Проблема ціноутворення стара як світ, часто від її успішного вирішення залежить успіх бізнесу як такий. Усі знають, що ціна формується десь на стику попиту і пропозиції, але як це працює на практиці? Досвід демонструє, що чимало продавців у eCommerce, навіть достатньо великих, не мають усталеної методики ціноутворення. Вони слідкують за цінами конкурентів та власними складськими запасами, а подекуди й взагалі виставляють ціни інтуїтивно.
Чи можна побудувати розумний процес ціноутворення – динамічний ефективний та автоматизований? Так, з цим можуть допомогти штучний інтелект та машинні алгоритми.
Що таке динамічне ціноутворення?
Цей механізм може називатися по-різному: ціноутворення в реальному часі, смарт-ціноутворення, “пікове” ціноутворення, алгоритмічне ціноутворення. Суть тут одна й та сама – йдеться про систему автоматичного налаштування цін шляхом збирання даних та певні алгоритми.
Така логіка давно стала стандартом у галузях, де послуги прив’язані до конкретної дати та часу: індустрія гостинності та туризму, авіаподорожі та пасажирські перевезення, розважальні івенти тощо. В цих сферах широко застосовуються методи Revenue Management. Їхня суть полягає у тому, аби продати послуги за оптимальну ціну – потрібному клієнту у потрібний час. Задля цього алгоритми мають вірно визначити сприйняття цінності продукту у кожному користувацькому сегменті.
Однак наразі динамічне ціноутворення приходить в нові галузі бізнеси – в ритейл, в eCommerce, і навіть у B2B-сегменти промисловості та логістики. Це відбувається в тому числі й завдяки поширенню нових засобів машинного навчання, які дають змогу обробляти величезні обсяги даних у режимі реального часу.
Як це виглядає?
Гіганти ритейлу давно впровадили ті чи інші IT-механізми ціноутворення. Не секрет, що Amazon коригує ціни в себе на сайті приблизно кожні 10 хвилин, спираючись на аналітику своїх величезних data-центрів. Іноді магазин пропонує покупцеві знижку вже після того, як він додав товар до кошика. Така “секретна” ціна дозволила ритейлеру збільшити частку завершених замовлень на 25%.
Ще один американський роздрібний гігант – мережа Target, будує ціни у своєму додатку з огляду на те, де зараз перебуває покупець. Чим далі він перебуває від найближчого магазину, тим нижчі для нього ціни. Схоже, так мережа мотивує незацікавлених споживачів звернути увагу на товар і зробити замовлення, а крім того й розвантажує фізичні магазини.
Європейська мережа електроніки MediaMarkt має подібний механізм ціноутворення – цінники постійно змінюються і залежать від низки факторів, навіть від часу доби. Примітно, що мережа запровадила для своїх покупців механізми компенсації, аби не втрачати їхню довіру. Якщо споживач купив товар за не найвигіднішою ціною, то йому можуть повернути різницю.
Прикладів роботи подібних систем ще багато. І хоч в основі своїй вони подібні, але можуть надавати користувачам геть різний досвід. Навіщо це ритейлерам?
Можливості розумного ціноутворення
Коригування цін у реальному часі допомагає бізнесу завжди залишатись конкурентоспроможним, слідувати за трендами ринку та заробляти більше. Понад те, це може бути складовою маркетингу, або комплексної стратегії із захисту своїх позицій на ринку, чи з експансії на ньому. Однак, розробка та підтримка такого механізму завжди була трудоємним процесом.
Різноманітні rule-based платформи та алгоритми динамічного ціноутворення існують вже багато років і спрощують цю проблему. Та вони залишаються статичними, потребують постійної підтримки з боку фахівців. Але стрімкий розвиток нейромереж, засобів машинного навчання (Machine learning, чи ML) та розумних алгоритмів відкриває для таких інструментів нові перспективи.
Штучний інтелект може обробляти величезні обсяги даних та моніторити ринок у режимі реального часу, керуючи динамічним ціноутворенням швидше та ефективніше за людей. Понад те, він здатний вдосконалювати власні алгоритми. Чим більше даних пройде через систему ML, тим ефективною врешті-решт вона стане.
Які переваги пропонує штучний інтелект? Розглянемо декілька з них.
- Гнучкість. В кожного ритейлера є власна стратегія і практика ціноутворення. У різних бізнесів різні інтереси – хтось шукає можливість максимізувати прибуток тут і зараз, а хтось грає на перспективу, або намагається вивести на ринок власні продукти. Різні сценарії можуть співіснувати і навіть конфліктувати всередині однієї компанії, для різних товарів та сегментів аудиторії у різні періоди часу. Ефективний “ручний” менеджмент цін в такій ситуації проводити практично неможливо, він затребував би значних ресурсів і все одно швидше за все був би занадто повільним. Для цього потрібні алгоритми ML.
