Większość e-sklepów traci marżę nie na jednej dużej pomyłce, lecz na pięciu drobnych nawykach, które powtarzają się co tydzień. Ceny ustawiane „na oko”, ta sama cena na Allegro i w sklepie własnym, automatyzacja włączona bez ceny minimalnej, podążanie za najtańszą ofertą, brak floor price. Każdy z tych błędów pojedynczo zjada 2-5 punktów marży. Razem — kosztują sklep pół etatu i marżę porównywalną z rocznym budżetem marketingowym. Poniżej rozkładamy je na części, każdy z case study hurtowni, która borykała się z każdym z nich, zanim uporządkowała pricing.
Poznaj wszystkie funkcjonalności naszej platformy podczas bezpłatnej prezentacji online.
Średnia polska hurtownia, kilka tysięcy SKU w katalogu, sprzedaż na Allegro plus własny sklep — e-commerce prowadzą 1-2 osoby. Wszystkie ceny ustawiane ręcznie, „na oko”, w Excelu. To realny profil klienta Dealavo, u którego jesteśmy od czerwca 2022 roku (ponad 4 lata). Case anonimowy, ale wynik z portfolio.
Punkt startowy (przed wejściem Dealavo) wyglądał tak: codzienne przeklikiwanie kart produktowych Allegro i porównywarek, decyzje cenowe podejmowane z opóźnieniem 12-24 godzin, chroniczny lęk przed „sprzedażą za 1 zł” po pomyłce w arkuszu. Prowizje Allegro (8-15%) nie były uwzględniane w kalkulacji marży — cena była ta sama, co w sklepie własnym. Efekt: marża na Allegro niższa o 10-20 punktów procentowych niż w sklepie, ale w raportach wyglądała identycznie.
Klient wdrożył moduł Repricing premium w połowie 2022. Każdy z pięciu błędów, które opisujemy poniżej, popełniał na starcie — i każdy udało się rozwiązać w innym miesiącu.
Codzienne sprawdzanie Allegro i porównywarek ręcznie zjada 5-10 godzin tygodniowo, a i tak połowa zmian cen konkurencji przechodzi niezauważona. To najbardziej „ukryty” koszt w e-commerce, bo nikt go nie wpisuje do budżetu — po prostu ktoś w firmie „siedzi przy Excelu”.
W case hurtowni: właściciel przeklikiwał kilkaset SKU dziennie między Allegro, Ceneo i sklepem własnym. Rytm — poranek, godzina 6-8, przed otwarciem magazynu. Efekt: reakcja na wczorajsze zmiany konkurencji, czasem sprzed 24 godzin. Zmiany, które konkurent zrobił po południu, wracały do właściciela dopiero następnego ranka. Klienci, którzy przez tę dobę patrzyli na wyższą cenę Twojej oferty, już nie wrócili.
Rozwiązanie zastosowane w case: reguły cenowe zamiast ręcznego przeklikiwania. System sprawdza konkurencję w ustalonym cyklu (u tego klienta — co godzinę na najbardziej dynamicznych SKU) i sam koryguje cenę w granicach reguły. Uniwersalny wniosek dla mniejszych sklepów: nawet bez dedykowanego narzędzia — zacznij od arkusza z alertami na TOP 50 produktów. Pełna automatyzacja to następny krok, gdy widzisz, że system alertów działa. Zobacz jak działają automatyczne reguły cenowe, które eliminują ten błąd u źródła.
Prowizja Allegro (8-15% ceny brutto) plus koszt Smart plus opłata transakcyjna to razem 10-20 punktów procentowych marży, które oddajesz platformie. Jeśli masz tę samą cenę na Allegro i w sklepie własnym — Twoja marża na Allegro jest niższa o dokładnie tyle. I nikt tego nie widzi w Excelu, bo w kolumnie „cena” liczba jest ta sama.
