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:
От матрицы наценок к гибкому ценообразованию: как фармдистрибьютор "Здравсервис" усиливает прибыльность в онлайн-канале
"Здравсервис" (zdravservice.com) - крупный фармацевтический дистрибьютор в центральной и южной части России. Компания работает с аптечными сетями, больницами и конечными покупателями через оптовый канал, интернет-магазин и маркетплейсы. Ассортимент насчитывает свыше 25 000 SKU от жизненно важных препаратов до товаров повседневного спроса.
Предпосылки проекта
Компания "Здравсервис" начала свою историю в 1996 году и за три десятилетия прошла путь от небольшого регионального поставщика до крупного участника фармацевтического рынка России. Исторически компания специализировалась на оптовых поставках препаратов. С годами бизнес активно рос, расширялся на новые направления и дистрибуцию дополнили розничные продажи, а также собственный онлайн-канал.
К моменту запуска проекта в "Здравсервисе" уже была выстроена отлаженная система ценообразования: матрица наценок, четкие диапазоны и расчет на базе внутренних правил.
В офлайн-каналах процессы работали стабильно, но с развитием онлайн-направления компания видела точки роста в текущем ценообразовании:
К моменту запуска проекта в "Здравсервисе" уже была выстроена отлаженная система ценообразования: матрица наценок, четкие диапазоны и расчет на базе внутренних правил.
В офлайн-каналах процессы работали стабильно, но с развитием онлайн-направления компания видела точки роста в текущем ценообразовании:
1. Региональная неоднородность.
Для эффективной конкуренции требовался переход от единой схемы ценообразования к индивидуальным ценовым стратегиям для каждого региона.
2. Масштаб ассортимента.
С расширением ассортимента в каналах становилось все сложнее держать фокус на всех категориях одновременно - от ключевых товаров до позиций "длинного хвоста".
3. Скорость реакции на закупочные цены.
При резком скачке закупочных цен ручные корректировки занимали время. Ускорение переоценки стало важным приоритетом, поскольку это напрямую влияло на показатели маржинальности.
Для эффективной конкуренции требовался переход от единой схемы ценообразования к индивидуальным ценовым стратегиям для каждого региона.
2. Масштаб ассортимента.
С расширением ассортимента в каналах становилось все сложнее держать фокус на всех категориях одновременно - от ключевых товаров до позиций "длинного хвоста".
3. Скорость реакции на закупочные цены.
При резком скачке закупочных цен ручные корректировки занимали время. Ускорение переоценки стало важным приоритетом, поскольку это напрямую влияло на показатели маржинальности.
В 2024 году компания поставила перед собой стратегическую задачу - перевести онлайн-канал на более гибкое ценообразование, которое позволит быстро адаптироваться к изменениям рынка. Именно это и стало отправной точкой к запуску пилотного эксперимента в двух интернет-аптеках под брендами "Твой доктор" и "Здесь аптека".
- Владимир ДементьевРуководитель проекта со стороны компании "Здравсервис""Каждый регион у нас ведет себя по-разному: свои поставщики, свои конкуренты, разные активности по продвижению. Единый подход к ценообразованию перестал закрывать эту специфику, мы видели потенциал для роста и приняли решение протестировать динамическое ценообразование. А e-commerce - логичный канал для старта. Здесь точка агрегации ближе к продажам и обратную связь от рынка мы видим быстрее".
Почему выбрали Imprice
Выбор решения динамического ценообразования в "Здравсервисе" строился на трех критериях:
✓ Экспертиза в ценообразовании фармкомпаний - понимание специфики ЖНВЛП, госограничений и логики продаж в аптечном секторе.
✓ Адаптация под текущие процессы - готовность гибко настраивать систему под существующую логику бизнеса с учетом уже отстроенных процессов ценообразования.
✓ Подтвержденный опыт - успешные проекты с аптечными сетями и онлайн-ритейлерами с реализацией механик расчета цен под специфику фармрынка.
