Репутация динамического ценообразования развивается почти так же быстро, как и технологии, которые его поддерживают. То, что начиналось как специфический способ, помогающий авиакомпаниям и гостиницам сбалансировать спрос и предложение на изменчивые во времени услуги, превратилось в возможность для любой компании использовать искусственный интеллект (ИИ) для обработки огромного количества финансовых и коммерческих данных с целью достижения святого Грааля ценообразования: принятия правильного ценового решения в нужное время для конкретного клиента.
Однако многие B2B-компании по-прежнему настроены скептически. Их сомнения подкрепляются рядом мифов и заблуждений, в соответствии с которыми динамическое ценообразование считается слишком пугающим или высокотехнологичным излишеством. Такое сопротивление сохраняется, несмотря на то, что ряд тенденций создает убедительные возможности и веские аргументы в пользу внедрения динамического ценообразования в B2B-компаниях. К числу таких тенденций относятся растущая нестабильность спроса - особенно во время нынешнего кризиса COVID-19 - наряду с ускорением жизненного цикла продукции и распространением легкодоступных данных.
Наши исследования показывают, что B2B-компании могут получить более высокую прибыль и рентабельность за счет внедрения более динамичного подхода к ценообразованию. Первым важным шагом для компаний является развенчание мифов, связанных с динамическим ценообразованием, что поможет задать направление для начала пути.
Наши исследования показывают, что B2B-компании могут получить более высокую прибыль и рентабельность за счет внедрения более динамичного подхода к ценообразованию. Первым важным шагом для компаний является развенчание мифов, связанных с динамическим ценообразованием, что поможет задать направление для начала пути.
МИФ: ДИНАМИЧЕСКОЕ ЦЕНООБРАЗОВАНИЕ - ЭТО ПРОСТО «ОБЫЧНОЕ» ЦЕНООБРАЗОВАНИЕ С ОБНОВЛЕНИЯМИ В РЕАЛЬНОМ ВРЕМЕНИ
Неудивительно, что многие менеджеры считают, что динамическое ценообразование - это синоним изменения цен в режиме реального времени, учитывая, что в деловой прессе и других изданиях в качестве примера используются туристические компании и компании, занимающиеся организацией досуга. Однако динамическое ценообразование имеет множество форм, помимо постоянного обновления цен в режиме реального времени. В самом широком смысле путь компании к динамическому ценообразованию - это отход от статичных, универсальных ценовых рекомендаций, основанных на случайных данных. В более прибыльном варианте компании используют искусственный интеллект для анализа множества исходных данных практически в режиме реального времени и генерирования ценовых результатов, которые могут быть адаптированы вплоть до уровня отдельного клиента. (См. рис. 1.)
Рис 1.
Отказ от статичного подхода к ценообразованию означает, что необходимо отслеживать изменения рыночной конъюнктуры, конкуренции и спроса, а затем использовать эти данные для принятия правильного решения о ценообразовании. Компания с длительным сроком хранения продукции и небольшой однородной группой прямых клиентов редко нуждается в изменении цен. Компания с большой и разнообразной клиентской базой, многочисленными каналами сбыта и более коротким сроком годности продукции будет нуждаться в частых и тонких изменениях цен. Однако в любом случае компания выигрывает от контроля и уверенности, которые дает динамическое ценообразование на основе искусственного интеллекта.
Преобразования, проведенные одним из крупнейших производителей автомобилей, показывают, как компания может перейти от статического ценообразования к более выгодному динамическому. Компания повысила экономическую эффективность своей программы стимулирования на 10%, перейдя от программы, основанной просто на учете страны и автомобиля, к более сложной программе, основанной на таких критериях, как регион, комплектация автомобиля и типа покупки. В качестве исходных данных использовались данные о покупке каждого отдельного автомобиля: модель, опции, время и место покупки и т.д. Используя оптимизационный механизм, автопроизводитель оценил эластичность по типу покупки (например, наличные, финансирование или лизинг) на уровне микросегмента, чтобы получить необходимые детализированные результаты: ожидаемое время нахождения каждого отдельного автомобиля на дилерской площадке до его продажи при всех возможных сценариях покупки. На основе полученных данных производитель выбрал оптимальный сценарий продажи, найдя компромисс между целями по прибыли, доле и объему продаж на текущий месяц, а также количеством и структурой автомобилей, оставшихся на дилерских площадках.
