Динамическое ценообразование на примере «Сантехники-Онлайн»
Партнеры из «Корус консалтинга» (кстати, ребята тоже внедряют Ensi) недавно задавались вопросом «…правильно ли внедрять подобный подход [менять цены на ходу] на фоне более сложного экономического контекста?»
Воспользуемся подходом «а как там у Сантехники-Онлайн».
На последнем Обороте у Евгения Сахарова, замгендира СО был очень интересный доклад о том, как они совладали с хаосом ценообразования и сделали систему (само собой на основе ИИ), которая управляет ценой. Несколько интересных фактов из доклада:
1️⃣ Система динамического ценообразования нужна не столько для того, чтобы выявить у кого айфон и накинуть такому клиенту +10% к цене.
2️⃣ Одна из главных задач — поставить под контроль ценообразование. На него влияют цены производителя, норма наценки, скидки маркетинга, промо-коды, скидки за комплекты и множество других факторов.
3️⃣ В екомах с сотнями тысяч SKU система динамического ценообразования — необходимость. Контролировать цены вручную без серьзных ошибок — нереально.
4️⃣ ДЦ позволяет еще и эффективнее управлять эластичностью цены, то есть влиянием ее на спрос. Задача — выявить стоимость, при которой маржинальность, помноженная на уровень продаж, будет максимальной.
5️⃣ У многих поставщиков есть еще и рекомендуемая цена, вокруг которой приходится плясать.
В докладе довольно подробно рассказывается, как именно устроена система (см. картинку). Все очень интересно!
Презентация доклада в следующем сообщении 👇
Партнеры из «Корус консалтинга» (кстати, ребята тоже внедряют Ensi) недавно задавались вопросом «…правильно ли внедрять подобный подход [менять цены на ходу] на фоне более сложного экономического контекста?»
Воспользуемся подходом «а как там у Сантехники-Онлайн».
На последнем Обороте у Евгения Сахарова, замгендира СО был очень интересный доклад о том, как они совладали с хаосом ценообразования и сделали систему (само собой на основе ИИ), которая управляет ценой. Несколько интересных фактов из доклада:
1️⃣ Система динамического ценообразования нужна не столько для того, чтобы выявить у кого айфон и накинуть такому клиенту +10% к цене.
2️⃣ Одна из главных задач — поставить под контроль ценообразование. На него влияют цены производителя, норма наценки, скидки маркетинга, промо-коды, скидки за комплекты и множество других факторов.
3️⃣ В екомах с сотнями тысяч SKU система динамического ценообразования — необходимость. Контролировать цены вручную без серьзных ошибок — нереально.
4️⃣ ДЦ позволяет еще и эффективнее управлять эластичностью цены, то есть влиянием ее на спрос. Задача — выявить стоимость, при которой маржинальность, помноженная на уровень продаж, будет максимальной.
5️⃣ У многих поставщиков есть еще и рекомендуемая цена, вокруг которой приходится плясать.
В докладе довольно подробно рассказывается, как именно устроена система (см. картинку). Все очень интересно!
Презентация доклада в следующем сообщении 👇
🔥7👍1🤓1
Click&collect во французском e-grocery
Оказывается, во Франции сложилась особенная модель екома в e-grocery, которую заимствовали компании в США для конкуренции с Амазоном.
В отличии от других развитых стран, где доминирует доставка продуктов до двери, у французов очень популярны разные варианты click&collect:
1️⃣ Обычные пункты выдачи в отдаленной местности.
2️⃣ Пункт самовывоза на парковке супермаркета.
3️⃣ Классический pickup-in-store.
Как пишет NielsenIQ, модель стала популярной по двум причинам. Первая — географическая: население рассредоточено по всей территории довольно немаленькой страны, а не концентрируется в мегаполисах.
Вторая — законодательная: в стране нельзя открывать магазины в определенном радиусе вокруг конкурента. Но в свое время Ашан нашел способ обойти ограничение: начал открывать не магазины, а пункты выдачи на запрещенных территориях.
* * *
Все это привело к тому, что формат click&collect стал стандартом для покупателей. И теперь даже Амазон продает продукты таким способом, причем не напрямую, а через местных ритейлеров.
P.S. Очень напоминает нашу историю с пунктами выдачи крупнейших маркетплейсов.
P.P.S. Российский Ашан принес эту концепцию в России и внедрил доставку в багажник. Концепция работает, но пока не настолько массово, как на родине бренда.
Оказывается, во Франции сложилась особенная модель екома в e-grocery, которую заимствовали компании в США для конкуренции с Амазоном.
