Как выбрать провайдера данных для оптимизации ценообразования

Стоимость товара была, есть и в ближайшей перспективе для большинства покупателей будет оставаться важнейшим элементом, влияющим на решение о покупке. И для удовлетворения их желания «купить подешевле» ритейлерам нужно знать цены конкурентов. Собрать такую информацию помогут специализированные провайдеры данных.

На фото: Александр Галкин, CEO & Co-founder of Competera

Один из основных трендов 2018 года – гиперперсонализация – расширил круг проблем, с которыми сталкивается ритейл: чтобы сделать покупателю по-настоящему персонализированное предложение, ритейлеру нужно не только выбрать правильный канал, время и сообщение, но и предложить ту цену товара, которую покупатель считает оптимальной.

Если несколько лет назад для решения этой задачи ритейлеры искали любые возможности получения максимального объема данных о покупателе (в том числе собирали данные вручную или с помощью самописных решений), то теперь на первый план выходит качество данных.

Потребность ритейла в мониторинге цен конкурентов стала причиной появления большого количества провайдеров.

Некоторые из провайдеров продают данные, полученные поисковыми сборщиками (web crawlers), другие – предлагают сложные решения с дополнительными сервисами и гарантией качества.

Топ 7 провайдеров качественных данных

Competera – платформа проактивного ценообразования, объединяющая технологии искусственного интеллекта и экспертизу команд с разнообразными ритейл и техническими компетенциями для формирования оптимальных цен и прогнозируемого роста бизнеса. Система позволяет контролировать качество и время сбора конкурентных данных любого вида, формата и из любых источников с интеграцией «под ключ» и управлением напрямую из интерфейса продукта, что не требует технической поддержки и затрат со стороны ритейл-команд.

Profitero – решение для онлайн-ритейла по улучшению продуктивности каналов продаж, автоматическому сбору и анализу данных о ценообразовании, ассортименте и рекламных кампаниях конкурентов.

PriceManager – онлайн-инструмент, который с помощью системы отчетов и аналитики позволяет онлайн- и мультиканальным ритейлерам оптимизировать цены на основе данных о ценообразовании конкурентов.

Metacommerce – онлайн-платформа для интернет-магазинов по мониторингу цен, ассортимента и анализу информации о конкурентах, позволяющая автоматизировать бизнес-процессы в ценообразовании, управлении ассортиментом и маркетинге.

ProAnalytics – предлагает автоматизированный сбор информации, обработку и структурирование данных о конкурентах, а также предоставляет информацию в наименованиях заказчика.

Semantics3 – решение для онлайн-ритейла с самой большой в мире базой онлайн-товаров. Предоставляет данные и метаданные о ценообразовании конкурентов.

Revionics – облачное SaaS-решение на основе алгоритмов машинного обучения. Помогает ритейлерам оптимизировать ценообразование, рекламные кампании и скидки.

Но выбрать подходящего провайдера только на основе информации, представленной в сети, сложно.

Ниже – подробное руководство о том, как правильно выбрать поставщика данных о конкурентах, и о подводных камнях, с которыми можно столкнуться во время интеграции и дальнейшей работы.

Читайте также: Динамическое ценообразование в ритейле или еще один способ выжить в условиях бесконечной «промовойны»

Алгоритм выбора провайдера данных

Шаг 1. Удостовериться в качестве продуктовых сопоставлений для разных категорий товаров

Шаг 2. Определить критерии оценки качества сбора и доставки данных и добиться от провайдера гарантии их соблюдения

Шаг 3. Согласовать прозрачные условия мониторинга качества сопоставлений и доставки данных

В чем сложность и как сделать правильно. Разберем пошагово.

Как удостовериться в качестве товарных сопоставлений?

Многие провайдеры не дают возможности получателям данных отслеживать качество сопоставлений и управлять им, поэтому перед сотрудничеством важно запустить пилотный тест. Это позволит проверить качество сопоставлений, стабильность доставки данных, и оценить работу инструментов контроля доставки.

При работе с большими объемами данных, даже небольшая ошибка приводит к потерям прибыли. Если ритейлер продает 50 тыс. товаров, а точность сопоставлений составляет 70%, тогда цена 15 тысяч товаров будет неконкурентна.

Существует два типа сопоставлений товаров – ручные и автоматические. Скорость – преимущество автоматических сопоставлений. Алгоритмы машинного обучения могут сопоставлять более тысячи товаров в минуту.

