В экономической теории многие разделы посвящены процессу ценообразования в торговле.
Но при практическом использовании инструментов формирования цены ритейлеры сталкиваются со множеством проблем, это приводит к ошибкам при определении цены и, как следствие, потерям в прибыли.
Например, когда ритейлер снижает цену, потребительский спрос растет, но прибыли нет. Увеличивает цену товара — спрос падает.
![](https://habrastorage.org/r/w1560/files/3ef/c5f/354/3efc5f354b4c43b99336eada19d698df.png)
Как видим, существует сильная зависимость между ценой, спросом и прибылью.
Эластичность же позволяет найти оптимальное соотношение стоимости и количества продаж, позволяющее увеличить прибыль. Иными словами, цена выступает балансирующим фактором между ожидаемыми спросом и доходом.
Многие существующие модели ценовой эластичности претендуют на “мировое господство”, но проблема в том, что учесть при моделировании абсолютно все факторы влияющие на цену и спрос невозможно.
Разработанная нами модель предлагает коррекцию цены на товары по каждому магазину отдельно, используя исторические данные за полгода и учитывая факторы частоты, количества и стабильности продаж, которые повышают точность анализа. Модель не предполагает максимальный охват всех возможных факторов и случаев изменения цены, но срабатывает для корректировки цены отдельных товаров в магазинах наших клиентов.
Наш подход отличается от классического, и ниже мы объясним чем.
Классическая модель ценовой эластичности — определение коэффициента точечной ценовой эластичности.
![](https://habrastorage.org/r/w1560/files/fee/6ee/619/fee6ee6196b3403cb92d7f95b4519d13.png)
Этот подход хорош в теории, но недостаточно достоверный на практике потому что:
Недостатки модели ценовой эластичности можно увидеть визуализировав соотношение изменений цены и продаж для конкретного товара.
Построим график:
по горизонтали — изменения цены;
по вертикали — изменения продаж товара.
![](https://habrastorage.org/r/w1560/files/e64/4ba/91f/e644ba91f9ba46b7a6e6611c1ecc6491.png)
Что мы получили? Большинство точек сосредоточенно около 0, как по у, так и по х. Как видим, изменения цены практически никак не влияют на спрос, да и сам спрос варьируется при стабильной цене. Отследить конкретные зависимости не возможно.
Будем искать другой подход для определения оптимальной цены на товар.
1. Нужно определится с периодом для анализа соотношения цены и спроса.
Выбранный нами период для анализа эластичности цены — полгода. Это позволяет при расчетах минимизировать риски инфляции, других внешних колебаний рынка ритейла.
2. Расчеты проводим для каждого магазина отдельно.
Оптимальная цена для товаров каждого магазина рассчитывается отдельно, так как у каждого магазина свой размер, ассортимент, контингент покупателей, покупательский спрос.
3. Для анализа берем только товары с относительно стабильным спросом, которые продаются не реже чем два раза в неделю.
4. Отслеживаем колебания спроса в зависимости от цены.
Построим график, поместив продажи товара на вертикальную ось, цену товара — на горизонтальную.
![](https://habrastorage.org/r/w1560/files/924/647/81d/92464781d1204ac59b4e774e898d2cf3.png)
Как видим, точки продаж на графике сгруппировались относительно оси Х по изменениям цены.
В продуктовом ритейле, где цены не меняются кардинально, логично будет сгруппировать продажи по изменениям цены с шагом 0,5 грн. Дальше определяем среднее количество продаж в каждой группе и исключаем из анализа все единичные продажи, как недостоверные.
5. Расположим полученные точки средних продаж товара для каждой ценовой группы на графике.
На графике четко видно, что существует зависимость полученных данных и мы можем определить линейную регрессию (тренд).
![](https://habrastorage.org/r/w1560/files/1ab/f29/407/1abf294071a64908a77d70de3ca1b6cc.png)
Экспериментально мы определили что использовать модель можно, если цена на товар менялась хотя бы 4 раза, в противном случае результат будет неточным.
6. Мы получили формулу для определения зависимости количества продаж от цены.
![](https://habrastorage.org/r/w1560/files/71c/406/27b/71c40627bdaa4840928a966ee95bfaa5.png)
Как недостоверные также будем рассматривать варианты, когда показатель b >= 0. В этом случае по каким-либо причинам, спрос на товар растет, хотя и цена растет. А значит такие показатели необходимо изучать отдельно. Возможен вариант, что спрос для этого товара вообще не эластичен, а значит в нашу модель он не попадает.
