Petr Bláha: Kdy a proč zavést dynamický pricing?

• V Česku trávíme spoustu času optimalizací marketingových kanálů na úkor strategického zamyšlení nad cenotvorbou.
• Dynamický pricing přináší jednotlivým firmám víc peněz a do trhu jako celku vnáší zdravější konkurenci. Vytváří udržitelnější prostředí.
• Existují dva modely dynamického princingu, jeden funguje na sadě pravidel a druhý metodou machine learningu.
• Pro koho a kdy jsou dané modely vhodné? A jak se strategickou cenotvorbou začít?

 

Specialista na strategickou cenotvorbu Petr Bláha má v Dataweps na starost nástroj pro automatický pricing Disivo. Na Czech Online Expo si připravil přednášku na téma: Jaký model dynamického princingu zvolit pro váš e-shop. Jeho přednášku můžete navštívit v pátek 29. 3. 2019 ve 14:30 v rámci E-commerce Data Summitu, jehož přípravu v Datawepsu zajišťujeme a náš CEO Honza Mayer panel moderuje. Před samotnou přednáškou jsme pro vás připravili rozhovor, který vám pomůže odnést si z Petrova know-how maximum.

 

Rozhodl ses věnovat přednášku dynamickému pricingu. Proč chceš otevřít právě tohle téma?

Ačkoli se situace od poloviny minulého roku rapidně zlepšila, stále je v Česku téma dynamického princingu příliš pod radarem a my v Dataweps jsme společně s Yieldigo první, kdo nejenže o automatizaci cen zvyšuje povědomí, ale také ji umí firmám i vyřešit. Když se zeptáte jakékoliv firmy, odpoví, že ceny má samozřejmě zmáknuté, ale dalším doptáváním dojdete k uvědomění, že ceny neumějí optimálně řešit ani ty největší e-shopy, kterým běží reklama v televizi. Opravdu zmáknuté to má v Česku možná pár desítek firem, když budeme optimističtí. Proto je potřeba se o dynamickém pricingu bavit, na E-commerce Data Summitu i jinde.

Co děláme v souvislosti s cenotvorbou špatně?

Hlavní potíž je v tom, že neumíme dopady cenotvorby měřit. Souvisí s tím ale více věcí.
E-shopy zaprvé nemají lidi, kteří by se o automatickou cenotvorbu starali. A zadruhé prioritizují věci, které mají z mého pohledu druhotnou důležitost, jako je optimalizace marketingových kanálů. Zatřetí se bojí do cenotvorby sáhnout, je to citlivé téma.

V čem přesně je téma cenotvorby citlivé?

Strach je založený na tom, že firmy nemají jistotu, že dělají správná rozhodnutí. Neznají způsob, jak zjistit, co se děje v jejich businessu. A kdyby ho měly a vytvořily novou cenovou strategii, nemají ji jak vyhodnotit.

 

„Znám jen několik jednotek e-shopů, které dokáží plynule dělat rozhodnutí ohledně ceny, tato rozhodnutí implementovat a pak vyhodnocovat.”

 

Je to i o tom, že si neuvědomujeme, jak je strategický pricing důležitý?

Ano, může budit zdání pandořiny skříňky – raději ji neotvírat, protože kdo ví, co může vypadnout. Zároveň to není tak trendy téma, jako je například optimalizace marketingových kanálů. Marketingové a e-commerce blogy píšou o sítích, PPC, influencer marketingu, ale hluboké business strategie tohoto typu zatím popularizované nejsou.

Když si optimalizaci cen připustíme a začneme s ní pracovat, co nám přinese?

Víc peněz. To je alfa a omega. Sekundárně nám zlepší postavení na trhu a obecně by měla přinášet narovnání celého trhu. Stále máme v e-commerce segmenty, které jsou pěkná divočina, a automatizace cen může pomoct.

Jaké modely dynamického princingu existují?

Modely máme dva. Prvním je rule-based model. V principu si vytvoříme pravidla, na jejichž základě se cena upravuje. Může se jednat o makro pravidla jako „Chci být vždy nejlevnější, a když nejsem nejlevnější, srovnejme cenu s mým nejlevnějším konkurentem.” Nebo: „Když mám vyšší cenu a prodávám dobře, nic neměnit. Pokud prodeje nejdou, zlevnit.” Takových pravidel si můžeme definovat obrovské množství, ať už z business nebo z marketingového pohledu.

Druhý model jde cestou machine learningu. K tomu už potřebujeme vysoké množství dat. Dobře se bude optimalizace cen řešit například Penny marketu, který za den prodá řekněme 6 000 másel. Model na základě nasbíraných dat vyhodnotí, kolik by mělo máslo stát, abychom maximalizovali zisk nejen z másla, ale i z celého nákupního košíku.

Jaké jsou výhody a limity jednotlivých modelů?

Největší výhodou machine learningu je, že udělá práci za nás. Kromě implementace dat nemusíme nic dělat, jen dostáváme výsledky. Pokud je správně nastavený, může dělat lepší rozhodnutí než ten nejlepší specialista. Vidí korelace, které jako lidé nejsme schopni vidět.

