Ценообразование в аптеке: практика и технологии 2022 в России

Поделиться статьёй и обсудить её с коллегами:
Что изменилось в ценообразовании аптек за последние 2-3 года?
Какие проблемы ценообразования регулярно возникают у аптечных дискаунтеров, как эти проблемы обострил COVID-19?
Как крупные сети аптек с помощью ценообразования "отбирают" ваших покупателей и увеличивают валовый доход?

В данной статье вы найдете подробные и понятные ответы на эти и другие вопросы ценообразования для аптек, а также свежие практические кейсы ценообразования, с которыми столкнулись представители аптечного бизнеса.

Время чтения 15 минут.
1

Практическая разминка: решаем кейсы, типичные для ценообразования аптек в России в 2020-2022

Начнем разговор о ценообразовании в аптеках с практики — реальных задач, которые сегодня приходится решать многим аптечным сетям.
Кейс 1. Битва дискаунтеров на перекрестке.

Дано: успешная федеральная сеть, 200+ аптечных точек.
Город-миллионник Y. Аптека сети с позиционированием "низкие цены" расположена на оживленном перекрестке; посетителей всегда было много. Но уже больше года аптечная точка работает на грани убыточности и показатели ухудшаются.
Причина: дверь в дверь открылись несколько федеральных дискаунтеров, работающих с отрицательной наценкой по значительной части ассортимента. Они перетягивают "проходящий трафик", на котором раньше успешно работала аптека.

Ценообразование по KVI не приносит нужного результата, как и другие успешные ранее стратегии. Экономика точки не сходится: объём продаж падает, маржинальность продаж гораздо ниже других точек сети в городе Y.

Компания пробует повышать цены проблемной аптечной точки.
Растет маржинальность продаж, но критично падает выручка: ещё больше покупателей уходит к соседям-дискаунтерам.

Аптечная компания пробует снижать цены проблемной точки.
Выручка быстро растет, но критично падает валовая прибыль.
Попробуйте предположить, как аптечная компания вышла из ситуации?
Решение, которое сработало в действительности, — в конце статьи.
Кейс 2. Захват нового рынка терпит неудачу.

Успешная сеть, 100+ аптечных точек, "заходит" в крупный город Z. Цены формируются по тем же принципам, что и во всей сети.
Результаты: критично мало покупателей, низкая выручка, операционные расходы выше, чем валовая прибыль.

Мониторинг показывает агрессивное конкурентное давление: конкурирующие аптеки в городе Z предлагают покупателям экстремально низкую стоимость многих препаратов.

Аптечная компания пробует "уйти" от своей матрицы ценообразования (наценок), применяемой в других регионах, и значительно снижает цены в аптеках города Z, — прежде всего, на "ценовые маркеры" (KVI-позиции). Выручка растет, но валовая прибыль почему-то падает ещё сильнее.
Как можно спасти ситуацию, помимо решения "продать аптечные точки и отказаться от работы в городе Z"? Ваша версия?
Решение реального кейса расскажем в конце статьи.
Давайте разберем, почему аптечные компании с позиционированием "низкие цены", "дискаунтер" — а именно такие аптеки точки преобладают в России, что логично, учитывая средние доходы населения — почему такие аптеки всё чаще сталкиваются с описанными кейсами ценообразования и другими сложными ценовыми ситуациями, кто виноват, и главное — что можно с этим сделать.
2

Почему привычные и проверенные методы ценообразования в аптеках теряют эффективность


"Привычные и проверенные методы ценообразования аптек" — это:

ШАГ ЦЕНООБРАЗОВАНИЯ 1. Деление ассортимента на уровне аптеки/ куста аптек/ сети аптек на группы с разным ценовым поведением и специфичными ценовыми ограничениями:
ЖНВЛП (стоимость регулирует государство),
SKU с фиксированными или регулируемыми поставщиком ценами,
KVI ("ценовые маркеры", "индикаторы"). SKU, стоимость которых сильно влияет на решение целевых покупателей о покупке и на ценовой имидж аптеки, а также на приток/отток целевых покупателей,
SKU с потенциально высокой маржинальностью, стоимость которых очень слабо влияет на решение целевых покупателей о покупке и на ценовой имидж аптеки,
высокомаржинальные позиции, рекомендации которых заложены в мотивацию первостольников,
и так далее.

