Перезагрузка методов ценообразования в условиях цифровой экономики

методы ценообразования

Мир стремительно меняется. Бизнесу приходится также стремительно приспосабливаться к этим изменениям, чтобы выжить. Принципиальным направлением трансформации выступают методы эффективного ценообразования, особенности формирования баз по потребностям и спросу на товары и услуги, динамике продаж и т.д. Огромные возможности здесь предоставляются Big Data и другими инструментами цифровой экономики. Эта статья для тех, кто хочет понять происходящие существенные изменения в ценовой игре бизнеса. Для тех, кто хочет разобраться в сущности построения новых моделей ценообразования с учетом цифровых возможностей.

Что такое цифровизация?

Цифровизация — это процесс стремительного расширения информационно-коммуникационных технологий в экономике. Он носит взрывной характер и проявляется, прежде всего, в новых технологиях высокоскоростной обработки и передаче больших массивов данных. Данный процесс привел к широкому распространению и удешевлению компьютерной и электронной техники, торжеству Интернета и существенному влиянию его на все стороны жизни людей. По сути, произошла информационная революция, которая привела к новым возможностям во всех сферах деятельности хозяйствующих субъектов, в том числе и в такой ключевой области, как ценообразование на продукцию или услуги бизнес-структур.

По сути, цифровая экономика задает направления трансформации традиционных секторов экономики, возникновения новых рынков и ниш. Новые бизнес-модели являются клиенто ориентированными (customer centric), что полностью определяет их структуру: от ценностного предложения, направленного на решение предсказанной потребности клиента, своевременной доставки (just-in-time) и до потоков доходов, основанных на времени использования продукта клиентом. Ключевым источником создания стоимости становится высокоскоростная обработка больших данных, поскольку трансакции происходят в режиме реального времени и зачастую одновременно. Технологии анализа больших данных помогают найти новые источники создания ценности на основе изучения цифровых портретов потребителей и паттернов их экономического поведения.

Для тех предпринимателей и предприятий, которые отстают от происходящих инфоизменений, возникают проблемы обеспечения их конкурентоспособности и  уменьшения шансов на их стратегическое выживание и развитие в самом недалеком будущем. Так, специалисты говорят, что если какая-либо бизнес-структура не представлена на просторах Интернета через свой сайт или хотя бы страницы в социальных сетях (т.е. в виртуальном пространстве), то ее как будто бы не существует и в реальном пространстве. В этой связи углубление знаний и представлений об электронном портрете бизнеса вообще и о новых методах ценообразования, в частности, позволяет повысить конкурентные преимущества российских фирм в этих новых, быстро меняющихся условиях экономики.

Привычные методы ценообразования проигрывают

Традиционные методы ценообразования, как известно, делятся на три основные группы:

  • затратные;
  • рыночные;
  • нормативно-параметрические.

В основе затратных методов ценообразования лежит калькуляция издержек производства и сбыта продукции. Суть метода состоит в суммировании всех затрат и добавления к ним желаемой прибыли (по нормативу). Однако, данные затраты могут быть не одобрены рынком, т.е. продукция может не найти спроса у покупателей. Поэтому используются рыночные методы ценообразования, базирующиеся на измерении конъюнктуры рынка и анализе цен конкурентов. Нормативно-параметрические подходы к ценообразованию предполагают интегральную оценку технико-экономического уровня изделия и определение потребительской ценности основных параметров.

Однако все вышеописанные методы предполагают сбор и обработку значительного количества информации, а также построение математических моделей взаимосвязей в системе «Покупатели — Ценность — Цена — Затраты — Товар». Новые широкие возможности ценового моделирования появляются именно в эпоху цифровой экономики, когда необходимые по спросу и предложению данные можно непрерывно измерять и отслеживать, накапливать, несмотря на большие объемы информации, структурировать и группировать.

В свою очередь, набор конкретных статистических данных позволяет строить факторные (в том числе корреляционно-регрессионные) модели зависимости объемов продаж от исходной стоимости продукции, цен конкурентов, соотношения спроса и предложения, изменения фактических затрат на изготовление и реализацию продукции. Например, из-за фактора инфляции, уровня качественных характеристик продукта/ услуги, географии реализации и других показателей.

Новые методы в разработке цены

Новый уровень исследования вопросов ценообразования с использованием роботов и современного моделирования бизнес-процессов позволяет более эффективно управлять компанией, оптимизировать ценовую стратегию, делая ее более гибкой и дифференцированной. Повышение качественного уровня ценообразования, в свою очередь, помогает руководителям бизнеса принимать обоснованные решения по развитию предприятия, загрузке его мощностей, осуществлению тех или иных инвестиционных затрат и т.д. Другими словами, резко возрастают возможности моделирования всех бизнес-процессов в виртуальном пространстве, что является существенным фундаментом для принятия принципиальных решений в реальном бизнесе.

