Základy správného procesu optimalizace cenotvorby

Cenotvorba a hlavně její optimalizace je extrémně citlivé téma. Špatně nastavená cena může mít katastrofální důsledky pro celý e-shop. Proto je potřeba k cenotvorbě přistupovat obezřetně a ujistit se, že všechna rozhodnutí, která děláme, dokážeme analyzovat a rychle vyhodnotit. 

V následující části nabízíme ucelený pohled na proces optimalizace cenotvorby. Jedná se o opakující se koloběh. První částí procesu je cenová analytika, jejímž úkolem je zanalyzovat situaci na trhu a navrhnout nejlepší strategii. Poté přichází na řadu přeceňovací modely, které strategii provádí. Tuto strategii je potřeba vyhodnocovat a dále upravovat. Z pohledu teorie managementu je tento proces velmi podobný teorii úzkých míst. Hledáme postupně ty největší příležitosti.

Integrace

Předfází samotného procesu je integrace. Je potřeba připravit data, procesy a nástroje tak, aby samotná optimalizace cenotvorby probíhala plynule. V rámci integrace je potřeba vyřešit tři hlavní otázky.

Kdo se bude starat o proces optimalizace cenotvorby? – V menších e-shopech to může být majitel, ve větších nákupčí, produktové nebo marketingové oddělení.

Jak se to bude dělat? – Je potřeba zajistit tok informací do přeceňovacího systému – data o produktech, jejich cenách, dostupnosti a cenách konkurence, marži, prodejích atp. Dále je nutné zvolit systém, ve kterém bude k přecenění docházet. Poté je nutné zajistit tok informací z přeceňovacího systému zpět do e-shopu.

Jak se to bude vyhodnocovat? – Nad přeceňovacím modelem ještě musíte zajistit analytickou vrstvu. Google Analytics je pro analýzu cenotvorby nevhodným nástrojem, je potřeba zařídit BI dashboardy – Keboola, Tableau, Power BI, …

1. Cenová analytika

Úkolem analýzy je zjistit největší příležitosti, které jsou na trhu a ty převést do naceňovacích a přeceňovacích strategií.

V cenové analytice se zkoumají krátkodobé a dlouhodobé trendy. Hlubší popis cenové analytiky by vydal na spoustu dalších e-booků a proto přinášíme pár tipů na otázky, které si můžete klást a které by měla cenová analytika být schopna zodpovědět.

Jak se vyvíjí obrat, marže, zisk a počet objednávek po jednotlivých produktech, kategoriích a značkách? Jaký je rozdíl našich cen oproti cenám konkurence? Jak hodně aktivní je konkurence? S jakou konkurencí se potkáváme v jakých segmentech? Jak často mění ceny? Jak rychle reagují na naše změny? Jak hodně ovlivňují změny cen konkurence poptávku pro daném produktu na našem e-shopu? Jak stabilní je skladová dostupnost konkurence? Jak hodně se prodávají produkty v závislosti na výšce rozdílu ceny oproti konkurenci (umožní tak zjistit sílu vlastního brandu)? Kde konkurence prodává pod naší nákupní cenou (dobrá munice pro jednání s dodavatelem)? Jak jsou zákazníci citliví na změnu ceny po jednotlivých produktech, kategoriích a značkách? Je cena nejdůležitější proměnnou pro zákazníka? Jaké jsou další důležité proměnné?

Zvýšení ceny u příliš levných produktů

Občas se může stát, že některý z vašich produktů prodáváte mnohem levněji, než vaše konkurence. Zdražte na cenu nejlevnějšího konkurenta. Pořád budete nejlevnější, ale nepřijdete zbytečně o marži.

Absolutní cenová konkurence

Zvlášť pro spouštěče prodeje nebo pro produkty, přes které zákazníci posuzují cenovou hladinu obchodu (např. banány v maloobchodě), se může vyplatit nastavit cenu vždy kolem konkurence.

Lehká cenová konkurence

Cenovou konkurenci můžete aplikovat jen u produktů, které jsou cenově blízko nejlevnější konkurence a snižovat cenu jen tam, kde ji touto strategií snížíte jen o např. 10 Kč.

