Дмитрий Каськов, менеджер проектов компании-оператора фискальных данных «Первый ОФД» рассказал, как на основе информации из кассовых чеков можно разработать ценовую стратегию поставщика.
Реальные доходы населения продолжают падать. Потребитель старается экономить, и при выборе товаров в магазине вопрос цены все чаще становится решающим. При этом расходы производителей на продвижение продукции очень высоки. В некоторых категориях они достигают 80% от оборота компании.
В таких условиях продавцу особенно важно разработать верную ценовую политику, четко понимая, где именно и почему стоит или, наоборот, не стоит менять цену. Только при таком подходе можно добиться роста прибыли и занять максимально возможную долю рынка.
Оптимальная — не всегда минимальная
На первый взгляд может показаться, что чем дешевле товар, тем больше его купят, а значит, и выручка будет больше. Об этом даже говорит теория эластичности спроса. Но на практике все сложнее: рост объемов продаж не всегда компенсирует снижение цен. Более того, иногда цену можно и повысить не в ущерб объемам.
Вывод прост: чтобы вести правильную ценовую политику, главное определить оптимальную цену для каждого продукта в каждой торговой точке.
Ценовая политика на практике
Коммерческая команда компании Kellogg обратилась к «Первому ОФД», чтобы проанализировать зависимость объемов продаж от цены. Заказчик хотел увеличить выручку и прибыльность бренда. Компания Kellogg производит различные продукты питания. Один из ключевых товаров в ее портфеле — бренд Pringles. Он занимает вторую строчку рейтинга в категории «Картофельные чипсы» в России и растет двузначными темпами.
Прежде чем рекомендовать стратегию определения цен, необходимо было провести исследование. Чтобы учесть отличия типов магазинов, анализ продаж провели отдельно для трех каналов — гипермаркетов, супермаркетов и мини-маркетов. В ходе исследования нужно было определить:
- эластичность спроса по регулярной цене;
- важные ценовые барьеры;
- прогноз оффтейка при пересечении будущих ценовых порогов;
- наиболее эффективную регулярную цену;
- уровень скидки или достижение определенной цены во время промоакции, который максимизирует оффтейк в штуках и рублях;
- оптимальный сценарий для регулярной цены и промоакций;
- товары, которые не должны участвовать в промоакции одновременно;
- оптимальную длительность промоакций и перерывы между ними.
В качестве базы для анализа данных специалисты «Первого ОФД» использовали информацию из чеков, которая поступает к ним ежедневно от разных ретейлеров — национальных и локальных сетей, традиционной розницы, АЗС и т.д. Около 20% чеков пришлось отбраковать из-за того, что в них было недостаточно информации, — не все ретейлеры подробно и правильно пробивают названия товаров. Но оставшихся 80% было достаточно, чтобы выделить целевой идентификатор товарной позиции (SKU) или бренд, выяснить зависимость объема продаж от цены и дать рекомендации по ценовой стратегии.
Механизм расчета
Одной выборки данных недостаточно, чтобы построить ценовую политику. Главное — верно проанализировать полученную информацию. Для начала специалисты разделили все данные по каждому дню по каждому SKU в зависимости от его цены, процента ее изменения и длительности периода. Для этого использовали специальный алгоритм. В итоге получилось выделить несколько сценариев продаж:
- регулярная цена;
- повышение регулярной цены;
- понижение регулярной цены;
- промо;
- постпромо.
Исходя из этого проанализировали данные на уровне обезличенной торговой точки по каждому периоду в отдельности. Например, чтобы посмотреть эластичность спроса по регулярным ценам, взяли все периоды с повышением регулярной цены и рассчитывали отношение изменения продаж к изменению цены в предыдущем периоде. Управлять ценой в каждой точке невозможно, поэтому нужно было получить одну агрегированную цифру по каналу — для этого эластичности спроса по каждой торговой точке были перевзвешены на продажи Pringles в ней (другими словами, усреднены, но с учетом товарооборота бренда).
Дополнительно проанализировали оффтейки Pringles в зависимости от цены. Это помогло понять, какой объем продаж товара был при том или ином сценарии. То есть сколько упаковок купили, если цена была регулярной, и как этот объем изменился, когда она снижалась. Однако в этом случае есть опасность искажения данных из-за таких факторов, как сезонности и объем продаж конкретной торговой точки. Чтобы исключить их, специалисты также сравнивали продажи бренда со средними продажами на магазин по категории «Чипсы».
Прибыль можно увеличить
Анализ показал, что для товаров бренда Pringles существуют определенные плато цен, в границах которых спрос практически не менялся. Также выяснилось, что оптимальная цена отличается в зависимости от канала продаж. Например, покупатели небольших магазинов оказались менее чувствительны к цене. Они были готовы немного переплатить, в отличие от тех, кто покупал Pringles в гипермаркете.
Кроме того, специалисты выяснили эффективную глубину скидки и уровня промоцен в разных каналах продаж. Дополнительно проанализировали промоакции Pringles, во время которых другие бренды чипсов тоже снижали цены. Это позволило выявить определенные закономерности. Например, что Pringles не стоит выкладывать в магазине по соседству с определенными брендами товаров, которые одновременно проводят промоакции.
Также обнаружили оптимальную разницу в цене между разными форматами пачек Pringles. Выяснилось, что если во время акции разница в цене между банками объемом 165 г и 70 г становилась ниже определенного порога, продажи маленькой упаковки снижались.
Мнение представителей компании Kellogg
С помощью аналитики чековых данных мы смогли протестировать гипотезы, которые ранее сгенерировали на основе показателей своих отгрузок. Кроме того, точечные рекомендации по оптимальному уровню цен с детализацией по каналам продаж позволили принять взвешенные решения как по регулярным, так и промоценам.
Дмитрий Ермаков, директор по коммерческой стратегии Kellogg
Как будет развиваться направление
Практика показала, что самостоятельно объединять данные, которые собраны в разных форматах, — это непростая и трудоемкая задача. Поэтому в своих будущих исследованиях специалистам лучше использовать дополнительное программное обеспечение, которое может обрабатывать информацию в едином обезличенном формате. Это позволит собирать генеральную совокупность от нескольких операторов фискальных данных точнее, быстрее и с меньшими затратами. Например, для этого скоро заработает бесплатная open-source-платформа Yupana.
Читать далее на РБК