Продемонстрируем трансформацию ценообразования благ на примере построения функции спроса. Как известно, она позволяет прогнозировать поведение потребителей (клиентов) в зависимости от  уровня и динамики изменения цен.  Показатели эластичности спроса в зависимости от тех или иных факторов давно уже известны в теории, но на практике они используются крайне редко из-за необходимости значительных статистических исследований. Регрессионные модели, позволяющие измерить влияние цены товара/услуги на рост/снижение покупательского спроса, требуют большого объема реальных замеров «игры с ценами» на рынке.

Так, при анализе зависимости (причинно-следственной связи) между ценой на товар X и уровнем спроса на него Y используется корреляция – установление статистической зависимости между случайными величинами, при которой изменение одной из них приводит к изменению математического ожидания другой. При построении парной линейной корреляции результативный признак Y связывается с переменной ценой X через формулу:

формула1(1),

где для нахождения параметров уравнения методом наименьших квадратов мы получаем систему нормальных уравнений:

формула2(2)

Отсюда:

формула3(3)

Коэффициент корреляции может быть выражен через дисперсии слагаемых:

формула4(4)

а дисперсии, характеризующие разброс независимой переменной X и результирующего фактора Y, определяются по формулам:

формула5(5)

Следует заметить, что все эти формулы зашиты в стандартное обеспечение программы EXCEL, и определить соответствующие значения не представляет особого труда, если есть достаточное количество замеров.

Так, исследуя для конкретной фирмы Альфа функцию спроса на продукт Б мы получили регрессионную модель зависимости продаж от цены товара следующего вида (с округлением):

Y=100 – 5*Х   (6)

Интересно, что данная модель позволяет определить оптимальную цену на исследуемый товар, реализуя по которой фирма получит максимальную прибыль. Для этого надо дополнительно знать лишь значение переменных затрат на единицу продукции (у нас это Е=3 д.е.- денежных единиц) и постоянные издержки за период  у нас это И=200 д.е. за месяц). Действительно, необходимо будет максимизировать маржинальную прибыль, равную выручке от реализации данного товара за минусом переменных издержек. Подставляя полученное уравнение регрессии, мы получим формулу маржи:

М= – 5Х*Х + 115 Х – 300 (7)

Взяв производную и приравняв ее к нулю (в точке экстремума), получим оптимальную цену на товар, равную 11,5 д.е.

Таким образом, новые возможности сбора данных и математические модели позволяют сделать важный шаг в совершенствовании ценообразования на фирме, в успешном поиске оптимальных цен, дающих максимальный финансовый результат.

Факторное моделирование спроса в зависимости от цен

Однако, в модели спроса на более высоком уровне моделирования в условиях цифровизации рекомендуется учитывать и другие разнообразные внешние факторы, такие, как:

  • сложившиеся тренды,
  • сезонность,
  • различные промо-мероприятия,
  • цены конкурентов,
  • этап жизненного цикла товара,
  • наличие и размер товарных запасов
  • и прочие известные факторы.

Тогда бизнес-аналитика ценообразования будет базироваться на многофакторных регрессионных моделях. Они также широко используются математиками, а практическая их реализация тормозилась только отсутствием больших баз данных по замерам результирующей величины продаж и исследуемым переменным.

Часто исследуемые признаки имеют разные единицы измерения, поэтому для оценки факторного признака на результативный применяется коэффициент эластичности, который рассчитывается по формуле:

формула8(8), где первый сомножитель – это первая производная уравнения регрессии.

Коэффициент эластичности показывает, на сколько процентов изменяется результативный признак (в нашем случае – спрос) при изменении факторного признака на 1%.

Понятно, что если товар обладает сильной волатильностью продаж, то моделирование осложняется. Наоборот, спокойные тренды продаж и редкое изменение цен позволяют моделировать более точно, а прогнозировать – более достоверно. Затрудняют  моделирование отсутствие исторических данных по новым товарам, рост/падение продаж на этапах ввода/вывода товаров, разовые события – разовое падение цен, праздничные всплески продаж, форс-мажорные обстоятельства и т.д. Однако и эти проблемы решаются в условиях современного информационно-математического обеспечения.

Очень важным аспектом в настоящее время является создание аналитических товарных и географических иерархий, методики вертикального объединения информации (vertical information pooling), горизонтального объединения информации (horizontal information pooling) и декомпозиции спроса и предложения. Для успешного моделирования цен необходимо также грамотное агрегирование продаж по товарам/магазинам со схожей сезонностью, схожей реакцией на изменение цен и внешние факторы, схожим отклик на промо-мероприятия (кластерный подход).