Cenová konkurence s vybraným konkurentem

Ne vždy chcete vést cenovou konkurenci se všemi konkurenty. V některých segmentech pro vás může být relevantní jen určitý konkurent.

Zvýšení ceny u produktu, který nemá konkurence zalistovaný/na skladě

Obzvlášť v longtailových niche segmentech se dá využít strategie, ve které zvýšíte marži v případě, že daný produkt nemá konkurenci zalistovaný/na skladě. Touto strategií velmi výrazně zvyšujete jak marži, tak zisk.

Snížení ceny u produktů, které se špatně prodávají

Pokud se na produkt dívá hodně zákazníků, ale přesto se produkt neprodává, můžete zkusit automaticky zmenšit cenu a podpořit tak jeho prodej.

Zvýšení ceny u produktů, které se velmi dobře prodávají

V longtail produktech je občas složité sledovat, které produkty se dobře prodávají. S pravidlem, které vám bude kontrolovat prodejnost u produktů s menším počtem impresí, můžete optimalizovat jejich výkon.

Kontrola příliš drahých produktů

V některých segmentech můžete nalézt produkty, které jsou oproti konkurenci příliš drahé a neprodávají se. Můžete zkusit snížit cenu tak, aby byla podobná konkurenci. Zároveň je dobré takové pravidlo vytvořit jen pro ty produkty, které se opravdu neprodávají, abyste nesnižovali cenu u těch, které jsou sice dražší, ale i přesto se prodávají.

Zahrnutí backbonusů/bonusů z obratu do ceny

Pokud víte, že po dosažení určitého množství prodeje nebo obratu dosáhnete na backbonus, můžete tuto skutečnost zakomponovat do cenotvorby. Buď můžete motivovat více nákupu snížením ceny před dosažením limitu pro bonus nebo po dosažení bonusu můžete změnit cenu.

Strategie práce s cenou kolem limitu dopravy zdarma

V závislosti na chování cílové skupiny lze optimalizovat cenu tak, aby přidáním produktu do košíku buď vznikla možnost dopravy zdarma nebo naopak snížit cenu tak, aby klient musel pro dosažení dopravy zdarma přidat další produkt.

Nejlepších výsledků dosáhnete, když budete strategie kombinovat tak, aby podchytili všechny možné eventuality na trhu.

Nejlepších výsledků dosáhnete, když budete strategie kombinovat tak, aby podchytili všechny možné eventuality na trhu. Doporučujeme u produktů nastavit několik pravidel. Některá pravidla budou konzervativní a budou odpovídat standardní situaci na trhu a obecné strategii, jak se snažíte pozicovat. Další pravidla na tom samém produktu pak mohou reflektovat tržní výjimky – ať slevové akce konkurence, vlastní letákové akce, výpadek dostupnosti na skladu konkurence, dramatické krátkodobé zvýšení poptávky atp.

2. Přeceňovací modely

Obecně existují tři způsoby naceňování:

Metoda salám

Neboli naceňování pomocí doporučených cen/koeficientu. Tuto možnost volí e-shopy v případě, že nechtějí optimalizovat cenotvorbu nebo jim brání externí důvody (zpravidla distributor). Výhodou je největší jednoduchost a snadnost nastavení cen. Nevýhoda je zřejmá, e-shopům uniká jedna z největších příležitostí pro optimalizaci obratu/zisku a celkového růstu e-shopu.

Výhody:
– nulová časová náročnost

Nevýhody
– Neoptimalizovná cena
– Ztráta příležitostí pro zvýšení obratu a marže

Rule-based pricing

Naceňovací pomocí pravidel je zajímavým řešením pro většinu e-shopů. Při vhodně zvolené strategii (některé příklady jsme zmínili v části Cenová analytika) a jejich kombinaci se e-shopům otevírá obrovský prostor pro optimalizaci. Rule-based modely se nejlépe ze všech modelů přizpůsobují aktuální situaci na trhu a přeceňují transparentně s možností zpětného vyhodnocení. Vždy je totiž možné dohledat, proč byl produkt daný den právě tak přeceněn. S rule-based modelem dávají e-shopy svým nákupčím/produktovým manažerům do ruky nástroj, který v kombinaci s jejich zkušenostmi vytváří výjimečnou hodnotu.

