Jak zwiększyć zysk o 50%, zarabiając dodatkowo 82 380zł w ciągu miesiąca?

CEL

Zoptymalizowanie polityki cenowej na podstawie danych o cenach i dostępności produktów konkurencji oraz sprawne kalkulowanie ustalonych reguł cenowych. Na początek warto przytoczyć podział Gartnera dotyczący etapów rozwoju zarządzania cenami:

  1. Ceny ustalane ręcznie.
  2. Ceny ustalane ręcznie w oparciu o reguły Excel.
  3. Ceny ustalane na podstawie danych o konkurencji online, w innych kanałach liczone przy pomocy reguł Excel.
  4. Modele cenowe oparte na regułach w różnych kanałach sprzedaży, optymalizacja części cen.
  5. Zaawansowane zarządzanie cenami przy pomocy algorytmów z uwzględnieniem wszystkich kanałów sprzedaży. Ostatni etap dojrzałości niosący za sobą wymierne zyski dla biznesu.

Wielu klientów jest na etapach 1-3 z czego zdecydowana większość zapytań do nas reprezentuje klientów będących na etapie 1-2.

 

ZAUFANIE

Po stronie klienta leżało przygotowanie odpowiedniej listy produktów w formacie XML, zawierającej dane: nazwa produktu EAN, cena zakupu, stawka VAT, cena sprzedaży, stan magazynowy. Mimo, że nie wszystkie dane znajdowały się w jednym systemie ewidencyjnym klient szybko poradził sobie z plikiem.

Ważnym zadaniem już na początku współpracy po stronie Dealavo było zbudowanie u klienta zaufania do danych które otrzymuje. Branża z punktu widzenia wyszukiwania produktów (duży asortyment klienta i konkurencji) oraz ich dopasowania (często nieustrukturyzowane nazwy, błędnie opisywane produkty np. kod EAN pojedynczego SKU do oferty wielopaku) jest bardzo wymagająca, dlatego też zdecydowaliśmy się na wprowadzenie dwuetapowej weryfikacji dopasowań nie tylko przez zaawansowane algorytmy, ale również ręcznie przez zespół Quality Assurance. Dzięki temu zabiegowi uzyskaliśmy wskaźnik na poziomie 99,5% jakości dopasowań na który składają się dwie klasy błędów False Positive (błędnie dopasowany produkt) oraz False Negative (oferta nie dopasowana mimo, że jest dostępna na stronie konkurencji). Dzięki temu klient mógł skupić się na tworzeniu reguł cenowych i analizowaniu ich postępów, a nie weryfikacji jakości danych.

 

CUSTOMER SUCCESS SUPPORT

Równie istotną rzeczą do osiągnięcia celu obranego przez klienta było wsparcie ze strony naszego zespołu Customer Success. Każdy klient w Dealavo otrzymuje dedykowanego opiekuna którego praca jest szczególnie istotna w pierwszych etapach współpracy. W początkowej fazie nasz Customer Success spędził z klientem średnio 40 godzin miesięcznie wspierając go przy tworzeniu reguł cenowych.

 

PIERWSZE REGUŁY CENOWE

Wytypowane zostały pierwsze grupy produktowe. Po ponad 30 dniach mogliśmy zaobserwować wzrost konwersji (średnio dziennie) o 0,46 p.p,(do 1,43%) mając na uwadze dane klienta z poprzednich miesięcy bez narzędzia i wiedzy o cenach konkurencji konwersja była na średnim poziomie 0,9%.

Analiza konwersji- spadek w okolicach 13-15 dnia spowodowany czynnikami zewnętrznymi

 

W dalszej części naniesione zostały dane o zysku, który został wypracowany na zautomatyzowanych kategoriach produktowych.

Dzięki odpowiednio szybkim reakcjom na zachowania konkurencji wzrosła nie tylko konwersja, ale i zysk o blisko 20%.

 

PODEJŚCIE DO AI PROFIT – OPTIMIZATION

Są to pierwsze sukcesy, ale jednak ograniczone zasoby Klienta do tworzenia i porównywania efektywności reguł cenowych dla całości asortymentu spowodowało, większe zainteresowanie sztuczną inteligencją. Do jej uruchomienia potrzebowaliśmy dodatkowo:

– dużej ilości danych o cenach konkurencji, którą już mieliśmy zebraną

– zainstalowanie przez klienta JavaScriptu analizującego wyświetlenia i konwersję na sklepie internetowym.

Początkowo rekomendowaliśmy pół-automatyczne zarządzanie cenami na wybranych przez klienta grupach produktowych – algorytm sugerował zmianę, klient musiał ją zaakceptować lub odrzucić/uzupełnić, aby dostarczyć kolejnych danych do AI.

W bardzo krótkim czasie mogliśmy zaobserwować wymierne korzyści:

Dzień 0 – moment włączenia AI Optimization zasilonego danymi historycznym

 

Przed dniem uruchomienia modułu wypracowany przez klienta średni dzienny zysk był na poziomie 5222 zł, konwersja 2,23%. Po miesiącu czasu od uruchomienia AI średni dzienny zysk jest na poziomie 7968 zł a konwersja 3,62%.

 

PODSUMOWANIE

Najważniejszym zadaniem na najbliższy czas jest pełna automatyzacja zmian cen dla grup produktowych obsługiwanych przez AI, tak aby zarządzanie nimi było możliwie bezobsługowe. Następnie sukcesywnie będziemy dodawać kolejne grupy produktowe, do uzyskania pełnej automatyzacji dla wszystkich oferowanych przez klienta produktów.

Dealavo wraz z klientem wypracowało średnio 60% (1,39 p.p.) wzrost konwersji dziennej, co przełożyło się na 50% wzrost zysku w kategoriach zarządzanych przez AI.

W ciągu miesiąca od uruchomienia Dealavo AI Profit Optimization klient zyskał 82 380 zł.