Учет цен на субституты и комплименты

При прямом моделировании прогноз спроса на тот или иной товар должен строиться также с учетом цен на его товары-заменители (субституты)  и сопутствующие товары (комплименты). В маркетинге это относят к так называемым кросс-эффектам (каннибализации и хало-эффекта, соответственно). Другими словами, не следует рассматривать товары по отдельности, а необходимо учитывать взаимодействие между ними, если они тесно связаны прямой или обратной связью.

Так, хало-эффект означает,  что продажи сопутствующих товаров (комплиментов) увеличиваются при увеличении продаж основного товара. Эффект каннибализации, наоборот, означает падение продаж  товаров-заменителей при росте продаж базового товара (так называемая внутренняя конкуренция между товарами).

Big Data в процессах трансформации ценообразования

Вышеизложенное свидетельствует о том, что интерес к большим базам данных (Big Data) в связи с трансформацией методов ценообразования непрерывно возрастает. Использование этого контента дает целый ряд преимуществ:

  • создание наиболее точного портрета целевого потребителя;
  • предсказание реакции потребителя на изменения цен;
  • персонализацию рекламных сообщений;
  • оптимизацию стратегий ценообразования;
  • создание цифрового маркетинга;
  • сохранение большего числа клиентов путем наименьших трат;
  • получение лучшего представления об эластичности спроса на предлагаемые продукты компании и так далее.

Big Data, в отличие от классического маркетинга, работает с более точной моделью потребителя и потому может достаточно достоверно прогнозировать его поведение при увеличении или снижении цен на исследуемые блага. В базах данных хранится и систематизируется информация обо всех покупках того или иного человека, о его предпочтениях и реакциях на демпинг или, наоборот, на завышение цен по отношению к качеству.

При анализе Big Data маркетологи фирмы видят маршруты приобретений у человека, имеют возможности придумывать интересные акции и бонусы на этом маршруте. Big Data дает возможность провести психологическую типизацию покупателей, систематизировать их по уровням дохода и стандартным паттернам поведения.

Как известно, набор поведенческих событий очень разнообразен и поведение в разных ситуациях может быть разным. Кроме того, чем больше у человека уровень дохода, тем менее надежно предсказание его индивидуального ценового поведения. Без технологий кластеризации и распознавания образов такое прогностическое исследование было бы невозможно. А доступны эти технологии стали только в период повсеместной цифровизации экономики, переходу к электронным платежам, использованию айфонов и социальных сетей.

Поведение конкретного человека неустойчиво, но поведение групп, в среднем, оказывается достаточно стабильным (эффект больших чисел). Поэтому исследование групп дает более достоверный прогностический результат, чем исследование индивидуальное. Опять же, формирование групп должно происходить по сходным позициям, учитывая кластерный подход и современные технологии нейро-сетевого программирования.

В настоящее время Big Data используют как данные реальных покупок офлайн и онлайн, в том числе через Интернет, так и информацию из соцсетей, с банковских карт, в том числе кредитных. Интеграция знаний из разных источников позволяет строить некий уровень ожидания приобретений исходя из соотношения «цена-качество» для различных целевых аудиторий. В свою очередь, это дает возможность настроить на них тот или иной акционный таргет (провести ретаргетинг).

Что тормозит ценовую трансформацию в бизнесе?

Существенной проблемой, однако, является не столько получение больших баз данных, сколько использование их с умом. Пока же наблюдается достаточно низкий уровень подготовки и предпринимателей и маркетологов, которые пытаются это делать. Эффективный маркетинг, основанный на новых технологиях Big Data, в основе своей предполагает активное желание владельцев и руководителей бизнесов вникнуть в вопросы цифровизации. Иначе затраты на трансформацию ценообразования и маркетинга на цифровых основах в целом могут быть признаны неэффективными.

По показателям цифровизации бизнеса Россия заметно отстает от ведущих стран. Об этом свидетельствует разработанный ИСИЭЗ НИУ ВШЭ Индекс цифровизации бизнеса, измеряющий скорость адаптации компаний к цифровой трансформации и характеризующий использование широкополосного Интернета, облачных сервисов, RFID-технологий, ERP-систем, а  также включенность организаций предпринимательского сектора в электронную торговлю. Значение индекса цифровизации бизнеса по России — 28 пунктов. По уровню распространения цифровых технологий в предпринимательском секторе Россия находится рядом с Болгарией, Венгрией и Румынией. Лидером выступает Финляндия (50 пунктов), далее следуют Бельгия (47), Дания (46), Республика Корея (45).

Уровень распространения новых бизнес-моделей в России существенно различается по отраслям экономики: наиболее распространены цифровые платформы на рынках, характеризующихся тесным взаимодействием поставщиков и потребителей, — в ритейле, сферах финансовых услуг, потребительских товаров и услуг, где платформенные решения активно развиваются с начала 2010-х годов.