Výhody:
– Transparentní způsob přecenění
– Využití vašeho know-how
– Nejpružnější model

Nevýhody:
– Nastavení, udržování a vyhodnocování pravidel vyžaduje časovou investici
– V sekci bez konkurence nemusí být schopen člověk překonat umělou inteligenci

Nacenění pomocí AI

Nejvyšší meta pro optimální naceňování. Pokud umělá inteligence dokáže najít kauzalitu mezi proměnnými, tak dokáže velmi dobře optimalizovat cenotvorbu. Pod pokličkou sexy termínu se však skrývá několik omezení. Umělá inteligence vám nebude schopna nikdy přesně zodpovědět, proč se rozhoduje tak, jak se rozhoduje. Ztrácíte tedy část kontroly nad vlastní cenotvorbou. Zároveň proto, aby umělá inteligence dobře zafungovala, potřebuje mít obrovský vzorek dat. Pokud nemáte desítky tisíc objednávek měsíčně, tak pravděpodobně nemá smysl o umělé inteligenci uvažovat. Pokud o ni budete uvažovat, velmi důrazně se ptejte dodavatele řešení pro umělou inteligenci, jak měří a vyhodnocuje data – viz další část.

Výhody:
– Odhalí nejpokročilejší souvislosti
– Po nastavení je automatické a nenáročné na údržbu

Nevýhody
– Do blackboxu nevidíte, nedokážete ho tak jednoduše vyhodnocovat a kontrolovat
– Potřebujete velký vzorek na to, aby model pružně reagoval
– Obtížný “debugging”, špatně nastavený model vám udělá obrovskou paseku

Jakým způsobem přeceňujeme u nás?

V rámci Disiva využíváme primárně rule-based pricing, ke kterému přidáváme modely na bázi zbožíznalectví, statistiky a ekonometrie. Pokud klient dosáhne všech předpokladů pro zapojení AI, nasazujeme i modely na bázi machine learningu.

Pokud je to trochu možné, doporučujeme klientům začít s rule-based modelem. V případě potřeby pak pomůžeme s feasibility study (studií proveditelnosti), kde zkoumáme, jestli nasazení modelu umělé inteligence má na e-shopu klienta smysl. Teprve ve chvíli, kdy jsme si jistí, že AI dává smysl, tak ji doporučíme otestovat na omezeném segmentu.

Pokud se AI osvědčí, je nejlepším systémem kombinace AI a rule-based systému. AI má vyšší prioritu, ale dělá rozhodnutí jen v případě, že si je systém jistý svým rozhodnutím. Pokud ne, jako backup slouží rule-based systém. Vše samozřejmě doporučujeme vyhodnocovat v našich BI dashboardech.

3. Vyhodnocení dopadu

Po aplikování nové strategie je nutné vyhodnotit její dopad a nadále monitorovat její výkon. Vyhodnocení slouží také jako podklad pro další analýzu a návrhy dalších strategií.

Při vyhodnocení dopadu se dívejte, jak se změnil výkon segmentu, na který jste strategii nasadili. Dbejte na to, abyste byly schopni očistit změnu o externích vlivy
– výchylky trhu, marketingové akce, kanibalizační efekty po přecenění.

Jednou možností je najít homogenně chovající se segment, který ve zkoumané době nebyl přeceňovaný pomocí stejné strategie a srovnat tyto segmenty oproti sobě. Další, možná jednodušší možností, je sledovat vývoj podílu výkonu segmentu na celkovém výkonu eshopu.

V reálné aplikaci se často používá stejný BI nástroj, který zvolíme pro cenovou analytiku. V této fázi by měl být BI nástroj schopný odpovědět na otázky tohoto typu:

Je naše současná strategie efektivní? Jak si na tom strategie stojí v různých kategoriích, cenových hladinách, oproti konkurenci? Když jsme změnili pricing strategii, vyplatilo se nám to (znovu řezem přes kategorie, hladiny, konkurenci, dominantní prodejní kanál)? Jak zareagovala konkurence na konkrétní změnu strategie? Způsobila strategie změnu na celém trhu?

Pokud jste se dostali až jsem, budete to patrně s optimalizací cenotvorby myslet vážně. Domluvte si s námi demo a poradíme Vám jak konkrétně může Disivo pomoct Vašemu e-shopu.