00:00:07 Оптимизация ценообразования и проблемы.
00:01:34 Классические подходы к ценообразованию и их ограничения.
00:04:12 Важность интеграции оптимизации ценообразования и цепей поставок.
00:05:48 Успешные примеры динамического ценообразования в электронной коммерции.
00:07:26 Баланс между рыночными сообщениями и оптимизацией при динамическом ценообразовании.
00:09:07 Использование вероятностного подхода для улучшения оптимизации ценообразования.
00:11:58 Важность исторических данных и практик ценообразования.
00:13:56 Технические требования для оптимизации ценообразования.
00:15:03 Требования к процессам и данным для оптимизации цен.
00:17:35 Важность ценовой политики конкурентов в различных отраслях.
00:19:22 Прогнозирование будущего ценообразования и прибыли, а также отрасли, которые уже это осуществляют.
00:20:33 Ключевой урок оптимизации ценообразования и его связи со спросом.
00:21:18 Заключительные замечания.
Резюме
В интервью основатель Lokad, Жоанн Верморель, обсуждает проблемы моделирования ценообразования и спроса, подчеркивая, что они часто не связаны между собой. Он утверждает, что традиционные модели прогнозирования ограничены, поскольку не учитывают влияние цен. Верморель считает, что оптимизация ценообразования и управление цепями поставок существенно взаимосвязаны и должны рассматриваться вместе. Стратегии динамического ценообразования, такие как те, что применяет Amazon, позволяют компаниям управлять дефицитом товара и максимизировать маржу. Верморель подчеркивает важность вероятностного подхода к прогнозированию, который учитывает широкий спектр возможностей. Объединяя команды, отвечающие за ценообразование, планирование, закупки и производство, предприятия могут реализовывать более эффективные стратегии оптимизации при минимальных требованиях к данным.
Расширенное резюме
В интервью ведущий Киран Чендлер и Жоанн Верморель, основатель Lokad, обсуждают сложности моделирования взаимосвязи между ценообразованием и спросом, а также то, как достижения в области машинного обучения и больших данных сделали оптимизацию ценообразования возможной для современных компаний.
Верморель начинает с объяснения, что самым поразительным в ценообразовании является его оторванность от планирования спроса. Команды маркетинга обычно определяют ценовые позиции для товаров, в то время как команды планирования решают, каким будет спрос. Команда продаж может координировать свои действия в рамках процесса S&OP (планирование продаж и операций), но после принятия решения цена часто остается без внимания.
Далее он обсуждает основной экономический принцип: по мере роста цен спрос снижается. Для большинства товаров это справедливо, хотя существуют исключения, известные как товары Веблена. Верморель отмечает, что такие товары встречаются редко, а экспертиза Lokad в основном сосредоточена на более обычных продуктах. Проблема возникает, когда большинство инструментов планирования цепей поставок не учитывают ценообразование, что оставляет планировщиков слепыми к сильному влиянию цен, способному повлиять на прогнозы.
Причина, по которой многие инструменты для управления цепями поставок не учитывают ценообразование, заключается в множестве переменных, таких как маркетинговые влияния, которые могут повлиять на спрос. Однако Верморель утверждает, что само по себе большое количество переменных не является проблемой, поскольку современные компьютеры способны обрабатывать сотни тысяч переменных. Проблема скорее заключается в упрощенных моделях, которые часто рассматривают спрос как скользящую среднюю с сезонным коэффициентом, не принимая во внимание дефициты товара или влияние цен.
Верморель подчеркивает важность мониторинга цен конкурентов, что стало проще благодаря веб-скрейперам и специализированным компаниям по сбору данных. Он считает, что отправной точкой для оптимизации ценообразования является признание того, что оптимизация цепей поставок должна учитывать оптимизацию ценообразования. Эти два элемента по своей природе взаимосвязаны и не могут быть разделены. Признав это, компании могут приступить к разработке более эффективных стратегий ценообразования и управления цепями поставок.