После серии встреч руководство "Здравсервиса" остановило свой выбор на системе динамического ценообразования Imprice, а к внедрению подключилась экспертная команда крупнейшего IT-интегратора "Первый БИТ".
✓ Экспертиза в ценообразовании фармкомпаний - понимание специфики ЖНВЛП, госограничений и логики продаж в аптечном секторе.
✓ Адаптация под текущие процессы - готовность гибко настраивать систему под существующую логику бизнеса с учетом уже отстроенных процессов ценообразования.
✓ Подтвержденный опыт - успешные проекты с аптечными сетями и онлайн-ритейлерами с реализацией механик расчета цен под специфику фармрынка.
После серии встреч руководство "Здравсервиса" остановило свой выбор на системе динамического ценообразования Imprice, а к внедрению подключилась экспертная команда крупнейшего IT-интегратора "Первый БИТ".
Пилотные проекты: цели и метрики
Подготовка к запуску началась летом 2024 года. Проект охватил две интернет-аптеки под брендами "Твой доктор" и "Здесь аптека", а в качестве пилотного региона была выбрана Воронежская область.
Пилот №1
E-com, Воронежская область
Цель эксперимента:
проверить влияние динамического ценообразования на выручку онлайн-аптеки.
проверить влияние динамического ценообразования на выручку онлайн-аптеки.
Методика сравнения:
Показатели пилотного региона сравнивались с недельной медианой за 12 месяцев до старта и с динамикой по аналогичному ассортименту контрольной группы - интернет-аптек в Московской, Владимирской и Рязанской областях. Это позволяло отделить эффект от внедрения Imprice от неценовых факторов и рыночных/сезонных трендов.
Показатели пилотного региона сравнивались с недельной медианой за 12 месяцев до старта и с динамикой по аналогичному ассортименту контрольной группы - интернет-аптек в Московской, Владимирской и Рязанской областях. Это позволяло отделить эффект от внедрения Imprice от неценовых факторов и рыночных/сезонных трендов.
Основной KPI - положительный прирост выручки с устойчивой динамикой по неделям.
Дополнительный – сохранение маржинальности в пределах целевых показателей.
Дополнительный – сохранение маржинальности в пределах целевых показателей.
Пилот длился с ноября 2024 года по февраль 2025 года и дал однозначные позитивные результаты, но после окончания "Здравсервис" принял решение проверить вторую гипотезу:
Как новая система ценообразования покажет себя в другом регионе с целевой метрикой по росту валовой прибыли?
И уже в начале марта был запущен второй пилотный проект в Калужской области, а Воронежская область продолжила работать по первой стратегии как стабильная база для сравнения.
Как новая система ценообразования покажет себя в другом регионе с целевой метрикой по росту валовой прибыли?
И уже в начале марта был запущен второй пилотный проект в Калужской области, а Воронежская область продолжила работать по первой стратегии как стабильная база для сравнения.
Пилот №2
E-com, Калужская область
Цель эксперимента:
проверить влияние динамического ценообразования на показатель валовой прибыли.
проверить влияние динамического ценообразования на показатель валовой прибыли.
Методика сравнения:
Аналогичная пилотному проекту в Воронежской области.
Аналогичная пилотному проекту в Воронежской области.
Основной KPI - прирост валового дохода на 2,5% и более.
Дополнительный – положительный прирост выручки.
Дополнительный – положительный прирост выручки.
Такой подход потребовал больше времени и ресурсов, но на выходе дал максимальный уровень доказательности. Компания подтвердила для себя потенциал новой системы ценообразования как в условиях разных целевых стратегий, так и на разных региональных рынках.
Механики ценообразования
и адаптация к специфике фармрынка
и адаптация к специфике фармрынка
Ценообразование в проекте строилось на комбинации продвинутых практик Imprice и дополнительных механик под специфику аптечного бизнеса. Всю работу над проектом - от формирования ценовой стратегии и адаптации к процессам до пилотирования в двух регионах - вела экспертная команда "Первого БИТа".