Дальнейшее проникновение цифровых технологий в жизнь – одна из характерных особенностей будущего мира. Это обусловлено прогрессом в областях микроэлектроники, информационных технологий и телекоммуникаций. Однако скорость этого прогресса имеет существенное значение. Те компании, которые сделают ставку на использовании цифровых технологий, приобретут бесценные конкурентные преимущества. Развитие таких технологий, как Big Data, таргетированный маркетинг, 3D печать и прочих, позволит им производить товары и оказывать услуги, которые отвечают требованиям и нуждам не среднестатистического потребителя, а каждого конкретного клиента.

По сути, развитие информационных и коммуникационных технологий позволяет «состыковать» производителя с каждым конечным потребителем. Оказывается возможным сократить длинные цепочки посредников, в том числе и институциональных. Примером может служить финтех CroudMortgage — телефонное приложение, позволяющее ипотечным заемщикам брать кредит не у банков, а непосредственно у людей, обладающих свободными денежными средствами. Данная схема позволяет реализовать механизм, экономически выгодный для всех участников, кроме посредников (банков).

Цели и качество оптимизации цен в условиях цифровизации

При решении проблемы ценообразования в новых условиях хозяйствования следует, прежде всего, определиться с целями оптимизации цен. В самом общем случае стоимость товаров должна быть такой, чтобы компания могла:

  • занять желаемую долю рынка;
  • увеличивать объемы продаж, обеспечивать расширение своей клиентской базы;
  • быть прибыльной, гарантируя установленную владельцами норму прибыли;
  • обеспечивать завоевание и поддержание репутации компании, завоевание потребительского доверия, укрепление своих позиций на рынке;
  • увеличивать стоимость бизнеса в целом, его капитализацию (стоимостной подход) и т.д..

Далее компании необходимо сформировать команду проекта по внедрению новых цифровых технологий в бизнес-процесс ценообразования, в состав которой должны обязательно входить, на наш взгляд, маркетолог, прогнозист (математик, программист, специалист IT), креатор (креативный директор) и финансовый директор. В целом, данный проект должен входить, на наш взгляд, в зону ответственности финансового директора – исходя из его новой роли в условиях цифровой экономики.

Реализация проекта, в свою очередь, непосредственно зависит от уровня дисциплины и контроллинга, поставленного в компании. Только непрерывный мониторинг и слежение за ходом реализации поставленных целей может обеспечить выполнение реальной трансформации процесса ценообразования. Заметим, что именно оптимальные и гибкие цены, обоснованная и просчитанная политика скидок и бонусов, продуманный и просчитанный механизм установления цен на новые виды продукции позволяют запустить реальные продажи в компании и обеспечить необходимый для выживания и развития рост прибыли.

В современных быстроменяющихся условиях цена не может быть фиксированной – ее нужно варьировать при изменении рыночных ситуаций. Для того чтобы устанавливать оптимальные цены в стратегическом и тактическом режимах, компания должна иметь единую интегрированную систему методов ценообразования, которая учитывает взаимозависимость цен на продукцию одной ассортиментной группы; результаты мониторинга цен на аналоги, производимые предприятиями-конкурентами;  определение «цены безразличия» (такой цены, при которой покупатель с равной вероятностью может купить товар любого производителя) и т.д.. Чтобы склонить потребителя приобрести свою продукцию, компания может: снизить цену на товар; улучшить его качество; создать более удобные для потребителя условия расчета; повысить качество обслуживания и т.п.). Но все эти факторы нужно просчитывать на компьютерных моделях, используя большую персональную базу данных, накапливаемых в компании.

Важное значение при ценообразовании имеет также определение себестоимости продукции и путей ее уменьшения (концепт «бережливого производства»). Очевидно, что компания будет получать больше прибыли и развиваться, если цена на товар будет максимальной, а издержки на его производство – минимальными. Перспективным направлением поэтому является использование «эффекта масштаба», который предполагает создание условий, способствующих снижению затрат на производство продукции при увеличении производственных мощностей. Однако любое расширение бизнеса без предварительного проигрывания возможных сценариев его развития в виртуальном пространстве будет слишком рискованным.

Таким образом, задача разработки адекватных запросам времени подходов к ценообразованию благ является не только крайне значимой, но и вполне разрешимой в условиях цифровизации экономики. Цены являются индикатором, отражающим результаты работы всех подразделений компании, через них же предприятия могут реализовывать свои коммерческие цели. Изучение ценообразования в информационной экономике требует не только разработок в области современного интернет-маркетинга,  но и создания специальной проектной команды компании, целью которой будет отбор и внедрение современных моделей и цифровых технологий.

 

 

Управление: Знания Умения Навыки