Верморель подчеркивает важность включения ценообразования в процесс прогнозирования. Традиционные модели прогнозирования, которые рассматривают ценообразование и спрос отдельно, ограничены в своей способности точно предсказывать будущее. Он утверждает, что цену не следует рассматривать как отдельную сущность для прогнозирования, а как фактор, который можно использовать для оптимизации управления цепями поставок.
Компании электронной коммерции упоминаются как лидеры в области умной количественной оптимизации посредством динамического ценообразования. Верморель объясняет, что, регулируя цены в зависимости от уровней запасов, компании могут лучше управлять дефицитом товара и максимизировать маржу. Например, если компания знает, что скоро столкнется с дефицитом товара, необязательно быстро ликвидировать оставшийся запас. Вместо этого можно повысить цену, чтобы получить большую маржу с последних единиц. И наоборот, если у конкурентов наблюдаются дефициты, не стоит спешить и создавать ситуацию дефицита у себя.
Еще один пример, приведенный Верморелем, — это распространенная практика среди модных ритейлеров проводить распродажи в конце коллекции для ликвидации избыточных запасов. Стратегии динамического ценообразования, подобные этим, уже используются такими компаниями, как Amazon, у которых цены часто меняются в зависимости от спроса и предложения.
Динамическое ценообразование основано на нескольких факторах, включая историческую эффективность продукта и уровни спроса. Верморель отмечает, что ценообразование выполняет несколько функций, одна из которых — передача рынку информации о позиционировании бренда. Например, недорогому бренду не следует слишком сильно повышать цены во время дефицита, так как это может повредить его имиджу.
Еще один важный аспект ценообразования — его способность помогать в управлении проблемами и неопределенностями в цепях поставок путем ускорения или замедления спроса. Динамическое ценообразование может привести к более эффективному распределению ресурсов и улучшению общего опыта клиентов. Если доступны два почти идентичных продукта, но один из них почти заканчивается, повышение цены на дефицитный товар может помочь направить клиентов, равнодушных к выбору между ними, к более доступному продукту, в то время как те, кто специально ищет дефицитный товар, смогут приобрести его за более высокую цену.
Когда речь заходит об интеграции ценообразования с прогнозированием, Верморель предлагает отказаться от идеи статических прогнозов. Он критикует традиционный подход, заключающийся в предсказании конкретного количества будущих продаж для продукта. Такой подход не учитывает того факта, что ценообразование — это рычаг, с помощью которого можно влиять на спрос. Вместо этого он утверждает, что прогнозы должны учитывать не только будущие неопределенности, но и решения, которые компании могут принимать самостоятельно, чтобы формировать спрос посредством корректировки цен.
Верморель объясняет, что ценообразование не является неопределенным, а скорее не определено, и бизнес должен иметь возможность корректировать свои цены в зависимости от отзывов рынка. Это может включать повышение цен для снижения спроса при нехватке товара или снижение цен для стимулирования спроса.
Вероятностный подход, который учитывает широкий спектр возможностей, может помочь бизнесу лучше понять эффекты изменений в ценообразовании. Верморель приводит в пример Big Mac от McDonald’s, объясняя, что незначительные изменения в цене оказывают заметное влияние на спрос благодаря масштабам продукта и чувствительности к цене. Однако в типичных ситуациях управления цепями поставок, когда продается меньше единиц, анализ ценообразования становится менее точным. Вероятностное прогнозирование помогает справиться с этой неопределенностью, позволяя компаниям корректировать свои прогнозы спроса вверх или вниз, оставаясь при этом относительно неопределенными.
Верморель подчеркивает важность объединения команд, отвечающих за разработку цен, планирование, закупки и производство, с целью оптимизации ценообразования. Таким образом, бизнес может реализовать более эффективные стратегии оптимизации. Требования к данным для оптимизации ценообразования не столь обширны; исторические данные о продажах, история промоакций и информация о ценах конкурентов (если доступна) обычно являются достаточными.