МИФ: ДИНАМИЧЕСКОЕ ЦЕНООБРАЗОВАНИЕ ПОЛЕЗНО ТОЛЬКО ДЛЯ БЫСТРО МЕНЯЮЩИХСЯ ОТРАСЛЕЙ
Строго говоря, это не миф. Однако в его основе лежит ошибочное мнение о том, что некоторые отрасли не меняются быстро. Все отрасли, даже те, которые продают продукцию, которая может длительное время не портится, подвержены политическим, экологическим, социальным или технологическим потрясениям. Недавний кризис COVID-19 - яркий тому пример. Но даже в отсутствие такого рода потрясений наличие данных само по себе является убедительным основанием для того, чтобы, казалось бы, стабильные отрасли перестроились на динамическое ценообразование. Одним из многих примеров использования данных является то, как грузовые компании используют информацию о трафике для оптимизации своих затрат.
Компания, занимающаяся оптовой торговлей нефтехимической продукцией, продемонстрировала, что динамическое ценообразование может принести значительный эффект в отрасли, которая обычно не воспринимается как быстро меняющаяся. Она повысила маржу на 100-250 базисных пунктов, перейдя от преимущественно ручного, менее адаптивного подхода к ценообразованию и автоматизированному решению по ценообразованию на основе машинного обучения. Но это лишь один пример динамического ценообразования в отрасли B2B. Динамическое ценообразование включает в себя несколько вариантов использования, которые решают различные задачи и позволяют получить значительную выгоду. (См. Рисунок 2.)
Компания, занимающаяся оптовой торговлей нефтехимической продукцией, продемонстрировала, что динамическое ценообразование может принести значительный эффект в отрасли, которая обычно не воспринимается как быстро меняющаяся. Она повысила маржу на 100-250 базисных пунктов, перейдя от преимущественно ручного, менее адаптивного подхода к ценообразованию и автоматизированному решению по ценообразованию на основе машинного обучения. Но это лишь один пример динамического ценообразования в отрасли B2B. Динамическое ценообразование включает в себя несколько вариантов использования, которые решают различные задачи и позволяют получить значительную выгоду. (См. Рисунок 2.)
Рис. 2
B2B-компании с прейскурантной и дисконтной структурой ценообразования могут использовать динамическое ценообразование для установления оптимальных прейскурантных цен с учетом рыночных, конкурентных, продуктовых и стоимостных факторов. Компании, работающие в сфере технологий, программного обеспечения, телекоммуникаций и т.д., в значительной степени опираются на бизнес-модели подписки и механизмы ценообразования на основе контрактов или сделок и теперь используют динамическое ценообразование для оптимизации скидок. Дистрибьюторы и розничные продавцы B2B могут использовать методы динамического ценообразования для оптимизации планирования рекламных акций, заранее просчитывая их эффект. Для B2B-компаний, имеющих клиентскую базу и рыночные условия, оправдывающие подход к управлению доходностью, динамическое ценообразование означает использование искусственного интеллекта для согласования спроса и готовности платить в режиме реального времени на самом детальном уровне, вплоть до сегмента одного товара. Платформы электронной коммерции B2B используют эффективное управление аукционами для оптимизации цен, учитывая спрос в реальном времени и готовность платить отдельных покупателей.
B2B-компании с прейскурантной и дисконтной структурой ценообразования могут использовать динамическое ценообразование для установления оптимальных прейскурантных цен с учетом рыночных, конкурентных, продуктовых и стоимостных факторов. Компании, работающие в сфере технологий, программного обеспечения, телекоммуникаций и т.д., в значительной степени опираются на бизнес-модели подписки и механизмы ценообразования на основе контрактов или сделок и теперь используют динамическое ценообразование для оптимизации скидок. Дистрибьюторы и розничные продавцы B2B могут использовать методы динамического ценообразования для оптимизации планирования рекламных акций, заранее просчитывая их эффект. Для B2B-компаний, имеющих клиентскую базу и рыночные условия, оправдывающие подход к управлению доходностью, динамическое ценообразование означает использование искусственного интеллекта для согласования спроса и готовности платить в режиме реального времени на самом детальном уровне, вплоть до сегмента одного товара. Платформы электронной коммерции B2B используют эффективное управление аукционами для оптимизации цен, учитывая спрос в реальном времени и готовность платить отдельных покупателей.