Что принимается в расчет при делении ассортимента на группы с разным ценовым поведением:
Формат аптеки, ее местоположение, характер трафика.
Понятно, что аптека в госполиклинике, аптека в здании дорогого частного медучреждения, аптека в аэропорту, аптека в спальном районе "для бедных" с большим количеством дискаунтеров по соседству и единственная аптека в престижном квартале сильно отличаются.
Ключевые/ целевые группы покупателей.
Эффективность ассортимента и ценообразования аптеки зависит от реальных ключевых групп покупателей конкретной аптеки:
кто они, какой ассортимент им нужен, сколько готовы платить, что им важно.

Конечно, большинство сетей максимально упрощает регулярный сбор и анализ информации о покупателях ввиду сложности и затратности процесса.
Мало кто проводит полноценные исследования потребителей, включающие наблюдения, глубинные интервью, фокус-группы, опросы.

Чаще этап выявления и актуализации ключевых групп покупателей сводится к экспертным оценкам сотрудников, с учетом формата и местоположения аптеки.
Результаты ABC-анализа, "топы" продаж.
Категории и подкатегории: Rx (рецептурные препараты), антипростудные/ противовирусные препараты, парафармацевтика, СТМ и другие.
Экспертиза сотрудников.
Госрегулирование (ЖНВЛС, предельные розничные наценки для аптечных сетей).
Конкурентная разведка.
Договоренности с поставщиками: фиксированные цены, бэк-маржа.


ШАГ ЦЕНООБРАЗОВАНИЯ 2. Актуализация/ формирование матрицы фиксированных наценок (матрицы ценообразования) для одних групп SKU.
Группы SKU описаны выше. Что учитывается при формировании матрицы ценообразования:
Целевая средняя наценка, с учетом позиционирования сети.
Категории.
Интервалы себестоимости.
Бренд (наценка на некоторые бренды должна согласовываться с производителем, чаще речь о лечебной косметике, БАДах, медтехнике, ортопедии).
Ограничения (от государства, от поставщиков, от стратегии сети на конкретном рынке, от формата сети и т.д.).


ШАГ ЦЕНООБРАЗОВАНИЯ 3. Мониторинг цен конкурентов и установка цен по результатам этого мониторинга для других групп SKU ("маркеров", "индикаторов", KVI — в разных компаниях используют разные термины).
Бэк-маржа часто рассматривается как стратегический инструмент компенсации снижения наценки и даже отрицательной наценки (напомним, речь преимущественно о "дискаунтерах" и позиционировании "низкие цены").
Другой стратегический инструмент увеличения средней наценки — СТМ.
Пересчет матрицы ценообразования (фиксированных наценок) — сложный, трудоемкий процесс, который требует учесть огромное количество факторов.

Следствие:
матрицы ценообразования пересматриваются редко.
Это чревато неактуальностью части цен:
стоимость некоторых препаратов оказывается слишком высокой и отпугивает покупателей (покупателей всей аптечной сети или конкретных аптечных точек),
наценку на некоторые позиции, наоборот, можно увеличить (во всей сети или в конкретных аптечных точках).

То же касается списка KVI-позиций:
он редко пересматривается, плюс аптечные сети часто не в состоянии вычислить значительную часть своих KVI, так как пользуются очень упрощенными методиками.

О какой доле KVI может идти речь, распространенные значения:
● о 20-40% своих KVI аптеки не знают,
● 20-40% позиций, которые аптека относит к KVI, таковыми не является.

Что значит "методы аптечного ценообразования теряют эффективность"?

Показатель неэффективности ценообразования 1: В "старых" аптеках сети падает LFL, выручка и количество чеков снижается от года к году.
LFL, Like for like — показатель, сравнивающий текущий и прошлый период. Из расчетов удаляются торговые точки, отсутствующие в одном из периодов.
Часто встречающийся кейс: сеть в целом растет и увеличивает выручку, наращивая количество аптек и развивая ecom-канал (интернет-заказы).
При этом сравнение показателей с предыдущим годом показывает: идет отток покупателей из "старых" аптек, из-за чего падают продажи и количество чеков.

