Введение
Тенденции последних лет отражают перенаправление потребительских потоков в сторону онлайн торговли на площадках крупных маркетплейсов, что отмечают в своем исследовании Дубровин М.С., Анисимов А.Ю. В условиях усиливающейся конкуренции на маркетплейсах, основным конкурентным преимуществом становится цена. В условиях большого объема предложения и столь же значительного спроса, конкуренцию на данных площадках следует признать «ценовой», близкой к «совершенной» [1].
Табышова А.К. в своей работе [2] делает следующий вывод: динамическое ценообразование – это эффективный способ выстраивания эффективной ценовой политики, которое позволяет бизнесу обеспечить свою коммерческую эффективность в условиях высочайшей конкуренции на онлайн электронных торговых площадках.
Снижения уровня конкуренции, между продавцами на электронных торговых площадках, можно добиться используя автоматическую корректировку стоимости товара. Для этого был разработан программный продукт оптимизации ценообразования на основе модели Бертрана.
Конечными пользователями данного программного обеспечения должны стать продавцы маркетплейсов, которым оптимизация цен может принести следующие преимущества:
- получение максимальной доходности за каждую совершенную продажу;
- увеличение продаж тех товаров, которые до сих пор плохо продавались по причине завышенной цены;
- рост рентабельности товаров, которые торгуются в зоне невысокой конкуренции на рынке;
- предотвращение потери прибыли из-за цен, которые находятся за пределом рынка.
Адаптация методики Бертрана
Модель Бертрана описывает олигополистическую конкуренцию, в которой компании конкурируют по ценам. Каждая компания устанавливает цену на свой товар, исходя из предположений о ценах своих конкурентов. Модель Бертрана предполагает, что в условиях однородного продукта и совершенной информации конкуренция по ценам приводит к установлению цены, равной предельным издержкам, что соответствует условиям совершенной конкуренции.
Формула расчета оптимальной цены по модели Бертрана:
Оптимальная Цена = Средняя Рыночная Цена * (1 – КД) + MC (1),
где: КД – коэффициент дисконтирования, МС – предельные издержки.
Ограничения использования модели: если Оптимальная Цена меньше Текущей Цены, то использовать формулу 1; иначе, использовать Текущую Цену * (1 + КД), но не выше Средней Рыночной Цены.
Адаптация методики Бертрана описана ниже.
Модель Бертрана и предельные издержки. Классическая модель Бертрана предполагает, что фирмы конкурируют по цене и, стремясь захватить весь рынок, снижают цены до уровня предельных издержек (MC). Добавление MC в формулу гарантирует, что предлагаемая цена всегда будет выше (или равна) предельным издержкам, что необходимо для получения прибыли. Без этого условия модель Бертрана в своей чистой форме не имеет практического смысла для бизнеса.
Реалистичный сценарий конкуренции. Полное следование модели Бертрана (когда все продавцы снижают цену до MC) редко встречается в реальном мире. Предлагаемая формула вводит коэффициент дисконтирования, чтобы имитировать ситуацию, когда фирма немного снижает цену относительно рынка, но не доводит ее до уровня, когда прибыль становится нулевой или незначительной.
Неоднородность Товаров и Брендов. Формула подразумевает, что товары не являются абсолютно идентичными. Если бы товары были полностью идентичными, то любое снижение цены ниже, чем у конкурентов, привело бы к захвату всего рынка. Однако, товары часто отличаются качеством, брендом, сервисом и т.д. Коэффициент дисконтирования позволяет учитывать эти различия.
Гибкость и Настройка. Коэффициент дисконтирования позволяет пользователю настраивать стратегию ценообразования. Значение коэффициента близкое к 1 означает более агрессивную стратегию (стремление получить больше клиентов за счет более низкой цены), значение близкое к 0 – более консервативную (удержание прибыли и позиционирование товара выше по цене).
Программный продукт оптимизации ценообразования на основе модели Бертрана
Разработанная программа предоставляет пользователю простой и эффективный инструмент для автоматического анализа рыночных цен, расчета оптимальной цены на основе модели Бертрана и автоматизированного предложения корректировок цен на свои товары, минимизируя ручной труд при поиске информации. Для автоматизации сбора данных о ценах конкурентов используются RSS-каналы маркетплейса. Продукт реализован на платформе Google Workspace, используя Google Sheets для хранения и обработки данных и AppSheet для создания интерактивного пользовательского интерфейса.
Руководствуясь такими факторами, как легкость использования, доступность и простота взаимодействия, для разработки была выбрана наиболее простая структура хранения данныхСтруктура Google Sheet (Базы Данных).
Программный продукт состоит из двух основных компонентов: база данных и расчёт цены.
