Производитель зафиксировал в договоре цену на товар. За два месяца, пока он выполнял заказ, рыночные условия изменились, и себестоимость товара выросла. Производитель потерял деньги. Как решить эту и другие проблемы с помощью «умного» ценообразования, рассказывает Сергей Марин, директор «Студии Данных».

Транспорт, задача
Давайте рассмотрим, что нам нужно знать, чтобы рассчитать тариф на перевозку груза по железной дороге со станции А на станцию Б. Данный пример также хорошо подходит для служб такси, грузовых автомобильных и авиаперевозок.
Итак, компании-перевозчику нужно по заказу клиента перевезти груз со станции А на станцию Б. Для этого сначала нужно подать пустой (порожний) вагон на станцию А и заплатить за это, так как клиент оплачивает только перевозку своего груза. После того, как груз доставили на станцию Б, снова пустой вагон нужно забрать и доставить следующему клиенту и снова заплатить за это. Причем, заранее, где этот следующий клиент мы не знаем, так как на момент заключения сделки с первым клиентом мы не знаем, кто будет следующим после него. Все эти затраты на порожний пробег — это часть себестоимости перевозки, и ее нужно закладывать в тариф.
Далее, все то время, что вагон занят под конкретного клиента этот вагон не доступен для других клиентов, что логично. Возникает упущенная выгода, которую необходимо заложить в тариф. Почему мы это называем упущенной выгодой, а не просто маржинальностью, ведь собственно эта перевозка и есть наша услуга? Дело в том, что во время, когда вагон недоступен для других заказов входит не только перевозка, но также погрузка/разгрузка и, упомянутый выше, порожний пробег, только уже не в терминах километров, а в терминах суток. Соответственно, необходимо оценить время полной занятости вагона (называется "оборот") и заложить его в виде стоимости в тариф.
Пока что, мы рассмотрели только факторы себестоимости услуги (без фиксированных затрат, конечно). Как же нам определить тариф? Можно использовать метод cost-plus, когда мы берем себестоимость и прибавляем фиксированную маржинальность. Разумно ли, однако, так делать? Есть несколько причин, почему неразумно. Вот, как минимум, эти. У компании перевозчика могут быть преимущества перед конкурентами, которые хотелось бы отразить в цене. Например, порожний пробег с разных станций, то есть, стоимость вывоза вагона после доставки груза, может отличаться. Раз разная себестоимость, то можно устанавливать и разные цены. Далее, в моменте в данной локации может быть дефицит или профицит вагонов (баланс спроса и предложения), это также хотелось бы уметь учитывать. И, наконец, у разных клиентов может быть разная чувствительность к стоимости перевозки (например, если перевозка составляет большую или малую часть цепочки стоимости клиента). Если преимущество в порожнем пробеге еще можно относительно несложно учесть, то для учета баланса спроса и предложения нужно считать кривые эластичности, а для учета специфика клиента нужно делать сегментацию.

Так как же эта задача решается сейчас?
- С помощью средних и чаще в Экселе. Какой будет порожний пробег на данную станцию или с данной станции - берем средний за период, причем не до станции, а до дороги или отделения дороги. Сколько вагон будет стоять под погрузкой/разгрузкой - берем константу. Баланс спроса и предложения? Ну, сейчас, кажется, вагонов меньше - поднимем цены? На сколько? Давайте вот на столько, конкуренты, вроде, также сделали. А главное, как часто мы все это сможем пересчитывать для огромного количества комбинаций станций/дорог отправления и назначения? В некоторых случаях раз в месяц, в некоторых - раз в квартал. То есть, определяем цену на месяц или квартал вперед и потом надеемся, что ничего не поменяется за этот период. Однако, поменять может многое. Например, вагоны могут потребоваться под ключевые грузы (уголь, металл, зерно, удобрения). Здесь, конечно, преобладает прогнозируемый сезонный фактор, но не всегда. На дороге могут возникнуть "пробки" и часть вагонов "застрянет" в них и не будет доступна для заказов. Возможны смерзаемости путей зимой и увеличение времени поездки. Таких факторов очень много и до недавнего времени все указанные факторы было очень сложно расчитывать.

Как вы поняли, основная задача автоматического ценообразования состоит в том, чтобы снять с коммерческого менеджера задачу расчета оптимальной цены на основе множества факторов и дать в его распоряжение уже оптимальную рекомендованную цену, с тем, чтобы коммерческий менеджер с задачи анализа детальных данных переключился на задачи взаимодействия с клиентом и разработки стратегии своей продуктовой категории. В дополнение к этому, в результате автоматизации цена должна рассчитываться точнее, учитывать большее количество факторов и обновлять во много раз чаще, чем при ручном или полуавтоматическом подходе.