Показатель неэффективности ценообразования 2: Новые, недавно открывшиеся аптеки сложно вывести на уровень рентабельной работы.
Классические стратегии "формирования пула постоянных клиентов" — открыли аптеку, снизили цены, привлекли потребителей рекламой, а затем снова подняли цены — работают всё хуже. Привлеченные низкой стоимостью покупатели уходят, когда цены возвращаются к обычному уровню.

Показатель неэффективности ценообразования 3: Растет количество кассовых разрывов и/или расходы по кредитам.
Ряд аптечных сетей использует бэк-маржу как главный инструмент для ценовой борьбы с конкурентами. Чем выше доля бэк-маржи в прибыли — тем больше активов оказывается заморожено, тем выше риск кассовых разрывов.

Почему падает эффективность привычных моделей ценообразования в аптеках?

Причина 1. Предельное насыщение рынка аптечными точками, в том числе "аптеками низких цен".
Работа дверь-в-дверь, сверхагрессивная ценовая конкуренция, отрицательные наценки, ценовые стратегии, опирающиеся на бэк-маржу.
Одна из причин оттока покупателей: чем больше аптек, тем меньше потребителей приходится на каждую из них.

Причина 2. Covid-19 "сломал" прогнозирование спроса по предшествующим периодам и отлаженную логистику.
Сдвинулись устоявшиеся сезонности, "пики" и "спады" сместились, возникают и затихают непредсказуемо. Перечень KVI (маркеров, товаров-индикаторов) стал динамичным — оказалось, он может очень быстро меняться. Начались внезапные всплески ажиотажного спроса на "рядовые" ранее SKU. Возникли перебои с наличием популярных позиций и возможностью их продать: нулевые и близкие к нулевым остатки у дистрибьюторов, соответствующие скачки закупочной цены, государственное регулирование - в том числе, первый этап введения маркировки, таможенные сбои.
"В период пандемии крупные сети, имеющие собственную логистическую систему, значительно выросли по сравнению с остальными игроками. Сейчас крупным сетям необходимо отладить свою логистику, передает корреспондент «ФВ» со ссылкой на участников конференции Infor-media.

При достижении определенных масштабов аптечной сети невозможно обходиться без своей логистики, считает президент компании «Здравсервис» Дмитрий Сокол. В период пандемии аптеки, у которых есть своя логистика, выросли на 30-40%, ссылается Сокол на данные о партнерах компании «ИРИС». Рост остальных крупных сетей ограничился 15-20%. «Кризис показал, что или ты сам себя снабжаешь, или продажи уходят в минус», — подчеркнул он."

Источник: https://pharmvestnik.ru/content/news/Aptechnye-seti-s-sobstvennoi-logistikoi-vyrosli-na-30-v-usloviyah-krizisa.html
сентябрь 2020 года
Причина 3. Резкое падение покупательской лояльности в целом по рынку: потребители научились искать и "пробовать" другие аптеки. И заодно сравнивать в них цены.
К этому подтолкнули и перебои с наличием препаратов в "привычных" аптеках, и режим "самоизоляции", научивший население активнее "гуглить лекарства".
Многие потребители стали выбирать аптеку, в которую пойдут, онлайн — "гугля" наличие и цены нужных позиций до выхода из дома.
Заметим, что для отдельных компаний эта проблема превратилась в возможность!
Они смогли привлечь ранее недоступных покупателей и превратить их в постоянных клиентов.

Что это за компании:
сети с собственной логистикой (см. цитату выше),
компании, благодаря которым появились Причина 4 и Причина 5 падения эффективности цен (см.ниже).
Причина 4. Рост ecom-канала.
"Общий объём онлайн-продаж/бронирования продукции аптечного ассортимента (ЛП + парафармацевтика) в России по итогам 1-3 кв. 2021 г. исчислялся суммой 141,6 млрд. руб. (в ценах конечного потребления, включая НДС).
Динамика относительно аналогичного периода 2020 г. достигла рекордных значений, прирост зафиксирован на уровне 34,5% в рублях.
Общая динамика российского фармритейла за указанный период зафиксировалась на уровне чуть более 3%.
–--
Суммарная доля e-com в общем объёме российской фармрозницы, включая продажи парафармацевтики, по итогам 1-3 кв. 2021 г. достигла 13,3%, при этом организации в пределах ТОР-20 обеспечили выручку в размере 117,5 млрд. руб. (в ценах конечного потребления, включая НДС), это ровно 83% от общего объёма операций от общего объема сегмента электронной торговли в России за 1-3 кв. 2021 г.
Доля топовых игроков пока всё ещё имеет тенденцию к сокращению, компании за пределами двадцатки растут несколько быстрее даже несмотря на кратные показатели прироста у отдельных крупных компаний."

