0/5

Ценообразование и озёра данных: как их поставить себе на службу и преуспеть

Ценообразование и озёра данных: как их поставить себе на службу и преуспеть
время публикации: 10:01  10 июня 2019 года
Фарид Гурбанов – IT-инженер, основатель стартапа Eglitec Solutions – более 17 лет занимается цифровыми технологиями. В последнее время специализируется на системах предиктивной аналитики, ценообразовании и больших данных – направлениях, развивать которые современному ритейлу крайне необходимо.

Жизнеспособен только тот продавец, кто виртуозно управляет стоимостью своих товаров и информацией о клиентском поведении, считает наш собеседник. Подробнее об этом – в интервью Фарида Гурбанова New Retail.

***

Расскажите, пожалуйста, о самых ярких своих проектах, которые вы успешно реализовали в последнее время на рынке ритейла.

В течение нескольких последних лет мы с партнёром продвигали на ритейл-рынке решения в области динамического ценообразования «Эглитек». К примеру, сотрудничали с одной из пермских дрогери-сетей, реализующих бытовую химию, косметику, парфюмерию. Внедрение нашего «движка» дало интересные результаты. Спустя 6 месяцев с начала его запуска в десяти магазинах этой компании её прибыль выросла в среднем на 6,5%. 

Работа с другим ритейлером, занимающимся продажей продуктов питания, привела к ещё более позитивным результатам. Здесь удалось добиться увеличения прибыли на 9%. Также тесты довольно успешно шли в аптечных сетях.

С какими трудностями вы столкнулись при реализации вашего решения? Как их преодолевали?

Проекты, связанные с динамическим ценообразованием, всегда подразумевают необходимость частой смены ценников. Не всегда в процессе тестирования персонал торговых точек справлялся с этой задачей. 

Возникали трудности и при формировании электронного каталога товаров. Если его строили на основе представлений производителей, поставщиков или служебных запросов сети, это тут же отражалось на продажах. Мы ещё раз убедились: подобный каталог стоит создавать, только исходя из интересов потребителей, их запросов.

Третий момент – категорийная структура. Процесс оптимизации цен должен идти не просто на уровне SKU. Менять ценники можно только после анализа на верхнем уровне – категорий и подкатегорий товаров. 

К примеру, если речь о шампунях, важно посмотреть, какова ситуация с реализацией мужских, женских, детских шампуней в частности и в целом. Такой анализ помогает организовывать эффективные промо-акции. Наше решение позволяет это делать, и достаточно глубоко, решать возникающие по ходу вопросы оперативно.

Ценообразование и озёра данных: как их поставить себе на службу и преуспеть
 
Раз уж мы заговорили о промо… Исследования говорят, что ритейлеры сегодня предлагают слишком много скидок. Потребители привыкают покупать товары исключительно по сниженной стоимости. Магазины теряют прибыль, а остановиться не могут: боятся потерять трафик. Помогает ли ваше решение нивелировать проблему?

В рамках «Эглитек» мы делали пилот и по промо-планированию. Комплексный подход в рамках этого эксперимента помог создать работающую систему запуска «правильных» скидочных кампаний. Ведь наш движок не просто подсказывает «следующие лучшие цены на товары», а помогает прогнозировать возможные глобальные последствия различных действий со стоимостью и избегать негативных сценариев и результатов.

Так, мы можем определять эластичность спроса, которая показывает, как меняется спрос в зависимости от изменения цены. Причём, наше решение позволяет рассчитывать этот показатель на уровне недельной сезонности – очень точно.
Если бы можно было давать индивидуальную цену каждому потребителю – это был бы идеальный мир. Вместе с тем, сегодня уже доступно формирование специальных предложений для так называемых микросегментов, которые состоят из 10-15 человек.

В течение года у товаров разная эластичность спроса по цене. Ритейлеры это знают, но часто работают с данной информацией очень грубо. Как правило, они считают эластичность точечно, примерно, а потом распространяют выводы на всю категорию, запускают на основе таких выводов скидочные кампании, что неправильно. Изменение указанного показателя зависит от многих факторов, и их обязательно нужно учитывать.