В интервью также затрагивается тема важности ценовой политики конкурентов. Верморель объясняет, что влияние цен конкурентов зависит от отрасли: на люксовые бренды оно влияет меньше, в то время как отрасли с легко заменяемыми продуктами более чувствительны к ценам конкурентов.
Верморель отмечает, что некоторые компании, такие как Amazon, уже эффективно используют оптимизацию ценообразования. Он предсказывает, что оптимизация цен станет более распространенной в различных отраслях в будущем. В заключение, оптимизация ценообразования является неотъемлемой частью прогнозирования спроса, и бизнес не должен игнорировать влияние цен в рамках оптимизации цепей поставок.
Полная расшифровка
Киран Чендлер: Сегодня в Lokad TV мы узнаем, как достижения в области машинного обучения и больших данных изменили эту ситуацию, и теперь оптимизация ценообразования доступна для современных компаний. Итак, Жоанн, возможно, вы могли бы рассказать нам немного о том, как классические подходы, применяемые многими компаниями к ценообразованию, работают сегодня.
Жоанн Верморель: Самое поразительное в ценообразовании — это его, как правило, полная оторванность от планирования спроса в целом. У вас есть, скажем, команда маркетинга, которая определяет оптимальную ценовую точку для продуктов, а затем, в значительной степени изолированно, часто полностью независимо, работают команды планирования, которые определяют, каким будет спрос. Возможно, команда продаж координирует свои действия в рамках процесса S&OP, но в числовом выражении ценообразование в основном игнорируется, как только кто-то определит ценовую точку для конкретного продукта.
Киран Чендлер: Мы уже обсуждали процессы S&OP в предыдущем выпуске, а как работает само ценообразование как механизм?
Жоанн Верморель: Экономика 101 гласит, что, как правило, по мере повышения цены, спрос снижается. Теоретически существует класс товаров, известных как товары Веблена, для которых может быть обратная ситуация, поскольку высокая цена делает их более привлекательными. Но опыт Lokad показывает, что такие товары чрезвычайно редки. Так что практически для всего, что является обычным, при повышении цены спрос снижается, и это довольно очевидно. Однако ситуация становится сложной, поскольку при классической оптимизации цепей поставок основной акцент делается на спросе, а ценообразование отсутствует. Большинство инструментов планирования цепей поставок даже не учитывают ценообразование. Поэтому, вы оказываетесь совершенно слепыми. И, очевидно, это означает, что всякий раз, когда вступает в силу сильный ценовой эффект, все планирование и все ваши прогнозы оказываются совершенно неверными.
Киран Чендлер: Таким образом, одной из причин, по которой многие инструменты для управления цепями поставок не учитывают ценообразование, является наличие множества переменных. Например, маркетинговое влияние и другие факторы могут помешать спросу. Является ли это причиной того, почему ценообразование фактически не принимается во внимание?
Жоанн Верморель: Да, но также количество переменных само по себе не обязательно представляет проблему. Благодаря вычислительной мощности современных компьютеров можно обрабатывать сотни тысяч переменных. Это само по себе не является препятствием. Однако те классические модели, о которых идет речь, как правило, совершенно упрощены. Вы рассматриваете спрос как чистую скользящую среднюю с сезонным коэффициентом, и все. При этом часто не учитываются такие базовые факторы, как дефициты товара. Очевидно, что если дефицит присутствует, вы наблюдаете нулевые продажи, но это не означает, что спрос равен нулю. Не говоря уже о ценовом эффекте. Действительно, ценообразование гораздо тоньше, и, в идеале, следует учитывать цены конкурентов, которые сегодня можно мониторить онлайн с помощью веб-скрейперов. Никогда не было так просто получить доступ к данным. Существуют даже компании, специализирующиеся на сборе этих цен для вас.
Киран Чендлер: Итак, если это не такая большая проблема, и возможно отслеживать все эти переменные, с чего можно начать работу над оптимизацией ценообразования? С чего начать?
