Diese Präsentation wurde erfolgreich gemeldet.
Wir verwenden Ihre LinkedIn Profilangaben und Informationen zu Ihren Aktivitäten, um Anzeigen zu personalisieren und Ihnen relevantere Inhalte anzuzeigen. Sie können Ihre Anzeigeneinstellungen jederzeit ändern.
“Оптимальные цены”,
или как повысить продажи с помощью
машинного обучения
платформа ценообразования
платформа ценообразования
2006 аналитик в агентстве исследований рынка
2009 эксперт по ценообразованию в международной ком...
обзор
120+
Клиенты
из
28
счастливых
клиентов
стран
80
сотрудников
5
офисов
машинное обучение
Что такое машинное обучение в ритейле?
Машинное обучение:
● класс методов искусственного
интеллекта, хар...
проблемы ценообразования
Проблема ценовых оптимумов
Типы бизнес-показателей:
● чем больше, тем лучше (выручка)
● чем меньш...
проблемы ценообразования
Неуловимые ценовые оптимумы
Проблема №1: “непроницаемость будущего”
Реакция спроса на цену:
● нел...
проблемы ценообразования
Примеры ценовых оптимумов
Ситуация 1:
Оптимальная цена выше текущей
Ситуация 2:
Оптимальная цена ...
Проблема №1
проблемы ценообразования
Разная реакция спроса на изменение цены
у разных товаров
Решение на основе бизнес-пра...
проблемы ценообразования
Перетекание продаж внутри портфеля от
более прибыльных товаров к менее
прибыльным
Решение на осно...
проблемы ценообразования
Цены на аналоги у более крупных
конкурентов влияют сильнее, чем
собственные цены
Решение на основ...
проблемы ценообразования
Необходимость частых переоценок
большого количества товаров
Решение на основе бизнес-правил: Наня...
use case scenario
Алгоритмическое ценообразование
Решение — набор алгоритмов, способных решать комплекс задач:
рекомендова...
use case scenario
Алгоритмическое ценообразование
Ожидаемый результат:
ценообразование, обеспечивающее
систематическое, «с...
use case scenario
Алгоритмическое ценообразование
Структурные изменения, которые это повлечет:
● высвобождение времени ● о...
use case scenario
Алгоритмическое ценообразование
Что нужно для того, чтобы внедрить алгоритмы машинного обучения в рознич...
преследовал три основные цели:
Максимизировать прибыль без потери
маржинальности
Прекратить копировать действия
конкуренто...
16.0%
Результаты пилота
2.4%
7.8%
13.6%
-5.1%
2.7%
8.0%
12.9%
Выручка Продажи
(шт)
Кол-во
чеков
Средний чек
Контрольная
гр...
Контрольная
группа
Тестовая
группа
47%
98.5%
Изменение маржинальности
(где 100% - маржинальность категории до старта пилот...
преследовал три основные цели:
Максимизировать выручку без потери
маржинальности
Снизить влияние промо-цен и больше
управл...
11.5%
Результаты пилота
5.1%
-3.3%
7.8%
-3.0%
8.6%
Выручка Валовая
прибыль
(фронт)
Продажи
(шт)
Контрольная
группа
Тестова...
Nächste SlideShare
Wird geladen in …5
×

"Оптимальные цены", или как повысить розничные продажи с помощью машинного обучения

23 Aufrufe

Veröffentlicht am

В докладе вы узнаете как Competera помогает крупным ритейлерам конкурировать с такими гигантами отрасли, как Amazon и Walmart

Veröffentlicht in: Vertrieb
  • Als Erste(r) kommentieren

  • Gehören Sie zu den Ersten, denen das gefällt!

"Оптимальные цены", или как повысить розничные продажи с помощью машинного обучения