В частности, эластичность спроса зависит от территориальной составляющей. Так, магазины одной сети с идентичным ассортиментом покажут разную эластичность спроса в большом ТЦ и «у дома» в спальном районе. Всё потому, что люди в рассматриваемых объектах покупают по разным принципам.

Используя движок динамического ценообразования, я также рассчитывал два других показателя. Один из них – кросс-эластичность спроса (подсвечивает, насколько при скидке на определенный товар меняется спрос на другие позиции). 

Возьмём ту же категорию шампуней. Что в ней происходит, если, допустим, шампунь «Шаума» падает в цене на 50%? Его все начинают покупать или складывается совершенно противоположная ситуация? А как обстоит дело с другими наименованиями в категории? Ведь, объявляя скидки на один товар, можно «убить» продажи соседей. При таком анализе мы делали интересные открытия. Коэффициент помогал понять, насколько эффективными были промо-предложения. 

Третий момент при формировании правильного промо – сезонность товара. Есть товары несезонные, такие, как хлеб. Спрос на них стабилен в течение года. У других позиций, вроде лимонада, пива, – ярко выраженная сезонность. Так вот промо наиболее эффективны именно в сезон, потому что в это время у сезонных товаров высокая эластичность. 

Ценообразование и озёра данных: как их поставить себе на службу и преуспеть
 
Четвёртая позиция, которую важно учитывать при формировании промо, – цикл покупательского спроса, связанный с продолжительностью использования того или иного товара. Молоко мы покупаем раз в день-два, зубную пасту – гораздо реже. Частота промо для означенных позиций, соответственно, должна различаться. Скидки лучше делать, исходя из средней продолжительности цикла потребления той или иной позиции. В противном случае мы, опять же, будем наблюдать излишнюю канибализацию и терять деньги.

В общем, проект «Эглитек» получился весьма разносторонним. Мы финансировали его из собственных средств и очень верили в то, что им заинтересуется большее количество ритейлеров. К сожалению, пока этого не случилось. Возможно – только пока. Вероятно, представители рынка сегодня заняты другими, более актуальными, на их взгляд, задачами. Поэтому я переключился на другие инициативы.

Ещё один тренд в ритейле – тотальная персонализация. Эксперты даже поговаривают, что магазины будущего смогут предлагать индивидуальные цены каждому покупателю. Реально ли это? Каким вы видите завтрашний день ценообразования?

Если бы можно было давать индивидуальную цену каждому потребителю – это был бы идеальный мир. Вместе с тем, сегодня уже доступно формирование специальных предложений для так называемых микросегментов, которые состоят из 10-15 человек. 

Подобные микросегменты, в частности, можно формировать на уровне почтовых индексов покупателей. В Москве адреса с одним почтовым индексом может иметь большое количество потребителей. В Европе и на Западе зона покрытия почтового индекса часто – 30-50 небольших домов. Среди жителей указанных зданий может оказаться около 20-30% клиентов определённого ритейлера. 

Если сделать микросегментацию по индексу, добавив такую информацию, как пол или возраст человека, его семейное положение, наличие или отсутствие детей, сегмент получится ещё малочисленнее. Рассматривая такую выборку, легко понять, как её участники поведут себя в той или иной ситуации, какие товары им необходимы. И предложить потребителям то, от чего они не смогут отказаться, по выгодным и вам и им ценам.
Data Lake помогает хранить большие объёмы информации дёшево, что сейчас критически необходимо торговле. И ничуть не в ущерб безопасности.

Раньше подобную работу – выделение сегментов – вели вручную маркетологи. Причём, сегменты охватывали широкую аудиторию – тысячи людей. Затем, с учётом потребностей потребителей, запускали рекламные кампании. Теперь сегменты гораздо меньше – это микросегменты, их тысячи, с динамично меняющимся составом, и ими оперируют компьютеры. 

Поэтому я уверен – будущее ценообразования уже наступило. Безусловно, движки, которые регулируют цены и рекомендуют покупателям товары, со временем станут ещё «умнее». Эти решения смогут собирать огромные массивы информации и анализировать их. И здесь торговым организациям важно уметь работать с «большими данными». Это направление сегодня, на мой взгляд, – одно из самых перспективных. Сейчас я посвящаю ему практически всё своё внимание. У меня соответствующие проекты за рубежом.

