2. 2
Общее представление о Дикси
• 3ья по величине национальная
сеть продовольственных
магазинов
• $7 млрд USD годового оборота
• Многоформатность
• 1880 магазинов
• 19% CAGR (среднегодовой темп
роста) за последние 5 лет
• 35,000 сотрудников
3. 3
Продовольственный рынок в России
• Рынок стабилизируется
– 3 доминирующих на российском рынке
сети;
– Федеральные и крупные региональные
игроки;
– Иностранные ритейлеры входят на рынок.
• Агрессивная ценовая
конкуренция
4. 4
Продовольственный рынок в России
• Большое разнообразие в конкурентном окружении:
– Интенсивная конкуренция в Москве и Санкт-Петербурге;
– Распространение в удалённые населённые пункты.
5. 5
Вызовы, стоящие перед Дикси
• Огромное разнообразие
конкурентного окружения;
• Расширение географии;
• Высокая нагрузка на IT;
• Развитие категорийного
менеджмента.
6. 6
Стратегия Дикси
• Поддержание баланса «Лучшая цена – Качество» для привлечения
покупателей;
• Широкий ассортимент продукции «Фреш»;
• Баланс цены и качества важнее низкой цены на товар;
• Расширение выбора позиций собственной торговой марки.
7. 7
• Недостаточно ресурсов для разработки стратегий
• Слишком много времени требуется на сбор данных и исполнение
бизнес правил
Управляемые ценовые процессы
• Баланс качество и цены предусматривают новые стратегии развития
Изменения рынка
• Компания теряет прибыль, если не делает дифференциацию
Разнообразное конкурентное
окружение и Форматы магазинов
• Увеличение числа данных, которые нужно анализировать
• Управляемые вручную процессы – это возможность ошибкиРост числа магазинов
• Разные сценарии покупательского поведения
• Многочисленные изменения в ценах и операцияхГеографическое расширение
Зачем оптимизировать цены?
8. 8
Процесс выбора
Процесс оценивания
• 3 пилотных месяца
• 1 регион
• 195 магазинов
• 4 категории:
• Пиво
• Растительное масло
• Консервированные овощи
• Еда для домашних животных
• 2 стратегии:
• KVI: Price Match (Соответствие цен)
• Баланс: сохранить наценку, чтобы
компенсировать потерю доходности
по низкомаржинальным позициям,
когда это возможно
Критерии оценки
• Автоматизация
• Наука
• Стратегия
• Сфера применения
• Ссылки, обзор
• Партнерство
9. 9
• Цен оптимизировано: 90%
• Стратегия повысила доходность
категории, при этом не повлияв на
объем продаж.
Пилотные результаты
10. 10
Выбирая Revionics
•Набор внутренних и внешних
данных
•Установить бизнес правила и
ограничения
•Рекомендации по
исполняемому/измеряемому
ценообразованию
Автоматизация
•Эластичность цен, сходство
признаков и компиляция
•Влияние сезонности и
праздников
•Точные, основанные на
спросе, прогнозы
Наука
•Ссылки на категорийные
правила и намерения с
использованием ценовых
стратегий и тактик
•Поддерживает/опровергает
выбранные стратегии
аналитикой, базируемой на
фактах
Стратегия
•SaaS, на основе облачных
вычислений решение с низкой
потребностью в IT ресурсах
•Интуитивный, удобный,
понятный для покупателя,
пользовательский интерфейс и
технологический процесс
Сфера
применения
•Многие клиенты продуктовых
желают поделиться опытом и
привилегиями
•Посещение пользовательских
конференций для получения
советов от коллег и экспертов
Ссылки, обзор
•Европейская команда
экспертов по расцениванию
доступна для обращений
•Местный Партнёр-Консультант
заполняет возможные
лингвистические пробелы
Поддержка
•Предоставление экспертной
информации по
ценообразованию и ответы на
специфические вопросы по
нашему бизнесу
Партнерство
11. 11
Начальная
подготовка
Пилотная версия Открытие
Загрузка данных и
Обработка данных
Внедрение Выбор категорий
Установить бизнес
правила и
операционные
ограничения
Установить
категориальные
стратегии, KVI’s и
желаемый уровень цен
«Что-Если» симуляция
лучше всего подходит
выбора стратегий
Модификация Кластеризация зон
магазинов
Оптимизация
конкурентоспособного
позиционирования,
правил и ограничений
Перейти от «Decision
Support» (поддержка
решения) к «Decision
Automation»
(автоматизация
решения)
Процесс подготовки
12. 12
Категория «Roll Out» (в большом
количестве) ≈2 месяца/волна
12
Волна 1
•Опыт категорийных
менеджеров;
•Простые для управления
категории.
•Настройка правил:
•Ключевые значения
индексов
•Собственная торговая марка
•Аналоговые группы
•Правила округления
•Ограничения на изменения
цен
Волна 2
•Больше сложных и важных
категорий, чем в Волне 1
•Воспользоваться результатами
Волны 1:
•Понять влияние эластичности
цен на стратегию «KVI»
решений
•Воспользоваться «Что-Если»
стратегией симуляции, чтобы
найти лучшие категориальные
решения
•Лучшее определение правил и
ограничений
Волна 3
•Большинство сложных
категорий
•Категории с большим
влиянием на:
•Доход
•Наценку
•Прибыль
•Трафик
•Ценовое восприятие
13. 13
• Оптимизация ведётся с учетом категорийных стратегиям с правилами и
ограничениями
• Гарантирует достижение целей по конкурентоспособному позиционированию,
наценке, продажам, доле в обороте
Настройка стратегий
Рыночные цены Текущая цена
Наценка Эластичность
Собственная марка Категорийные правила
Доходность
Ограничения
Параметризует
оптимизацию для разных
стратегий
14. 14
• Обоснование любой ценовой рекомендации;
• Доверие и уверенность при выборе;
• Показывает достоверность информации.
Информационная открытость
15. 15
«Что-Если» сценарии
• Способствует изменению категорийных правил, коэффициентов и
стратегий;
• Прогнозирует и сравнивает влияние альтернативных стратегий на
продажи, наценку и доход
• Гарантирует, что выбранная стратегия обеспечит нужные цели
15
16. 16
Ключевые Преимущества
Научный Сервер активирует анализ эластичности
по статистике продаж
Сокращение ресурсов, требуемых для контроля
за ценообразованием
Выбор ключевых категорий для максимизации
спроса и улучшения ценового восприятия
Выбор оптимальных стратегий с помощью
симуляций «что если»
17. 17
Кластеризация
торговых зон
• Эластичность
• Конкурентное окружение
• География/Демография
Автоматизация
решения
• Автоматическая
установка цен
• Контроль исключений
• Основные ресурсы – на
определение стратегий
категории
Будет
объявлено…
Что дальше?
17
Notas del editor
You can talk about the timeframes for the data loads
I would also add why you selected different categories for each of the waves – was it simply part of a category review cycle or were there other reasons for selecting specific categories in each wave: such as having a person who was an advocate for Price Optimization, were there categories experiencing problems achieving scorecard objectives, etc?