Как ценовая аналитика в e-commerce позволяет повысить эффективность категорийных менеджеров на 20–60%

Количество этих специалистов на рынке Украины в последние годы уменьшается, средний уровень экспертности в нише падает, а качество профильного образования сомнительно. Бизнесы испытывают нехватку профессиональных категорийных менеджеров все острее. Один из вариантов решения этой проблемы — автоматизация благодаря инструментам ценовой аналитики.

20-60% рабочего времени категориального менеджера в e-commerce занимает сбор информации о ценах конкурентов, анализе цен поставщиков, анализе рынка и переоценке товаров. До 90% этих задач можно автоматизировать с помощью платформ ценовой аналитики и динамического ценообразования.

В интервью с СМО украинской pricing intelligence платформы Pricer24 Линой Сивурой говорим о том, как устроены такие решения, какого экономического эффекта можно ожидать от их внедрения и действительно ли получится нанимать меньше категорийщиков.

Как именно устроен автоматизированный сбор информации о ценах конкурентов в e-commerce?

Еще десять лет назад довольно большая часть рынка Украины собирала цены конкурентов вручную. Категорийные менеджеры заходили на сайты конкурентов, в свою категорию, например ноутбуки. Сравнивали собственный список товаров со списком конкурентов по названиям, вписывали в Excel-таблицу цены и с помощью формулы считали разницу. Далее анализировали всю эту кучу информации и принимали решение об изменении цен. Количество ошибок при таком подходе — огромное.

Сейчас темпы рынка таковы, что ручной поиск стал экономически нецелесообразным. Чтобы находить все изменения цен вовремя, нужно нанимать большое количество людей, платить им. Все это становится дополнительными расходами, которые необходимо заложить в маржу. В ситуации, когда каждый ритейлер пытается держать минимальные цены, это уже невозможно.

Поэтому все крупные игроки и многие меньшие пользуются автоматизацией ценовой аналитики. Главная проблема здесь в том, что единого стандарта нет и каждый провайдер сильно отличается от всех остальных. Впрочем, общая концепция сбора такова.

Есть парсеры — это роботы, которые проходят по нужным сайтам, находят на них товары и цены и в лучшем случае передают эти данные в какую-то систему, которая далее должна сравнить два каталога. То, что нашли у конкурентов, сравнивается с тем, что есть у самого магазина, который пользуется аналитикой. В худшем случае это будет та самая Excel-таблица без интеграции с внутренним ПО бизнеса, тогда нужно привлекать категорийного менеджера.

Далее происходит сопоставление: для товаров из вашего каталога находится пара в каталоге конкурента. Это может делать либо система, либо категорийщик. Когда сопоставление произошло, сравнение проводится так: парсер раз в некоторое время будет проходить каталог конкурента и собирать цены на те товары, которые уже связаны с вашими.

Ваши цены могут передаваться в систему ценовой аналитики фидом из вашей внутренней системы или другим способом. Можно также парсить с вашего сайта, но это дороже и нецелесообразно. Их может вручную заполнять категорийщик.

Итак, решения, которые есть на рынке, имеют разную степень автоматизации и разное качество сервиса. Иногда это просто парсер цен, с которым нужно работать руками и выискивать ошибки. К тому же нередко парсер цен находит 70% от реального пересечения товаров, и вы просто не видите 30% цен конкурентов, поэтому их нужно доискивать вручную или не принимать во внимание — так себе стратегия. Но может быть и полнофункциональная платформа, которая автоматизирует каждую стадию процесса, как Pricer24, и тогда категорийщик перестает тратить часы на утомительную работу — ему достаточно 10 минут в день на аналитику.

На рынке много решений для автоматизации ценовой аналитики? Категорийным менеджерам есть из чего выбирать?

Да и нет. Выбор на первый взгляд действительно кажется большим. В Украине существует до 10 известных компаний, связанных с ценовой аналитикой. Все становится сложнее, как только бизнесы начинают интересоваться, что они могут делать. Большинство игроков предлагает сугубо парсинг — первый шаг ценовой аналитики.

Парсинг — не новая технология. В этой области нет принципиальных ноу-хау, которые изменили бы подход и значительно удешевили сбор данных. Цены на различные решения могут значительно отличаться, но все они работают с одними и теми же технологиями и проблемами. Поэтому разница в цене парсинга почти наверняка означает пропорциональную разницу в качестве данных. Выбрали более дешевое решение — будете видеть неактуальную картину в e-commerce.

Иногда это кажется странным. Если сервис плохо выполняет свою работу, почему он существует и имеет клиентов? Потому что клиенты не хотят разбираться в ситуации. Они видят какую-то таблицу с ценами, но не осознают, что в ней нет трети рынка и что ошибок могло бы быть гораздо меньше. Что-то делается, какие-то продажи происходят. А как только бизнес начинает работать с аналитикой разумно, начинается рост. Но к этому осознанию пришли еще не все наши продавцы.