W case hurtowni: na starcie ceny na Allegro i w sklepie własnym były identyczne. Klient „zarabiał” na Allegro pozornie tyle samo, co w sklepie — tak wyglądało w miesięcznym raporcie sprzedaży. Ale realna marża netto (po prowizji, Smart, VAT od prowizji) była niższa o 12-15 pp per zamówienie. Na kategorii, która robi 40% obrotu, to gigantyczna dziura.
Rozwiązanie w case: dwa kanały = dwie polityki cenowe. Reguła cenowa na Allegro uwzględnia prowizję kategorii, koszt Smart per typ dostawy, opłatę transakcyjną 1,2% i VAT 23% od prowizji. Cena na Allegro jest wyższa niż w sklepie o wideło pokrywające te koszty — plus minimalną marżę. Na sklepie własnym reguła jest osobna, bez prowizji marketplace.
„Jak już ustawię automat, to niech pilnuje wszystkiego” — to zdanie kończy się zwykle jedną spektakularną pomyłką i miesięcznym straszakiem, po którym nikt w zespole nie chce uruchamiać automatyzacji ponownie. Nawet dobrze skonfigurowana automatyzacja na całym portfolio od pierwszego dnia to zaproszenie do katastrofy: przeceniony produkt sezonowy w środku szczytu, flagowe SKU zbite do ceny minimum, promocja marki, o której zapomniałeś dopisać wyjątek.
W case hurtowni: klient zaczął od 20% SKU — commodity o najwyższej dynamice cenowej, ale niższej marży jednostkowej. Reszta katalogu (80%) prowadzona nadal ręcznie, świadomie, z możliwością szybkiej reakcji na wyjątki. Po miesiącu dodano kolejne 30% (produkty commodity z wyższą marżą). Docelowo — po roku — 80% SKU automatyzacja, 20% ręcznie (flagowe, wyprzedaże, produkty limitowane).
Uniwersalny wniosek: zacznij od 20-30% produktów z najwyższą dynamiką cenową. Resztę — ręcznie i świadomie. Skalę automatyzacji zwiększaj co miesiąc na podstawie tego, co widzisz w danych — nie na podstawie tego, „ile SKU zdążyliśmy skonfigurować”.
Najtańszy sprzedawca w karcie produktowej to często ktoś, kto się pomylił, likwiduje resztkę zapasu albo celowo generuje ruch kosztem marży, żeby przyciągnąć klientów do sklepu poza platformą. Kopiowanie jego ceny 1:1 to podążanie za czyjąś pomyłką — albo za czyjąś strategią wyjścia z rynku.
W case hurtowni: klasyczny scenariusz z pierwszych miesięcy — konkurent co dwa tygodnie schodził o 5% z ceną kluczowego SKU. Klient (bez odpowiednich reguł) posłusznie podążał. Po roku sprzedawał ten sam produkt 30% taniej niż na starcie, ze stratą per zamówienie. Konkurent, jak się później okazało, wychodził z tej kategorii i wyprzedawał zapas — po pół roku zniknął z platformy. Ale marża się już nie odbudowała.
Rozwiązanie w case: reguła „TOP 3″ zamiast „MIN”. System reaguje na medianę cen w top 3 lub top 5 najtańszych ofertach — nie na skrajną minimum. Śledź też, kto rozpoczął zmianę ceny, nie tylko fakt zmiany. Jeśli obniża jeden gracz systematycznie, a reszta rynku trzyma się poziomu — to prawdopodobnie błąd tego jednego gracza. Dobre dane o cenach konkurencji pokazują historię zmian per sprzedawca, więc widzisz, czy to jeden outlier, czy trend całej kategorii.
Bez floor price reguła automatyczna może zejść poniżej kosztu zakupu, jeśli konkurent zrobi to pierwszy. To najprostszy i najgroźniejszy błąd w całej piątce — pojedyncza pomyłka konfiguracji potrafi zjeść tygodniową marżę na jednej kategorii.
