Сегодня многие розничные сети в разных категориях и форматах имеют большое количество SKUs, ценообразование которых, как правило, осуществляется по единым правилам и наценкам, установленным для товарной категории, в зависимости от ее роли и стратегии. При этом ценовая прозрачность и конкуренция заставляет сети применять конкурентное ценообразование на отдельные корзины SKUs.

Как сбалансировать зачастую жесткую конкуренцию по front-basket и корзинам KVI с возможностью ценообразования остальной части ассортимента back-basket и удержать, или даже увеличить, валовый доход? Это одна из ключевых задач и вызовов розничного ценообразования, решение которой усугубляется еще и необходимостью локализации цен на уровне отдельных кластеров магазинов.

Решить данную задачу позволяет дифференцированный подход к ценообразованию на уровне отдельных SKUs, c учетом локализации ценовых матриц на уровне кластеров магазинов. Если провести анализ продаж и реакции покупателей на изменение цен отдельных SKUs в одной категории, то можно увидеть, что даже в одной категории разные SKU обладают различной ценовой эластичностью, находятся в разных ценовых диапазонах и сегментах и обладают различным потенциалом увеличения валового дохода.

Например, в категории …. Ценовая чувствительность может отличаться более чем на 50% от -1,5 до -2,3, а рентабельность более чем на 25%.

Кроме этого, большое количество категорий (во многих сетях более 400) не позволяет в ручном режиме оперативно дифференцированно управлять таким количеством SKUs. Это приводит к появлению так называемых забытых категорий. В одной розничной сети в такой «забытой» категории как Зубные пасты удалось увеличить валовый доход до 37%

Как "выжать" максимум дохода из тех позиций, где это возможно, и сохранить объем продаж?

С помощью SmartPricing Вы уверенно можете решить эту задачу за счет специальных функций:

• Выбора и задания Стратегии ценообразования, направленной на увеличение Валового дохода или Выручки, в зависимости от ваших целей;
• Задание целевого значения: например, возможно вам не нужно максимизировать валовый доход, а достаточно его увеличить на 5% или 10%;
• Определения цены на основе статистики продаж с учетом сезонности, коэффициента чувствительности к цене в разрезе SKUs, форматов, регионов, вплоть до кластеров магазинов. А если у вас развит персональный маркетинг, то и до сегментов покупателей;
• Разделения правил и ограничений ценообразования по front-basket, корзинам KVI и back-basket;
• Формирования лестницы цен по ценовым диапазонам. Усиливается дифференциация цен в диапазоне за счет использования принципа «треугольника прибыли». Это позволяет получить максимум со всей категории;
• Проведения сценарного моделирования расчета цен и выбора наиболее подходящей ценовой матрицы для ваших целей;
• Установления приоритетов переоценок, для снижения операционной нагрузки на магазины при изменении цены.

При этом, решение всех задач находится под вашим контролем. Вы можете задавать жесткие рамки ограничений увеличения цен, уменьшения продаж, минимальной рентабельности для отдельных SKUs и всей категории, а также отдельных корзин.

Формирование разных ценовых матриц для разных регионов и форматов является очевидной задачей ценообразования, так как разные форматы формируют разное ценностное предложение. Регионы и города отличаются покупательским поведением и спросом на одни и те же товары.

Но сегодня категорийные менеджеры и отделы ценообразования должны опуститься до уровня отдельных групп и кластеров магазинов. В одном городе может быть несколько магазинов одного формата, но расположенных в разных локациях с разным уровнем дохода покупателей и конкурентном окружении. Не стоит терять валовый доход там, где нет жесткого конкурентного окружения; а там, где уровень конкуренции высокий, требуется корректировать цены, чтобы удержать относительное ценовое позиционирование у покупателей.

Звучит просто, но если перемножить количество кластеров на количество SKUs в ассортиментной матрице, сложность решения этой задачи возрастает по экспоненте.

В одном из проектов внедрения SmartPricing заказчик сформировал более 30 кластеров магазинов при средней активной ассортиментной матрице в 15 000 SKUs, что задало масштаб задачи ценообразования в 450 000 ценовых единиц.

Решение data-driven динамического ценообразования SmartPricing изначально разработано с учетом структуры розничной компании и поддерживает три основных уровня ценообразования: формат/географический регион (населенный пункт)/ кластер магазинов.

Это означает, что вся статистика продаж размечена в соответствии с этой структурой для локализации расчета коэффициента ценовой чувствительности и уменьшения ошибок расчетов. При переоценках вы можете задавать все параметры и ограничения, на каждом уровне соблюдая иерархию. Таким образом, вы можете установить параметры и ограничения на уровне формата по умолчанию, и они будет действовать для всех регионов и кластеров. Или вы можете установить свои специфические параметры и ограничения для выбранного региона и кластера, рассчитывая локализованную ценовую матрицу именно для этого кластера магазинов.

По исследованию компании Nielsen доля продаж по промоакциям топ-20 категорий FMCG превышает более 60%. В некоторых категориях, например, таких, как Кофе, Стиральные порошки, доля промо достигает 80%. В таких условиях, безусловно, цена верного ценового решения в промо даже выше, чем регулярная цена товара. Зачем сетям вообще нужны промоакции?

Решение data-driven динамического ценообразования SmartPricing изначально разработано с учетом структуры розничной компании и поддерживает три основных уровня ценообразования: формат/географический регион (населенный пункт)/ кластер магазинов.

Если обобщить все, что мы слышим по теме проведения промо, то есть два основных стимула:

С помощью SmartPricing Вы уверенно можете решить эту задачу за счет специальных функций:

• извлечение дополнительного валового дохода за счет эластичности спроса, т.е. снижая цену, мы увеличиваем объемы продаж и, тем самым, перекрываем потери от скидки;
• копирование действий более сильных конкурентов в борьбе за покупателя, например, когда ваш конкурент делает промо на каждый второй товар в категории, и вы повторяете за ним просто потому, что боитесь потерять трафик покупателей.

Если в первом случае все более или менее понятно, второй случай вызывает массу вопросов. Но главное, что актуально в обоих случаях – это то, как принимаются решения.

По исследованию Nielsen порядка 60% всех промоактивностей не окупаются. Связано это с тем, что многие сети просто не умеют работать с данными, и большинство решений принимается «на интуитивном уровне».

В распоряжении у сетей есть данные чеков, данные клиентов по картам лояльности, исторические данные проведения промо. Все эти данные вкупе с современными вычислительными ресурсами позволяют вывести промо на новый уровень, уйти от «интуитивной» модели принятия решений и использовать data-driven подход, который позволяет получать более 10% дополнительного валового дохода от оптимизации промо.

Очевидно, что планирование и прогнозирование промо сегодня – это на 90% математическая задача, которую невозможно решить стандартными аналитическими инструментами, поскольку, с одной стороны, есть много факторов, которые нужно учесть, и большой объем данных, с другой – ограниченные временные ресурсы категорийного менеджера, которые не позволяют производить множество расчетов вручную, так как еженедельные промо не оставляют время для глубокой аналитики. Решения оптимизации промо требуют более оперативного транзакционного операционного подхода.

Процессы ценообразования в современной розничной компании - это не просто расчеты цены по заданным правилам. Если проанализировать типовые процессы и задачи в розничной компании, можно выделить следующие группы процессов, которые взаимосвязаны, но при этом имеют свою специфику. Любая розничная компания, так или иначе, выстраивает и реализует следующие бизнес-процессы розничного ценообразования: