Як цінова аналітика в e-commerce дає змогу збільшити ефективність категорійних менеджерів на 20–60%

Кількість цих фахівців на ринку України останніми роками зменшується, середній рівень експертності в ніші падає, а якість профільної освіти є сумнівною. Бізнеси відчувають нестачу професійних категорійних менеджерів дедалі гостріше. Один з варіантів розв’язання цієї проблеми — автоматизація завдяки інструментам для цінової аналітики.

20—60% робочого часу категорійного менеджера в e-commerce займає збирання інформації про ціни конкурентів, аналіз цін постачальників, аналіз ринку та переоцінювання товарів. До 90% цих завдань можна автоматизувати за допомогою платформ цінової аналітики й динамічного ціноутворення.

В інтерв’ю із СМО української pricing intelligence платформи Pricer24 Ліною Сівурою говоримо про те, як влаштовані такі рішення, якого економічного ефекту можна очікувати від їх упровадження і чи справді вийде наймати менше категорійників.

Як саме влаштоване автоматизоване збирання інформації про ціни конкурентів в e-commerce?

Ще десять років тому доволі велика частина ринку України збирала ціни конкурентів вручну. Категорійні менеджери заходили на сайти конкурентів, у свою категорію, наприклад ноутбуки. Порівнювали власний список товарів зі списком конкурентів за назвами, вписували в Excel-таблицю ціни й за допомогою формули рахували різницю. Далі аналізували всю цю плахту інформації та ухвалювали рішення про зміну цін. Кількість помилок за такого підходу — величезна.

А зараз темпи ринку такі, що ручний пошук став економічно недоцільним. Щоб знаходити всі зміни цін вчасно, потрібно наймати велику кількість людей, платити їм. Усе це стає додатковими витратами, які необхідно закласти в маржу. У ситуації, коли кожен ритейлер намагається тримати мінімальні ціни, це вже неможливо.

Тому всі великі гравці й багато менших послуговуються автоматизацією цінової аналітики. Головна проблема тут у тому, що єдиного стандарту немає і кожен провайдер сильно відрізняється від усіх інших. Утім, загальна концепція збирання така.

Є парсери — це роботи, які проходять потрібними сайтами, знаходять на них товари й ціни та в кращому разі передають ці дані до якоїсь системи, що далі має порівняти два каталоги. Те, що знайшли в конкурентів, порівнюється з тим, що є в самого магазину, який користується аналітикою. У гіршому разі це буде та сама Excel-таблиця без інтеграції з внутрішнім ПЗ бізнесу, тоді потрібно залучати категорійного менеджера.

Далі відбувається зіставлення: для товарів з вашого каталогу знаходиться пара в каталозі конкурента. Це може робити або система, або категорійник. Коли зіставлення відбулося, порівняння проводиться так: парсер раз на якийсь час буде проходити каталогом конкурента й збирати ціни на ті товари, які вже зв’язані з вашими.

Ваші ціни можуть передаватися до системи цінової аналітики фідом з вашої внутрішньої системи або іншим способом. Можна також парсити з вашого сайту, але це дорожче й недоцільно. Їх може вручну заповнювати категорійник.

Отже, рішення, які є на ринку, мають різний ступінь автоматизації та різну якість сервісу. Іноді це просто парсер цін, з яким потрібно працювати руками й вишукувати помилки. До того ж нерідко парсер цін знаходить 70% від реального перетину товарів, і ви просто не бачите 30% цін конкурентів, тому їх треба дошукувати вручну або не брати до уваги — так собі стратегія. Але може бути й повнофункціональна платформа, яка автоматизує кожну стадію процесу, як Pricer24, і тоді категорійник перестає витрачати години на марудну роботу — йому достатньо 10 хвилин на день на аналітику.

На ринку багато рішень для автоматизації цінової аналітики? Категорійним менеджерам є з чого вибирати?

Так і ні. Вибір на перший погляд справді здається великим. В Україні є до 10 відомих компаній, пов’язаних із ціновою аналітикою. Усе стає складнішим, щойно бізнеси починають цікавитися, що вони можуть робити. Більшість гравців пропонує суто парсинг — перший крок цінової аналітики.

Парсинг — не нова технологія. На цьому поприщі немає принципових ноухау, які б змінили підхід і значно здешевили збирання даних. У різних рішень ціни можуть відчутно відрізнятися, але всі працюють з одними й тими самими технологіями та проблемами. Тому різниця в ціні парсингу майже напевно означає пропорційну різницю в якості даних. Вибрали дешевше рішення — будете бачити неактуальну картину в e-commerce.

Часом це здається дивним. Якщо сервіс погано виконує роботу, чому він існує і має клієнтів? Тому, що клієнти не хочуть розібратися в ситуації. Вони бачать якусь таблицю із цінами, але не усвідомлюють, що в ній немає третини ринку й що помилок могло б бути набагато менше. Щось робиться, якісь продажі відбуваються. А щойно бізнес починає працювати з аналітикою розумно, починається зростання. Але до цього усвідомлення дійшли ще не всі наші продавці.

Це було про парсинг, який пропонують більшість провайдерів. Щодо іншого, то дуже мало гравців роблять те, що Pricer24, — агреговану аналітику всього ринку: цін, асортименту, акцій, а також динамічне ціноутворення. Ще менше роблять це якісно, як ми. Тому з нами й працюють троє найкращих гравців e-commerce в Україні — Розетка, Епіцентр і Comfy.

Справді професійних рішень із цінової аналітики небагато. Наскільки мені відомо, за кількістю можливостей та потенціалом кастомізації Pricer24 не має конкурентів.

Чи можна на етапі перемовин зрозуміти, наскільки якісний сервіс надаватиме підрядник?

Загальна порада така: репутація важливіша за будь-які маркетингові обіцянки. Перше, на що ви повинні дивитися на сайті потенційного підрядника, — це логотипи й іменні відгуки його клієнтів. На етапі перемовин також варто як мінімум відсіяти явні червоні прапорці.

Наприклад, на ринку можна зустріти обіцянки в стилі «оновлення цін у реальному часі». Це нереалістично. Парсер — це робот, який має скопіювати, грубо кажучи, кожну сторінку товару на сайті, звести всі зібрані дані та проаналізувати їх. Якщо на сайті два товари, то, напевно, можливо здійснювати парсинг що дві секунди. Але якщо товарів тисячі, то парсеру потрібен час, щоб пройти сайт і зібрати дані. Це може бути і дві, і три години. Тому ви як мінімум отримуєте інформацію з такою затримкою. З іншого боку, недоцільно здійснювати парсинг цілодобово. У більшості товарних категорій e-commerce ціни змінюються 1 раз на день, і такої частоти парсингу достатньо. Але важливо, щоб підрядник із цінової аналітики міг змінювати частоту в плюс і в мінус, бо вимоги в бізнесів різні. Зокрема, один бізнес може потребувати різної частоти оновлень у межах різних категорій товарів.

Крім того, важливим є так званий discovery rate. Оскільки сучасні онлайн-магазини добре захищені й мають різнопланову архітектуру, шаблонним парсерам важко знайти кожен товар у каталозі, трапляються помилки. Парсери потрібно кастомізувати, і крім Pricer24, це дуже мало хто робить.

Discovery rate у ціновій аналітиці показує, скільки з тих товарів, що є і у вашому каталозі, і в каталозі конкурента, буде знайдено. На ринку є рішення, які знаходять 70% таких товарів, тобто ви не бачите 30% картини ринку, зате парсер дешевший. Важливо також розуміти, що підрядник може обіцяти 100% discovery rate, але рахувати, наприклад, тільки за точним збігом назв. Тобто всі товари, де назви збігаються, буде знайдено. А однакові товари з різними назвами — ні. Таких товарів з різними назвами в каталогах може бути й 40% від загального перетину. Тобто ви маєте умовний discovery rate 100%, але водночас не бачите майже половини ринку.

Таких нюансів є зо три десятки. Чи просить підрядник технічне завдання на збирання даних? Чи перевіряє він уже встановлені зв’язки товарів на актуальність? Чи шукає новинки в каталогах конкурентів? Чи агрегує дані самостійно, чи вам доведеться сидіти над таблицями годинами? Як часто оновлюються дані? Чи є можливість адаптувати систему під ваш бізнес-процес та інші моменти.

Чи вигідно бізнесу загалом використовувати автоматизацію цінового аналізу й ціноутворення?

Коротка відповідь: так, якщо робити це помірковано. У нас є клієнти, яким упровадження цінової аналітики та динамічного ціноутворення дало змогу звільнити майже 50% часу категорійних менеджерів. Відповідно, вони змогли розширити асортимент, не наймаючи нових людей. Для команд до 50 працівників це суттєво змінює ситуацію, тому що найм та онбординг нового спеціаліста — це дорого, і це збільшує постійні витрати без гарантованого приросту ефективності. З огляду на непросту ситуацію з кваліфікованими категорійними менеджерами на ринку праці, це може бути дуже серйозним бонусом для бізнесу, який відкриває нові шляхи для зростання.

Мені важко уявити сучасний e-commerce-бізнес без автоматизації взагалі. Зокрема, у двох ключових процесах: аналіз цін конкурентів і аналіз цін постачальників. Цієї роботи настільки багато, що виконувати її вручну може дозволити собі тільки дуже багатий бізнес.

З іншого боку, неграмотна автоматизація може, навпаки, збільшити кількість ручної роботи категорійника. Якщо бізнес працює з неякісним інструментом і має сам зіставляти товари, звіряти ціни рядок до рядка годинами, а потім самостійно аналізувати інформацію, агрегувати її, то це не скоротить потребу в наймі.

Які перспективи ШІ в ціновій аналітиці? Як скоро ШІ зможе виконувати роботу категорійного менеджера?

