Ценообразование на базе Machine Learning (машинного обучения)
Хотите получать максимум покупательского трафика,
улучшить ценовое и ассортиментное восприятие вашего магазина и увеличить валовую прибыль?

Используйте готовую методологию и алгоритмы Imprice с искусственным интеллектом!
Алгоритмы:

Находят в вашем ассортименте товары KVI, генерирующие трафик и допродажи,

Предлагают для этих товаров оптимальные цены относительно конкурентов.

Находят в вашем ассортименте товары с заниженной ценой — и поднимают ее до оптимальной.

Находят в вашем ассортименте товары с завышенной ценой — и снижают ее до оптимальной.
Результат:

Оптимальные цены KVI увеличивают приток покупателей.

Увеличиваются продажи и KVI, и высокомаржинальных товаров, которые покупают "заодно".

Ваши магазины выглядят привлекательно на фоне конкурентов, не занижая цены.

Ваша валовая прибыль растет (посмотреть бенчмарки роста валовой прибыли по отраслям можно ЗДЕСЬ )
Как это работает:
Алгоритмы с искусственным интеллектом определяют роль каждого товара в ваших продажах, его влияние на продажи других товаров, а также чувствительность к ценам конкурентов. Ваш ассортимент автоматически делится на сегменты:

товары, генерирующие трафик,
товары, генерирующие продажи других товаров,
товары, влияющие на ценовое и ассортиментное восприятие магазина,
товары, генерирующие прибыль,
товары-заменители,
товары-дополнители,
и другие.

В том числе, вы получаете полный список ваших soft KVI и hard KVI.
Подробнее про Этап 1
Этап 1. Анализируем ассортимент.
Для soft KVI и hard KVI запускается ценообразование по конкурентам. Цена ваших KVI автоматически следует за ценами конкурентов и остается на заданной вами позиции.

Для сегментов Back Basket и Long Tail запускается автоматическая оптимизация цен алгоритмами искусcтвеного интеллекта. Алгоритмы с машинным обучением вычисляют набор цен, который обеспечивает вам максимальную прибыль при текущем спросе. Если ваша цель — рост доли рынка, рекомендуется поставить алгоритмам другую цель — рост выручки или рост продаж в штуках.

Для товаров-заменителей формируется единый вектор цен, максимизирующий общую прибыль по заменителям и предотвращающий каннибализацию.
Подробнее про Этап 2
Этап 2. Начинаем увеличивать прибыль: настраиваем и запускаем ценовые стратегии для каждой товарной роли.
Модуль с искусственным интеллектом поможет дополнительно увеличить продажи части Soft KVI, а также относительно редко продаваемых товаров, которые сравнивают при покупке с предложениями конкурентов.
Подробнее про Этап 3
Этап 3. Получаем больше прибыли: уточняем оптимальные позиции цен Soft KVI и конкурентных товаров.
Модуль с искусственным интеллектом выявит для каждого товара:

какие конкуренты ...... действительно оказывают влияние на ваши продажи на основе истории изменений цен конкурентами и истории ваших продаж,

и цены каких конкурентов лучше исключить из расчетов.
Скорректировав правила ценообразования — учтя в них всех реальных конкурентов конкретного региона и исключив из правил "ложных" конкурентов — вы перестанете упускать часть продаж и прибыли.

Рекомендуем обязательно применять данный модуль для товаров KVI.
Подробнее про Этап 4
Этап 4. Получаем ещё больше прибыли: выявляем истинных конкурентов.
Примеры результатов ценообразования по KVI + интеллектуального ценообразования:
Увеличили прибыль на 30% и окупили инвестиции в динамическое ценообразование еще во время пилота
Гипермаркеты получили +6,6% прибыли с помощью инноваций.
Лидер продуктового ритейла в Кыргызстане задействовал искусственный интеллект для оптимизации цен
Подробнее о каждом этапе
работы алгоритмов:
1
Этап 1. Кластеризация
Алгоритмы с искусственным интеллектом (AI, artificial intelligence) определяют роль каждого товара в ваших продажах, его влияние на продажи других товаров, а также чувствительность к ценам конкурентов. Ваш ассортимент автоматически делится на сегменты (кластеры) — каждый сегмент соответствует определенной товарной роли.
Этот процесс называется кластеризацией.