Визуально график, когда показатель b >= 0, выглядит так:
![](https://habrastorage.org/r/w1560/files/726/fd7/f61/726fd7f61f9848ebb1aad0ba228c8c34.png)
7. Построим модель зависимости прибыли от цены товара.
Для этого нам нужно определить зависимость маржи от цены.
![](https://habrastorage.org/r/w1560/files/34e/e42/850/34ee42850f4a4f398fe28a9756525051.png)
Прибыль равна зависимости продаж, умноженной на маржу от цены.
![](https://habrastorage.org/r/w1560/files/9dc/d30/4fb/9dcd304fb5604245aeaf293d5c6388b5.png)
Подставим в формулу зависимость продаж и маржи от цены.
![](https://habrastorage.org/r/w1560/files/d34/d16/502/d34d16502daa4b70bc1561cecbad0ef4.png)
8. Построим график зависимости прибыли от цены товара.
По вертикали — дневная прибыль.
По горизонтали — цена товара.
График начинает строится из точки цены без наценки, в ней полученная прибыль равна 0.
![](https://habrastorage.org/r/w1560/files/115/945/984/11594598400e4d72aabc66a3aa020ee2.png)
Находим точку на графике, в которой полученная прибыль будет максимальной и определяем значение оптимальной цены.
Модель показывает рекомендации по понижению цены от текущей до оптимальной, что принесет дополнительную прибыль за счет увеличения количества продаж в день.
Рассматривать возможность повышения цены до оптимальной (как на графике ниже) мы не будем. Ведь при формировании цены необходимо учитывать множество внешних факторов: цену конкурентов, ценовую политику сети, государственные рекомендации и ограничения.
![](https://habrastorage.org/r/w1560/files/2a4/827/113/2a48271131be48739ff8ba80a1d1e6ea.png)
Разберем несколько случаев использования функционала BI Datawiz.io для выбора оптимальной цены на товар. Сервис проводит анализ изменения цены и спроса для каждого товара магазина, и на основе описанной модели формирует рекомендации по оптимальному изменению цены на товары, где это повлечет за собой увеличение прибыли.
В Магазине 1 сформирована одна рекомендация для товара Шампанское советское от бренда Наш Киев.
![](https://habrastorage.org/r/w1560/files/74d/e0a/c34/74de0ac34e2c4f7c812bd23df629f841.png)
В таблице указано:
Т.е. вся необходимая информация для принятия решения.
Для более глубокого анализа и обоснованного принятия решений, ритейлер может посмотреть графики зависимости количества продаж от цены и удостоверится в правильности расчетов и рекомендаций.
![](https://habrastorage.org/r/w1560/files/bbf/e4b/eff/bbfe4beff3e142ca82a80581ffd34175.png)
Как видим, при кратковременном снижении цены (скорее всего в этот период проходили акции на товар), продажи товара значительно увеличивались. Увеличение цены на весь алкоголь, и шампанское в том числе, с 1 сентября повлекло за собой падение продаж.
На втором графике мы видим, как менялись средние продажи в день в зависимости от цены и сформированную линию тренда.
![](https://habrastorage.org/r/w1560/files/08e/593/180/08e59318054f4f46a9d56b6fe5147274.png)
На 3 графике определена текущая и рекомендованная цена для Шампанского наш Киев.
![](https://habrastorage.org/r/w1560/files/61f/47e/347/61f47e347a06460d866bfb08fc5aa88f.png)
Так, на данный момент шампанское продается по цене 51, 83 грн. за единицу, прибыль в день составляет 14,71 грн. При снижении цены до 45,99 грн. продажи вырастут и полученная дневная прибыль составит 40,04 грн.
Это на 25,33 грн. больше, чем текущая ежедневная прибыль.
В Магазине 2 мы видим рекомендации по изменению цены для 5 товаров. Общая ежедневная прибыль магазина составит 127,13 грн.
![](https://habrastorage.org/r/w1560/files/8cd/9f5/d11/8cd9f5d11cf14cb18ceaf9e6be669f4b.png)
Рассмотрим графики формирования оптимальной цены на примере пива Львовское в ПЕТ бутылках объемом 1,2 л.
![](https://habrastorage.org/r/w1560/files/d48/817/3d5/d488173d5e6a464ab8ba4a2b33cbe01c.png)
Как видим, за текущие полгода, цена на этот товар менялась 6 раз. А покупательский спрос достаточно сильно колебался даже при одинаковой цене.
Тут видна линейная зависимость.