Джуаннес Верморель: Оптимизация вашей цепочки поставок должна учитывать оптимизацию цен. Вы не можете рассматривать эти два аспекта отдельно, так как традиционная точка зрения подразумевает, что одни люди в изоляции устанавливают цену, а другие в изоляции прогнозируют будущий спрос. Однако реальность такова, что эти два элемента полностью взаимосвязаны, и если вы не можете их разделить, они фундаментально переплетены. Это значит, что отправной точкой является понимание на уровне процессов того, что эти вещи идут рука об руку. И если вы по замыслу разделяете их, тогда не имеет значения, насколько умны ваши алгоритмы машинного обучения или все ваши числовые рецепты. Как только они полностью разделены по замыслу, то с точки зрения прогнозирования спроса невозможно учесть тот факт, что существует ценообразование, потому что вы, численно говоря, просто «слепы». То есть идея в том, что ценообразование — это не то, что вы фактически прогнозируете, а то, что вы сами разрабатываете. Пример был бы довольно показательным, и есть компании, которые уже сегодня успешно так работают. Обычно компании электронной коммерции опережают остальных, когда речь идет о весьма умной, количественной оптимизации. Они агрессивно оптимизируют цену с помощью количественных методов. Так что, по сути, если они понимают, что подбираются к дефициту товара, то нет смысла спешить с ликвидацией оставшихся запасов, потому что в любом случае вы закончите с дефицитом. Вы можете немного завысить цену, и дефицит все равно наступит, но, по крайней мере, вы получите большую маржу на последних единицах. И наоборот, если вы видите, что у конкурентов все испытывают дефицит, то нет смысла спешить к тому, чтобы столкнуться с дефицитом самому только из-за внезапного наплыва спроса. И наоборот, именно так поступают все модные ритейлеры, если у вас остается слишком много товара для данного продукта в конце коллекции: вы проводите распродажу, чтобы практически ликвидировать остатки. Кирен Чендлер: Итак, динамическое ценообразование уже используется в производстве. Например, если посмотреть на цены Amazon, они постоянно меняются. Цены колеблются от дня к дню и даже от часа к часу, особенно в очень загруженные периоды, например, перед Рождеством.
Кирен Чендлер: Итак, основа для этого динамического ценообразования заключается, по сути, в том, как продукты показывали себя исторически и каков был уровень спроса в разные моменты?
Джуаннес Верморель: Идея в том, что ценообразование — это много аспектов. Это сообщение, которое вы передаете рынку, поэтому эта часть достаточно жесткая. Вы не хотите слишком сильно отклоняться от этого сообщения. Если вы позиционируете себя как бренд с низкими ценами, то не захотите резко повышать цену из-за дефицита. Так что эта часть, связанная с имиджем, важна — это долгосрочная составляющая. Но также, ценообразование — это отличный механизм для ускорения или замедления спроса, чтобы помочь вам справиться с проблемами в цепочке поставок. Будущее неопределенно, и очень сложно иметь точный прогноз, когда рынки крайне непредсказуемы. Поэтому наличие динамического ценообразования позволяет лучше распределять ресурсы и даже предоставлять клиентам лучший сервис.
Нет смысла, например, если у вас есть два продукта, которые почти являются совершенными заменителями, но один из них скоро закончится. Не все клиенты воспринимают их как идентичные заменители. Если вы повышаете цену на один из них, те клиенты, которым безразлично использовать один продукт вместо другого, просто перейдут на другой. А клиенты, для которых это важно, все равно смогут приобрести тот продукт, который они действительно хотят, и даже согласятся заплатить небольшую надбавку.
Кирен Чендлер: А теперь давайте рассмотрим вопрос с точки зрения прогнозирования. То есть, как можно построить прогноз, который эффективно работает в тандеме с ценообразованием?
