Zarządzanie cenami w sklepie na podstawie danych konkurencji

Przykład wykorzystania danych w sklepie internetowym

Internet stwarza niesamowite możliwości w zakresie szybkiego reagowania na ruchy konkurencji. Stwarza wręcz nieograniczone możliwości w zakresie gromadzenia informacji na temat oferty konkurencji.

Analiza działań reklamowych

Ofertę konkurencji mogą analizować małe i średnie firmy. Duże firmy i korporacje prawdopodobnie już to robią. Dzięki temu mogą generować duże oszczędności - wiedzą np. które produkty warto reklamować, których produktów przygotować więcej w sezonie itp.

Wprowadzenie

Sklep posiada w swoim asortymencie kilkanaście tysięcy produktów związanych z komputerami. W skład oferty wchodzą laptopy, zestawy komputerowe, monitory, peryferia, podzespoły komputerowe (płyty główne, dyski twarde itp.). Obroty sklepu są na poziomie kilkuset tysięcy złotych miesięcznie.

Podstawowa analiza

Głównymi źródłami ruchu są:

• bezpłatne wyniki wyszukiwania
• PLA
• porównywarki cenowe

Wszystkie produkty w równym stopniu są promowane w PLA i w porównywarkach cenowych. W wyniku analizy danych z Google Analytics powstały dość duże różnice w zakresie ilości sprzedaży poszczególnych grup produktów z różnych źródeł ruchu. Produkty, które były oferowane w wyższej cenie niż oferowała konkurencja sprzedawały się głównie dzięki bezpłatnym wynikom wyszukiwania.

Produkty oferowane w niższych cenach niż oferuje konkurencja sprzedawały się głównie dzięki PLA i porównywarkom cenowym. Jednostkowe koszty promocji poszczególnych produktów, które się sprzedawały były opłacalne, jednak reklamowanie wszystkich produktów powodowało zawyżanie kosztów działań marketingowych. Klient zdał sobie sprawę, że nie ma sensu kupować ruchu, który nie przynosi mu dochodu, a generuje straty. Z PLA i z porównywarek cenowych sprzedawało się tylko kilkanaście procent wszystkich reklamowanych produktów, wejścia na pozostałe produkty nie kończyły się zakupem.

Przykładowo - ze względu na dość mały poziom sprzedaży klient nie posiada dobrych cen w przypadku droższych / ekskluzywnych produktów. W celu konkurowania ceną pracuje na dość niskich marżach. Dodatkowo koszt obsługi tego typu klienta jest dość drogi. Prawdopodobnie generowanie ruchu rozliczanego w modelu CPC w tej grupie produktów nie jest opłacalne.

Wykluczenie z PLA produktów, które się nie sprzedają prawdopodobnie by pozwoliło na zaosczędzenie 32% budżetu na Google Ads. Wykluczenie z porównywarek produktów, które się nie sprzedają może doprowadzić do oszczędności na poziomie ponad 67%.

Klient nie posiada też odpowiednio dużego budżetu jak konkurencja i nie może sobie pozwolić na działania brandowe - ruch musi konwertować.

Analiza konkurencji

Okazało się, że konkurencja większość nowości rynkowych ma w niższej cenie niż klient. Klient ma natomiast przewagę cenową w przypadku tańszych akcesoriów komputerowych, części komputerowych związanych z podzespołami desktopów. Dodatkowo też posiada wiele bardziej specjalistycznych produktów, które nie są dostępne w większości sklepów konkurencji.

Przeanalizowanie polityki cenowej konkurencji

Klient zdecydował, że chce dokładnie porównać ceny wszystkich swoich produktów pod względem ceny ze swoją konkurencją. Niezbędne okazało się zebranie informacji o cenach produktów u konkurencji.

Chcesz zacząć pracować na danych? Zapraszam do kontaktu - przemek@krajniak.pl.

Data scraping

Jak pisałem wcześniej - klient już wie, że nie opłaca się reklamować części produktów, bo oferuje je w wyższej cenie niż konkurencja. W celu poznania dokładnej różnicy w cenach klient zdecydował się na zlecenie zebrania informacji o cenach produktów w konkurencyjnych sklepach.

Przygotowanie danych wejściowych

Przeanalizowałem dostępne informacje na temat produktów klienta. Wygenerowałem dokładne zestawienie zawierające poniższe informacje:

• nazwę produktu
• kod produktu
• nazwę producenta
• cenę produktu

Zebranie danych ze sklepów

Na podstawie stworzonych danych wejściowych sparsowałem kilkanaście sklepów internetowych, które miały najbardziej zbliżoną ofertę i posiadały zbliżony lub większy ruch niż sklep klienta. W wyniku zebranych danych wykluczyłem:

• 3 sklepy internetowe, które miały praktycznie taką samą politykę cenową na większość produktów
• 2 sklepy internetowe, które miały mniej niż 20% produktów, które oferował klient
• kilka sklepów internetowych, które oferowały produkty w wyższych cenach niż sklep klienta

Zbieranie danych z porównywarek cenowych

Analogicznie, jak w przypadku konkurencyjnych sklepów internetowych, na podstawie danych wejściowych przeanalizowałem dwie porównywarki cenowe, które generowały najwięcej ruchu w sklepie klienta.

