Кластерное ценообразование

Продуктовая сеть или сеть аптек может иметь множество “точек”, находящихся в разных районах и имеющих разное конкурентное окружение. В разных точках продаж будет разный спрос на одни и те же товары, ведь в них ходит разная аудитория. Как учесть все эти нюансы?

В этой статье мы расскажем как кластерное ценообразование помогает улучшить финансовые результаты за счет учета общих особенностей торговых точек при формировании цен.

Давайте разберем различия между магазинами и приглядимся к причинам, которые эти различия вызывают.

Первое различие - социально-демографический состав аудитории, разные потребители. В спальном районе посетителями будут семьи и пожилые люди. В центре города - молодые клерки.

Как это будет реализовано в системе Imprice? Аптеки из примера выше будут входить в разные кластеры. Например, кластеры “Спальные районы” и “ТРЦ центр”. Для каждого кластера будет рассчитываться свой прайс на все SKU.

Соответственно, один и тот же товар может оказаться Hard KVI в одном кластере и Back Basket или Long Tail в другом - ведь ценовая чувствительность будет разная в разных кластерах. И цены на этот товар также будут различаться.

Так же для каждого кластера можно определить свой диапазон ценового индекса относительно конкурентов: количество KVI и Soft KVI.

Второе важное различие - конкурентное окружение. Рядом с любой точкой продаж есть ее конкуренты. В примере с аптеками мы видим картину, уже привычную для больших городов, когда на каждом перекрестке есть аптека, а порой и не одна. Клиенту достаточно пройти несколько шагов, чтобы купить лекарство дешевле и тут ценовой фактор начинает играть все большую роль.

Но помимо прямых конкурентов могут быть и косвенные. Такие, с которыми идет конкуренция по отдельным товарным группам. Например, для дрогери ритейла прямым конкурентом будут магазины шаговой доступности, где также продаются моющие средства.

Как же учесть все эти факторы конкуренции?

Система Imprice позволяет учесть все эти факторы при расчете CSI (англ. competitive strength index) - Индекс силы конкуренции.

Как он рассчитывается? Если кратко, Индекс силы конкуренции учитывает всех конкурентов в окружении точки продаж, их тип (прямые, специалисты и не только) и расстояние до них. Механику процесса можно увидеть на скриншотах ниже.

Когда к каждой торговой точке будут привязаны конкуренты и описаны должным образом, тогда система сможет вычислить Индекс силы конкуренции. CSI тем больше, чем выше конкуренция, вес каждого отдельного конкурента, и он имеет обратную зависимость от расстояния до них.
Иными словами, если конкурентов мало и они далеко - Индекс силы конкуренции низкий. Если же близко от вас много сильных конкурентов - Индекс высокий.

Следующий шаг: формирование кластеров на основе CSI. Скажем сразу, Индекс силы конкуренции не единственный определяющий кластер критерий (другими критериями могут быть формат магазина, локация и пр. факторы, о них мы еще поговорим). Но Индекс силы конкуренции критерий очень важный. Система Imprice позволяет для каждого кластера определить свой диапазон CSI.

Что произойдет, если рядом с торговой точкой закроется магазин конкурента? Система пересчитает Индекс силы конкуренции для нашего магазина и автоматически переопределит его в другой кластер с более низкой конкуренцией. Соответственно, пересчитаются и все цены для данного магазина.

Третий важный фактор - контекст. По сути, это целая группа факторов, учет которых дает более “тонкую настройку” кластера. Что входит в фактор контекста?

Прежде всего - окружение. И речь сейчас не о конкурентах или аудитории.
Аптеки в аэропорту и в торговом центре могут иметь разные топовые категории товаров, хотя социально-демографический срез будет схожий. Но контекст, в котором оказываются покупатели - разный.
К примеру, молодой клерк может после обеда забежать в аптечный киоск в ТЦ, чтобы купить средство от несварения. И он же, отправляясь в командировку, зайдет в аптеку в аэропорту, чтобы приобрести пластырь или лекарство от укачивания в полете.

К контексту мы отнесем и тип помещения: стрит ритейл, ТЦ, ларек в больнице/поликлинике. В эту группу факторов мы отнесем и целевой уровень маржинальности и объема продаж для достижения финансовых результатов. Можно даже учесть особенности аренды помещений, ведь они непосредственно влияют на маржинальность.

Можно учесть и такие данные окружения, как уровень платежеспособности населения в районе торговой точки. Об этом косвенно будет свидетельствовать окружение: характеристики точки продаж на улице с бутиками будут отличаться от окружения дискаунтерами.

Эти множественные факторы могут будь сформулированы в виде правил, по которым та или иная торговая точка будет отнесена к тому или иному ценовому кластеру.

Как это будет работать? К примеру, изменение ставки аренды может потребовать изменить цены, чтобы выравнять маржинальность. Соответственно, точка продаж может перекочевать в другой кластер после пересчета показателя.

При формировании кластеров могут быть учтены данные программы лояльности. Покупателей, которые чаще посещают определенные группы магазинов, можно объединить в группу и привязать к определенному кластеру.

Как говорилось выше, чем больше факторов будет учтено при ценообразовании, тем более точно можно определить кластер, к которому отнести торговую точку. И, как следствие, покупателю будет предложена правильная цена.

Каждый кластер будет иметь свой прайс, а значит, ассортимент в несколько десятков тысяч SKU следует умножить на количество кластеров - столько данных будет пересчитываться регулярно. В таком объеме выискивать вручную дополнительную валовую прибыль физически невозможно, а алгоритм Imprice умеет справляться с этой задачей: определяя эластичность товара и оптимальную цену, при которой максимизируется валовая прибыль или выручка.

Нужно ли магазины объединять в кластеры или можно пойти дальше и формировать уникальные прайсы для каждого магазина?
Исследования показывают, что 5-10 кластеров дают 80% экономического эффекта по сравнению с вариантом отдельного прайса для каждой торговой точки. При этом у избыточности этого процесса есть свои минусы: торговых точек могут быть сотни, а стало быть, потребуется генерировать и пересчитывать такое же количество прайсов. Объем данных растет пропорционально. Это и лишняя нагрузка на серверы, и время пересчетов. При том, что на большую часть данные будут совпадать. А то, что различается можно и нужно определять на уровне кластера.