В экономической теории процессу ценообразования в торговле посвящено множество разделов.
Но при использовании инструментов ценообразования на практике ритейлеры сталкиваются со многими проблемами, что приводит к ошибкам в определении цен и, как следствие, к потерям прибыли.
Например, когда розничный торговец снижает цену, потребительский спрос увеличивается, но прибыли нет. Повышается цена на товар – спрос падает. 
Как мы видим, существует тесная связь между ценой, спросом и прибылью.
Пластичность позволяет найти оптимальное соотношение стоимости и количества продаж, что позволяет увеличить прибыль.
Другими словами, цена действует как балансирующий фактор между ожидаемым спросом и доходом.
Многие существующие модели ценовой эластичности претендуют на «мировое господство», но проблема в том, что при моделировании невозможно учесть абсолютно все факторы, влияющие на цену и спрос.
Разработанная нами модель предлагает корректировку цен на товары для каждого магазина отдельно, используя исторические данные за шесть месяцев и учитывая факторы частоты, количества и стабильности продаж, что повышает точность анализа.
Модель не предполагает максимального охвата всех возможных факторов и случаев изменения цен, но работает на корректировку цены отдельных товаров в магазинах наших клиентов.
Наш подход отличается от классического, и ниже мы объясним почему.
Классическая модель ценовой эластичности заключается в определении точечного коэффициента ценовой эластичности.
Этот подход хорош в теории, но недостаточно надежен на практике, потому что:
- На продажи продукции влияют многие факторы, помимо цены, — конкуренция, реклама, лояльность клиентов к бренду, доступность продукции и т. д.
- Модель не учитывает временной фактор, а значит, исключает сезонные влияния на потребительский спрос, важные для розничной торговли.
- Двух ценовых индикаторов недостаточно для точного анализа.
Построим график: по горизонтали – изменение цен; по вертикали – изменения в реализации продукции.
Что мы получили? Большинство точек сосредоточено вокруг 0, как по y, так и по x. Как видите, изменения цен практически не влияют на спрос, а сам спрос меняется при стабильной цене.
Отследить конкретные зависимости невозможно.
Будем искать другой подход для определения оптимальной цены на товар.
1. Вам необходимо определиться с периодом для анализа взаимосвязи цены и спроса.
Период, который мы выбрали для анализа ценовой эластичности, составляет шесть месяцев.
Это позволяет расчетами минимизировать риски инфляции и других внешних колебаний на розничном рынке.
2. Расчеты проводим по каждому магазину отдельно.
Оптимальная цена на товар в каждом магазине рассчитывается отдельно, так как каждый магазин имеет свой размер, ассортимент, клиентскую базу и покупательский спрос.
3. Для анализа берем только товары с относительно стабильным спросом, которые продаются не реже двух раз в неделю.
4. Мы отслеживаем колебания спроса в зависимости от цены.
Давайте построим график, разместив продажи продукции на вертикальной оси, а цену продукции на горизонтальной оси.
Как видите, точки продаж на графике сгруппированы относительно оси X по изменению цен.
В продуктовой рознице, где цены существенно не меняются, логично было бы группировать продажи по изменению цен с шагом 0,5 грн.
Далее определяем среднее количество продаж в каждой группе и исключаем из анализа все единичные продажи как недостоверные.
5. Разместим полученные средние точки продаж по каждому товару на графике для каждой ценовой группы.
На графике четко видно, что существует зависимость полученных данных и мы можем определить линейную регрессию (тренд).
«Мы экспериментальным путем определили, что модель можно использовать, если цена на товар изменилась хотя бы 4 раза, иначе результат будет неточным.
6. Мы получили формулу для определения зависимости количества продаж от цены.
Ненадежными будем считать также варианты, когда показатель b > = 0. В этом случае по каким-то причинам спрос на товар растет, хотя цена растет. Это означает, что такие показатели необходимо изучать отдельно.
Возможно, спрос на этот товар вообще не эластичен, а значит, он не попадает в нашу модель.
Визуально график при b > = 0 выглядит так: 
7. Построим модель зависимости прибыли от цены продукта.
Для этого нам необходимо определить зависимость маржи от цены.
Прибыль равна объему продаж, умноженному на прибыль от цены.
Подставим в формулу зависимость продаж и маржи от цены.
8. Построим график зависимости прибыли от цены товара.
Вертикаль – ежедневная прибыль.
По горизонтали – цена товара.
График начинает строиться от точки цены без наценки, где полученная прибыль равна 0. 
Находим на графике точку, в которой полученная прибыль будет максимальной, и определяем значение оптимальной цены.