МИФ: ДИНАМИЧЕСКОЕ ЦЕНООБРАЗОВАНИЕ - ЭТО ПРОСТО ЧЕРНЫЙ ЯЩИК
Технической основой динамического ценообразования, безусловно, является механизм или алгоритм ценообразования, но отношение к нему как к «черному ящику» - это залог неудачи. Динамическое ценообразование - это не выбор «или-или» между машинами и людьми. Скорее, это «и то, и другое» решение, сочетающее в себе сильные стороны обеих форм интеллекта.
Динамическое ценообразование - решение, объединяющее сильные стороны искусственного и человеческого интеллекта
Люди создают ценовые ориентиры, ограничения и бизнес-правила, на основе которых в динамической системе ценообразования формируются вариации цен и конкурентов. Аналогичным образом, человеческие суждения и вмешательство необходимы для преобразования результатов работы системы в реальные ценовые решения. Наконец, алгоритмы и механизмы должны быть понятны - хотя бы в некоторой степени - тем, кто будет использовать их ежедневно. Ключевым моментом является инвестирование в автоматизацию, сильные команды и надежные процессы, а также постоянное вовлечение пользователей в процесс разработки, чтобы сотрудники воспринимали динамическое ценообразование не просто как «черный ящик» и «крутую технологию».
Продавцам не нужно становиться специалистами по изучению данных, но они не смогут внедрить динамические ценовые рекомендации в свою работу без доверия к ним и уверенности в них. Команда по ценообразованию должна объяснить, как работают эти системы, а в идеале - укрепить доверие продавцов с помощью пилотных тестов на рынке.
Один из B2B-дистрибьюторов в секторе строительных материалов увеличил маржу EBIT на 100 базисных пунктов благодаря использованию комбинированного человеко-машинного подхода к реализации программы динамического ценообразования. Компания управляет каталогом из сотен тысяч SKU, продаваемых десяткам тысяч клиентов из самых разных отраслей. Для того чтобы установить и постоянно обновлять миллиарды ценовых ориентиров, компания внедрила алгоритм, который использовал полный набор исторических данных о сделках, а также подробные характеристики клиентов из внутренних и внешних источников. Машинное обучение вычисляло персональную готовность платить за каждый продукт и каждого клиента. Но чтобы не нарушать давние отношения с клиентами, отделы продаж систематически пересматривали рекомендованные ценовые позиции. Контур обратной связи способствовал постоянному обмену мнениями между пользователями и специалистами по расширенной аналитике и обработке данных с целью совершенствования модели.
Динамическое ценообразование - решение, объединяющее сильные стороны искусственного и человеческого интеллекта
Люди создают ценовые ориентиры, ограничения и бизнес-правила, на основе которых в динамической системе ценообразования формируются вариации цен и конкурентов. Аналогичным образом, человеческие суждения и вмешательство необходимы для преобразования результатов работы системы в реальные ценовые решения. Наконец, алгоритмы и механизмы должны быть понятны - хотя бы в некоторой степени - тем, кто будет использовать их ежедневно. Ключевым моментом является инвестирование в автоматизацию, сильные команды и надежные процессы, а также постоянное вовлечение пользователей в процесс разработки, чтобы сотрудники воспринимали динамическое ценообразование не просто как «черный ящик» и «крутую технологию».
Продавцам не нужно становиться специалистами по изучению данных, но они не смогут внедрить динамические ценовые рекомендации в свою работу без доверия к ним и уверенности в них. Команда по ценообразованию должна объяснить, как работают эти системы, а в идеале - укрепить доверие продавцов с помощью пилотных тестов на рынке.