- Прив’язка до реального часу. Сучасні архітектури динамічного ціноутворення використовують пошукових ботів, аби збирати в мережі інформацію щодо цін та залишків товару у ваших конкурентів, формуючи базу даних. Паралельно вони оцінюють усі можливі внутрішні фактори, такі як поточні складські запаси, KPI тощо. І водночас зовнішні фактори – від показників попиту, до прогнозу погоди та трендів в соцмережах.
- Масштабність. Заснована на ШІ гнучка стратегія ціноутворення дозволяє бізнесу покращити сегментацію ринку, що особливо корисно для компаній, які оперують на міжнародних ринках, або серед широких таргет-груп. Такі інструменти допомагають продавати продукти у “мертві” сезони та уникати продуктів, що не мають попиту. У поєднанні з оптимізацією рекламних акцій компанії можуть збільшити продажі та ефективніше керувати запасами.
- Можливості прогнозування. Аналіз величезних обсягів даних по динаміці цін дозволяє алгоритмам ML не лише реагувати на ринкову ситуацію тут і зараз, але й будувати прогностичні моделі. В тому числі у вигляді сценаріїв “що буде, якщо…”. Вдалі моделі дозволяють створювати рамкові прогнози динаміки цін із точністю 80-90%. Це дуже потужний інструмент для побудови стратегії та мінімізації ризиків.
- Подальша персоналізація сервісу. Алгоритми динамічного ціноутворення можуть надати нові переваги у поєднанні з традиційною системою рекомендацій. Наразі таргетований маркетинг може запропонувати споживачу товар, який з великою ймовірністю його зацікавить. Але якщо алгоритми запропонують йому товар по унікальній ціні, або з унікальними умовами, то це в рази збільшує ймовірність доведення замовлення до кінця.
Ризики динамічного ціноутворення
Чи можна вважати штучний інтелект ідеальним інструментом для управління цінами? Тут є декілька важливих тонкощів, ігнорування яких може звести всі переваги технології нанівець.
Локальність. Наразі важко сказати, наскільки універсальними є ринкові моделі ML. Ймовірніше за все, більшість моделей ціноутворення є релевантними для конкретного ринку в конкретний час. Тобто створена для США система може показати себе погано, скажімо, в Індії, або в Україні. Найкраще за все буде розбудовувати й навчати нейромережу на релевантних даних – саме в тому середовищі, де вона має застосовуватись.
Нерозуміння покупця. Будь-яка модель динамічного ціноутворення фактично спрямована на те, аби раціоналізувати та спрогнозувати споживацьку поведінку людей в конкретних цифрах. Однак люди далеко не завжди поводяться раціонально. Скажімо, вони можуть спробувати “погратися” з вашими алгоритмами, аби розгадати їх таємницю. Просто так, з цікавості. Певні покупці можуть навіть експлуатувати вразливості системи заради “смачних” цін – через VPN, ботів спуфінг геолокації, фейкові акаунти тощо.
Іміджеві ризики. В теорії динамічне ціноутворення має працювати в інтересах як продавця, так і покупця. Однак невдала реалізація цього механізму може виглядати в очах споживача як форма цінової дискримінації й бити по іміджу. Показовим є згаданий вище приклад MediaMarkt, який через цю проблему запровадив механізм цінового відшкодування для певних категорій покупців. Так чи інакше, динамічне ціноутворення в eCommerce має бути прозорим для споживача, він в жодному випадку не має почуватися ошуканим.
Нові перспективи для eCommerce
Вочевидь, засновані на штучному інтелекті платформи для ціноутворення в найближчі роки будуть стрімко поширюватись. Ці інструменти давно не вимагають величезних інвестицій і можуть бути доступними навіть середньому бізнесу (наприклад, через хмарні сервіси). Попит на інновації розігрівається й непередбачуваною динамікою ринків, які вже два роки потерпають від різноманітних шоків та кризи.
Як свідчить нове опитування Deloitte, сьогодні майже всі бізнес-лідери (94%) погоджуються, що засоби ШІ матимуть вирішальне значення для успіху протягом найближчих 5 років. 79% опитаних вже розгорнули у своєму бізнесі три чи більше продуктів на основі штучного інтелекту – за рік до того таких респондентів було лише 62%. В ході дослідження були опитані понад 2600 керівників бізнесів у шести різних галузях.
Для сфери ритейлу та eCommerce платформи на базі штучного інтелекту та ML – це можливості зміцнити ланцюжки постачання, прогнозувати тренди ринку, знизити видатки та ризики людського фактора, будувати свою цінову та маркетингову стратегію на основі даних, а не інтуїції. Вони можуть стати новим стандартом галузі буквально за декілька років. Тож найкраще, що може робити зараз ритейлер або онлайн-магазин – слідувати за технологіями штучного інтелекту та шукати на ринку відповідну експертизу. Це точно не буде зайвим.
Сергій Гузенко, СEO of WEZOM