Рассмотрим самые важные кластеры подробнее.
Кластеры: Hard и Soft KVI
Ключевые кластеры — это товары KVI (key value items):

спрос на них очень чувствителен к цене,

покупатели сравнивают цены KVI с ценами конкурентов, и выбирают магазин с лучшей ценой, если только это не создает критичных неудобств,

если в ассортименте магазина отсутствуют некоторые KVI, покупатели оценивают магазин как "место, где часто нет нужных мне товаров; буду приходить сюда в последнюю очередь",

если цены KVI ............... выше оптимального уровня, покупатели оценивают магазин как "слишком дорогой, здесь задирают цены".
1 - Hard KVI.

Это сверхчувствительные к цене позиции; для них работает только первая или вторая минимальная цена рынка.

В отдельных нишах (например, в аптечном секторе) распространен кейс вынужденной установки отрицательной наценки на Hard KVI. Это компенсируется за счет продаж более маржинальных позиций.
KVI делятся AI-алгоритмами на две группы:
2 - Soft KVI.

Такие товары влияют на ценовое и ассортиментное восприятие магазина ("здесь отличные цены / здесь дорого", "здесь классный ассортимент / здесь вечно нет половины нужного мне").

Однако Soft KVI менее чувствительны к цене, и для них оптимальной будет третья, четвертая или даже пятая цена рынка.
При цене ниже магазин будет просто терять маржу, не получая дополнительный трафик и продажи.
Рекомендуем изучить:
Четыре ошибки в работе со списком KVI, из-за которых магазин теряет прибыль и покупателей:

Ошибка 1. Часть "KVI" из списка ритейлера на самом деле не KVI.
Ошибка 2. Часть своих KVI компания считает "обычными товарами".
Ошибка 3. Ритейлер ставит "первую минимальную цену" на все свои KVI.
Ошибка 4. Ритейлер ставит недостаточно привлекательную цену на KVI со сверхвысокой ценовой чувствительностью.

Статья на примерах ритейлеров России и СНГ показывает, как растет прибыль
при устранении этих ошибок — ЧИТАТЬ
AI-алгоритмы сортируют .........Soft KVI по рекомендуемой степени агрессивности ценообразования.

Итого на выходе вы получаете полный список KVI, разбитый на подгруппы.
Каждой подгруппе соответствует индивидуальная ценовая стратегия.

Примеры факторов, которые учитывают алгоритмы Imprice при выявлении KVI:

Пенетрация (вхождение) товара в чеки.
Устойчивые сочетания товаров ..............в составах чеков.
Объем продаж товара.
Оборачиваемость.
Влияют ли на продажи данного товара изменения его цены в вашем магазине и изменения цен конкурентов.
Полный список KVI, c указанием оптимальной позиции цены относительно конкурентов, дает вам возможность:
а – Эффективно управлять ассортиментным восприятием.

По нашей статистике, обычно компании не знают минимум 20% своих KVI. Такие SKU могут часто отсутствовать на полке, что создает впечатление "бедного ассортимента".

С полным списком KVI вы застрахованы от таких ошибок.
Изучите кейс:
Улучшение ценового восприятия магазинов в фуд-ритейлеЧИТАТЬ
в – Значительно увеличить продажи.

Алгоритмы выявляют "скрытые KVI" и Hard KVI магазина, и снижают их цену до оптимальной. Трафик растет, увеличиваются продажи самих KVI и товаров, которые покупают "заодно".
б – Эффективно управлять ценовым восприятием.

По нашей статистике, обычно компании не знают минимум 20% своих KVI. Цена таких SKU часто завышена относительно оптимальной, и формирует впечатление "дорогого магазина".

С полным списком KVI вы застрахованы от таких ошибок.
г – Увеличить валовую прибыль.

Алгоритмы выявляют "ложные KVI" и Soft KVI с заниженной ценой.
Цена таких SKU повышается до оптимальной; объём продаж в штуках остается прежним, а маржинальность продаж растет.
Валовая прибыль от таких продаж увеличивается.