Один из B2B-дистрибьюторов в секторе строительных материалов увеличил маржу EBIT на 100 базисных пунктов благодаря использованию комбинированного человеко-машинного подхода к реализации программы динамического ценообразования. Компания управляет каталогом из сотен тысяч SKU, продаваемых десяткам тысяч клиентов из самых разных отраслей. Для того чтобы установить и постоянно обновлять миллиарды ценовых ориентиров, компания внедрила алгоритм, который использовал полный набор исторических данных о сделках, а также подробные характеристики клиентов из внутренних и внешних источников. Машинное обучение вычисляло персональную готовность платить за каждый продукт и каждого клиента. Но чтобы не нарушать давние отношения с клиентами, отделы продаж систематически пересматривали рекомендованные ценовые позиции. Контур обратной связи способствовал постоянному обмену мнениями между пользователями и специалистами по расширенной аналитике и обработке данных с целью совершенствования модели.
МИФ: ДИНАМИЧЕСКОЕ ЦЕНООБРАЗОВАНИЕ ТРЕБУЕТ ИДЕАЛЬНЫХ ДАННЫХ... И ГОДЫ ДЛЯ ВНЕДРЕНИЯ
Кто не хотел бы получить идеальные данные для решения любой задачи? Однако отсутствие идеальных данных не является препятствием для динамического ценообразования, не является причиной для его отсрочки или отказа от него. Более того, оно является стимулом для его внедрения. Способность организации собирать и анализировать детализированные данные улучшается со временем и при многократном повторении, поскольку это позволяет расставить приоритеты и сделать сбор данных более эффективным.
Ни одна компания не начинает с идеальных данных или идеальной инфраструктуры. Но если начать с небольшого числа сценариев использования и внедрить гибкие циклы разработки, то это позволит компании быстро определить и расставить приоритеты в отношении необходимых данных.
Рассматривайте динамическое ценообразование не только как технический, тактический инструмент, основанный на данных, а скорее как путь к более автоматизированным, частым и персонализированным ценовым рекомендациям. Компании, которые быстро и эффективно внедрили динамическое ценообразование в свою деятельность, рассматривают этот путь как межфункциональную проектную задачу, а не как техническую проблему для специалистов по обработке данных и ИТ-служб. Компании, как правило, создают возможности последовательно, фокусируясь сначала на улучшении входных или выходных данных, а не на том и другом одновременно. Некоторые из них сначала создают возможности персонализации, а другие фокусируются на сборе данных в режиме реального времени. Каждый последующий шаг на этом пути увеличивает ценность.
Этот путь также может быть быстрым. Крупному промышленному дистрибьютору товаров для технического обслуживания, ремонта и эксплуатации потребовалось всего 12 месяцев, чтобы перейти от установления прейскурантных цен к динамическому ценообразованию, дополненному конкурентным отбором цен. Этот переход позволил увеличить прибыль на 40 млн. долл. в ближайшей перспективе и обеспечить значительный рост объемов: в первый год он составил 10% для всего бизнеса и 20% в наиболее прибыльном сегменте.
Ни одна компания не начинает с идеальных данных или идеальной инфраструктуры. Но если начать с небольшого числа сценариев использования и внедрить гибкие циклы разработки, то это позволит компании быстро определить и расставить приоритеты в отношении необходимых данных.
Рассматривайте динамическое ценообразование не только как технический, тактический инструмент, основанный на данных, а скорее как путь к более автоматизированным, частым и персонализированным ценовым рекомендациям. Компании, которые быстро и эффективно внедрили динамическое ценообразование в свою деятельность, рассматривают этот путь как межфункциональную проектную задачу, а не как техническую проблему для специалистов по обработке данных и ИТ-служб. Компании, как правило, создают возможности последовательно, фокусируясь сначала на улучшении входных или выходных данных, а не на том и другом одновременно. Некоторые из них сначала создают возможности персонализации, а другие фокусируются на сборе данных в режиме реального времени. Каждый последующий шаг на этом пути увеличивает ценность.
Этот путь также может быть быстрым. Крупному промышленному дистрибьютору товаров для технического обслуживания, ремонта и эксплуатации потребовалось всего 12 месяцев, чтобы перейти от установления прейскурантных цен к динамическому ценообразованию, дополненному конкурентным отбором цен. Этот переход позволил увеличить прибыль на 40 млн. долл. в ближайшей перспективе и обеспечить значительный рост объемов: в первый год он составил 10% для всего бизнеса и 20% в наиболее прибыльном сегменте.
