарства. Она может быть разной в зависимости от того, когда сделана закупка. Вместе со специалистами сети мы анализировали, как они работают с себестоимостью, и находили нужный баланс в ее определении».
Первый пилот (январь — май 2022 года)
Его запустили 31 января на 25 аптеках из четырех ценовых зон Москвы и Московской области. В них цены формировала система Imprice. Для сравнения взяли 75–100 офлайн-точек, которые находятся в тех же зонах и регионе. Здесь стоимость на препараты устанавливали привычным для сети способом.
Главная задача была повторить логику ценообразования сети. Система должна устанавливать одинаковую стоимость на препараты аптек одной ценовой зоны, а для этого учитывать разницу в закупочных ценах между точками, предельную наценку на ЖНВЛП и другие моменты. Поэтому мы перестроили логику расчета себестоимости в Imprice и адаптировали ее под потребности сети.
Главная задача была повторить логику ценообразования сети. Система должна устанавливать одинаковую стоимость на препараты аптек одной ценовой зоны, а для этого учитывать разницу в закупочных ценах между точками, предельную наценку на ЖНВЛП и другие моменты. Поэтому мы перестроили логику расчета себестоимости в Imprice и адаптировали ее под потребности сети.
По запросу клиента:
✓ Внедрили алгоритм ограничения шага увеличения цены на 10% с учетом разных сценариев, например роста закупочной цены в три раза. Теперь сотрудники сети могут ограничивать темпы наценки, чтобы ее колебания не сказались на лояльности покупателей.
✓ Доработали отчет, который показывает полную картину расчета стоимости товаров. В режиме одного окна сотрудники сети видят все данные, которые влияют на итоговую цену.
✓ Внедрили алгоритм ограничения шага увеличения цены на 10% с учетом разных сценариев, например роста закупочной цены в три раза. Теперь сотрудники сети могут ограничивать темпы наценки, чтобы ее колебания не сказались на лояльности покупателей.
✓ Доработали отчет, который показывает полную картину расчета стоимости товаров. В режиме одного окна сотрудники сети видят все данные, которые влияют на итоговую цену.
Первоначально на пилот отвели два месяца. Но тестирование выпало на события февраля 2022 года, после которых цены на лекарства взлетели и на рынке наступил ажиотаж. Поэтому эксперимент решили продлить еще на два месяца, а итоги подводили без учета первых трех недель.
В результате первого пилотирования система показала эффективность в низкий сезон. Клиент хотел посмотреть, как она будет работать при высоком спросе на большем количестве аптек. Поэтому решили запустить расширенный пилот.
В результате первого пилотирования система показала эффективность в низкий сезон. Клиент хотел посмотреть, как она будет работать при высоком спросе на большем количестве аптек. Поэтому решили запустить расширенный пилот.
Второй пилот (октябрь — декабрь 2022 года)
Во второе тестирование включили 125 офлайн-точек. Регион остался прежним (Москва и область), как и ценовые зоны. Для сравнения мы взяли все оставшиеся в регионе аптеки — это около 1400 точек.
Во время первого пилота система оптимизировала цены, ориентируясь на текущие расчеты наценок. Нам предстояло перейти на более гибкую систему — матрицы наценок, которой пользовались в сети. Мы доработали решение, которое позволяло создавать и загружать матрицы, после чего специалисты ретейла могли с ними работать в системе.
На расширенной выборке аптек нам удалось достичь устойчивого прироста маржинальности при сохранении товарооборота.
Во время первого пилота система оптимизировала цены, ориентируясь на текущие расчеты наценок. Нам предстояло перейти на более гибкую систему — матрицы наценок, которой пользовались в сети. Мы доработали решение, которое позволяло создавать и загружать матрицы, после чего специалисты ретейла могли с ними работать в системе.
На расширенной выборке аптек нам удалось достичь устойчивого прироста маржинальности при сохранении товарооборота.
прирост валовой прибыли
прирост товарооборота
Пилот в e-commerce (ноябрь — декабрь 2022 года)
Его запустили параллельно. Для тестирования взяли интернет-магазин сети и ограничились одним регионом ценообразования. Чтобы автоматизировать ценообразование в e-commerce, мы перестроили логику работы системы под этот канал продаж.
В эксперименте мы ориентировались на две основные метрики: товарооборот и долю e-commerce от общих продаж в регионе. Контрольной точкой выступал Воронеж, поскольку он был наиболее близок по характеристикам к пилотному.
В эксперименте мы ориентировались на две основные метрики: товарооборот и долю e-commerce от общих продаж в регионе. Контрольной точкой выступал Воронеж, поскольку он был наиболее близок по характеристикам к пилотному.