![](https://habrastorage.org/r/w1560/files/656/4f8/4a1/6564f84a1db54bceb6e68520ac33689b.png)
Рекомендуется снизить цену с 16,91 грн. до 15,57 грн. при этом дневная прибыль увеличится на 2,65 грн. и составит 30,22 грн., как видно на кривой ниже.
![](https://habrastorage.org/r/w1560/files/5bf/5cb/e04/5bf5cbe04ac1409490e4a8f5f288a504.png)
В Магазине 3 сервис построил рекомендации для 4 товаров.
![](https://habrastorage.org/r/w1560/files/010/539/ef9/010539ef99ae43d6b2abf2bdafa8b2b6.png)
Проанализируем ценовую эластичность товара Шоколадный бисквит от бренда Рошен.
![](https://habrastorage.org/r/w1560/files/454/3cb/4d1/4543cb4d1a704f8faa3a0d8ab5b22703.png)
На графике мы видим 5 изменений цены, но при последнем повышении цены до 33,5 грн. каждодневные продажи товара не превышают 1, а значит такие данные мы не используем. Это видно на графике 2, где учитываются 4 показателя продаж.
![](https://habrastorage.org/r/w1560/files/d4e/6d2/0a0/d4e6d20a0bef4021b00bb8b49635f884.png)
На следующем графике отображается текущая цена бисквита которая составляет 32,66 грн. с каждодневным доходом в 16,42 грн. Рекомендованная цена составляет 29,62 грн., что увеличит прибыль на 7,05 грн.
![](https://habrastorage.org/r/w1560/files/115/d41/53d/115d4153d17f4b07a62086e6ac85dfb0.png)
Заметим, что предложенный нами подход к определению оптимальной цены приближен к практике и реальному состоянию дел в ритейле, исключает риски классического подхода к ценовой эластичности, который использует только два показателя, не учитывает сезонность и другие факторы.
Разработанная нами модель учитывает временной фактор, частоту, количество и стабильность продаж. Дает возможность для самостоятельного анализа с помощью визуализации исторических данных изменения цены и спроса.
Сервис BI Datawiz.io с помощью разработанной модели обрабатывает весь объем данных по продажам и показывает результаты в виде списка товаров, снижение цены на которые принесет прибыль ритейлеру.
Но при практическом использовании инструментов формирования цены ритейлеры сталкиваются со множеством проблем, это приводит к ошибкам при определении цены и, как следствие, потерям в прибыли.
Например, когда ритейлер снижает цену, потребительский спрос растет, но прибыли нет. Увеличивает цену товара — спрос падает.
![](https://habrastorage.org/files/3ef/c5f/354/3efc5f354b4c43b99336eada19d698df.png)
Как видим, существует сильная зависимость между ценой, спросом и прибылью.
Эластичность же позволяет найти оптимальное соотношение стоимости и количества продаж, позволяющее увеличить прибыль. Иными словами, цена выступает балансирующим фактором между ожидаемыми спросом и доходом.
Многие существующие модели ценовой эластичности претендуют на “мировое господство”, но проблема в том, что учесть при моделировании абсолютно все факторы влияющие на цену и спрос невозможно.
Разработанная нами модель предлагает коррекцию цены на товары по каждому магазину отдельно, используя исторические данные за полгода и учитывая факторы частоты, количества и стабильности продаж, которые повышают точность анализа. Модель не предполагает максимальный охват всех возможных факторов и случаев изменения цены, но срабатывает для корректировки цены отдельных товаров в магазинах наших клиентов.
Наш подход отличается от классического, и ниже мы объясним чем.
Классическая модель ценовой эластичности — определение коэффициента точечной ценовой эластичности.
![](https://habrastorage.org/files/fee/6ee/619/fee6ee6196b3403cb92d7f95b4519d13.png)
Этот подход хорош в теории, но недостаточно достоверный на практике потому что:
- На продажи товара влияет множество факторов кроме цены — конкуренция, реклама, лояльность покупателей к бренду, доступность товара и т.п.
- Модель не включает фактор времени, а значит исключает важные для ритейла сезонные влияния на покупательский спрос.
- Двух показателей цены для точного анализа мало.
Недостатки модели ценовой эластичности можно увидеть визуализировав соотношение изменений цены и продаж для конкретного товара.
Построим график:
по горизонтали — изменения цены;
по вертикали — изменения продаж товара.
![](https://habrastorage.org/files/e64/4ba/91f/e644ba91f9ba46b7a6e6611c1ecc6491.png)
Что мы получили? Большинство точек сосредоточенно около 0, как по у, так и по х. Как видим, изменения цены практически никак не влияют на спрос, да и сам спрос варьируется при стабильной цене. Отследить конкретные зависимости не возможно.