Источник: https://rncph.ru/news/08_12_2021
Ecom — интернет-заказы — ещё одно направление, стимулирующее отток постоянных клиентов из привычных им ранее аптек. Вместо поиска нужных позиций в аптеках "по пути" можно проверить наличие и стоимость этих позиций через сайты и приложения-агрегаторы, а также заказать или забронировать интересующее количество.
В сфере традиционно непрозрачных цен — в обычной аптеке лишь небольшая доля позиций попадает в открытую выкладку — потребители получили возможность узнать и сравнить стоимости препаратов, не выходя из дома, выбрать самое экономичное место заказа/бронирования либо составить маршрут и забрать заказ по частям в разных аптеках, чтобы сэкономить побольше.

Дополнительная опасная тенденция — рост популярности маркетплейсов, где уже давно присутствует парафармацевтика. Онлайн-маркетплейсы — это ещё более жесткая ценовая конкуренция и дополнительный удар по покупательскому трафику и маржинальности офлайн-аптек.

Причина 5. Системы динамического ценообразования у крупных игроков аптечного рынка.
Лидеры фармрозницы последние 3-5 лет активно автоматизируют свое ценообразование и переходят к динамическим моделям цен. Одни аптечные сети внедрили только очень простые виды автоматизации ценообразования на базе правил, другие компании уже используют в ценообразовании системы искусственного интеллекта, непрерывно анализирующие спрос и быстро реагирующие на его изменения.
Два примера:

Еаптека рассказывала о ценообразовании с машинным обучением в далеком 2020 году, ещё до превращения в СберЕаптеку.
Источник: https://youtu.be/KFMqdMq5X-A.

В Эркафарм использовали автоматическую кластеризацию ассортимента и повышали валовый доход с помощью динамического ценообразования ещё в 2019 году.
Кластеризация — это автоматическое выявление в ассортименте групп SKU с разным ценовым поведением, в том числе KVI-позиций.
Источник: https://pharmvestnik.ru/content/news/Avtomatizirovannaya-klasterizaciya-aptek-uvelichivaet-valovyi-dohod.html
Также гибкое автоматизированное региональное ценообразование на базе правил помогает быстро перестраиваться и предотвращать штрафы:

"В ФАС отметили, что региональные власти могут самостоятельно регулировать цены на все лекарства, включая те, которые не входят в перечень жизненно необходимых и важнейших лекарственных препаратов (ЖНВЛП)."
Источник: retail.ru/news/fas-dopuskaet-vozmozhnost-ogranicheniya-vlastyami-regionov-tsen-na-lekarstva-1-marta-2022-214366/, 01 марта 2022


Согласно этой новости, при формировании цен аптечные сети должны будут учитывать:
а) федеральные ограничения для наценки (для ЖНВЛП),
б) ограничения для наценки конкретного региона, если их введут (в каждом регионе перечень препаратов с ограничениями наценки может отличаться, как и сами ограничения).
Формировать корректные цены без качественной автоматизации в условиях нестабильности поставок, курсов валют и индивидуальных ограничений регионов будет крайне сложно.
Используя динамическое ценообразование и Data-Driven подходы, крупные компании быстро реагируют ценой на изменения спроса, и "отнимают" покупателей у аптечных сетей со слабой автоматизацией, по старинке работающих с матрицами ценообразования и выявляющих роли в ассортименте ручным анализом.
Эти же Data-Driven подходы позволяют найти, за какие позиции ассортимента покупатели готовы платить больше, поднять соответствующие цены, найти точки роста продаж более маржинальных SKU и увеличить валовую прибыль конкретной аптеки и всей сети.
3

Data-driven подход к ценообразованию в аптеках: алгоритмы анализа данных и быстрая адаптация цен к изменениям рынка

Раз лидеры аптечной розницы внедрили новые эффективные инструменты — системы динамического ценообразования, — внедрять аналогичные инструменты придется и всем остальным игрокам. Ну или всё сильнее сдавать позиции, вплоть до ухода с рынка.