В отличии от других развитых стран, где доминирует доставка продуктов до двери, у французов очень популярны разные варианты click&collect:
1️⃣ Обычные пункты выдачи в отдаленной местности.
2️⃣ Пункт самовывоза на парковке супермаркета.
3️⃣ Классический pickup-in-store.
Как пишет NielsenIQ, модель стала популярной по двум причинам. Первая — географическая: население рассредоточено по всей территории довольно немаленькой страны, а не концентрируется в мегаполисах.
Вторая — законодательная: в стране нельзя открывать магазины в определенном радиусе вокруг конкурента. Но в свое время Ашан нашел способ обойти ограничение: начал открывать не магазины, а пункты выдачи на запрещенных территориях.
* * *
Все это привело к тому, что формат click&collect стал стандартом для покупателей. И теперь даже Амазон продает продукты таким способом, причем не напрямую, а через местных ритейлеров.
P.S. Очень напоминает нашу историю с пунктами выдачи крупнейших маркетплейсов.
P.P.S. Российский Ашан принес эту концепцию в России и внедрил доставку в багажник. Концепция работает, но пока не настолько массово, как на родине бренда.
🔥11
Кусочки екома
Кстати, оказывается Озон обогнал Wilberries по трафику на сайт (по Similarweb). Чуть больше года назад WB лидировал с показателем 326m vs 261m. Он всегда лидировал, а тут вон оно что
Сверяем часы спустя год.
Озон держит тенденцию и довольно значительно опережает ВБ по трафику на сайт по данным Similarweb. Перелом произошел в ноябре 2023 (см. пост выше).
P.S. Выводов не делаем, ведь трафик в приложении SW не учитывает. Просто фиксируем факт, который проверим через год.
Озон держит тенденцию и довольно значительно опережает ВБ по трафику на сайт по данным Similarweb. Перелом произошел в ноябре 2023 (см. пост выше).
👍5
Корпоративный брэндинг Wildberries
Интересно, что WB привязал PR-стратегию к персональному бренду. Образ ТатьяныБакальчук Ким строится на базе концепции честного частного успеха, но с tone of voice в духе скорее тети Тани из «Спокойной ночи малыши», чем эффективной бизнес-вумен. Вероятно такой микс образов помогает привлекать селлеров начального уровня.
Для примера: недавно опубликованный портальчик про персональные данные не содержит полезной информации, но зато демонстрирует аудитории почти материнскую заботу.
В то же время к топам Озона нет коллективного персонализированного интереса: «там какие-то чуваки в пиджаках работают, имен и лиц не помним».
Интересно, что WB привязал PR-стратегию к персональному бренду. Образ Татьяны
Для примера: недавно опубликованный портальчик про персональные данные не содержит полезной информации, но зато демонстрирует аудитории почти материнскую заботу.
В то же время к топам Озона нет коллективного персонализированного интереса: «там какие-то чуваки в пиджаках работают, имен и лиц не помним».
👍3🔥2💯1
#Оказывается, есть такая проблема у омниканальных ритейлеров:
Торговые центры включают выручку заказов самовывоза в базу для расчета стоимости аренды. (Она часто считается как процент от оборота).
Компания с помощью интернет-продаж приводит новых людей в ТЦ, но вынуждена платить за них дополнительную аренду. И не всегда получается переубедить арендодателя, что это не ок.
Торговые центры включают выручку заказов самовывоза в базу для расчета стоимости аренды. (Она часто считается как процент от оборота).
Компания с помощью интернет-продаж приводит новых людей в ТЦ, но вынуждена платить за них дополнительную аренду. И не всегда получается переубедить арендодателя, что это не ок.
😱4👍1
Недавно обсуждали с организаторами секцию на одной из главных еком-выставок, и нам предложили промоутеров-карликов.
Кто-нибудь пробовал, работает?
Кто-нибудь пробовал, работает?
🤡9🤔2🙈1
Хотим устроить марафон из постов, в которых на пальцах поясним, как устроены сервисы на основе ИИ. А то все об этом говорят, но часто не до конца понимают, что это значит. Для большинства ИИ — это тексты из ДипСика и сладкие картинки/видосы из Миджорни. А оно на самом деле немного о другом.
Делать?
Делать?
🔥4👍3🤝1
Тенденция понятна, поэтому начинаем
Марафон на тему ИИ
Распишем в духе известной брошюры «Kubernetes для детей» основные моменты, связанные с искуственным интеллектом.