W case hurtowni: klient ustawia floor price bezpośrednio z feedu ERP. Reguły automatyczne mają zdefiniowany limit, poniżej którego nie zejdą pod żadnym warunkiem — nawet gdyby konkurencja zeszła do zera. Wzór na floor price w tej hurtowni: koszt zakupu + minimalna marża (5-8% zależnie od kategorii) + prowizja marketplace + koszt wysyłki + VAT od prowizji.
Cena minimalna powinna też uwzględniać Dyrektywę Omnibus — przy automatycznych obniżkach trzeba pokazywać najniższą cenę z 30 dni, żeby promocja liczona przez regułę nie łamała przepisów.
Kluczowe: floor price musi być aktualizowany razem z kosztem zakupu — jeśli dostawca podniósł ceny hurtowe, a Twoja cena minimalna dalej pokazuje stare wartości, znowu sprzedajesz poniżej marży. Dlatego w case zaciągnięto ceny minimalne z feedu ERP — synchronizacja idzie automatycznie, floor price zmienia się razem z kosztem zakupu, bez ręcznej interwencji. Uniwersalny wniosek: floor price = koszt zakupu + minimalna marża + prowizja marketplace + koszt wysyłki. Bez tego wzoru — nie automatyzuj.
Cztery zmiany kompozytowe: reguły cenowe zamiast ręcznego przeklikiwania, automatyzacja selektywna (80% SKU), różne polityki cenowe per kanał, dashboard „co robi konkurencja” zamiast codziennego objazdu porównywarek. Poniżej wyniki mierzone rok po roku od 06.2022.
Co ważne — żaden z tych wyników nie wziął się z zaawansowanej optymalizacji. Wszystko to konsekwencje wyeliminowania pięciu opisanych wyżej błędów, jeden po drugim, przez pierwsze 6-9 miesięcy.
Cztery uniwersalne wnioski, które działają niezależnie od tego, czy masz 200 SKU, czy 20 000.
Brak rozróżnienia ceny per kanał. Sprzedaż na Allegro w tej samej cenie co we własnym sklepie oznacza, że oddajesz 8-15% marży w prowizji — i nawet o tym nie wiesz, bo w raportach cena wygląda identycznie. To błąd, który powtarza się w każdej nowej hurtowni, którą widzimy w portfolio.
Od 50-200 SKU z najwyższą dynamiką cenową. To zazwyczaj 20-30% całego katalogu, ale generuje 60-70% walki cenowej i największą część utraconej marży. Reszta może chwilę zostać na ręcznym prowadzeniu — świadomie, z alertami na wyjątki.
Floor price = koszt zakupu + minimalna marża (np. 5%) + prowizja marketplace (np. 10%) + koszt wysyłki + VAT od prowizji. Bez którejkolwiek z tych składowych ryzykujesz, że automatyzacja zejdzie poniżej realnej opłacalności. Dealavo pozwala zaciągnąć floor price bezpośrednio z feedu ERP, więc aktualizuje się razem z kosztem zakupu.
Tak — jeśli sprzedajesz na marketplace’ach w kategorii z dużą przejrzystością cenową (elektronika, chemia, sport). Im mniej SKU, tym łatwiej ustawić reguły raz i pilnować wyjątków. Sklep z 200 SKU może uruchomić sensowną automatyzację w tydzień, sklep z 20 000 SKU potrzebuje kilku miesięcy na porządną konfigurację.
Korzystamy z plików cookies, aby strona działała poprawnie, mierzyć ruch i personalizować reklamy. Możesz zaakceptować wszystkie lub dostosować zgody w preferencjach. Twoja decyzja zostanie zapisana na 365 dni.
Niezbędne do prawidłowego działania strony — sesja, koszyk, preferowany język. Nie mogą być wyłączone.
Zapamiętują Twoje wybory (np. region, język interfejsu, dark mode) — żebyś nie musiał ustawiać ich za każdym razem.
Pomagają nam zrozumieć jak korzystasz ze strony (Google Analytics, Hotjar) — anonimowe dane służą do poprawy UX.
Personalizują reklamy które widzisz na innych stronach (Meta Pixel, Google Ads). Pomagają nam docierać do osób zainteresowanych ofertą.