Что делает эффективными эти Data-driven системы автоматизированного аптечного ценообразования? Какие проблемы они решают?

Современные системы динамического ценообразования в аптеке:
Точно определяют все типы KVI и характер их влияния на остальной аптечный ассортимент.
С такой системой вы четко знаете, приводит снижение стоимости данного KVI к росту валовой прибыли и к росту продаж высокомаржинальных позиций ассортимента, или, напротив, следует поднять цену конкретного KVI до определенного уровня, потому что его текущая цена влечет прямые денежные потери.
Для каждого конкретного KVI вычисляют наиболее прибыльные для аптечной сети/ конкретной аптеки стратегии ценообразования,
которые позволят увеличить валовые продажи/ прибыль, но максимально сохранить маржинальность.
Быстро определяют, что позиция ассортимента перестала являться KVI —
её ценовая чувствительность изменилась, как и спрос на неё (а значит, пора поднимать цену).
Быстро выявляют новые KVI
и среди новинок, и среди "старого" ассортимента.
Идентифицируют позиции, на которые можно увеличить наценку
и увеличить валовую прибыль от продаж.
Автоматически выявляют взаимосвязи между всеми SKU ассортимента:
как продажи и стоимость одних позиций влияют на продажи других позиций, в каких взаимосвязях скрыт потенциал роста выручки и прибыли, какие взаимосвязи нужно учитывать, чтобы не потерять продажи и прибыль.
Рассчитывают оптимальный набор цен сразу для всего "портфеля" (ассортимента),
учтя все выявленные связи между SKU в ассортименте, актуальный спрос, историю продаж, цены конкурентов, товарные остатки, заданные ограничения и еще огромное количество факторов.
"Оптимальный набор цен" — такие значения цен, при которых аптечная точка, куст аптек, сеть аптек получит максимальный в текущих условиях валовый доход/ объём продаж.
Могут формировать оптимальные цены для каждого конкретного формата сети, каждого конкретного города, каждого куста аптек и даже каждой конкретной аптечной точки,
с учетом реального конкурентного окружения и реального спроса каждой торговой точки. Это эффективнее "усредненной матрицы ценообразования/ наценок" и позволяет зарабатывать больше. И, в отличие от корректировки цен на местах провизорами, такой процесс формирования цен полностью прозрачен и легко контролируем из головного офиса.
Давайте поясним на упрощенных примерах, как работает интеллектуальное ценообразование в аптечных сетях.

Пример 1.
В ассортименте сети аптек есть салфетки, которые хорошо продаются. На них сделана максимальная наценка согласно матрице ценообразования (фиксированных наценок).
Себестоимость салфеток полгода почти не меняется, и их стоимость тоже почти не меняется: держится на уровне 30 рублей.

В сети аптек включают динамическое ценообразование с алгоритмами искусственного интеллекта. Алгоритмы вычисляют, что цену этих салфеток можно поднять до 34-35 рублей и сохранить прежний уровень продаж в штуках.
Таким образом, алгоритмы нашли для конкретного товара более высокую границу цены, чем была заложена в матрице ценообразования (фиксированных наценок).

Результат:
увеличение % наценки,
рост выручки,
рост валовой прибыли,
сохранение объёма продаж в штуках.


Пример 2.
Эксперты сети аптек-дискаунтеров определили препарат "Ксарелто" как KVI.
Его чувствительность к цене максимально высокая: сеть аптек устанавливает на Ксарелто самую низкую стоимость в городе и получает значительный приток покупателей. За препаратом едут через весь город.
Но итоги продаж показывают: в период снижения цены показатели сети аптек (маржинальность, валовая прибыль) снизились, а не выросли.

Данная сеть аптек подключила интеллектуальную систему динамического ценообразования. Алгоритмы системы выявили, что оптимальная стоимость Ксарелто должна быть значительно выше "самых дешевых конкурентов".
Оказалось, Ксарелто, как правило, — единственный товар в чеке, заодно с этим препаратом ничего не покупают. Снижая его стоимость до минимального уровня, аптека генерирует только убыток.

Алгоритмы системы выявили все KVI, генерирующие убытки аналогичным с Ксарелто образом, и рассчитали для них оптимальный, более высокий уровень цен, учтя предложения конкурентов.
Средняя наценка и валовая прибыль сети аптек выросли, убыток перестал возникать.
Еще интересный кейс.
До введения маркировки, при чрезмерном снижении цен на безрецептурный KVI, у сетевых аптек рос убыток из-за мелких конкурентов — несетевых аптек: их сотрудники приезжали в аптеку с самой низкой стоимостью и выкупали сразу большое количество популярного препарата.

Для них такая покупка была выгоднее и удобнее, чем закупка мелкой партии у дистрибьютора.
Пример 3.
Ирина Викторовна, офис-менеджер небольшой компании, иногда заходила в аптеку недалеко от работы. "Иногда" — потому что аптека казалась дорогой, хотя позиционировалась как "дискаунтер". Например, как-то муж попросил купить "Пенталгин" по дороге домой: разболелась голова, а предыдущая упаковка закончилась.
— С вас 229 рублей 90 копеек! — сказала провизор.
— Сколько? — удивилась Ирина Викторовна.
— Вот цена, на витрине, если не верите, — показала сотрудница аптеки.
— Ой, простите, я лучше у дома куплю, там рублей на 40 дешевле.
Бюджет у семьи был не самый большой, и рачительная Ирина Викторовна предпочитала потратить лишние 15-20 минут на заход в другую аптеку, зато сэкономить. "На 40 рублей я лучше мороженое ребенку куплю, чем буду дарить аптеке ни за что," — думала она.

Аптечная сеть не относила Пенталгин к KVI. Препарат покупали редко, в топы продаж он не входил. Наценка на Пенталгин делалась как на "обычный препарат", по действующей матрице ценообразования.

Подключили динамическое ценообразование. Алгоритмы определили, что среди клиентов аптеки есть подгруппа, для которой Пенталгин является KVI и принятие решения о покупке очень сильно зависит от стоимости препарата.
Стоимость Пенталгина снизили, учтя его стоимость у конкурентов.

Ирина Викторовна забежала в "дорогую аптеку" возле офиса по поручению начальника. Стоя в очереди, Ирина Викторовна разглядывала витрины и увидела Пенталгин по той же цене, что в аптеке возле дома.
— И отдельным чеком пробейте две упаковки Пенталгина, пожалуйста! — попросила она провизора, потому что дома снова осталось 1-2 таблетки и Ирина Викторовна собиралась пополнить аптечку. — Ой! Ещё мне нужен аспирин и парацетамол. И аскорбинки, есть у вас?..

Ирина Викторовна и подобные ей покупатели заметили, что цена на Пенталгин стала "нормальной", приобрели его, иногда по две-три упаковки сразу, а заодно с Пенталгином купили и другие препараты.
Аптека перестала казаться дорогой, и они стали заходить в неё чаще.

В итоге аптечная сеть:
увеличила валовую прибыль от продажи Пенталгина,
подняла продажи препарата в штуках,
получила дополнительную валовую прибыль от продажи других позиций (которые покупали заодно с Пенталгином),
увеличила лояльность группы клиентов, подобных Ирине Викторовне ("здесь появилась отличная цена на важные мне препараты, буду ходить сюда чаще").
Анализ чеков со "старым" ценообразованием с 1 по 16 марта:низкие продажи Пенталгина — 2 штуки за 16 дней, низкая валовая прибыль, вместе с Пенталгином однажды купили Престариум.
Скриншот отчета в системе динамического ценообразования Imprice
Анализ чеков с "интеллектуальным" ценообразованием с 1 по 16 апреля:
в 9 раз выросли продажи Пенталгина, в два раза выросла валовая прибыль от продажи Пенталгина, вместе с Пенталгином купили другие позиции. Совокупная валовая прибыль от продаж Пенталгина с "интеллектуальной" стоимостью и прибыль от дополнительных позиций в чеке в 13 раз выше, чем валовая прибыль со "старой" ценой.

Скриншот отчета в системе динамического ценообразования Imprice
Алгоритмы нашли в ассортименте и другие "KVI для конкретной группы клиентов", о которых не подозревали эксперты аптечной компании (так как не имели инструментов, чтобы их вычислить). В итоге список KVI увеличился на 30% (то есть компания не знала почти треть своих KVI и теряла выручку, прибыль, лояльность покупателей).