Джуаннес Верморель: Идея заключается в том, что нужно отказаться от концепции статического прогноза. Это одна из моих главных проблем с классическим подходом к прогнозированию. Предполагается, что вы скажете: «вот оно, будущее, мы продадим 1 000 единиц», а ответ будет: «ну, это зависит». Ваше ценообразование по сути является рычагом, который может влиять на спрос. То, что вы пытаетесь прогнозировать, определяется вашими действиями. Речь идет не только о захвате будущей неопределенности, но и о фиксации будущих решений, которые вы примете сами. И эти решения не являются неопределенными; они просто еще не приняты. Нет неопределенности в отношении вашего ценообразования; цена — это именно то, что вы хотите установить. Если вы хотите повысить цену, вы можете её повысить, если, конечно, не работаете в строго регулируемой сфере. В основном, у вас есть полная свобода в установлении цен, так что неопределенности нет, хотя вы вполне можете передумать.
Если подумать о статическом прогнозе, это как если бы вы сказали: «моя цена не изменится ни при каких условиях», что плохо. Гораздо разумнее, а в бизнесе — более прибыльно, иметь возможность корректировать свои действия на основе обратной связи с рынком.
Кирен Чендлер: То есть, по сути, если вы хотите снизить спрос из-за нехватки запасов, вы повышаете цены, а если хотите увеличить спрос, вы снижаете цену?
Джуаннес Верморель: Именно. И здесь на помощь приходит вероятностный подход, учитывающий диапазон возможностей. Вероятности действительно помогают, потому что, если только вы не продаете такой продукт, как Big Mac, в большой стране вроде Германии, где объемы продаж огромны, то даже повышение цены на один цент, скорее всего, окажет измеримое влияние на спрос. Здесь у вас продукт, который продается в больших масштабах и крайне чувствителен к цене. Люди должны иметь возможность измерить точную эластичность. Я уверен, что в McDonald’s есть умные люди, которые знают ценовую эластичность Big Mac по странам.
Но это работает хорошо, потому что у них огромное количество данных. В типичных ситуациях с цепочками поставок вы не продаете миллионы единиц продукта в неделю. Чаще всего у вас оказывается всего несколько сотен единиц или даже меньше, поэтому ваш анализ цен будет довольно расплывчатым. Однако наличие вероятностного прогноза помогает, поскольку позволяет сдвигать прогноз спроса вверх или вниз, оставаясь при этом относительно неопределенным. Чем дальше вы отходите от обычной ценовой точки, тем больше дополнительной неопределенности вы вводите.
Потому что если вы просто немного меняете цену, оказывается, что, скорее всего, ваши исторические данные по-прежнему актуальны в качестве базы для предположений о будущем. Но если подумать, что произойдет, если ваша цена станет, скажем, в 10 раз дешевле, то, вероятнее всего, у вас не будет ни одного исторического примера для подтверждения этого, ведь вы этого никогда не делали. Потому что это не было прибыльно, ни один из ваших конкурентов не решился бы на это, так что просто вы не знаете. Никто не знает. Возможно, спрос на ваш продукт возрастет в 100 раз, если он станет в 10 раз дешевле, но это просто область, которую вы никогда не исследовали. Так что, вы просто не знаете, и это крайний случай, но суть остается той же.
Кирен Чендлер: Чем дальше вы уходите от своих обычных ценовых практик, тем меньше информации вы получаете от магазина, а значит, тем больше неопределенности.
Джуаннес Верморель: Хорошо, в примере с Big Mac вы говорите, что если вы меняете цену на пару центов, то у вас будет больше понимания, а если меняете на пару евро — значительно больше, то ваше представление о возможном будущем будет намного более неопределенным.
Кирен Чендлер: Давайте поговорим о некоторых технических требованиях для оптимизации цен. То есть, что нужно компании? Вы упомянули про Big Mac и то, что у McDonald’s много исторических данных. Какие технические требования необходимы компании для оптимизации своих цен?