  1. 1. “Оптимальные цены”, или как повысить продажи с помощью машинного обучения платформа ценообразования
  2. 2. платформа ценообразования 2006 аналитик в агентстве исследований рынка 2009 эксперт по ценообразованию в международной компании SunInbev 2015 член Европейского комитета по ценообразованию Mars, Inc. 2018 Data Scientist в Competera, преподаватель на курсе Brand Management в Kyiv Academy of Media Arts (KAMA). Владимир Кучканов Data Scientist в Competera
  3. 3. обзор 120+ Клиенты из 28 счастливых клиентов стран 80 сотрудников 5 офисов
  4. 4. машинное обучение Что такое машинное обучение в ритейле? Машинное обучение: ● класс методов искусственного интеллекта, характерной чертой которых является не прямое решение задачи, а обучение по прецедентам, т.е. основанное на выявлении эмпирических закономерностей в данных Машинное обучение в ритейле: ● класс задач искусственного интеллекта, призванных оптимизировать и автоматизировать повторяющиеся операции сети розничной торговли
  5. 5. проблемы ценообразования Проблема ценовых оптимумов Типы бизнес-показателей: ● чем больше, тем лучше (выручка) ● чем меньше, тем лучше (затраты) ● имеют оптимальные значения (цены) Выручка = sum (цена продажи*кол-во проданных штук) Валовая прибыль = sum ((цена продажи-закупочная цена)*кол-во проданных штук) Спрос (продажи в штуках) эластичен к изменению цены (реагирует на цены) Вывод - все хотят знать оптимальные цены
  6. 6. проблемы ценообразования Неуловимые ценовые оптимумы Проблема №1: “непроницаемость будущего” Реакция спроса на цену: ● нелинейная ● многофакторная ● асинхронная ● «зашумленная» другими факторами Результат: не видна реакция продаж в будущем на действия бизнеса в настоящем Проблема №2: ОЧЕНЬ большой портфель ● Меняя цены на один товар, мы влияем на продажи десятков других товаров ● Переоценивать приходится тысячи товаров каждую неделю
  7. 7. проблемы ценообразования Примеры ценовых оптимумов Ситуация 1: Оптимальная цена выше текущей Ситуация 2: Оптимальная цена ниже текущей Ситуация 3: Оптимальная цена равна текущей
  8. 8. Проблема №1 проблемы ценообразования Разная реакция спроса на изменение цены у разных товаров Решение на основе бизнес-правил: Добавить коэффициент эластичности -1 в формулы Решение от консультантов: Предоставляют один или 2 коэффициента эластичности (например, на повышение и на понижение) только по ключевым товарам Оптимальное решение: Прогноз спроса при любом изменении цены для любых товаров
  9. 9. проблемы ценообразования Перетекание продаж внутри портфеля от более прибыльных товаров к менее прибыльным Решение на основе бизнес-правил: Ограниченные возможности управления ценами и промо на низкоприбыльных товарах Решение от консультантов: Рекомендации по управлению миксом - “меньше неприбыльных товаров, больше прибыльных” Оптимальное решение: Учитывать влияние изменения цены на каждый товар на суммарные продажи всех остальных товаров в портфеле Проблема №2
  10. 10. проблемы ценообразования Цены на аналоги у более крупных конкурентов влияют сильнее, чем собственные цены Решение на основе бизнес-правил: На основании предыдущего опыта определить ключевые позиции и всеми силами держать их цену ниже, чем у конкурентов Решение от консультантов: Предоставляют классические стратегии конкурентного ценообразования (“лидеры”, “преследователи” и т.д.) Оптимальное решение: Определять силу влияния конкурентных цен на продажи ключевых товаров в портфеле Проблема №3
  11. 11. проблемы ценообразования Необходимость частых переоценок большого количества товаров Решение на основе бизнес-правил: Нанять больше категорийных менеджеров, каждый из которых создаст файлы переоценки Решение от консультантов: Иногда предоставляется программный интерфейс для переоценки ограниченного количества товаров и выгрузки данных Оптимальное решение: Автоматический расчет оптимальных цен на весь портфель, редактирование сценариев и автоматическая отправка новых цен “на витрину” Проблема №4
  12. 12. use case scenario Алгоритмическое ценообразование Решение — набор алгоритмов, способных решать комплекс задач: рекомендовать оптимальные цены предсказывать решать задачу максимизации обучаться интегрироваться
  13. 13. use case scenario Алгоритмическое ценообразование Ожидаемый результат: ценообразование, обеспечивающее систематическое, «самонаводящееся» продвижение к одной из основных бизнес-целей ритейла — росту.
  14. 14. use case scenario Алгоритмическое ценообразование Структурные изменения, которые это повлечет: ● высвобождение времени ● от тактики к стратегии ● устранение ошибок ● чистые данные ● внутренние компетенции и инструменты
  15. 15. use case scenario Алгоритмическое ценообразование Что нужно для того, чтобы внедрить алгоритмы машинного обучения в розничной сети: Собственный отдел разработки или партнерство с надежной технологической компанией Структурированные очищенные данные Готовность руководства и коллектива к изменениям
  16. 16. преследовал три основные цели: Максимизировать прибыль без потери маржинальности Прекратить копировать действия конкурентов Продемонстрировать эффективность решения Competera оптимизация цен Пилотный запуск 1
  17. 17. 16.0% Результаты пилота 2.4% 7.8% 13.6% -5.1% 2.7% 8.0% 12.9% Выручка Продажи (шт) Кол-во чеков Средний чек Контрольная группа Тестовая группа оптимизация цен
  18. 18. Контрольная группа Тестовая группа 47% 98.5% Изменение маржинальности (где 100% - маржинальность категории до старта пилота) Результаты пилота оптимизация цен
  19. 19. преследовал три основные цели: Максимизировать выручку без потери маржинальности Снизить влияние промо-цен и больше управлять продажами полочными ценами Продемонстрировать эффективность решения Competera оптимизация цен Пилотный запуск 2
  20. 20. 11.5% Результаты пилота 5.1% -3.3% 7.8% -3.0% 8.6% Выручка Валовая прибыль (фронт) Продажи (шт) Контрольная группа Тестовая группа оптимизация цен

×