Ключевые механики ценообразования, реализованные в проекте:
1. Кластеризация ассортимента на товарные корзины
Ассортимент интернет-аптеки был разделен на стратегические корзины с индивидуальной целью для каждой:
✓ KVI и "Локомотивы" - товары с высокой ценовой чувствительностью и фокусные позиции, которые команда "Здравсервиса" выделяла как ключевые для ценового имиджа.
✓ Back Basket и Long Tail - товары с низкой ценовой чувствительностью и позиции с низкой оборачиваемостью.
✓ Дефицит - товары с ограниченной доступностью.
Важная особенность проекта: товары "локомотивы" были интегрированы в кластеризацию как отдельный сегмент наряду с KVI-товарами. Это позволило объединить экспертизу бизнеса с глубокой аналитикой ML-алгоритмов.
Ассортимент интернет-аптеки был разделен на стратегические корзины с индивидуальной целью для каждой:
✓ KVI и "Локомотивы" - товары с высокой ценовой чувствительностью и фокусные позиции, которые команда "Здравсервиса" выделяла как ключевые для ценового имиджа.
✓ Back Basket и Long Tail - товары с низкой ценовой чувствительностью и позиции с низкой оборачиваемостью.
✓ Дефицит - товары с ограниченной доступностью.
Важная особенность проекта: товары "локомотивы" были интегрированы в кластеризацию как отдельный сегмент наряду с KVI-товарами. Это позволило объединить экспертизу бизнеса с глубокой аналитикой ML-алгоритмов.
2. ML-ценообразование с учетом ограничений фармрынка
ML-алгоритмы искали оптимальный уровень цены в рамках допустимых ценовых коридоров и стратегий для каждой категории товаров:
✓ KVI и "локомотивы", по которым не было данных о ценах конкурентов - баланс между выручкой и продажами в штуках.
✓ Товары категорий Back Basket, Long Tail и дефицитные позиции - максимизация валовой прибыли.
✓ Жизненно важные препараты (ЖНВЛП) - цены также рассчитывались на базе ML-алгоритмов, но с приоритетными ограничениями по допустимой цене "поверх" основной ценовой стратегии.
ML-алгоритмы искали оптимальный уровень цены в рамках допустимых ценовых коридоров и стратегий для каждой категории товаров:
✓ KVI и "локомотивы", по которым не было данных о ценах конкурентов - баланс между выручкой и продажами в штуках.
✓ Товары категорий Back Basket, Long Tail и дефицитные позиции - максимизация валовой прибыли.
✓ Жизненно важные препараты (ЖНВЛП) - цены также рассчитывались на базе ML-алгоритмов, но с приоритетными ограничениями по допустимой цене "поверх" основной ценовой стратегии.
3. Конкурентное ценообразование
Данные о конкурентах система Imprice получала напрямую из сервиса мониторинга. Для KVI и “локомотивов”, по которым цены конкурентов были доступны, система выставляла цену под первую минимальную на рынке. Автоматически отслеживала изменения и удерживала нужную позицию, не опускаясь ниже себестоимости и не превышая заданные ограничения (например, для ЖНВЛП).
Таким образом, механика переключалась в зависимости от доступных данных:
✓ есть цены конкурентов - система работала от рынка;
✓ если цен нет - подключала ML-алгоритмы и искала оптимальный уровень через исследование спроса.
Данные о конкурентах система Imprice получала напрямую из сервиса мониторинга. Для KVI и “локомотивов”, по которым цены конкурентов были доступны, система выставляла цену под первую минимальную на рынке. Автоматически отслеживала изменения и удерживала нужную позицию, не опускаясь ниже себестоимости и не превышая заданные ограничения (например, для ЖНВЛП).