Джуаннес Верморель: Первое требование для начала — собрать вместе команды, занимающиеся разработкой цен, и команды, которые обычно занимаются планированием, а также те, кто отвечает за закупки и производственные планы. Видите, проблема в том, что необходимо объединить все эти функции; в противном случае вы не сможете провести оптимизацию. Это как если бы вы по замыслу сами себе помешали в реализации. Далее, что касается процессных требований в части данных, вам не нужно слишком много. На самом деле, традиционные исторические данные о продажах вполне подходят. Вам нужны обычные данные: история ваших акций и распродаж, поскольку акции — это временные колебания цен, которые интересно анализировать, чтобы понять, что происходит при изменении цены. Также вам нужны исторические данные о дефиците, чтобы избежать «засорения» и выбросов, которые невозможно объяснить с точки зрения цен. В идеале, если вы сможете получить данные о ценах ваших конкурентов, хотя бы из интернета, это действительно поможет. Это не строго обязательно, но действительно помогает понять, я бы сказал, нелинейные эффекты, когда вы дешевле конкурента или конкурент дешевле вас. Это может приводить к небольшим нелинейным изменениям спроса — всплескам и падениям, которые просто объясняются тем, что люди переключаются на того, чья цена ниже.
Кирен Чендлер: Объединяя все эти отделы, чем это отличается от более традиционного подхода S&OP (планирование продаж и операций)?
Джуаннес Верморель: Отличие в том, что в ценообразовании вы отказываетесь от идеи фиксированной цены на продукт. Вместо этого у вас есть стратегия ценообразования. Допустим, вы закупаете продукты в Азии, и между тем, как вы размещаете заказ у азиатского поставщика и тем моментом, когда продукт можно будет выставить и начать продавать в Северной Америке и Европе, проходит 13 недель. Почему вы должны в нулевой день решать, какая будет цена, когда вы начнете продавать продукт через 13 недель? Это решение можно отложить. Если через 13 недель вы увидите, что спрос на этот продукт резко возрос и ваш первоначальный заказ в 1 000 единиц окажется слишком маленьким, нет смысла придерживаться того, что вы задумали 13 недель назад. Вы можете переоценить ситуацию, опираясь на последние данные, и принять более разумное решение.
Кирен Чендлер: Насколько важно отслеживать цены конкурентов, особенно сейчас, когда у нас есть легкий доступ к их ценам онлайн?
Джуаннес Верморель: Это действительно зависит от отрасли. Например, если вы бренд класса люкс, это не имеет большого значения. Люксовый бренд, как Louis Vuitton, не снижает цену только потому, что сделал это Cartier. Оба они являются ведущими люксовыми брендами, фокусирующимися на наилучшем качестве своей продукции, и устанавливают цены соответственно. От люксового бренда ожидается, что у него не будет заменителей. С другой стороны, есть продукты, которые являются почти совершенными заменителями. Если вы покупаете сахар по килограмму для ресторана, не имеет значения, кто ваш поставщик, если только качество соответствует стандартам.
Кирен Чендлер: Заглядывая в будущее, можете ли вы представить время, когда компании будут устанавливать ценовые уровни, имея четкое понимание своей будущей прибыли?
Джуаннес Верморель: Некоторые компании, такие как Amazon, уже это делают. У нас есть несколько клиентов в сфере агрессивной электронной коммерции, которые тоже так поступают, даже если не афишируют это широко. В более сложных отраслях, таких как аэрокосмическая, это тоже уже применяется. Авиакомпании десятилетиями используют yield management для продажи билетов, и даже в сфере авиационных запчастей это работает. То, что я вижу, состоит в том, что этот подход скоро войдет практически во все другие отрасли, хотя его применение может варьироваться.
Кирен Чендлер: В заключение, какой основной урок мы должны извлечь из сегодняшнего разговора об оптимизации цен?
Джуаннес Верморель: Оптимизация ценообразования — неотъемлемая часть спроса и прогнозов спроса. Нет спроса без цены – цена определяет спрос и наоборот. Если ваша организация цепочки поставок пытается оптимизировать процессы, игнорируя влияние цен, вы упускаете из виду «слона в комнате». Неважно, насколько тщательно вы оптимизируете скользящую среднюю, этот слон остается незамеченным, и это плохо.
Кирен Чендлер: Надеюсь, теперь никто больше не упустит слона в комнате. Это всё на эту неделю. Большое спасибо, что были с нами, и до встречи в следующий раз. Пока.