Как мы создали систему динамического ценообразования и сэкономили клиенту 4 миллиона рублей – стоимость годовой зарплаты аналитиков
Привет! Меня зовут Сергей Чащин, я CEO и основатель BVM. Мы занимаемся заказной разработкой. Сегодня хочу поделиться кейсом, как мы помогли ритейлеру автозапчастей автоматизировать процесс управления ценами, сделав его быстрее и эффективнее.
Проблема
Наш клиент – владелец ритейла автозапчастей. Его бизнес-модель выстроена на том, чтобы максимально быстро реагировать на цену конкурентов и предлагать наилучшие цены по различным параметрам. Однако, процесс этот трудоемкий. Сотрудники тратят много времени на то, чтобы правильно подобрать цены. Да и сам ручной метод недостаточно эффективен: возникали ошибки из-за разрозненности данных и учета множества переменных.
Как это работало до нас:
1. Парсинг цен конкурентов занимал 3,5-4 часа. Этим занимался сторонний подрядчик и обходился в 60 тыс. рублей в месяц.
2. Расчет цен в Excel с помощью формул занимал еще 1,5-2 часа. Плюс человеческий фактор – ошибки из-за невнимательности.
3. Интеграция в 1С через преобразование данных в XML формат добавляла еще 35 минут сверху.
Суммарно ценообразование занимало 6-7 часов. За это время конкуренты уже могли изменить цену. Да и вообще, тратить столько времени – перебор.
Задача
Создать систему, которая решит все проблемы. Все это дело автоматизировать: ускорить процесс ценообразования, снизить риски ошибок, сделать систему гибкой и легко настраиваемой.
Решение
За 6 месяцев мы разработали систему динамического ценообразования и решили сразу несколько проблем:
1. Парсинг цен
Встроили в систему собственный парсер. Теперь он собирает данные всего за 15 минут, а еще избавляет от нужды в стороннем подрядчике.
2. Конструктор ценообразования
Создали no code инструмент для внутреннего пользования. Сотрудники могут легко задавать алгоритмы просчетов. Все это выглядит, как некий калькулятор, где разными кубиками можно собрать правила для конкретного конкурента, SKU и бренда.
3. Машинное обучение
Внедрили алгоритмы машинного обучения. Они учитывают до 10 факторов при расчете цен и генерируют рекомендации по ценам.
4. Быстрая интеграция
Итоговые данные напрямую интегрируются в 1C, а все документы по продажам формируются уже с учетом данных системы.
Сравним производительность до и после
Процесс ценообразования стал в 12 раз быстрее. Только вдумайтесь: 26 минут вместо половины дня. Сама частота парсинга увеличилась в 4 раза, что позволило быстрее реагировать на изменения рынка.
Опережая ваши вопросы, мы не изобретали велосипед заново (речь об Excel). Объясню почему. Excel хорош для небольших задач, но на больших объемах данных он становится медленным и ненадежным. Наша система: не зависит от мощностей локального компьютера, исключает риск потери данных, позволяет настраивать сложные алгоритмы без кодирования.
Итог
Процесс расчета цен стал в 12 раз быстрее. Мгновенная реакция на изменения рынка повысила конкурентоспособность и увеличила объем продаж. Не забываем про экономию. Система позволила снизить затраты на дорогих аналитиков — теперь ценообразованием могут заниматься менее опытные сотрудники.
Нужно решение по разработке ПО и оптимизации бизнес-процессов? Напишите мне в Телеграм – обсудим детали.