Дополнительный рост валовой прибыли дает рост трафика: покупатели приходят за KVI с привлекательной ценой, при этом растут продажи высокомаржинальных товаров, купленных "заодно" с KVI. Валовая прибыль растет.
Обо всех видах KVI — Soft, Hard, "ложных" и "скрытых" — подробно рассказано ЗДЕСЬ.
Важно:
В магазинах одной и той же сети могут быть разные KVI.
Рекомендуется делать индивидуальную кластеризацию для каждого региона и каждого формата сети.

В Imprice кластеризация для каждого отдельного кластера магазинов делается с помощью стандартных настроек.
Важно:
Список KVI не статичен.
Часть позиций перестают быть KVI через определенное время.
И напротив, "обычный" товар может быстро превратиться в KVI.

Следствие: рекомендуется уточнять кластеризацию минимум раз в квартал.
В ряде ниш, например, в фуд-ритейле, повторная кластеризация необходима ежемесячно.
Кластеры: Back Basket и Long Tail
Параллельно с KVI, AI-алгоритмы определяют два других сегмента:

Back Basket. Относительно популярные товары с низкой ценовой чувствительностью.
Алгоритм выделяет их в отдельный сегмент и сортирует по уменьшению зависимоcти спроса от цены.

Long Tail. Товары с минимальными / редкими продажами.
В данных сегментах "спрятан" основной потенциал роста маржинальности и валовой прибыли, которые компенсируют снижение маржинальности у KVI:

Часто цена довольно многих товаров из данных сегментов занижена; по факту, покупатели не задумываясь заплатили бы больше. При заниженной цене компания недополучает прибыль. При повышении цены до оптимальной ................... прибыль повышается, а продажи в штуках не меняются.

Цена других товаров из этих сегментов завышена. Спрос неэластичен только в определенных границах; при превышении верхней границы цены спрос резко падает. При снижении цены таких товаров до оптимальной ................... спрос появляется. Компания начинает получать гораздо более высокие продажи и прибыль.
Кластеры: Заменители
Товары А и Б являются заменителями, если есть прямая зависимость спроса на один товар от цены другого.

Если цена А снизится — его продажи вырастут, а продажи Б упадут. Произойдет каннибализация — спрос останется прежним, но А поглотит продажи Б.

И наоборот, если снизится цена Б, то упадут продажи А.
AI-алгоритмы выявляют товары-аналоги (заменители), и объединяют их в группы.

В дальнейшем для всех товаров группы цены рассчитываются совместно — так, чтобы прибыль по всей группе заменителей была максимальной, и не возникало каннибализации.

Оптимизируется не отдельная цена, а весь вектор цен для всей группы заменителей одновременно.
2
Этап 2. Настройка и запуск ценовых стратегий для каждой роли
Для Hard KVI и Soft KVI запускается конкурентное ценообразование на базе сверхгибких правил.
Imprice автоматически ............ ..... собирает цены ваших конкурентов, либо автоматически загружает эти цены из любого сервиса по сбору данных, с которым вы работаете.


Для каждого KVI задается целевая позиция цены относительно конкурентов:
первая цена рынка, вторая, третья, четвертая, пятая.
Целевая позиция определяется по результатам кластеризации или согласно вашей ценовой стратегии.


Система Imprice автоматически ....... .. пересчитывает цены ваших KVI с учетом изменений цен конкурентов, всех внутренних факторов и ограничений (в том числе, минимально допустимого уровня наценки).

Результат:
цена ваших KVI автоматически следует за конкурентами.

Растет трафик и продажи.

При этом вы застрахованы от торговли в "минус" с помощью ограничений наценки.
Для Long Tail и Back Basket запускается автоматическая оптимизация цен алгоритмами искусственного интеллекта:
Критерий "максимум прибыли" означает, что задача алгоритмов — найти оптимальный набор цен, обеспечивающий вам максимум валовой прибыли при текущих условиях.
2 – Алгоритмы изучают зависимость спроса каждого товара от цены:

Анализируют историю продаж при разных уровнях цены.
Если история изменения цен отсутствует или недостаточная, алгоритмы проводят серию ценовых экспериментов:
Ознакомиться с математическими моделями, положенными в основу алгоритмов, можно ЗДЕСЬ.
Пример.
Мы продаем 10 видов кондиционеров для белья, которые являются заменителями друг для друга.
В день средние продажи всей группы кондиционеров — 100 бутылок.
Снижается цена на один кондиционер. Большинство покупателей переключается на него; продажи других кондиционеров падают. При этом в день по-прежнему продается в среднем 100 бутылок кондиционера.