КАК B2B-КОМПАНИИ МОГУТ УСКОРИТЬ ПРОЦЕСС ДИНАМИЧЕСКОГО ЦЕНООБРАЗОВАНИЯ
Внедрение динамического ценообразования - это не просто нажать на кнопку, а скорее путь, уникальный для каждой организации. Однако независимо от того, на каком этапе находится компания, она может ускорить свой прогресс, проведя более глубокую и постоянную оценку возможностей, необходимых для успешного внедрения динамического ценообразования. (См. Рисунок 3.)
Рис. 3
На основе этих оценок компания может оценить и рассчитать финансовые преимущества, коммерческий эффект и требуемое время.
- Технологии и данные. Каким объемом высококачественных данных вы располагаете и насколько автоматизированы текущие процессы сбора и обработки данных? В некоторых отраслях механизмы ценообразования могут ограничивать детализацию исходных данных, которые компании могут собирать. Например, компания, производящая строительные материалы, вероятно, не будет использовать возможности сбора исходных данных в режиме реального времени, но может быть заинтересована в других вариантах их использования, например, в оптимизации ценообразования или дисконтных программ по конкретным сегментам. У такой компании будет богатый набор данных: информация о клиентах, продуктах, затратах и ценах конкурентов, а также детали контрактов, выигрыши и проигрыши, отмены и комментарии продавцов, эскалации и истории переговоров.
- Алгоритмы и механизм ценообразования. Как работает ваша текущая логика ценообразования? Какие исходные данные и логику расчетов можно добавить для получения оптимальных ценовых рекомендаций? Некоторые B2B-компании уже сделали шаги в сторону строгого, основанного на данных ценообразования, а другие имеют определенный опыт работы с инструментами ценообразования для маркетинга и продаж. Однако потребности и потенциал таких компаний будут существенно различаться. Технологическая компания, работающая по подписке и использующая контрактное ценообразование, не сможет применить динамическое ценообразование так же, как транспортно-логистическая компания, использующая котировки на основе пропускной способности, или телекоммуникационный оператор, который уже устанавливает цены на основе множества исходных данных (пропускная способность, конкуренция, продолжительность звонка, характер использования данных и т.д.).
- Процесс и управление. Насколько хорошо вы обеспечиваете принятие скоординированных и контролируемых решений по ценообразованию? Какими бы мощными ни становились со временем аналитические инструменты, успех динамического ценообразования в конечном итоге зависит от того, насколько хорошо люди контролируют этот процесс. Продажи и маркетинг вносят свой вклад в знание рынка и человеческую сторону ценообразования, дополняя его техническими знаниями и опытом специалистов по анализу данных. Группа ценообразования контролирует модель и со временем совершенствует ее, а ИТ-специалисты запускают и совершенствуют системы искусственного интеллекта.
- Поддержка команды. Каким образом переход к динамическому ценообразованию должен быть жестко привязан к повседневным процедурам ценообразования? Развитие возможностей динамического ценообразования - нелегкий путь; для его успешного осуществления необходимо заручиться поддержкой и участием руководства. Роль руководства абсолютно необходима для обеспечения единства действий работников. Процесс обучения поможет использовать динамическое ценообразование в своих интересах и сделать его эффективным. Помимо обучения, этот процесс помогает привить гибкое мышление и обучение. Управление, процессы ценообразования и продаж, а также организационные обязанности будут меняться по мере того, как компания будет создавать контуры обратной связи, фокусироваться на постоянном совершенствовании и обучать сотрудников отдела продаж тому, как работает механизм ценообразования. Рассказ об успехах на этом пути помогает всей организации включиться в процесс трансформации.
B2B-компании, успешно внедрившие динамическое ценообразование, начали свой амбициозный путь с изучения одного конкретного случая применения, а затем продолжили наращивать и совершенствовать возможности, опираясь на него. Первоначальная оценка ценовой стратегии и возможностей ценообразования позволила им определить свой путь и способы управления им.
Для ускорения процесса эти успешные компании использовали гибкий подход с привлечением специалистов из разных подразделений организации. Чем дольше B2B-компания будет пытаться понять, как она может извлечь выгоду из динамического ценообразования, тем сложнее ей будет использовать свои возможности для достижения «святого Грааля»: принятия правильных ценовых решений в нужное время, основанных на правильном сочетании человеческих суждений и технологий.