Итак, ритейл. Особенностью ценообразования в ритейле является то, что цены нужно определять для большого количества товаров (называемых, SKU = stock keeping unit). Далее, не все эти товары в глазах покупателей одинаковы. Некоторые товары являются ключевыми в потреблении покупателей и покупатели сравнивают цены на эти товары у разных продавцов, предпочитая того продавца, у которого цена на данный товар ниже. Эти товары называются Key Value Indicators. Иные товары являются скорее сопутствующими и покупатель, купив основной товар, готов заплатить более высокую цену за сопутствующий. Эти товары часто называют Longtail. Соответственно, необходимо уметь выделять товары KVI и Longtail, так как ценообразование для них разное. Кроме этого, спрос на определенный товар, в том числе, управляемый ценой, влияет на приток посетителей в магазин или на сайт продавца, что в свою очередь влияет на покупки других товаров, и эти зависимости также необходимо уметь оценивать. Также, у продавцов часто встречаются уникальные товары, которые трудно сравнивать напрямую с конкурентами и, как следствие, выставлять на них цену. И, напоследок, в реальных (не онлайн) магазинах (еще называемых "каменными") далеко не всегда можно часто менять цены, так как нужно физически менять ценники. Это задача трудоемкая. По этой причине оптимальные цены необходимо еще и прогнозировать.
Как выглядит задача. Для каждого SKU необходимо сначала понять, есть ли такой товар у конкурентов. Если такой товар есть, то необходимо проанализировать (построить кривую эластичности) зависимость спроса на этот товар от цены конкурента (то есть, от скидки/наценки к цене конкурента). Если зависимость есть, то необходимо найти точку оптимума цены, но не только с точки зрения цены на товар, но и с точки зрения продаж и спроса на все смежные и зависимые товары, и на приток посетителей в магазин в целом. Если (сильной) зависимости спроса на товар от цены конкурента нет, то необходимо проделать всю ту же работу по построению кривой эластичности, но уже относительно собственной цены товара (то есть, проанализировать, как собственная цена на товар влияет на спрос на него и на смежные товары). Если точно такой товар у конкурента не найден, например, потому что это собственная торговая марка или товар под другим названием, то необходимо найти похожий товар. Похожесть товара, однако, определяется не только свойствами, но и мнением конкурентов. Чтобы выявить последнее нужно проанализировать, какие товары часто просматриваются вместе в интернет магазине или покупаются попеременно в обычном.

Ритейл, как это задача решается сейчас?
- Короткий ответ - частично и выборочно. Похожие товары у конкурентов находят, но далее ставят цены либо вровень, либо на свое усмотрение, чуть выше или чуть ниже. Для товаров, которые слабо зависят от цен конкурентов (это, кстати, часто определяют по своему усмотрению) цену ставят опытным путем (при такой цене продажи растут, при такой - падают). Похожие товары если и находят, то по свойствам, что далеко не всегда отражает реальную похожесть. Например, два QLED телевизора в диагонали 55 черного цвета не всегда для покупателя похожи. Главное, что в расчете цен задействовано много ручного труда и человеческих суждений, далеко не всегда подкрепленных цифрами. Иногда, строят кривые эластичности, но выборочно, для нескольких СКЮ или сразу на уровень категории, что в масштабах нескольких тысяч СКЮ не дает ощутимого эффекта. Все это происходит потому, что без алгоритма очень сложно просчитать все указанные зависимости для нескольких тысяч СКЮ.

Промышленность, задача
Еще одна отрасль - промышленность. Итак, мы произвели что-то и нужно определить цену на этот товар. Давайте рассмотрим промышленность, потребители продукции которой юридические лица, так как оценивание продукции для B2C близко к кейсам с ритейлом, описанному выше. Итак, пусть мы произвели продукцию, из которой, потом будет производиться другая продукция. Например, полипропилен, из которого потом сделают контейнеры для еды, или приборные панели для автомобилей или крышки для бутылок. Как определить цену на полипропилен. На самом деле здесь важны два фактора: котировка рейтингово агенства и клиент.
Почему важен клиент? Все клиенты очень разные, так как они все производят совершенно разную продукцию из нашего полипропилена, с разной маржинальностью и в разных объемах. Клиентов необходимо сегментировать, чтобы не предлагать похожим клиентам разные цены, а также чтобы использовать информацию о том, что если часть клиентов в сегменте готовы платить больше, то, значит, и остальные скорее всего готовы это делать тоже. По этой причине сегментация очень важна и лучше всего она делается автоматически алгоритмом.
В добавок к сегментации даже более важным фактором является котировка рейтинговых агенств. Агенства анализируют рынки сбыта, учитывают количество потребителей и текущий спрос, количество поставляемой продукции (предложение) и на основе этого и своих внутренних алгоритмов выставляют рекомендованную цену, или котировку. В принципе, котировка рейтинговых агенств достаточно неплохо определяет цену. Кроме этого, даже если бы это было не так, все равно все на нее ориентируются. Поэтому для ценообразования лучше, чем котировка, мы вряд ли сделаем, если не считать сегментацию.
Однако, мы производим наш полипропилен сейчас, а продаем через месяц, так как товар нужно еще доставить на разные рынки в разных частях света. Речь здесь конечно идет о спотовых, а не регулярных продажах. Мы хотим отправлять больше товара туда, где цена будет выше. Также, если товар уже доставлен, мы хотим понять, продавать сейчас или чуть-чуть подождать, чтобы цена была выше. Для этого нужно прогнозирование.

Промышленность, как это задача решается сейчас
Часто с помощью классических методов прогноза временных рядов и с помощью анализа человеком. Эти методы неплохи, но можно лучше.

Автор статьи - Сергей Марин, статья опубликована на ресурсе РБК