"Оптимизация всего вектора цен" значит, что алгоритмы ищут такой набор цен, при котором растут продажи и прибыль от продаж всей группы кондиционеров-заменителей.
3 – Результат:

Цены товаров с завышенной ценой снижаются ........до оптимальных. Это приводит к значительному росту продаж и прибыли.

Цены товаров с заниженной ценой повышаются ....... до оптимальных. Уровень продаж сохраняется на прежнем уровне, а прибыль растет за счет увеличения маржинальности продаж.
1 – Вы выбираете критерий оптимизации:

максимум прибыли,
максимум выручки,
или максимум продаж в штуках.
Ваши эксперты совместно с экспертами Imprice задают интервал, в котором допустимо устанавливать цену.

Алгоритмы устанавливают цены внутри заданного интервала и замеряют спрос:
1. Ставят вероятную «лучшую» цену на текущий день либо неделю.
2. Изучают спрос.
3. При повышении спроса пробуют поднять цену. При снижении спроса — пробуют опустить.
И так каждый день или другой заданный период, пока на какое-то время не закрепится самая оптимальная цена. Если ситуация на рынке меняется, алгоритм сразу же реагирует на шаге 2.

При этом решается дилемма «Исследования или Эксплуатации»:
стоит задача потратить как можно меньше времени на поиск лучшей цены
и как можно дольше эксплуатировать эту цену.

- Для товаров-заменителей оптимизируется не цена отдельного товара, а весь вектор цен группы заменителей.
Прирост прибыли при динамическом ценообразовании зависит от специализации ритейлера и особенностей работы его магазинов.

Изучите кейсы и бенчмарки, чтобы спрогнозировать рост прибыли в вашем случае:
Статистика роста прибыли и продаж в ритейле России и СНГ, с разбивкой по специализациям ритейла.
Факторы, влияющие на величину и скорость приростов.
Кейсы внедрений динамического ценообразования в ритейле России и СНГ, офлайн и онлайн
Прочтите, как интеллектуальное ценообразование работает на маркетплейсах:
ЧИТАТЬ

3
Этап 3. Дополнительная оптимизация: уточнение оптимальной позиции Soft KVI и конкурентных товаров
  • Для Soft KVI запускается особый вид оптимизации.
    Алгоритмы вычисляют, на каком месте среди конкурентов должна находиться цена данного SKU, чтобы целевая метрика достигала своего максимального значения в текущих условиях.
Этап 1, кластеризация, — это деление товаров по их ролям в покупательской корзине. В том числе, Soft KVI алгоритмы ранжируют по степени зависимости спроса от цены — это определяет, какую позицию должна занять цена соответствующего SKU среди конкурентов.

Кластеризация — это результат анализа данных продаж, ценовой истории, структуры чеков.
При этом, как правило, алгоритмам приходится иметь дело с недостаточной историей изменения цен (то есть магазин менял цены редко и в ограниченном интервале). Если магазин никогда не ставил цену, близкую к эффективной, часть потенциала KVI может быть определена только с помощью дополнительных ценовых экспериментов.
  • Оптимизация цен на базе зондирования спроса идет по тому же принципу, что на Этапе 2. Но есть одно отличие: вместо спроса при разных значениях цены в рублях, агоритмы сравнивают спрос при разных позициях цены среди конкурентов: вторая цена рынка, третья, четвертая, пятая.
    В качестве критерия оптимизации рекомендуется выбирать "максимум выручки".
  • Такая же оптимизация запускается для конкурентных товаров с относительно редкими продажами.
Пример конкурентного товара с редкими продажами.
Двухстворчатый холодильник модели ХХХ стоит в среднем 100 тысяч рублей на рынке. Средние продажи в месяц — 1 штука. При этом покупатели сравнивают цены в разных магазинах до покупки.
Алгоритмы найдут, при какой позиции цены на рынке магазин будет зарабатывать максимум. Например, возможно, у трех конкурентов с более низкой ценой срок доставки 2-4 недели, невнятные условия гарантии и возврата и неоднозначные отзывы. А у вашего магазина доставка до 3 дней, легкий возврат и расширенная гарантия, отличные отзывы. И вам выгоднее продавать холодильник по 4 цене рынка.
4
Этап 4. Дополнительная оптимизация: выявление истинных конкурентов
Истинные конкуренты - это магазины, ценообразование которых оказывает существенное влияние на ваши продажи.
Почему определение истинных, ключевых конкурентов - крайне важная задача для товаров KVI?

