Динамическое ценообразование как инструмент автоматизации и роста прибыли в условиях высокой конкуренции
Евгений Сахаров заместитель генерального директора Сантехника-Онлайн
Возглавил ИТ направление с 2017 года. Ранее (с 2014 г.) руководил Отделом автоматизации и развитием бизнес-процессов в Сантехнике-Онлайн. Имеет опыт построения и автоматизации контактного центра с нуля (как процессов, так и технически). До прихода в Сантехнику-Онлайн работал в банковском секторе и IT-аутсорсинга в направлении внедрения, развития и поддержки контактных центров.
ТЕЗИСЫ:
Проблематика:
В ходе исследования показателей продаж мы выявили, что из-за периодических ошибок, допускаемых при загрузке прайсов, продлении или запуске акций и субъективных распродаж, мы ежемесячно теряем в прибыли.
Управлять ценообразованием при большом количестве товаров и брендов, у каждого из которых свои требования, наценки, правила акций, — крайне объемная задача.
Для нас критически важным стало минимизировать или полностью исключить человеческий фактор при работе с ценами.
Решение:
для решения этой задачи мы создали систему динамического ценообразования с использованием моделей машинного обучения. Основные целевые функции модели — максимизация валовой прибыли и оборачиваемость товара.
Создали шину обмена цен между системой и всеми площадками для ускорения и контроля потока цен.
Этапность:
- на первом этапе осуществляется формирование минимальных пороговых границ, где собираются данные по ценам конкурентов, РРЦ, МРЦ, целевому уровню наценки.
- далее происходит процесс определение тестируемой цены моделью на основе прогнозирования спроса из ретроспективных данных с учетом пороговых границ.
- полученную цену выгружаем на все площадки.
- собираем метрики: просмотры, корзины, конверсии, принятые заказы, средний чек, валовую прибыль и используем эти данные для постоянного обучения модели.
Результаты:
• сокращение количества «ручных» ошибок, которые приводили к падению продаж бестселлеров до 30%.
• автоматическое формирование акций на площадке OZON, в которых учувствуют более 15 000 SKU.
• дополнительное увеличение валовой прибыли +13,5% при сохранении целевых показателей рентабельности по товарам и категориям, участвующим в модели.
• прозрачная система мониторинга изменения цен с логированием всех событий.