Ситуація зараз така, що в більшості e-commerce-бізнесів немає сильних аналітиків, які вміють працювати із цінами стратегічно. З іншого боку, велика кількість компаній вабить бізнеси обіцянками глибинного аналізу за участю чарівного ШІ. Бізнеси не дуже розуміють, як влаштований штучний інтелект, і радо пробують нові інструменти. Тому попит на ШІ-аналітику зростає, а конкурентна прірва між тими, хто вміє, і тими, хто не хоче вчитися, поглиблюється.

З огляду на поточний рівень розвитку технологій штучного інтелекту, я б сказала, що ШІ наближається до рівня молодшого спеціаліста з категорійного менеджменту. Штучний інтелект може, наприклад, зіставляти більшу частину товарів без участі людини, але ще не вміє бачити аномалії, робити прогнози на основі даних, ухвалювати стратегічні рішення.

Я припускаю, що згодом ШІ зможе шукати аномалії в цифрах і прогнозувати тенденції доволі непогано. Власне, у Pricer24 ми працюємо над таким продуктом просто зараз. Але, щоб це діяло, ШІ треба постійно навчати, до того ж робити це стратегічно помірковано. У цьому сенсі ми маємо перевагу — величезну кількість якісних даних, на яких можна тренувати модель. Не в багатьох наших конкурентів є такий обсяг даних.

Проте тут теж треба розуміти, що ШІ — сильний маркетинговий тренд, і різні платформи активно додають його у свої процеси та розказують про ШІ на своїх сайтах, часом нехтуючи якістю, щоб встигнути, поки ринок гарячий. Зокрема, мене дуже непокоїть автоматичне переоцінювання на базі штучного інтелекту.

Жоден із провайдерів, які його пропонують, не погоджується докладно пояснити логіку, як саме ШІ призначає нові ціни на товари. Штучний інтелект залишається чорною коробкою, водночас маючи прямий впив на маржу й прибуток бізнесу.

Це дивно, але це працює, тому що кнопка «ШІ зробить усе» надзвичайно приваблива для людей, і вони готові знехтувати ризиками. Мало хто розуміє, як влаштовані сучасні LLM-моделі, як вони здійснюють аналітику.

Завдання такої моделі — дати відповідь, яка сподобається користувачу, а не правильну відповідь. Це не про математику, не про статистику — це про вгадування того, що користувач хоче почути. Тому ШІ галюцинує, бреше, помиляється. Довіряти маржинальність бізнесу такому інструменту поки що не варто. Але розробки в цьому напрямі тривають.

Що таке якісна цінова аналітика і якого економічного ефекту від неї варто очікувати?

В основі якісної цінової аналітики — стратегія розвитку бізнесу. Якщо e-commerce-бізнес розуміє свою позицію на ринку й має якісну цінову аналітику, можна розраховувати на стабільне зростання і дуже приємний ROI.

Робота із цінами — це ключ. Спеціалісти, які працюють із ціноутворенням, мають передусім зрозуміти, на базі чого вони їх формують.

Бути дешевшими за всіх на ринку — привабливо як ідея, але погано для маржі. Крім того, часто нереалістично. Мати другу найменшу ціну — варіант, але ви ж не можете просто використати одне й те саме правило для всіх товарів. Тут недостатньо гнучкості. Мати найкращу ціну на топові товари та більшу маржу на супутні товари — робочий варіант у теорії, але на практиці потрібно правильно визначити такі товари.

І тут стає ясно, чому якісна аналітика змінює все. Грубо кажучи, якщо ви не розумієте точних сьогоднішніх цін конкурентів та їхнього асортименту, то не встановите ціни на свої товари так, щоб купили у вас. А пошук цих інсайтів — дуже непросте завдання.

До прикладу, ви хочете зрозуміти недоліки свого асортименту порівняно з головним конкурентом і спланувати зміни. Для цього вам потрібно оцінити, які товари конкурент просуває найбільше, які моделі мають найвищий попит, наскільки загалом асортимент конкурента ширший, наскільки дешевшими є топові бренди, які товари продає конкурент, а ви не продаєте. Далі необхідно аналізувати постачальників. Якщо конкурент продає вашу топову модель за меншою ціною, ніж ви закуповуєте в постачальника, то вам треба краще працювати з постачальниками. Щоденна робота із цінами складається з тисячі таких питань, відповідей і рішень на базі цих відповідей.

На ринку дуже багато даних. Не всі вміють збирати їх якісно, не всі вміють аналізувати їх, і тому є два варіанти.

Перший — вам потрібен сильний аналітик, спроможний помітити аномалію на ринку та вчасно зрозуміти, що відбувається щось нове й важливе. Тут ми стикаємося з проблемою найму висококваліфікованих спеціалістів.

Варіант другий — вам потрібен інструмент, який може виконувати математично-аналітичні фунції за вас: агрегувати дані, показувати, на що варто звернути увагу, і проводити всю підготовчу роботу, щоб категорійний менеджер подивився на дані впродовж декількох хвилин і ухвалив правильне рішення. Це те, що ми робимо в Pricer24.

На прикладі наших клієнтів ми бачимо стабільне зростання після початку використання цінової аналітики на платформі Pricer24. Підходи в бізнесів різні, і цифри різні, але перелік наших клієнтів говорить сам за себе.