- Google Sheet (база данных и логика расчета): выступает в роли централизованного хранилища данных о товарах, текущих ценах, рыночных ценах конкурентов, а также содержит формулы и скрипты Google Apps Script, реализующие логику: генерации URL для RSS-каналов на основе наименования товара; обработки RSS-каналов для извлечения цен конкурентов.
- Расчет средней рыночной цены и оптимальной цены по модели Бертрана. AppSheet (пользовательский интерфейс): предоставляет удобный интерфейс для просмотра и редактирования данных, а также для отображения результатов расчета оптимальной цены. AppSheet подключен к Google Sheet и автоматически синхронизирует данные, позволяя пользователю интерактивно взаимодействовать с системой. Алгоритм работы программного продукта представлен на рисунке 1.
Рисунок 1 – Алгоритм работы программного продукта
Для автоматического сбора данных о ценах конкурентов используется Парсинг цен из RSS-каналов маркетплейса. Этот механизм опирается на Google Apps Script и включает следующие шаги:
Шаг 1. Генерация URL RSS-канала. Для каждого товара в Google Sheet генерируется URL-адрес RSS-канала на основе наименования товара. Формат URL зависит от структуры RSS-канала маркетплейса. URL генерируется формулой непосредственно в Google Sheet.
Шаг 2. Получение XML-кода RSS-канала. Скрипт отправляет HTTP-запрос по сгенерированному URL-адресу и получает XML-код RSS-канала.
Шаг 3. Извлечение цен из XML. Скрипт анализирует XML-код и извлекает цены товаров, представленных в RSS-канале.
Шаг 4. Расчет средней цены. После извлечения цен, скрипт рассчитывает среднюю цену по всем сгенерированным на 1 шаге товарам.
Шаг 5. Запись средней цены в Google Sheet. Рассчитанная средняя цена записывается в соответствующую ячейку Google Sheet.
Обновление расчётов выполняется автоматически раз в сутки. При желании интервал обновления может задаваться пользователем. При использовании программы необходимо учитывать ограничения на частоту запросов к сайту маркетплейса, чтобы избежать блокировки IP-адреса.
Апробация программного продукта
Для апробации была выбрана продукция фирмы «DOMAX», крепежные и строительные расходные материалы. Фирма реализует свою продукцию на маркетплейсе Wildberries, с которого были взяты данные о товарах и ценах. На маркетплейсе представлены десятки компаний, реализующих аналогичную продукцию. Конкуренция в данной нише сводится к ценовой, поскольку товары являются полными заменителями и компании остаются конкурентоспособными только при условии более низкой цены.
Пользователям предлагается ссылка на программный продукт. При переходе по ссылке, пользователь увидит разработанную в Google Sheet таблицу, содержащую 9 столбцов, представляющих собой базу данных товаров и цен.
Стартовый экран пользователя представлен на рисунке 2. Продавец сам вводит данные своей фирмы (наименование товара, текущая цена, предельные издержки, коэффициент дисконтирования) и через задаваемые интервалы времени, программа будет предлагать изменения цены. Данное решение адаптируемо под каждую фирму, поскольку есть возможность подключиться к API маркетплейсов и брать текущие цены товаров, а также обновлять цены на выставленные на маркетплейсе товары автоматически.
Рисунок 2 – Загрузка исходных данных фирмы DOMAX
Описание таблицы загрузки исходных данных (рис. 2) приведено ниже.
Первый столбец. Ссылка. URL RSS Канала (Генерируемый). URL-адрес RSS-канала маркетплейса, сгенерированный на основе наименования товара.
Второй столбец. Товар. Описание товара. Используется для генерации URL RSS-канала. Заполняется пользователем вручную. Добавление или удаление товара осуществляется вручную.
Третий столбец. Текущая цена, руб./ед. товара. Цена товара в данный момент времени на маркетплейсе. Заполнение и корректировка осуществляется пользователем вручную.
Четвёртый столбец. Средняя рыночная цена, руб./ед. товара. Средняя цена на аналогичный товар, рассчитанная на основе данных, полученных из RSS-каналов конкурентов. Средняя рыночная цена рассчитывается по формуле простой средней арифметической.
Пятый столбец. Отклонение цен, %. Определяется как отношение текущей цены к средней рыночной цене, умноженной на 100 процентов.
Шестой столбец. Оптимальная цена, руб./ед. товара. Цена, рассчитанная программой на основе модели Бертрана.
Седьмой столбец. Предельные издержки, руб./ед. товара. Заполнение и корректировка осуществляется пользователем вручную. Предельные издержки представляют добавочные издержки на производство дополнительной единицы товара.
Восьмой столбец. Рентабельность продаж текущая, %. Рассчитывается по формуле: (Текущая цена – Предельные издержки) / Текущая цена * 100.
Девятый столбец. Рентабельность продаж оптимальная, %. Рассчитывается по формуле: (Оптимальная цена – Предельные издержки) / Оптимальная цена * 100.