Это было о парсинге, который предлагают большинство провайдеров. Что касается другого, то очень мало игроков делают то, что Pricer24 — агрегированную аналитику всего рынка: цен, ассортимента, акций, а также динамическое ценообразование. Еще меньше делают это отменно, как мы. Поэтому с нами и работают три лучших игрока e-commerce в Украине — Розетка, Эпицентр и Comfy.

Действительно, профессиональных решений по ценовой аналитике немного. Насколько мне известно, по количеству возможностей и потенциалу кастомизации Pricer24 нет конкурентов.

Можно ли на этапе переговоров понять, насколько качественный сервис будет предоставлять подрядчик?

Общий совет таков: репутация важнее любых маркетинговых обещаний. Первое, на что вы должны обратить внимание на сайте потенциального подрядчика, — это логотипы и именные отзывы его клиентов. На этапе переговоров также стоит как минимум отсеять явные красные флажки.

Например, на рынке можно встретить обещания в стиле «обновление цен в реальном времени». Это нереалистично. Парсер — это робот, который должен скопировать, грубо говоря, каждую страницу товара на сайте, собрать все данные и проанализировать их. Если на сайте два товара, то, наверное, возможно осуществлять парсинг каждые две секунды. Но если товаров тысячи, то парсеру нужно время, чтобы пройти сайт и собрать данные. Это может быть и два, и три часа. Поэтому вы как минимум получаете информацию с такой задержкой. С другой стороны, нецелесообразно осуществлять парсинг круглосуточно. В большинстве товарных категорий e-commerce цены меняются 1 раз в день, и такой частоты парсинга достаточно. Но важно, чтобы подрядчик по ценовой аналитике мог изменять частоту в плюс и в минус, потому что требования у бизнесов разные. В частности, один бизнес может нуждаться в разной частоте обновлений в пределах разных категорий товаров.

Кроме того, важен так называемый discovery rate. Поскольку современные онлайн-магазины хорошо защищены и имеют разноплановую архитектуру, шаблонным парсерам трудно найти каждый товар в каталоге, случаются ошибки. Парсеры нужно кастомизировать, и кроме Pricer24, это очень мало кто делает.

Discovery rate в ценовой аналитике показывает, сколько из тех товаров, которые есть и в вашем каталоге, и в каталоге конкурента, будет найдено. На рынке есть решения, которые находят 70% таких товаров, то есть вы не видите 30% картины рынка, зато парсер дешевле. Важно также понимать, что подрядчик может обещать 100% discovery rate, но считать, например, только по точному совпадению названий. То есть все товары, где названия совпадают, будут найдены. А одинаковые товары с разными названиями — нет. Таких товаров с разными названиями в каталогах может быть и 40% от общего пересечения. То есть у вас условный discovery rate 100%, но при этом вы не видите почти половину рынка.

Таких нюансов около трех десятков. Запрашивает ли подрядчик техническое задание на сбор данных? Проверяет ли он уже установленные связи товаров на актуальность? Ищет ли новинки в каталогах конкурентов? Агрегирует ли данные самостоятельно, или вам придется часами сидеть над таблицами? Как часто обновляются данные? Есть ли возможность адаптировать систему под ваш бизнес-процесс и другие моменты.

Выгодно ли бизнесу использовать автоматизацию ценового анализа и ценообразования?

Краткий ответ: да, если делать это умеренно. У нас есть клиенты, которым внедрение ценовой аналитики и динамического ценообразования позволило освободить почти 50% времени категорийных менеджеров. Соответственно, они смогли расширить ассортимент, не нанимая новых людей. Для команд до 50 сотрудников это существенно меняет ситуацию, потому что наем и онбординг нового специалиста — это дорого, и это увеличивает постоянные расходы без гарантированного прироста эффективности. Учитывая непростую ситуацию с квалифицированными категорийными менеджерами на рынке труда, это может быть очень серьезным бонусом для бизнеса, который открывает новые пути для роста.

Мне трудно представить современный e-commerce-бизнес без автоматизации вообще. В частности, в двух ключевых процессах: анализ цен конкурентов и анализ цен поставщиков. Этой работы так много, что выполнять ее вручную может позволить себе только очень богатый бизнес.

С другой стороны, неграмотная автоматизация может, наоборот, увеличить количество ручной работы категориста. Если бизнес работает с некачественным инструментом и должен сам сопоставлять товары, сверять цены строка за строкой часами, а затем самостоятельно анализировать информацию, агрегировать ее, то это не сократит потребность в найме.

Какие перспективы ИИ в ценовой аналитике? Как скоро ИИ сможет выполнять работу категорического менеджера?

