В условиях высокой инфляции и дорогих кредитов потребители все чаще экономят. По данным исследования Группы компаний Б1, порядка 92% респондентов считают цену ключевым фактором, влияющим на выбор, все категории покупателей вне зависимости от уровня дохода отмечают, что совершают меньше спонтанных покупок (49%) и стараются приобретать товары по акциям (42%).

Растет доля промо-покупок онлайн, что увеличивает риски для ритейлеров и производителей товаров. О том, какие проблемы скрывает за собой привычный мир скидок и распродаж и какие современные инструменты помогают минимизировать угрозы промо, рассказывает Евгений Старосельский, директор и главный архитектор ИИ-решений Группы компаний Б1.

Примечание. Динамика продаж в различных областях существенно отличается, поэтому в данном интервью речь пойдет об FMCG-товарах повседневного спроса, включая продукты питания, что составляет около 50% всех потребительских трат.

Стремление контролировать свой бюджет зачастую приводит клиента в онлайн-сектор, где можно более системно анализировать и оценивать покупки и акции в зависимости от того, какие промо-продажи есть по категориям. Перевод клиента в онлайн также выгоден производителю и сетям супермаркетов, поскольку это, прежде всего, упрощает процесс аналитики и управления поведением потребителя. 
 

Сейчас рынок столкнулся с тем, что потребительская корзина сокращается и доля промо-покупок активно растет. Почему это стало проблемой?

Мы наблюдаем парадоксальную ситуацию. С одной стороны, промо — это инструмент, который должен стимулировать спрос. С другой — он становится опасной зависимостью для регулярного ценообразования и долгосрочного планирования.

Все дело в макроэкономике: высокая ключевая ставка, дорогие кредитные средства и сильная инфляция заставляют людей экономить. При этом сама ставка создает своего рода сдерживающий барьер для инфляции.

В таком замкнутом цикле макроэкономика, как и потребительский рынок, входит в зону активной экономии. Чек смещается в сторону акционных товаров. Этот факт, в свою очередь, ухудшает маржинальность — как для ритейла (трейд-маркетинга), так и для бренда, закладывающего промо в основную цену.

Главная опасность заключается в «промо-яме»: если товары, особенно базового спроса (например, хлеб, молоко, яйца), долго находятся в числе акционных, потребители привыкают к определенному уровню цены и начинают подстраивать свой бюджет в соответствии с ним.

После этого вернуть товар к регулярной цене без серьезного провала в продажах практически невозможно, что сказывается и на объемах, и, что особенно ощутимо, на марже.

Привыкание покупателей к постоянным скидкам (особенно из-за политики маркетплейсов) привело к тому, что цена перестала быть якорем доверия. Офлайн-ритейл, который раньше играл в «ценовые качели» от глубоких промо до возврата к регулярной цене, теперь все чаще переходит к модели «стабильная низкая цена каждый день».

Цель — вернуть доверие, предсказуемость и не проиграть маркетплейсам, функционирующим в режиме бесконечных акций.

В ответ на это онлайн-рынок развивает гиперперсонализацию, систему баллов и купоны, тем самым существенно усложняя управление и прогнозирование категорий.

Разные темпы развития разрушают концепцию омниканальности и приводят к разделению штата сотрудников для реализации офлайн- и онлайн-планирования, а также анализа универсальных цен.
 

Какие еще ключевые проблемы возникают при планировании и проведении промо-акций?

Проблем можно выделить несколько, и все они системные.

Одна из самых сложных задач, это, пожалуй, каннибализация.

В товарной матрице ритейлера десятки тысяч артикулов (SKU), и все они взаимосвязаны. Запуская промо на один товар, вы можете серьезно подорвать продажи другого. Классический пример: если сделать большую скидку на говядину, могут перестать покупать индейку или курицу. Представьте себе, что десятки тысяч товаров создают миллионы парных взаимосвязей. Учесть их вручную нереально.

Вторая проблема — это слабый и неточный прогноз. Многие компании до сих пор используют Excel и базовые статистические методы для прогнозирования спроса на период промо. Эти подходы не учитывают всю сложность современных факторов: сезонность, погоду, экономический шок (например, резкие скачки курса валют), действия конкурентов и те самые эффекты каннибализации. До сих пор основным инструментом является долгосрочный прогноз и промо-планирование на год, не имеющее ничего общего с обычной жизнью, где контекст меняется еженедельно, а иногда — ежедневно. В результате прогнозы оказываются неточными, что ведет к остаткам или к дефициту необходимых товаров.

Как я уже говорил, существует риск привыкания к низкой цене и потери маржи. Кроме того, если постоянно делать глубокие скидки, например, на премиум-товары, можно обесценить бренд в глазах покупателя, а в высоком ценовом сегменте скидка более 20% может быть воспринята как сигнал о потере качества.

Еще одна сложность при организации промо — это высокая трудоемкость процессов. В крупных компаниях планирование акций и распродаж часто предполагает ручной труд, а попытки автоматизировать процесс встречают сопротивление и упираются в вопрос: «Что же будут делать десятки или сотни людей?».