Różnice w cenach między źródłami danych

Okazało się, że wcześniej wykluczone sklepy ze względu na wyższe ceny produktów niż u klienta, w porównywarkach pracują na niższych cenach. Różnice w cenie były na poziomie od niecałego 1% do nawet 25%.

Wygenerowanie zbiorczego zestawienia

Przygotowałem zbiorcze zestawienie, które zawierało uporządkowane informacje na temat wszystkich produktów dostępnych w sklepie klienta:

• nazwa produktu
• kod produktu
• cenę produktu w sklepie klienta
• najniższą cenę w sklepie konkurencji
• najniższą cenę w porównywarkach cenowych
• drugą najniższą cenę w sklepie konkurencji
• drugą najniższą cenę w porównywarkach cenowych
• sugerowaną cenę (jeśli klient posiadał dany produkt najtaniej to o ile może podnieść cenę produktu by nadal być najtańszym)
• informacje o tym czy warto wykluczyć produkt z feedów dla porównywarek i Google Merchant Center

Wyłączenie reklamy części produktów

Klient już ma informacje na temat cen produktów w swoim sklepie i ceny w sklepach swojej konkurencji.

Weryfikacja automatycznie generowanych danych

Wstępna analiza danych za pomocą prostych formułek w arkuszu kalkulacyjnym potwierdziło poprawność moich wyliczeń przy generowaniu danych. Wszystkie produkty, które zostały wskazane jako te, które nie mają atrakcyjnych cen ponownie zostały wytypowane do wyłączenia z feedów XML do porównywarek cenowych i Google Merchant Center.

Testowe wyłączenie produktów

Na okres dwóch tygodni produkty z nieatrakcyjną ceną zostały wykluczone z feedów XML. Ilość wejść z porównywarek i Google Merchant Center spadła o około 62% w stosunku do prognozowanego ruchu z tych kanałów. Koszt reklamy był mniejszy o około 67% w stosunku do prognozowanego kosztu z tych kanałów. Wartość transakcji spadła tylko o 7% w stosunku do prognozowanej wartości transakcji.

Nawiązanie stałej współpracy

Klient przez kolejne 3 miesiące pracował na feedach z wyłączonymi produktami. Jednak zgodnie z moimi prognozami okazało się, że ceny w jego branży często się zmieniają i zaistniała potrzeba cyklicznej i automatycznej analizy wraz z prognozowaniem, które produkty warto wyłączyć.

W trakcie kilku pierwszych cyklów pobierania danych okazało się, że część produktów, których ceny były u klienta były wysokie wcześniej teraz są najniższe lub bliskie najniższym cenom konkurencji.

Klient zintegrował swoje mechanizmy generowania feedów XML z danymi, które przygotowałem do wystawiania sparsowanych danych. Klient co kilka dni wyłącza / włącza produkty, których ceny ma atrakcyjniesze niż konkurencja.

Zmiana polityki cenowej

Klient wykorzystuje już zbierane dane do włączania / wyłączania produktów z feedów XMLowych do porównywarek cenowych i Google Merchant Center.

Analiza cen najczęściej sprzedawanych produktów

Część produktów uzyskiwała bardzo dobre wyniki sprzedażowe. Dokonałem dokładnej analizy cen produktów, które najlepiej się sprzedają. Okazało się, że duża część najlepiej sprzedających się produktów jest tańsza o 10 - 25% od konkurencji. Sprzedaż tych produktów stanowiła około 17% wartości całej sprzedaży.

Zwiększenie marży sprzedaży części produktów

Zaproponowałem klientowi testowe podniesienie cen produktów do ceny o 5% niższej niż najtańsze oferty konkurencji. Po miesiącu od wdrożenia zmiany okazało się, że sprzedaż utrzymała się na mniej więcej prognozowanym poziomie. Zwiększenie marży pozwoliło zwiększyć przychody o około 8%.

Zautomatyzowanie procesu

Na podstawie już dostępnych i cyklicznie zbieranych danych przygotowałem mechanizm, który sugeruje podniesienie cen poszczególnych produktów. Klient zintegrował swój sklep z moimi danymi, które udostępniałem.

Zarządzanie cenami

Na podstawie zbieranych danych powstała nowa zakładka w panelu klienta. Wszystkie zmiany wymagające podniesienia ceny wymagają zatwierdzenia po stronie klienta.

Wszystkie zmiany, które polegają na obniżeniu ceny do poziomu sprzed podniesienia ceny automatycznie są wprowadzane.

Wszystkie sugerowane zmiany ceny poniżej kwoty sprzed podniesienia ceny produktu są obniżane do ceny produktu sprzed podniesienia ceny produktu.

Chcesz zacząć pracować na danych? Zapraszam do kontaktu - przemek@krajniak.pl.

Pierwszy krok...

Zainteresowany? Skontaktuj się ze mną: przemek@krajniak.org.