Таким образом, механика переключалась в зависимости от доступных данных:
✓ есть цены конкурентов - система работала от рынка;
✓ если цен нет - подключала ML-алгоритмы и искала оптимальный уровень через исследование спроса.
4. Карантин себестоимости и цен конкурентов
Для защиты от аномальных отклонений были реализованы следующие механики:
✓ Карантин себестоимости - при резком скачке закупочной цены товар попадал в карантин и требовал подтверждения со стороны менеджера.
✓ Фильтрация цен конкурентов - если цена конкурента отклонялась от диапазона больше заданного порога, она автоматически исключалась из расчетов.
Для защиты от аномальных отклонений были реализованы следующие механики:
✓ Карантин себестоимости - при резком скачке закупочной цены товар попадал в карантин и требовал подтверждения со стороны менеджера.
✓ Фильтрация цен конкурентов - если цена конкурента отклонялась от диапазона больше заданного порога, она автоматически исключалась из расчетов.
Результаты пилотов
Пилот №1, Воронежская область: рост выручки при сохранении маржи
➜ +11% выручки по пилотному региону относительно контрольных и медианы.
➜ +3 п.п. маржинальности при одновременном росте оборота.
➜ +11% выручки по пилотному региону относительно контрольных и медианы.
➜ +3 п.п. маржинальности при одновременном росте оборота.
Подробнее о динамике показателей:
На графике - недельная динамика выручки в процентном отношении к медиане за предшествующие 12 месяцев. Линиями обозначены показатели пилотного региона Imprice ("тест") и контрольной группы ("контроль"). Цветом выделен период проведения пилота, включая весенние месяцы, когда Воронежская область продолжала работу параллельно с экспериментом в новом регионе.
Перед стартом пилота мы видим, что показатель по выручке Воронежской области шел с отставанием. В период же ценообразования с Imprice тестовый регион показал рост относительно контрольной группы и сохранил положительную динамику с итоговым результатом +11,3%.
Теперь проследим за контрольным показателем - динамикой маржинальности:
Перед стартом пилота мы видим, что показатель по выручке Воронежской области шел с отставанием. В период же ценообразования с Imprice тестовый регион показал рост относительно контрольной группы и сохранил положительную динамику с итоговым результатом +11,3%.
Теперь проследим за контрольным показателем - динамикой маржинальности:
Здесь мы видим синхронный с выручкой тренд роста. Тестовый регион вышел на опережающий показатель относительно и медианы, и контрольный группы. Итоговая дельта по маржинальности составила +3,2%.
Ключевые задачи ценообразования при стратегии на рост прибыли: удержание конкурентных цен на KVI-товары, генерирующие трафик, и поиск ценового потенциала в категориях Long Tail. На примере этих категорий рассмотрим подробнее, как система экспериментировала с ценой и как это повлияло на финансовые показатели.
Динамика по отдельным товарам:
Таблетки “Клайра” - товар с высокой ценовой чувствительностью категории Hard KVI
На графиках приведена динамика изменения цены, показателей продаж и выручки.
На верхнем графике мы видим, что алгоритмы Imprice удерживали цену в среднем выше медианы на 5,8% с небольшими корректировками, тогда как в контроле цена поднималась значительно выше. Благодаря ценовым экспериментам система нашла оптимальный конкурентный уровень: число чеков выросло на 102,5% (второй график), выручка на 110,1% (третий график) относительно контрольных регионов. Контрольная группа при этом демонстрировала снижение относительно медианы как по чекам, так и по выручке.
На верхнем графике мы видим, что алгоритмы Imprice удерживали цену в среднем выше медианы на 5,8% с небольшими корректировками, тогда как в контроле цена поднималась значительно выше. Благодаря ценовым экспериментам система нашла оптимальный конкурентный уровень: число чеков выросло на 102,5% (второй график), выручка на 110,1% (третий график) относительно контрольных регионов. Контрольная группа при этом демонстрировала снижение относительно медианы как по чекам, так и по выручке.