Будем искать другой подход для определения оптимальной цены на товар.
1. Нужно определится с периодом для анализа соотношения цены и спроса.
Выбранный нами период для анализа эластичности цены — полгода. Это позволяет при расчетах минимизировать риски инфляции, других внешних колебаний рынка ритейла.
2. Расчеты проводим для каждого магазина отдельно.
Оптимальная цена для товаров каждого магазина рассчитывается отдельно, так как у каждого магазина свой размер, ассортимент, контингент покупателей, покупательский спрос.
3. Для анализа берем только товары с относительно стабильным спросом, которые продаются не реже чем два раза в неделю.
4. Отслеживаем колебания спроса в зависимости от цены.
Построим график, поместив продажи товара на вертикальную ось, цену товара — на горизонтальную.
![](https://habrastorage.org/files/924/647/81d/92464781d1204ac59b4e774e898d2cf3.png)
Как видим, точки продаж на графике сгруппировались относительно оси Х по изменениям цены.
В продуктовом ритейле, где цены не меняются кардинально, логично будет сгруппировать продажи по изменениям цены с шагом 0,5 грн. Дальше определяем среднее количество продаж в каждой группе и исключаем из анализа все единичные продажи, как недостоверные.
5. Расположим полученные точки средних продаж товара для каждой ценовой группы на графике.
На графике четко видно, что существует зависимость полученных данных и мы можем определить линейную регрессию (тренд).
![](https://habrastorage.org/files/1ab/f29/407/1abf294071a64908a77d70de3ca1b6cc.png)
Экспериментально мы определили что использовать модель можно, если цена на товар менялась хотя бы 4 раза, в противном случае результат будет неточным.
6. Мы получили формулу для определения зависимости количества продаж от цены.
![](https://habrastorage.org/files/71c/406/27b/71c40627bdaa4840928a966ee95bfaa5.png)
Как недостоверные также будем рассматривать варианты, когда показатель b >= 0. В этом случае по каким-либо причинам, спрос на товар растет, хотя и цена растет. А значит такие показатели необходимо изучать отдельно. Возможен вариант, что спрос для этого товара вообще не эластичен, а значит в нашу модель он не попадает.
Визуально график, когда показатель b >= 0, выглядит так:
![](https://habrastorage.org/files/726/fd7/f61/726fd7f61f9848ebb1aad0ba228c8c34.png)
7. Построим модель зависимости прибыли от цены товара.
Для этого нам нужно определить зависимость маржи от цены.
![](https://habrastorage.org/files/34e/e42/850/34ee42850f4a4f398fe28a9756525051.png)
Прибыль равна зависимости продаж, умноженной на маржу от цены.
![](https://habrastorage.org/files/9dc/d30/4fb/9dcd304fb5604245aeaf293d5c6388b5.png)
Подставим в формулу зависимость продаж и маржи от цены.
![](https://habrastorage.org/files/d34/d16/502/d34d16502daa4b70bc1561cecbad0ef4.png)
8. Построим график зависимости прибыли от цены товара.
По вертикали — дневная прибыль.
По горизонтали — цена товара.
График начинает строится из точки цены без наценки, в ней полученная прибыль равна 0.
![](https://habrastorage.org/files/115/945/984/11594598400e4d72aabc66a3aa020ee2.png)
Находим точку на графике, в которой полученная прибыль будет максимальной и определяем значение оптимальной цены.
Модель показывает рекомендации по понижению цены от текущей до оптимальной, что принесет дополнительную прибыль за счет увеличения количества продаж в день.
Рассматривать возможность повышения цены до оптимальной (как на графике ниже) мы не будем. Ведь при формировании цены необходимо учитывать множество внешних факторов: цену конкурентов, ценовую политику сети, государственные рекомендации и ограничения.
![](https://habrastorage.org/files/2a4/827/113/2a48271131be48739ff8ba80a1d1e6ea.png)
Разберем несколько случаев использования функционала BI Datawiz.io для выбора оптимальной цены на товар. Сервис проводит анализ изменения цены и спроса для каждого товара магазина, и на основе описанной модели формирует рекомендации по оптимальному изменению цены на товары, где это повлечет за собой увеличение прибыли.
В Магазине 1 сформирована одна рекомендация для товара Шампанское советское от бренда Наш Киев.