Бывают и такие ситуации, когда отдел трейд-маркетинга в течение определенного количества дней вручную просчитывает акции в таблицах, затем отправляет их на согласование, но к моменту, когда все одобрено, актуальность данных теряется, и запустить промо в запланированный срок уже не удается. Высокая трудоемкость и бюрократизация процессов не успевают за реальной динамикой бизнеса и рынка.
 

Есть ли особенности при работе с новинками и созданием новых промо-механик?

Во многих компаниях все еще существует консервативный подход: «Мы делаем только то, что уже делали». Создать новую, эффективную промо-акцию, например, новую комбинацию товаров со скидкой, крайне сложно. Маркетологи и категорийные менеджеры часто действуют интуитивно или копируют механики конкурентов. Но как оценить потенциальный эффект от новой связки, не протестировав ее? Без анализа больших данных и промо uplift-моделирования это практически невозможно.

С новинками сформировалась отдельная дилемма. Некоторые руководители — фанаты агрессивного продвижения при выводе продукции на рынок и на довольно продолжительный период, что может сразу же подорвать их будущую маржинальность. Другие, наоборот, против акций на старте. Истина, как всегда, посередине: для знакомства с брендом можно использовать акции, но не стоит демпинговать новинку на протяжении длительного времени.
 

Современный ритейл — это еще и мультиканальность. Как это усложняет управление промо?

Задача становится в разы сложнее. Если у компании могут быть офлайн-магазины, собственный сайт, приложение и присутствие на маркетплейсах, то в идеале нужно учитывать покупки клиента на всех доступных площадках. Бессмысленно делать персональное промо в приложении на товар, который клиент уже купил офлайн.

Особняком стоят маркетплейсы. Это особая среда, где правила игры диктует алгоритм платформы. Простое снижение цены не гарантирует рост продаж. На текущий момент один из важных факторов — это позиция в поисковой выдаче, а на нее влияют не только цена и скидка, но и рекламный бюджет, а также часто меняющиеся алгоритмы. Производители теряют прямой контроль над ценообразованием и продвижением. Они вынуждены играть по правилам, которые непрозрачны и быстро обновляются. На маркетплейсах хорошо работают алгоритмы типа «multi-armed bandit» (многорукий бандит), которые адаптируются к быстрым изменениям, в то время как традиционные методы прогнозирования тут бессильны.

Какие решения предлагаются для этих многослойных проблем?

Классические подходы уже не работают. Задачи промо-оптимизации и промо-планирования — это не просто статистика, а сложные математические задачи, связанные с выпуклой, линейной или смешанной оптимизацией. Их нельзя решить без больших вычислительных мощностей, современных процессоров (GPU) и специализированного ПО.

Сейчас существуют интересные инструменты с использованием искусственного интеллекта (ИИ), которые закрывают потребности компаний по всем ключевым этапам промо.

Во-первых, это расчет промо-эластичности и прогноз. Современные системы на основе ИИ способны строить точные прогнозы спроса, учитывая сотни факторов: от погоды и курса доллара до календаря праздников и акций конкурентов. Восстанавливается реальная эластичность спроса по цене — то, как покупатель отреагирует на изменение скидки.

Во-вторых, оптимизация промо (TPO — Trade Promotion Optimization). Это следующая ступень. Система не просто прогнозирует, а оптимизирует. У вас есть набор товаров и варианты промо-механик. Алгоритм расставляет их в календаре на будущий период (месяц, квартал, год) таким образом, чтобы максимизировать доход или маржу внутри категории, учитывая при этом каннибализацию, сезонность, привыкание к цене, необходимость распродать остатки и прочие факторы.

И третье — это учет взаимосвязей товаров. Здесь на помощь приходят архитектуры нейронных сетей, такие как «матрица внимания» (attention mechanism). По сути это блок внутри нейросети, который автоматически выявляет и учитывает все взаимосвязи между десятками тысяч товаров. Для человека удержать в голове миллионы парных связей невозможно, а для ИИ — это штатная задача. 
 

Получается, ИИ полностью заменит человека в управлении промо?

Нет, и это важный момент. Люди не будут заменены полностью, но их роль изменится.

Старые, «ручные» методы ведут к прямым финансовым потерям, падению маржинальности и попаданию в «промо-яму». А комплексные системы на основе ИИ и больших данных позволяют учитывать всю сложность рынка и принимать взвешенные, прибыльные решения в режиме, близком к реальному времени.

Важно не забывать, что внедрение ИИ — это не разовая «починка» промо, а запуск непрерывного процесса обучения и тестирования. Рынок динамичен, появляются новые конкуренты, меняются потребительские привычки, происходят внешние шоки. Модели нужно постоянно переобучать, а результаты их работы экспертно оценивать и корректировать.

Вместо сотен сотрудников, занятых рутинными расчетами в Excel, потребуются команды категорийных менеджеров, маркетологов, аналитиков и специалистов по работе с данными, которые будут управлять этими «умными» системами, ставить им задачи и интерпретировать результаты. Это переход от бюрократии к аналитике и стратегическому планированию.