Порошок “Реглисам” — категория Long Tail
На первом графике мы видим, что по этому товару система шла в более смелые эксперименты с планомерным повышением цены. Как только продажи в штуках шли на спад (второй график), цена снижалась до уровня стабилизации спроса, и далее цикл повторялся.
За счет повышения цены в среднем на 10% прирост выручки тестового региона составил +56,5% относительно контрольного. При этом чеки также показали позитивную динамику с итоговой дельтой +26,8%. Система нашла тот оптимальный уровень, при котором прибыльность растет без потери спроса.
За счет повышения цены в среднем на 10% прирост выручки тестового региона составил +56,5% относительно контрольного. При этом чеки также показали позитивную динамику с итоговой дельтой +26,8%. Система нашла тот оптимальный уровень, при котором прибыльность растет без потери спроса.
Пилот №2, Калужская область: достижение целевых метрик
Второй пилот запускался с целевой метрикой на рост валового дохода. Результат:
➜ +3,1% валового дохода относительно контрольной группы при целевом пороге 2,5%.
➜ Дополнительная метрика по выручке также показала положительную динамику относительно товаров без ценообразования Imprice.
Второй пилот запускался с целевой метрикой на рост валового дохода. Результат:
➜ +3,1% валового дохода относительно контрольной группы при целевом пороге 2,5%.
➜ Дополнительная метрика по выручке также показала положительную динамику относительно товаров без ценообразования Imprice.
- Владимир ДементьевРуководитель проекта со стороны компании "Здравсервис""Каждый регион у нас ведет себя по-разному: свои поставщики, свои конкуренты, разные активности по продвижению. Единый подход к ценообразованию перестал закрывать эту специфику, мы видели потенциал для роста и приняли решение протестировать динамическое ценообразование. А e-commerce - логичный канал для старта. Здесь точка агрегации ближе к продажам и обратную связь от рынка мы видим быстрее".
Масштабирование на десять регионов
После позитивных результатов двух пилотов "Здравсервис" принял решение масштабировать новый подход на весь онлайн-канал. К осени 2025 года к ценообразованию Imprice были подключены 10 действующих регионов интернет-аптек "Твой доктор" и "Здесь аптека" с единой стратегией на рост валового дохода.
Что покрывает система в масштабе:
✓ Кластеризация ассортимента, учет локомотивов, ML-оптимизация, работа с дефицитом и ЖНВЛП - весь набор механик в каждом регионе.
✓ Ежедневный пересчет цен по всему ассортименту (~25–30 тыс. SKU).
✓ Все цены - регулярные, промо и фиксированные - выгружаются через Imprice как через единый контур ценообразования.
В ходе проекта в "Здравсервисе" сложились все три условия, при которых ценообразование превращается в эффективный и управляемый процесс: порядок в данных, четкие правила и выделенная экспертная команда.
Что покрывает система в масштабе:
✓ Кластеризация ассортимента, учет локомотивов, ML-оптимизация, работа с дефицитом и ЖНВЛП - весь набор механик в каждом регионе.
✓ Ежедневный пересчет цен по всему ассортименту (~25–30 тыс. SKU).
✓ Все цены - регулярные, промо и фиксированные - выгружаются через Imprice как через единый контур ценообразования.
В ходе проекта в "Здравсервисе" сложились все три условия, при которых ценообразование превращается в эффективный и управляемый процесс: порядок в данных, четкие правила и выделенная экспертная команда.
- Владимир ДементьевРуководитель проекта со стороны компании "Здравсервис""Мы перестроили работу с ценообразованием без расширения штата: выделили отдельное направление под e-commerce, команда перешла от ручного пересчета к управлению стратегиями и правилами. Все работает стабильно в ежедневном режиме".
Кейсы и статьи по теме