Ситуация сейчас такова, что в большинстве e-commerce-бизнесов нет сильных аналитиков, которые умеют работать с ценами стратегически. С другой стороны, большое количество компаний манит бизнесы обещаниями глубокого анализа с участием волшебного ИИ. Бизнесы не очень понимают, как устроен искусственный интеллект, и с радостью пробуют новые инструменты. Поэтому спрос на ИИ-аналитику растет, а конкурентная пропасть между теми, кто умеет, и теми, кто не хочет учиться, углубляется.

Учитывая текущий уровень развития технологий искусственного интеллекта, я бы сказала, что ИИ приближается к уровню младшего специалиста по категорийному менеджменту. Искусственный интеллект может, например, сопоставлять большую часть товаров без участия человека, но еще не умеет видеть аномалии, делать прогнозы на основе данных, принимать стратегические решения.

Я предполагаю, что со временем ИИ сможет искать аномалии в цифрах и прогнозировать тенденции довольно неплохо. Собственно, в Pricer24 мы работаем над таким продуктом прямо сейчас. Но, чтобы это работало, ИИ нужно постоянно обучать, к тому же делать это стратегически взвешенно. В этом смысле у нас есть преимущество — огромное количество качественных данных, на которых можно тренировать модель. Не у многих наших конкурентов есть такой объем данных.

Однако здесь тоже нужно понимать, что ИИ — сильный маркетинговый тренд, и различные платформы активно добавляют его в свои процессы и рассказывают об ИИ на своих сайтах, порой пренебрегая качеством, чтобы успеть, пока рынок горячий. В частности, меня очень беспокоит автоматическая переоценка на базе искусственного интеллекта.

Ни один из провайдеров, которые его предлагают, не соглашается подробно объяснить логику, как именно ИИ назначает новые цены на товары. Искусственный интеллект остается черной коробкой, при этом имея прямое влияние на маржу и прибыль бизнеса.

Это странно, но это работает, потому что кнопка «ИИ сделает все» чрезвычайно привлекательна для людей, и они готовы пренебречь рисками. Мало кто понимает, как устроены современные LLM-модели, как они осуществляют аналитику.

Задача такой модели — дать ответ, который понравится пользователю, а не правильный ответ. Это не о математике, не о статистике — это о угадывании того, что пользователь хочет услышать. Поэтому ИИ галлюцинирует, врет, ошибается. Доверять маржинальность бизнеса такому инструменту пока не стоит. Но разработки в этом направлении продолжаются.

Что такое качественная ценовая аналитика и какого экономического эффекта от нее следует ожидать?

В основе качественной ценовой аналитики — стратегия развития бизнеса. Если e-commerce-бизнес понимает свою позицию на рынке и имеет качественную ценовую аналитику, можно рассчитывать на стабильный рост и очень приятный ROI.

Работа с ценами — это ключ. Специалисты, работающие с ценообразованием, должны прежде всего понять, на основе чего они их формируют.

Быть дешевле всех на рынке — привлекательно как идея, но плохо для маржи. Кроме того, часто нереалистично. Иметь вторую самую низкую цену — вариант, но вы же не можете просто использовать одно и то же правило для всех товаров. Здесь недостаточно гибкости. Иметь лучшую цену на топовые товары и большую маржу на сопутствующие товары — рабочий вариант в теории, но на практике нужно правильно определить такие товары.

И здесь становится ясно, почему качественная аналитика меняет все. Грубо говоря, если вы не понимаете точных сегодняшних цен конкурентов и их ассортимента, то не установите цены на свои товары так, чтобы купили у вас. А поиск этих инсайтов — очень непростая задача.

Например, вы хотите понять недостатки своего ассортимента по сравнению с главным конкурентом и спланировать изменения. Для этого вам нужно оценить, какие товары конкурент продвигает больше всего, какие модели пользуются наибольшим спросом, насколько в целом ассортимент конкурента шире, насколько дешевле топовые бренды, какие товары продает конкурент, а вы не продаете. Далее необходимо анализировать поставщиков. Если конкурент продает вашу топовую модель по меньшей цене, чем вы закупаете у поставщика, то вам нужно лучше работать с поставщиками. Ежедневная работа с ценами состоит из тысячи таких вопросов, ответов и решений на основе этих ответов.

На рынке очень много данных. Не все умеют собирать их качественно, не все умеют анализировать их, и поэтому есть два варианта.

Первый — вам нужен сильный аналитик, способный заметить аномалию на рынке и вовремя понять, что происходит что-то новое и важное. Здесь мы сталкиваемся с проблемой найма высококвалифицированных специалистов.

Вариант второй — вам нужен инструмент, который может выполнять математически-аналитические функции за вас: агрегировать данные, показывать, на что стоит обратить внимание, и проводить всю подготовительную работу, чтобы категоричный менеджер посмотрел данные в течение нескольких минут и принял правильное решение. Это то, что мы делаем в Pricer24.

На примере наших клиентов мы видим стабильный рост после начала использования ценовой аналитики на платформе Pricer24. Подходы у бизнесов разные, и цифры разные, но перечень наших клиентов говорит сам за себя.