Jako jeho limit vnímám, že je díky tomu black boxem. Ani specialisté, kteří tyhle systémy vyvíjí, neví do detailů, co přesně se uvnitř děje. Rozumí principům, přiblíží výsledky, ale model se učí sám od sebe a proč přesně je výsledek takový, jaký je, ví jen model sám. Proto doporučuji model kontrolovat pravidelnými analýzami výsledků.

Dále nás od jeho využití může odradit, že k fungování potřebuje neskutečné množství dat. Je to stroj a ne člověk, a proto neví, jestli je daná VANSka hezká nebo ošklivá. Musí se to naučit rozlišovat jinak než vizuálně, a k tomu potřebuje obrovská data. V Česku existuje jen několik firem, které taková data generují.

A model založený na pravidlech?

Jako největší přidanou hodnotu rule-based modelu vnímám spojení dovedností produktového manažera či nákupčího a nástroje, který mu dáme do ruky. Nástroj na dynamický pricing mu neskutečně zjednoduší a zautomatizuje práci. Člověk s cenným, několikaletým know-how má najednou k ruce mocný nástroj, který je transparentní a rychle přizpůsobitelný – když něco nefunguje, vypne to nebo změní.

Limitem tohoto přístupu je, že zaprvé nedokáže odhalit všechny korelace, tak jako to umí machine learning. Musíme také počítat s časovou zátěží. Něco zabere model nastavit a je potřeba se mu pravidelně věnovat a vyhodnocovat jej.

Podle čeho rozhodnout, který model je pro nás vhodný?

Záleží na velikosti. Když děláme A/B testing, potřebujeme mít na každou variantu minimálně 300 konverzí, abychom byli schopni říct, která varianta je lepší. Tj. na jeden A/B test potřebujeme 600 konverzí. Test nám nesmí běžet déle než měsíc, protože potom je zatížen datovým šumem (mění se situace na trhu, nabídka konkurence, sezóna, preference aj.).

Tento vzorek 600 konverzí potřebujeme na jeden produkt nebo na skupinu homogenně se chovajících produktů. Generuje-li náš e-shop 600 objednávek měsíčně, museli bychom takový test napříč celým portfoliem, což nemá výpovědní hodnotu.

 

„Ve chvíli, kdy jsme jako firma na stovkách objednávek měsíčně, doporučuji optimalizaci princingu neřešit. Máme-li tak málo objednávek, nejspíš jsme ve stavu, kdy potřebujeme prioritně optimalizovat jiné věci, např. opravdu ty marketingové kanály.”

 

Splňujeme-li podmínky a máme dostatek objednávek, jak udělat první krok?

Máme-li zhruba 1000 objednávek měsíčně, je čas si zodpovědět pět základních otázek, o kterých se budeme bavit na přednášce:

1. Jsou naše marketingové kanály optimalizované?
2. Máme vůbec pricingovou strategii? Jaká je?
3. Máme všechna důležitá data?
4. Jaké nástroje pro optimalizaci ceny použijeme?
5. Kdo se o ně bude starat?

Pokud máme na všechny otázky dostatečné odpovědi, jaký je první krok k implementaci dynamické cenotvorby?

Známe-li svou pricingovou strategii a máme-li připravena data, můžeme vzít veškeré informace a domněnky, které jsme si o trhu mysleli, a podrobit je detailní datové analýze. A sledovat jak obstojí. Jak náš trh skutečně funguje? Kde jsou největší příležitosti a kde leží hrozby? Jak se trh chová, když nastane změna? Jaký je vývoj trhu?

To je je naprostý základ, spolu s cenovou strategií a nastavením prvních pravidel (v případě rule-based modelu). Po implementaci necháme data 14 dní až měsíc běžet a toto první kolo vyhodnotíme. Věci, které fungovaly, ponecháme, a co nefungovalo, změníme a dále optimalizujeme.

Potřebujeme k dynamickému pricingu vždy software, nebo lze postupovat svépomocí?

Můžeme použít jakýkoliv business intelligence nebo reportovací nástroj, kam můžeme data vkládat a z toho samého místa je následně vyhodnocovat. Je to manuálně náročnější než při použití specializovaného softwaru, ale jde to.

V čem vidíš v souvislosti s pricingem největší šanci pro tento rok?

V oboru dnes slýcháme o možnosti příchodu krize, do toho vystrkuje růžky Amazon a začíná se zvyšovat tlak na to, aby se s cenou začalo pracovat dobře. Aby firmy dělaly v rámci cenotvorby správná rozhodnutí. Čím dál víc se potvrzuje, že firmy už dnes nechtějí tlačit ceny uměle dolů, a hledají cesty, jak udržet rozumný pricing.

 

„V tom vidím největší potenciál – říct si, že chceme s cenou pracovat kvalitně. Nechceme se tady navzájem vybít, ale naopak posunout výš.”

 

Jakou jednu věc můžeme hned po tvé přednášce uvést do praxe?

Doporučuju podívat se do Google Analytics na to, jakým způsobem naše produktové portfolio funguje, zamyslet se nad největšími mezerami našeho pricingu, pobavit se s nákupčími. A určitě si zodpovědět 5 otázek a vyhodnotit, který z modelů dynamického pricingu by pro nás mohl být zajímavý.