Марафон на тему ИИ
Распишем в духе известной брошюры «Kubernetes для детей» основные моменты, связанные с искуственным интеллектом.
1️⃣
Искуственный интеллект — это набор методов, позволяющих компам имитировать интеллектуальное поведение (типа мыслить, но нет).
Такие методы противопоставляются алгоритмическому подходу, когда программа работает по заранее заданной схеме — алгоритму.
Искуственный интеллект — это набор методов, позволяющих компам имитировать интеллектуальное поведение (типа мыслить, но нет).
Такие методы противопоставляются алгоритмическому подходу, когда программа работает по заранее заданной схеме — алгоритму.
2️⃣
Машинное обучение (Machine Learning — ML) — один из методов ИИ, который позволяет программам обучаться на данных, выявляя в них закономерности. ML— это способ создать ИИ, который сам учится на данных. То есть всякое ML — это ИИ, но не всякий ИИ — это ML.
Машинное обучение (Machine Learning — ML) — один из методов ИИ, который позволяет программам обучаться на данных, выявляя в них закономерности. ML— это способ создать ИИ, который сам учится на данных. То есть всякое ML — это ИИ, но не всякий ИИ — это ML.
3️⃣
Есть еще LLM (Large Language Model) — большие языковые модели — ИИ, работающий с текстами. DeepSeek и ChatGPT — самые известные примеры.
LLM и ML — это несколько разные подходы искуственного интеллекта.
Есть еще LLM (Large Language Model) — большие языковые модели — ИИ, работающий с текстами. DeepSeek и ChatGPT — самые известные примеры.
LLM и ML — это несколько разные подходы искуственного интеллекта.
4️⃣
Но вернемся к ML
Для многих задач на основе ИИ используются так называемые Модели машинного обучения. Это программа, которая анализирует данные и делает предсказания или решения, выявляя закономерности в данных.
Вместо того, чтобы вручную программировать логику, мы даём модели примеры (данные), на которых она обучается и сама находит зависимости.
Но вернемся к ML
Для многих задач на основе ИИ используются так называемые Модели машинного обучения. Это программа, которая анализирует данные и делает предсказания или решения, выявляя закономерности в данных.
Вместо того, чтобы вручную программировать логику, мы даём модели примеры (данные), на которых она обучается и сама находит зависимости.
👍1
5️⃣
Существуют сайты, на которых представлены модели на любой вкус. Что-то вроде AppStore или Google Play. Многие модели — бесплатные. Пример такого портала — Hugging Face.
Это площадка не для средних умов, а скорее для разработчиков. Но и любопытному менеджеру какого-нибудь звена (вроде автора этого поста) интересно поизучать, что бывает.
Существуют сайты, на которых представлены модели на любой вкус. Что-то вроде AppStore или Google Play. Многие модели — бесплатные. Пример такого портала — Hugging Face.
Это площадка не для средних умов, а скорее для разработчиков. Но и любопытному менеджеру какого-нибудь звена (вроде автора этого поста) интересно поизучать, что бывает.
😁2
6️⃣
Небольшой отступление.
Когда вы в екоме сталкиваетесь с Сервисом на основе ИИ, то речь в большинстве случаев идет об одной из двух ситуаций:
1. Какие-то ребята по API обращаются к ChatGPT (или другим популярным ИИ штукам) и обрабатывают ответы в рамках своего сервиса (скажем, анализируют отзывы на маркетплейсах).
2. Другие ребята взяли одну или несколько open source моделей с Hugging Face, дообучили их и построили сервис на этой базе (скажем, товарный поиск ensi.cloud/search).
* * *
В первом случае ты получаешь мощность, но зависишь от тарифов, устойчивости и функциональности базового ИИ-сервиса. Во втором — можешь всем управлять, но несешь ответственность за разворот, поддержку и производительность.
Небольшой отступление.
Когда вы в екоме сталкиваетесь с Сервисом на основе ИИ, то речь в большинстве случаев идет об одной из двух ситуаций:
1. Какие-то ребята по API обращаются к ChatGPT (или другим популярным ИИ штукам) и обрабатывают ответы в рамках своего сервиса (скажем, анализируют отзывы на маркетплейсах).
2. Другие ребята взяли одну или несколько open source моделей с Hugging Face, дообучили их и построили сервис на этой базе (скажем, товарный поиск ensi.cloud/search).
* * *
В первом случае ты получаешь мощность, но зависишь от тарифов, устойчивости и функциональности базового ИИ-сервиса. Во втором — можешь всем управлять, но несешь ответственность за разворот, поддержку и производительность.