Ценообразование и озёра данных: как их поставить себе на службу и преуспеть
 
Можно об этом подробнее?

Некоторое время назад я начал активно заниматься проектированием и построением Data Lake («озеро данных» в переводе с английского) или хранилища больших данных нового поколения. От классического хранилища данных Data Lake отличается четырьмя составляющими.  

Во-первых, Data Lake помогает хранить большие объёмы информации дёшево, что сейчас критически необходимо торговле. И ничуть не в ущерб безопасности. Кстати, ритейлеры в России некоторые составные технологии Data Lake используют, например Hadoop, Hive. Другой вопрос – насколько эффективно. С этим моментом в РФ ещё работать и работать.

Во-вторых, Data Lake позволяет быстро собирать качественно новые данные – так называемые потоковые – и оперативно ими управлять. Речь, в том числе, о web-логах, твиттеровских стримах и так далее.

Теперь онлайн-магазины имеют возможность буквально отслеживать каждый шаг клиента. Когда и с какого устройства он заходил на сайт, какие страницы просматривал, на чём его взгляд задерживался дольше, на что затем посетитель переключил внимание. В идеале, такие знания ритейлерам нужно ставить себе на службу, но далеко не все это делают, хотя очень хотят. Торговые предприятия стремятся продолжить общение с потребителем, чтобы он возвращался к ним снова и снова. 

Учитывая то, что онлайн и офлайн нередко пересекаются, можно проводить интересный анализ перетекания из сегмента в сегмент. К примеру, на вашем сайте начали интенсивно смотреть раздел утюгов. А что при этом происходит в реальном магазине? Продажи утюгов растут или нет? Если да – то всё в порядке. Если нет – нужно понять, что мешает реализации. 
Офлайну и онлайну очень важно экспериментировать, внедрять новые технологии, учиться управлять данными. Если ритейлер этого не делает – он не живёт.

Люди не покупают вещи по каким-то причинам. Либо слишком высокие цены, либо товар недостаточно качественный, либо им почему-то неудобно совершать покупку. Важно сразу докопаться до сути проблемы и исправить ситуацию. Такие виды анализов раньше отсутствовали, так как не было ещё хранилищ данных нового поколения, а сегодня они – в распоряжении торговых точек.

Третье отличие Data Lake – множество форматов, с которыми можно работать в их рамках. Если раньше мы могли оперировать только структурированными данными, то в Data Lake можно хранить ещё и слабоструктурированные и неструктурированные данные. Структурированные данные – это экономические транзакции (к примеру, чеки). Слабоструктурированные – xml-файлы, web-логи. Неструктурированные данные – картинки, видеостримы.

В-четвёртых, Data Lake помогают выполнять всё ужесточающиеся требования регуляторов, которые обеспечивают защиту персональной информации. Если вы собираете данные, у вас должны быть механизмы, как избавляться от тех из них, что бесполезны, устарели или попросту опасны. Используя принципы и инструментарий Data Lake, это реально. Также современные хранилища данных помогают в настройке система рекомендаций товаров. Ритейлерам это интересно.




Читайте также: Из трендов – в мейнстрим: интернет вещей в розничной торговле




Что вы посоветуете современным ритейлерам?

Традиционным торговым точкам – равняться на онлайн-магазины, они лучше знают своих покупателей. Онлайн-ритейлу – задействовать возможности офлайна, как делает лидер рынка – Amazon. С каждым годом он захватывает всё больше ниш, совершенствует доставку, выпускает свои СТМ. 

Плюс офлайну и онлайну очень важно экспериментировать, внедрять новые технологии, учиться управлять данными. Если ритейлер этого не делает – он не живёт.

***

С Фаридом Гурбановым, IT-инженером, основателем стартапа Eglitec Solutions общалась Татьяна Аминова. 

Связаться с Фаридом Гурбановым можно по адресу: farid@gurbanov.net

0
Реклама на New Retail. Медиакит