Czech Online Expo 2019 E-commerce Data Summit

1. Jaký pricing model zvolit?
Jak dělat správná rozhodnutí ohledně pricingu?

2. Disivo je další nástroj z dílny Datawepsu

4. Jak ušetřit 8 průměrných svatebních darů?

5. Kupovali jste někdy mobilní telefon?

6. A co takhle psí žřádlo?

7. Jaký model vybrat?
Jak vše správně měřit a kontrolovat?
Co k tomu může říct náš výzkum?

8. Jaký model vybrat?

9. Jaký model vybrat?
_ Doporučené ceny
Rezignace/zákaz změn
_ Nacenění pomocí koeficientu
Případně koeficient na bázi hladiny/segmentu
_ Rule-based pricing
Dynamický způsob nacenění pomocí předem definovaných pravidel
_ Modely na bázi AI
Nacenění často schované za ML, umožňuje naceňovat na úrovni
produktu nebo návštěvníka

10. Doporučené ceny
Klady
_ Nemusíte nic řešit
Zápory
_ Rezignace na optimalizaci pricingu

11. Nacenění pomocí koeficientu
Klady
_ Řídíte alespoň svou marži
_ Vhodné pro začínající eshop
Zápory
_ Absence optimalizace a
vyhodnocení snižuje významně marži,
obrat a pozici na trhu

12. Rule-based pricing
Klady
_ Využíváte své know-how
_ Dokážete pružně reagovat na situaci na
trhu
_ V případě měření a vyhodnocování
pravidel dochází k významné optimalizaci
marže a obratu.
Zápory
_ Špatně nastavený rule-based systém tlačí
na snižování cen celého trhu
_ Je třeba mu věnovat čas

13. Příklad rule-based modelu

14. Příklad rule-based modelu

15. Modely na bázi strojového učení
Klady
_ Nasadíte a vidíte výsledky bez většího úsilí
_ Dokáže zohledňovat automaticky největší
sadu proměnných
Zápory
_ Je to blackbox
_ Pokud nemáte dost dat, děláte špatná
rozhodnutí

16. Jak vše správně měřit a kontrolovat?

17. Máme model, jak dál?
1. Cenová analytika
Současný stav konkurence a trhu
Analýza příležitostí a hrozeb
2. Přeceňovací modely
Statická/dynamická cenotvorba
3. Vyhodnocení dopadu
Vyhodnocení taktik a pravidel
Výzkum nových příležitostí

18. Co byste měli z cenové analytiky vyčíst?
_ Pořiďte si spolehlivou BI analytiku (GA nestačí)
_ Které otázky byste měli být schopni odpovědět?
Daří se nám pomocí současné cenové strategie plnit cíle?
Jaké jsou největší příležitosti?
Jaké jsou největší hrozby?
Jak změna cen ovlivňuje naše prodeje?
Jak změna cen konkurence ovlivňuje naše prodeje?
Kde je konkurence nejvíc/nejméně aktivní
...
Které proměnné jsou nejdůležitější?

19. Pojďme si zahrát hru

20. „V kategorii A mají produkty podobnou marži
nezávisle na tom, jestli mají konkurenci.”

21. „V kategorii B se nám prodávají produkty i
přesto, že jsme hodně drazí.”

22. „Pokud jsme dražší než náš konkurent, tak
máme vyšší celkový zisk, než když se snažíme
jít pod jeho cenu.”

23. „Konkurentovi C vypadává často dostupnost
v segmentu D.”

24. „Konkurent E prodává zboží pod mou
nákupkou”

25. „U produktů, kde je hlavním prodejním
kanálem organic máme podobnou marži, jako
u produktů, kde dominuje Heureka”

26. „Produkty, které mají příslušenství,
prodáváme těsně nad limitem dopravy
zdarma”

27. „Našli jsme produkty, kde jsme o 20 % levnější
než nejlevnější konkurence”

28. Jak vyhodnotit dopad?
Jak očistit data?
Kolik prodejů potřebujeme pro správné změření?

29. Pozor na srovnání s předchozím obdobím
Jak ještě očistit data?

30. Porovnání s homogenní skupinou
A/B test
Google Causal Impact

31. Porovnání s celým eshopem
Jak se mění podíl testovaného segmentu na klíčových metrikách

32. Na co ještě dávat pozor?
_ Počasí
_ Vlastní marketingové kampaně
_ Marketingové kampaně konkurence
_ Externality
_ Den v měsíci
_ Den v týdnu

33. Co k tomu může říct náš výzkum?

35. Vlastní výzkum
“Heleď Petře, po 100 nákupech vím, že mi ta nová verze přinesla 5% růst”
Jaký je vztah mezi počtem nákupů a potřebnou velikostí změny,
abychom mohli vyloučit, že je změna způsobena náhodou?
Jak vysoká je úroveň datového šumu u 150, 500, 1 000, ... nákupů?

36. Vlastní výzkum
Simulace 10 000 A/A testů. Každá varianta má stejný počet návštěv a
stejný průměrný konverzní poměr
Díky náhodě vzniká odchylka. Když náhodná odchylka překročí velikost
změny, test selže.
V kolika z 10 000 testů test selže? Snaha najít hodnotu, kdy je procento
selhaných testů pod 5 %.

37. 150 nákupů na každé variantě testu
Bezpečná hladina je od 25% změny

38. 500 nákupů na každé variantě testu
Bezpečná hladina je od 15% změny

39. 750 nákupů na každé variantě testu
Bezpečná hladina je od 10% změny

40. 1 000 nákupů na každé variantě testu
Bezpečná hladina je od 8% změny

41. Co si z toho odnést
1. Modely pro pricing
Při stovkách objednávek měsíčně se soustřeďte na růst
O dynamický repricing se začnete zajímat od řádu tisíců objednávek
O ML modely od řádu desítek tisíc objednávek

42. Co si z toho odnést
2. Cenová analytika
Pořiďte si kvalitní BI a nalejte do ní správná data
Nad daty hledejte příležitosti a hrozby
Očistěte data

43. Co si z toho odnést
3. Výzkum
Čím menší počet nákupů, tím větší změny musíte dělat
Pokud zvolíte strategii, dejte ji čas, aby se projevila
Spočítejte si, jak velké dopady potřebujete

44. delejtespravnarozhodnuti.cz
Náš nástroj si můžete
vyzkoušet sami a
zdarma.
Vypočítejte si data dle
metrik vašeho eshopu.
Nebojte se začít už
v pondělí.