Допустим, в ценообразовании на товар KVI вы учитываете цены всех магазинов, представленных на Яндекс.Маркете для вашего региона.
Два магазина продают этот товар по цене гораздо ниже других игроков.
В действительности эти магазины не влияют на ваши продажи:
Один магазин находится в другом городе и срок доставки неприемлемо долгий для ваших покупателей: им важно получать товар быстро.
У другого магазина плохие отзывы - заказы долго обрабатываются, могут привезти некондицию или подделку; ваши клиенты не рискнут покупать в таком магазине.
Если вы учитываете цены указанных магазинов в расчетах и формируете близкую к ним агрессивную цену, то вы теряете маржинальность на каждой сделке.

Другой пример.
Вы крупный ритейлер с очень широким ассортиментом, мониторите цены других крупных ритейлеров и только их учитываете в расчетах.
Небольшой интернет-магазин продает узкую группу товаров KVI по привлекательным ценам, активно рекламируясь через блогеров. У него быстрая доставка, компетентный персонал, великолепные отзывы и более агрессивные, чем у вас, цены. Всё больше ваших покупателей предпочитают покупать эти товары у небольшого интернет-магазина — там более привлекательная цена и положительный опыт взаимодействия; ваши продажи по соответствующим товарам проседают. Также проседают продажи товаров с хорошей маржинальностью, которые обычно покупали с этими KVI "прицепом".
Уровень покупательской осведомленности о ценах сейчас очень высок; в связи с этим количество товаров KVI в категориях может достигать 30, а иногда и 50%. И по каждому товару список истинных конкурентов может отличаться — таковы реалии эпохи digital.

Понятно, что вручную или в полуавтоматическом режиме нереально проанализировать полный список конкурентов по каждому товару и определить значимость каждого конкурента для ваших продаж. Это неизбежно приводит к упрощениям:
либо мониторингу слишком узкого списка самых очевидных конкурентов,
либо к "ковровым бомбардировкам" — установкой максимально агрессивных цен относительно всех игроков на рынке.

Первое чревато потерями продаж, второе - потерями маржинальности.
Решить эту задачу поможет искусственный интеллект.
Алгоритмы, использующие машинное обучение:

1. Проанализируют накопленные внутренние и внешние данные продаж, остатков, колебаний спроса, внутренних и внешних ценовых изменений.

2. Сформируют списки конкурентов, которые действительно оказывают существенное влияние на ваши продажи.

3. Будут автоматически актуализировать эти списки при изменении ситуации.
Изучите кейс с финансовыми результатами выявления ключевых конкурентов:
Увеличение оборота на 23% за счет выявления ключевых конкурентов
Перенастройка ценообразования товаров KVI:
замена интуитивно определенных конкурентов на ключевых конкурентов, выявленных алгоритмами машинного обучения
Прочтите кейс!
Как это работает в Imprice:
1 этап. Сбор данных.
Определяется полный перечень игроков в регионе.
Система Imprice автоматически собирает и хранит цены этих игроков, а также другие внутренние и внешние данные.

Если у вас есть собственный источник цен конкурентов - мы легко интегрируем Imprice с этим источником. Цены конкурентов от вашего поставщика данных будут поступать в Imprice автоматически.
2 этап. Определение ключевых конкурентов.
Imprice анализирует накопленные данные и формирует списки ваших настоящих конкурентов в каждом регионе.

Для каждого конкретного SKU система автоматически определит, цены каких именно конкурентов в данном регионе оказывали влияние на продажи этого sku.
Соответствующие конкуренты будут автоматически внесены в "Топ-конкуренты" для товара, чтобы цена товара формировалась с учетом их ценовых предложений.
Знание ключевых конкурентов позволяет на порядок снизить стоимость сбора данных:
вместо 100 потенциальных конкурентов вы будете мониторить всего пять-десять ключевых, действительно влияющих на ваши продажи.

Читать об оптимизации сбора цен ПОДРОБНЕЕ