В настройках самой Google Sheet есть возможность работы с триггерами по времени, что позволяет выставить необходимый интервал обновления данных вручную (рис. 3.).
Рисунок 3 – Выставление интервала обновления данных
Ячейка Коэффициент Дисконтирования (рис. 4.). Значение показателя вводится пользователем и может редактироваться. Так же в программе присутствует отладочная кнопка «Ручное управление» (рис. 4.), которая при нажатии на неё пересчитывает данные.
Рисунок 4 – Соотношение уровня цен на продукцию
Пользовательский Интерфейс
AppSheet (Пользовательский Интерфейс) предоставляет функционал, приведённый ниже.
- Просмотр списка товаров. Отображение списка товаров с их текущими ценами, средней рыночной ценой, отклонением в процентах и оптимальной ценой.
- Редактирование данных о товаре. Возможность редактирования наименования товара и текущей цены товара. Изменение наименования товара автоматически приводит к перегенерации URL RSS-канала и обновлению рыночной цены.
- Визуализация данных. Возможность построения графиков и диаграмм для визуализации динамики цен и рентабельности (рис. 4).
- Фильтрация и сортировка. Возможность фильтрации и сортировки товаров по различным критериям (например, по цене, по названию, по отклонению цен, по рентабельности).
- Администрирование. Возможность предоставления пользователям различного уровня доступа (читатель, редактор).
Ограничение программного продукта
Разработанный программный продукт имеет ограничения, которые перечислены ниже.
- Зависимость от структуры RSS-каналов маркетплейсов. Парсер цен требует адаптации при изменении структуры RSS-каналов маркетплейсов. Важно мониторить изменения в RSS-каналах и своевременно обновлять парсер.
- Достоверность данных в RSS-каналах. Не всегда информация в RSS-каналах является полной и точной. Могут быть задержки в обновлении цен или неточности в описании товаров.
- Ограниченность модели Бертрана. Классическая модель Бертрана предполагает однородные товары и полную информацию, что не всегда соответствует реальности.
- Ограничения Google Apps Script. Google Apps Script имеет ограничения на время выполнения скриптов и количество запросов к внешним ресурсам.
- Не все маркетплейсы предоставляют RSS-каналы. Использование RSS-каналов ограничивает применимость продукта к маркетплейсам, предоставляющим такую функциональность.
Результаты работы программы
Результаты работы программы представлены на рисунке 5. Суммарно было исследовано 34 позиции товаров, из которых: 15 позиций реализуются по ценам выше средних, что вызывает проблемы с реализацией, 19 позиций реализуются по ценам ниже средних, что влечет за собой потери прибыли. Совпадений по уровню цен на товар продавца и конкурентов нет.
Рисунок 5 – Результат работы программного продукта на данных фирмы DOMAX
Перспективы развития программного продукта
Перспективы развития продукта включают улучшение парсера, использование API маркетплейсов (если доступны), разработку более сложной модели ценообразования и интеграцию с системами аналитики и машинного обучения. Можно с уверенностью сказать, что разработанный программный продукт позволяет создать ценовое преимущество в условиях однородности продукта и совершенной информации.
Перспективы развития программного продукта:
- создание более гибкого и универсального RSS-парсера, который мог бы адаптироваться к различным структурам RSS-каналов;
- переход от парсинга RSS-каналов к использованию API маркетплейсов, если они предоставляют такую возможность; API обеспечивают более стабильный и надежный способ получения данных;
- разработка более сложной модели ценообразования; учет дополнительных факторов, таких как брендинг, лояльность клиентов, стоимость доставки, и динамическое изменение эластичности спроса;
- разработка нативного мобильного приложения для удобного доступа к данным и управления ценами с мобильных устройств;
- интеграция с системами аналитики для отслеживания эффективности ценообразования и принятия обоснованных решений;
- использование машинного обучения для прогнозирования цен конкурентов и оптимизации ценообразования.
Разработанный программный продукт позволит сгладить ценовую конкуренцию, за счет своевременного реагирования продавцов на изменения цен конкурентами, и управлять процессом ценообразования с наименьшими временными затратами и минимально возможным количеством ошибок, что особенно важно при большом количестве продаваемых товаров. Программа рассчитывает не только оптимальную цену, но и рентабельность. Так же есть возможность сортировки данных и визуализация результатов.
Список литературы
- Дубровин М.С., Анисимов А.Ю. Маркетинг как основа эффективной деятельности маркетплейсов // Естественно-гуманитарные исследования. – 2023. – № 3 (47). – С. 393–397.
- Табышова А.К. Динамическое ценообразование – стратегия эффективной ценовой политики на площадках электронной коммерции // Известия ВУЗов Кыргызстана. – 2021. – № 1. – С. 95–100.
