Инструмент:
Модуль оптимизации цен алгоритмами на базе машинного обучения Как это работает? ● На основе
исторических данных и
машинного обучения система Imprice определяет эластичность спроса и предлагает оптимальные цены.
● Цена приема врача будет скорректирована с учетом его
загрузки, уровня
квалификации и количества
заявок на запись.
● Сезонность услуг, отпуска и болезни самих врачей могут быть
спрогнозированы и нивелированы ценой на услуги.
● Алгоритм учтет разницу загрузки врачей в разных клиниках сети таким образом, чтобы обеспечить
максимальную загрузку каждого из них.
● Лабораторные исследования и анализы требуют особо гибкого ценообразования с учетом
конкуренции и
сезонности. Система Imprice на основе исторических данных позволяет
предиктивно оценивать перспективность проведения той или иной акции на определенные виды исследований и одновременно рекомендовать отделу маркетинга проведение рекламных кампаний и изменения по цене. Кроме того, алгоритм выделит категорию услуг, особо чувствительных к цене ("индикаторов", KVI), на которые цены следует держать минимальными, а на другие категории исследований, напротив, можно увеличить наценку и повысить
маржинальность.
● В случае недостатка исторических данных, алгоритм будет проводить
исследование спроса, незначительно меняя расценки и накапливая данные для принятия решений.
● Формируем разные предложения для разных
ценовых сегментов.
● Формируем
персональные предложения в личном кабинете пациента с учетом программы лояльности, профиля клиента, статистики отмененных записей и других факторов.
Результат: ✓ Максимизация дохода и повышение количества записей к врачам.
✓ Нагрузка гибко распределяется между клиниками сети, повышая загрузку врачей.
✓ Возможность строить
прогнозы продаж услуг с учетом сезонности, загруженности клиник, конкуренции, графика отпусков врачей и пр.
✓ Понимать востребованность и необходимость во врачах конкретной специальности и категории.
✓ Предлагать больше услуг там, где в них есть потребность.
✓ Прогнозировать открытие новой клиники в том районе, где услуги будут максимально востребованы (зная загруженность ближайших клиник и адреса пациентов).
✓ Выбор нужной
стратегии клиники: максимизации продаж или максимизация прибыли.
✓ Повышение
лояльности клиентов, в том числе через персональное ценообразование.
Подробнее:
Ценообразование на базе Machine Learning на примере ценообразования товаров.