Модель показывает рекомендации по снижению цены с текущей до оптимальной, что принесет дополнительную прибыль за счет увеличения количества продаж в день.
Мы не будем рассматривать возможность повышения цены до оптимальной (как на графике ниже).
Ведь при установлении цены необходимо учитывать множество внешних факторов: цену конкурентов, ценовую политику сети, рекомендации и ограничения правительства.
Давайте рассмотрим несколько случаев использования функционала BI Datawiz.io подобрать оптимальную цену на товар.
Сервис анализирует изменение цены и спроса на каждый товар магазина и на основе описанной модели формирует рекомендации по оптимальному изменению цены на товар там, где это повлечет увеличение прибыли.
В Магазин 1 Одна рекомендация сформирована для продукта «Советское шампанское» от бренда «Наш Киев».
В таблице показано:
- Название продукта;
- цена без наценки;
- текущая цена с наценкой;
- рекомендуемая цена;
- среднее количество продаж в день;
- прогнозируемое количество продаж при изменении цены;
- прогнозируемое увеличение прибыли по конкретному товару и по магазину в целом.
вся необходимая информация для принятия решения.
Для более глубокого анализа и принятия обоснованных решений ритейлер может посмотреть графики зависимости количества продаж от цены и убедиться в правильности расчетов и рекомендаций.
Как мы видим, при кратковременном снижении цены (скорее всего в этот период были акции на товар) продажи товара значительно выросли.
Повышение цен на весь алкоголь, включая шампанское, с 1 сентября привело к падению продаж.
На втором графике мы видим, как менялись средние продажи за день в зависимости от цены и сформировавшейся линии тренда.
На графике 3 представлена текущая и рекомендованная цена на шампанское наш Киев.
Итак, на данный момент шампанское продается по цене 51,83 грн.
за единицу, прибыль в день 14,71 грн.
При снижении цены до 45,99 грн.
продажи увеличатся и итоговая ежедневная прибыль составит 40,04 грн.
Это 25,33 грн.
больше, чем текущая дневная прибыль.
В Магазин 2 мы видим рекомендации по изменению цен на 5 товаров.
Общая дневная прибыль магазина составит 127,13 грн.
Рассмотрим оптимальные графики ценообразования на примере пива «Львовское» в ПЭТ-бутылке емкостью 1,2 л.
Как видите, за текущие полгода цена на этот товар менялась 6 раз.
А потребительский спрос колебался довольно сильно даже при той же цене.
Здесь видна линейная зависимость.
Рекомендуется снизить цену с 16,91 грн.
до 15,57 грн.
при этом ежедневная прибыль увеличится на 2,65 грн.
и составит 30,22 грн, как видно на кривой ниже.
В Магазин 3 В сервисе построены рекомендации для 4-х товаров.
Проанализируем ценовую эластичность продукта Бисквит шоколадный от бренда Roshen. 
На графике мы видим 5 изменений цен, но с последним повышением цены до 33,5 грн.
ежедневные продажи продукции не превышают 1, а значит, мы не используем такие данные.
Это видно на графике 2, учитывающем 4 показателя продаж.
На следующем графике отображена текущая цена печенья, которая составляет 32,66 грн.
с ежедневным доходом 16,42 грн.
Рекомендованная цена — 29,62 грн, что увеличит прибыль на 7,05 грн.
Отметим, что предложенный нами подход к определению оптимальной цены близок к практике и реальному положению дел в розничной торговле, исключает риски классического подхода к эластичности цены, использующего только два показателя и не учитывающего сезонность и другие факторы.
Разработанная нами модель учитывает фактор времени, частоту, количество и стабильность продаж.
Предоставляет возможность независимого анализа с использованием визуализации исторических данных изменения цен и спроса.
Услуга BI Datawiz.io Используя разработанную модель, он обрабатывает весь объем данных о продажах и отображает результаты в виде списка товаров, снижение цены на которые принесет прибыль ритейлеру.
Теги: #розничная торговля #аналитика #анализ данных #эластичность цены #цена #цена продукта #модель эластичности цены #Алгоритмы #математика #Визуализация данных
-
Сравнить Файлы С Помощью Diff Doc
19 Oct, 24 -
Кибер-Утопия
19 Oct, 24 -
Как Найти Дешевый Хостинг Для Веб-Сайтов
19 Oct, 24 -
Что Такое «Стабильный»?
19 Oct, 24 -
Ускорение Node.js: Нативные Модули И Cuda
19 Oct, 24 -
Яндекс Начал Показывать Цвета
19 Oct, 24
