Проблема: ручное управление ценами съедает время и прибыль
Mario Berlucci - российский бренд обуви, сумок и аксессуаров, работающий с 1997 года. У компании два розничных магазина в Москве и онлайн-магазин. Типичная проблема fashion-ритейла: сотни артикулов, сезонность, постоянная необходимость пересматривать цены.
До перехода на автоматику ценами управляли вручную. Категорийные менеджеры отвечали за переговоры с поставщиками, закупки, возвраты, контроль качества, взаимодействие с маркетингом и управление ассортиментом. При такой загрузке времени на глубокий анализ каждого SKU просто не оставалось.
Результат предсказуемый. Когда нужно выполнить план, менеджеры выбирали самый быстрый путь - массовая распродажа с единой скидкой на все. Summer sale, winter sale, минус 30% на весь ассортимент. Выручка вроде бы росла, но экономика страдала: популярные товары уходили дешевле, чем могли бы, а неликвид все равно оставался на полках.
Получался замкнутый круг. Хиты продаж отдавали по заниженным ценам - упущенная прибыль. Медленно продающиеся позиции копились на складе - замороженные деньги. Никто не имел ресурса проанализировать каждый артикул отдельно и принять точечное решение.
Идея: пусть алгоритм решает, когда снижать цену, а когда повышать
Команда Mario Berlucci решила попробовать автоматическое динамическое ценообразование. Платформа раз в неделю анализирует данные о продажах и остатках по каждому товару, а затем корректирует цены по заранее заданным правилам.
Логика работы такая:
- Если товар продается медленно - скидка нарастает постепенно. Сначала 5%, через неделю 10%, еще через неделю 15%.
- Если товар разлетается быстро - цена повышается. Зачем отдавать хит со скидкой, если его и так берут?
- Если остатков мало и размерная сетка неполная - включается максимальная скидка для быстрой распродажи.
Для настройки потребовалось около шести встреч. Со стороны Mario Berlucci участвовал лид категорийных менеджеров, периодически подключался аналитик. Правила переоценки строили на основе реального опыта: что делать при разной скорости продаж, при разных уровнях остатков, в разные периоды сезона.
Одно из решений, которое раньше в компании не практиковали, - повышение цен на ходовые позиции. Менеджерам психологически проще снизить цену, чем поднять. Автоматика такой проблемы не имеет: если правила говорят "повысить" - цена растет.
Тест: 128 товаров, шесть недель, контрольная и тестовая группа
Чтобы проверить гипотезу, в Mario Berlucci организовали A/B-тест. Выбрали 128 товаров и с помощью ABC-анализа разбили их на две сопоставимые группы. При формировании групп учитывали продажи, остатки и наличие размеров, чтобы сравнение было честным.
Из выборки исключили товары с остатком менее восьми единиц на артикул. При таком малом остатке скидка и так будет максимальной, автоматика ничего не изменит.
Условия теста:
- Контрольная группа: ценами управляли как раньше, вручную. Менеджеры сами решали, когда и какую скидку давать.
- Тестовая группа: цены обновлялись автоматически по правилам платформы динамического ценообразования.
Тест длился шесть недель. Этого срока хватило, чтобы увидеть статистически значимую разницу.
Результаты: рост по всем метрикам
Через шесть недель тестовая группа показала заметное преимущество перед контрольной:
- +23% к выручке: автоматика точнее определяла, когда давать скидку, а когда нет
- +0,8 процентных пункта к маржинальности: популярные товары перестали уходить по заниженным ценам
- +25% к продажам в штуках: точечные скидки на медленные позиции ускорили их оборачиваемость
Маржа снижалась в обеих группах - естественный процесс при сезонных распродажах. Но в тестовой группе снижение шло заметно медленнее. Алгоритм не раздавал скидки направо и налево, а действовал избирательно: снижал там, где это ускоряло продажи, и повышал там, где спрос позволял.
Шесть недель теста показали, что автоматизация ценообразования улучшает экономику бизнеса. Платформа еженедельно анализирует продажи и остатки каждого товара, а затем корректирует цены. Популярные позиции не уходят по заниженным ценам, а на товары с медленными продажами вовремя выдается скидка.
Почему это работает
Первое - скорость реакции. Человек физически не может еженедельно пересматривать цены на сотни артикулов с учетом остатков по размерам, скорости продаж и сезонного фактора. Алгоритм делает это за секунды.
Второе - отсутствие эмоций. Менеджер может привязаться к "своим" товарам, оттягивать скидку на неликвид или бояться поднять цену на хит. Автоматика работает строго по правилам, без субъективных оценок.
Третье - точечность. Вместо "минус 30% на все" каждый артикул получает свою скидку в зависимости от реального спроса. Это принципиально другой подход к управлению ассортиментом.
Кому подойдет динамическое ценообразование
Автоматическая переоценка дает максимальный эффект в бизнесах с определенными характеристиками:
- Широкий ассортимент: от нескольких сотен SKU. Чем больше позиций, тем сложнее управлять ценами вручную и тем выше потенциал от автоматизации.
- Сезонность: товары с ограниченным сроком актуальности (мода, обувь, аксессуары, спорттовары). Нужно успеть продать до конца сезона, но не отдать слишком дешево.
- Омниканальные продажи: когда один товар продается онлайн и в рознице, ручное управление ценами усложняется многократно.
- Высокая конкуренция: если покупатель легко может сравнить цены, важно быстро реагировать на изменения рынка.
Что дальше: от ценообразования к управлению закупками
Mario Berlucci планирует масштабировать автоматическое ценообразование на большее количество товаров. Более интересное направление - оптимизация закупок.
Когда система знает, с какой скоростью продается каждый товар и как на спрос влияет цена, можно точнее прогнозировать, сколько и каких позиций заказывать на следующий сезон. Это логический следующий шаг - от реактивного управления ("товар залежался, дадим скидку") к проактивному ("закупим ровно столько, сколько продадим по полной цене").
Еще одно перспективное направление - разные ценовые стратегии для онлайна и офлайна. В интернет-магазине покупатель сравнивает цены за пару кликов, в розничном магазине поведение другое. Учитывать эту разницу при ценообразовании значит выжимать максимум из каждого канала.
Главный вывод
Кейс Mario Berlucci подтверждает простую мысль: ручное управление ценами при широком ассортименте - это всегда компромисс. У менеджеров не хватает времени на глубокий анализ, и они вынуждены принимать грубые решения. Автоматизация не заменяет экспертизу людей, но освобождает их от рутины и позволяет бизнесу зарабатывать больше на том же самом ассортименте.
Шесть недель и 128 товаров оказалось достаточно, чтобы увидеть рост выручки на 23%. Не за счет увеличения трафика или расширения ассортимента, а просто потому, что каждый товар получил правильную цену в правильный момент.