Для каждого такого KVI алгоритмы динамического ценообразования подобрали оптимальную стоимость — при которой аптека получила бы максимум прибыли от продаж самого KVI и продаж других приобретаемых с ним "заодно" SKU.

Кроме того, аптечная сеть изменила систему заказа для "новых" KVI, чтобы они всегда были в наличии.

Валовый доход аптеки удалось существенно увеличить за счет выявления всех KVI, грамотной работы с их стоимостью и заказом.
Мы привели относительно простые примеры практических результатов Data-Driven ценообразования. Они иллюстрируют лишь небольшую часть вычислительных мощностей и возможностей динамического ценообразования с машинным обучением.

Скажем, в Примере 3 мы показали лишь как менялась стоимость KVI.
Однако всё устроено сложнее: система просчитывает возможности изменения цен всех товаров, встречающихся в чеке с KVI, плюс влияние этих изменений на продажи остального ассортимента.
Можно ли сильнее увеличить прибыль, подняв наценку "сопутствующего препарата А" на 10%? Или его станут реже покупать, выбирая аналог?
Или, допустим, мы снизим наценку на "сопутствующий препарат А" на 5% и его продажи вырастут. Каннибализирует ли это продажи более маржинального аналога "препарата А"? То есть не нарастим ли мы продажи А с более низкой наценкой за счет продаж препарата Б с более высокой наценкой, которые упадут, потому что покупатели переключатся на А?..

Учет всех взаимосвязей в аптечном ассортименте делает вычисления для ценообразования очень сложными; самому мотивированному и квалифицированному аналитику, с "питоном" и BI-системами под рукой, такое не под силу. Особенно если требуется всё пересчитывать на регулярной основе, почти непрерывно.
Алгоритмам это удается с помощью байесовских методов оптимизации: анализа уже накопленных данных и минимального количества экспериментов.

Роль аналитика в современных условиях — управлять системой ценообразования:
задавать ей цели, правила расчетов цен и ограничения,
определять стратегии,
мониторить результаты,
проверять гипотезы.
В реальности системы динамического аптечного ценообразования "изнутри" ещё сложнее.
В процессе расчета цен они учитывают одновременно огромное количество факторов:

а) Характеристики товара:
Разные виды себестоимости.
Предельные розничные цены на ЖНВЛС.
Свойства товара: категория, бренд/производитель, новинка, ...
Наличие МРЦ или фиксированных цен.

б) Тип товара:
KVI (Key Value Items) - товары с высокой ценовой чувствительностью.
Товары BackBasket.
Уникальный ассортимент.
Товары-дополнители.
Товары-заменители (аналоги).
Мелочевка.
Плохооборачиваемые товары.

в) Факторы продаж:
Статистика продаж.
История остатков или доступности товаров.
Размер Upsale и Profit upsale (сколько приобретают вместе с этим товаром).
История розничных цен.
История акционных цен.
Отказы по цене.
Покупки со списанием баллов.
Прогноз продаж.

г) Рыночные факторы:
Цены конкурентов и конкурентное окружение в целом (например, товарные остатки у конкурентов).
Формат и локация аптеки.
Уровень лояльности покупателей.

д) Усложняющие факторы:
Ротация ассортимента.
Большое кол-во аналогов/заменителей.
Учет линеек (вкусы, цвета).
Разное кол-во штук в упаковке при одинаковой дозировке.
Вид выкладки (открытая/закрытая), наличие электронных ценников.
Мотивация первостольников (какие позиции они рекомендуют).
Рост или скачки закупочных цен.


Надеемся, стало понятнее, почему Data-Driven ценообразование становится конкурентным преимуществом крупных компаний, почему они легко переманивают ваших покупателей с помощью цен, и при этом получают рост валовой прибыли.
4

Вернемся к кейсам ценообразования для аптек: ответы на практическую разминку

В начале статьи вы прочли два практических кейса:
"Битва дискаунтеров на перекрестке".
"Захват нового рынка терпит неудачу".

Реальные решения этих кейсов — в видеозаписи ниже:
Начало видео — специфика динамического ценообразования в аптечном бизнесе.
Ответы на кейсы — 24 минуты 30 секунд с начала видеозаписи
Подробное описание
системы динамического ценообразования Imprice ЗДЕСЬ