![](https://habrastorage.org/files/74d/e0a/c34/74de0ac34e2c4f7c812bd23df629f841.png)
В таблице указано:
- наименование товара;
- цена без наценки;
- текущая цена с наценкой;
- рекомендованная цена;
- среднее количество продаж в день;
- прогнозируемое количество продаж при изменении цены;
- прогнозированное увеличение прибыли по конкретному товару и по магазину в целом.
Т.е. вся необходимая информация для принятия решения.
Для более глубокого анализа и обоснованного принятия решений, ритейлер может посмотреть графики зависимости количества продаж от цены и удостоверится в правильности расчетов и рекомендаций.
![](https://habrastorage.org/files/bbf/e4b/eff/bbfe4beff3e142ca82a80581ffd34175.png)
Как видим, при кратковременном снижении цены (скорее всего в этот период проходили акции на товар), продажи товара значительно увеличивались. Увеличение цены на весь алкоголь, и шампанское в том числе, с 1 сентября повлекло за собой падение продаж.
На втором графике мы видим, как менялись средние продажи в день в зависимости от цены и сформированную линию тренда.
![](https://habrastorage.org/files/08e/593/180/08e59318054f4f46a9d56b6fe5147274.png)
На 3 графике определена текущая и рекомендованная цена для Шампанского наш Киев.
![](https://habrastorage.org/files/61f/47e/347/61f47e347a06460d866bfb08fc5aa88f.png)
Так, на данный момент шампанское продается по цене 51, 83 грн. за единицу, прибыль в день составляет 14,71 грн. При снижении цены до 45,99 грн. продажи вырастут и полученная дневная прибыль составит 40,04 грн.
Это на 25,33 грн. больше, чем текущая ежедневная прибыль.
В Магазине 2 мы видим рекомендации по изменению цены для 5 товаров. Общая ежедневная прибыль магазина составит 127,13 грн.
![](https://habrastorage.org/files/8cd/9f5/d11/8cd9f5d11cf14cb18ceaf9e6be669f4b.png)
Рассмотрим графики формирования оптимальной цены на примере пива Львовское в ПЕТ бутылках объемом 1,2 л.
![](https://habrastorage.org/files/d48/817/3d5/d488173d5e6a464ab8ba4a2b33cbe01c.png)
Как видим, за текущие полгода, цена на этот товар менялась 6 раз. А покупательский спрос достаточно сильно колебался даже при одинаковой цене.
Тут видна линейная зависимость.
![](https://habrastorage.org/files/656/4f8/4a1/6564f84a1db54bceb6e68520ac33689b.png)
Рекомендуется снизить цену с 16,91 грн. до 15,57 грн. при этом дневная прибыль увеличится на 2,65 грн. и составит 30,22 грн., как видно на кривой ниже.
![](https://habrastorage.org/files/5bf/5cb/e04/5bf5cbe04ac1409490e4a8f5f288a504.png)
В Магазине 3 сервис построил рекомендации для 4 товаров.
![](https://habrastorage.org/files/010/539/ef9/010539ef99ae43d6b2abf2bdafa8b2b6.png)
Проанализируем ценовую эластичность товара Шоколадный бисквит от бренда Рошен.
![](https://habrastorage.org/files/454/3cb/4d1/4543cb4d1a704f8faa3a0d8ab5b22703.png)
На графике мы видим 5 изменений цены, но при последнем повышении цены до 33,5 грн. каждодневные продажи товара не превышают 1, а значит такие данные мы не используем. Это видно на графике 2, где учитываются 4 показателя продаж.
![](https://habrastorage.org/files/d4e/6d2/0a0/d4e6d20a0bef4021b00bb8b49635f884.png)
На следующем графике отображается текущая цена бисквита которая составляет 32,66 грн. с каждодневным доходом в 16,42 грн. Рекомендованная цена составляет 29,62 грн., что увеличит прибыль на 7,05 грн.
![](https://habrastorage.org/files/115/d41/53d/115d4153d17f4b07a62086e6ac85dfb0.png)
Заметим, что предложенный нами подход к определению оптимальной цены приближен к практике и реальному состоянию дел в ритейле, исключает риски классического подхода к ценовой эластичности, который использует только два показателя, не учитывает сезонность и другие факторы.
Разработанная нами модель учитывает временной фактор, частоту, количество и стабильность продаж. Дает возможность для самостоятельного анализа с помощью визуализации исторических данных изменения цены и спроса.
Сервис BI Datawiz.io с помощью разработанной модели обрабатывает весь объем данных по продажам и показывает результаты в виде списка товаров, снижение цены на которые принесет прибыль ритейлеру.