В то же время, алгоритм автоматических сопоставлений, обученный работе с данными определенного типа, не может самостоятельно перестроиться на работу с данными другого типа (например, если конкурент изменил названия товаров или переименовал категории) – для этого требуется человек.

В отличие от автоматизированных решений, ручные сопоставления можно быстро запустить и легко масштабировать. Правильно настроенные ручные сопоставления обеспечивают более точные данные, их можно применять в индустриях с нестандартными параметрами: парфюмерия, игрушки, одежда и другие.

Единственный недостаток ручного метода сопоставлений – их сравнительно низкая скорость: в среднем, один человек может сопоставить около 600 позиций в день.

Чтобы учитывать постоянные обновления конкурентов, ритейлеру нужно объединить скорость автоматизированного сопоставления товаров с точностью ручного. Такой подход увеличивает количество сопоставлений по нескольким параметрам, снижает процент несовпадений и количество ошибок.

Какие критерии обработки и доставки данных нужно добавить в соглашение об уровне обслуживания, SLA?

Успешный сбор данных не означает, что ритейлер сможет использовать всю полученную от провайдера информацию: интернет-магазины часто защищают свои сайты от автоматических сборщиков цен (ботов). В таком случае бот получает искаженные данные, например, завышенные цены, стоимость без учета скидок или акций и т. д.

Чтобы не попасть в такую ловушку, провайдер данных должен выборочно проверять правильность собранной информации.

Другой компонент эффективного ценообразования – свежесть данных.

Этот показатель особенно важен в индустриях с быстрой оборачиваемостью товаров, высокой эластичностью спроса и низкой маржинальностью (например, электроника), где конкуренты меняют цены несколько раз в день.

Категорийный менеджер должен чётко знать, когда данные были собраны, чтобы принять правильные решения о ценообразовании и не использовать нерелевантные данные.

Некоторые провайдеры данных не анализируют свежесть данных, и в результате ритейлер получает данные, собранные за 10 минут до переоценки, вместе с данными, собранными за 48 часов.

Еще один компонент качественных данных – их полнота, процентное соотношение запланированного и доставленного объема данных.

Полнота данных = Объем собранных данных / Запланированный объем * 100%

Каждый процент недоставленных данных — это тысячи товаров с неоптимальной ценой.

Если фактический и запланированный объемы данных не совпадают, необходимо понять, насколько важны упущенные данные:

Касаются ли эти данные лидеров рынка?
Данных о каких категориях товаров недостает?
Есть ли данные о группе KVI (ключевой индикатор цены) товаров?

Провайдер должен предоставить ритейлеру инструменты для контроля всех вышеперечисленных критериев – качества сопоставлений, свежести и полноты данных – для каждой единицы доставленных данных.

Прозрачный мониторинг качества сопоставлений и доставки данных

Все необходимые ритейлеру метрики сбора, полноты и свежести данных должны быть отражены в SLA-соглашении. Кроме этого у ритейлера должны быть гибкие инструменты получения информации о качестве данных, независимо от канала, который он использует (загрузка в формате .csv, интерфейс поставщика информации или API-запросы).

В таком случае категорийный менеджер понимает, что вся информация о товарах, например, в категории «Телевизоры» была успешно обработана, а данных по категории «мелкая бытовая техника» недостаточно для переоценки.

Выводы

Приведенный список критериев поможет выбрать эффективного поставщика данных.

Выбирать поставщика данных нужно с учетом текущих целей ритейлера и будущего роста:

Проверяет ли провайдер качество, свежесть и полноту собранной информации? Отражает ли SLA-соглашение эти критерии?
Предоставляет ли поставщик инструменты контроля для каждой единицы доставленных данных?
Готов ли поставщик данных к качественному и количественному масштабированию в будущем?
Сможет ли ритейлер использовать собранные данные для работы с алгоритмами машинного обучения?

Александр Галкин, CEO & Co-founder of Competera

14:00	Самые богатые люди мира за день потеряли $208 млрд
13:35	В РФ хотят ввести биометрию для езды на электросамокатах на высоких скоростях
13:10	Как потребители принимают решение о покупке на маркетплейсах - исследование
12:45	Цены на iPhone могут взлететь на 43% из-за таможенных пошлин США
12:20	X5 Media вывела свою медиаплатформу в отдельное направление
11:55	ФАС предложила меры для снижения розничных цен на картофель
11:30	Ozon fresh страхует своих курьеров от несчастных случаев и болезней

Как выбрать провайдера данных для оптимизации ценообразования

Последние новости

Самое популярное