прирост товарооборота
прирост доли e-commerce
в общих продажах региона
в общих продажах региона
Как внедряли динамическое ценообразование во всю сеть
По результатам пилотов сеть решила масштабировать Imprice на все каналы продаж. Нам предстояло развернуть систему еще на 2 000 физических точек и 50 ценовых зон в офлайне и онлайне.
Объем данных для анализа и расчетов кратно вырос. Поэтому мы провели глубокую оптимизацию системы с учетом кратного увеличения объема данных и доработали архитектуру ценообразования под новые подключаемые регионы.
➜ Перенесли на аналитическую СУБД ClickHouse все «тяжелые» процессы расчетов. В этой базе хранятся разные данные, в том числе история цен конкурентов, с которой можно оперативно работать.
➜ Добавили гибкую настройку для учета цен конкурентов. В каждой ценовой зоне можно рассчитать стоимость товаров на основе определенных конкурентов. Например, выбрать всего несколько аптек других брендов, относительно которых система пересчитает цену.
➜ Оптимизировали хранение больших данных.
➜ Доработали логику расчета. Средневзвешенная розничная цена зависит от количества аптек, которые входят в ценовую зону. Если точек становится больше или меньше, надо это отразить. Чтобы не действовать вручную, мы автоматизировали функцию и минимизировали количество ошибок, которые могут возникать из-за человеческого фактора.
Rollout в e-commerce занял пять месяцев. В июне 2023 года ценообразование в интернет-магазинах бренда было полностью автоматизировано. Развертывание в офлайне завершилось в сентябре. С этого времени цены во всей сети устанавливают и оптимизируют с помощью системы Imprice.
Объем данных для анализа и расчетов кратно вырос. Поэтому мы провели глубокую оптимизацию системы с учетом кратного увеличения объема данных и доработали архитектуру ценообразования под новые подключаемые регионы.
➜ Перенесли на аналитическую СУБД ClickHouse все «тяжелые» процессы расчетов. В этой базе хранятся разные данные, в том числе история цен конкурентов, с которой можно оперативно работать.
➜ Добавили гибкую настройку для учета цен конкурентов. В каждой ценовой зоне можно рассчитать стоимость товаров на основе определенных конкурентов. Например, выбрать всего несколько аптек других брендов, относительно которых система пересчитает цену.
➜ Оптимизировали хранение больших данных.
➜ Доработали логику расчета. Средневзвешенная розничная цена зависит от количества аптек, которые входят в ценовую зону. Если точек становится больше или меньше, надо это отразить. Чтобы не действовать вручную, мы автоматизировали функцию и минимизировали количество ошибок, которые могут возникать из-за человеческого фактора.
Rollout в e-commerce занял пять месяцев. В июне 2023 года ценообразование в интернет-магазинах бренда было полностью автоматизировано. Развертывание в офлайне завершилось в сентябре. С этого времени цены во всей сети устанавливают и оптимизируют с помощью системы Imprice.
Результаты внедрения Imprice
Благодаря системе Imprice в III квартале 2023 года по сравнению с тем же периодом 2022-го были получены такие результаты:
фронт-маржа
по сети
по сети
трафик
в розничные точки
в розничные точки
рост доли e-commerce
в общей структуре
продаж сети
в общей структуре
продаж сети
рост валового дохода
в e commerce
канале сбыта
в e commerce
канале сбыта
Анализ ценовой зоны занимает 1–3 минуты. Если учитываются цены конкурентов, времени уходит больше, а без этого фактора система пересчитывает стоимость позиций примерно за минуту.
- Руководитель отдела ценообразования сети«Проект высоко оценили руководство компании и ее акционеры. Вложенные в него инвестиции окупились за счет перевыполнения KPI и соблюдения сроков реализации без потери качества.
Уже на этапе пилотирования был большой объем кастомных доработок, которые учитывали особенности нашего ценообразования. Мы увидели, что в системе можно быстро вносить изменения в правила и логику формирования цен — это было важно.
Когда мы захотели доработать бизнес-логику системы, команда Imprice быстро среагировала. Она отслеживала аномалии в сырых данных, предлагала варианты оптимизации анализа эффективности ценообразования и всегда была на связи, благодаря чему система работает на рост наших показателей».
- Никита ЦукановCEO Imprice"Реализация данного проекта — один из немногих кейсов в аптечной рознице, когда российскую систему динамического ценообразования внедрили для лидера рынка. Мы прошли путь от двух пилотов до промышленной эксплуатации. Поставленные на старте гипотезы подтвердились, и система доказала свою эффективность».
Читайте по теме
В НАШЕМ ТЕЛЕГРАМ-КАНАЛЕ
эксперты Imprice о внутренней кухне ценообразования
Разбираем проверенные практики, делимся опытом и рассказываем, как устроены управляемые процессы изнутри.
Скопировано