Ценообразование в аптеке: практика и технологии 2022 в России

Поделиться статьёй и обсудить её с коллегами:

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.

➜ 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.

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.

➜ 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.

✓ 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.

Показатель неэффективности ценообразования 1: В "старых" аптеках сети падает LFL, выручка и количество чеков снижается от года к году.

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.

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.

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.

Причина 4. Рост ecom-канала.

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.

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.

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:

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.

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").

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.

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.

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

Реальные решения этих кейсов — в видеозаписи ниже: