Конспект вебинара «Влияние цен конкурентов на конверсию и посетителей сайта»

Конспект вебинара «Влияние цен конкурентов на конверсию и посетителей сайта», совместно проведенного Competera и OWOX BI.

Вебинар, на котором шла речь о влиянии цен конкурентов на продажи и конверсию посетителей сайта в покупателей (ведущие вебинара — Александр Галкин, CEO&Co-founder Competera и Влад Флакс, Founder OWOX).


Price Intelligence and Web Analytics for Better Conversion Rate

Для того, чтобы все участники вебинара, а также те, кто зарегистрировался, но не смог принять участие, могли в любое время воспользоваться полученными знаниями, мы подготовили конспект вебинара. Добавьте его в закладки или «забросьте» в Pocket, чтобы он всегда был под рукой.

Почему это важно?

Ритейлерам нужны качественные и актуальные данные о происходящем с их бизнесом и рынком — о количестве продаж, маржинальности, покупателях и посетителях сайта и т. д.

Но реальной ценностью сегодня обладают не данные сами по себе, а те выводы, которые можно сделать на их основе. Только качественные данные могут помочь ответить на такие вопросы как «Почему вырос CPA контекстной рекламы по смартфонам?», «Какие товары лучше выбрать для промо рассылки?», «Почему упали продажи — цены не в рынке или трафик просел?» или «Какую цену поставить, чтобы выполнить план продаж?».

И именно выводы на основе полученных данных позволяют ритейлеру создавать то невидимое конкурентное преимущество в восприятии клиента, которое сложно скопировать, и которое обеспечивает прибыльность бизнеса в долгосрочной перспективе.

Задачи ценообразования

Цена товара на виртуальной «полке» ритейлера влияет на конверсию не меньше, чем плохо оптимизированная страница интернет-магазина. Именно цена создает имидж для магазина, влияет на его бренд.

Александр Галкин, CEO&Co-founder Competera

О правильности этого утверждения говорит и исследование PWC, и другие прогнозы поведения покупателей: 60% респондентов говорят об «оптимальной» цене, как о главном факторе, влияющем на выбор магазина. Здесь нужно обратить внимание на то, что речь идет не о «дешевой» или «дорогой» цене, а именно об «оптимальной». То есть покупатели закладывают в это понятие и доставку, и бренд, и все, что в их восприятии связано с этим магазином и его конкурентами.


60% of online shoppers choose a favorite retailer because the price is right

Лидеры ритейла — компании, которые смогли объединить в своем бизнесе два из трех указанных на графике сегментов: оптимальные цены и полный ассортимент или же оптимальные цены и доверие к бренду.

Таким образом, основная задача, которую решает основанное на данных ценообразование — показать покупателю, что в отдельно взятом интернет-магазине на нужные ему товары установлены оптимальные цены. С помощью ценообразования можно влиять на:

Сбор и объединение данных

Перед тем как начать работать с данными, и делать выводы на их основе, нужно обеспечить процесс их сбора и объединения.


Qualitative data is the basis of high-quality solutions

Данные о конкурентах должны постоянно и регулярно собираться исключительно с сайта конкурента с точными товарными привязками и быстрым поиском и добавлением новинок в ассортименте.

В любой момент времени нужно иметь полную информацию и о внутренних данных ритейлера: товары в продаже, товары на складе и пр. Это позволит воплощать эффективные тактические шаги. Например, «придержать» определенные товары до момента опустошения стока у конкурентов и заработать на них больше. И хотя этот пример — один из самых распространенных и простых сценариев, даже он требует актуальной информации о продажах на уровне каждого SKU.

Третий элемент — данные о каналах привлечения. Нужно постоянно анализировать, как влияют на продажи и на поведение каналы привлечения аудитории: у прайс-площадок одно восприятие цен, а у аудитории Google — совершенно другое. Измеряя и понимая качество каналов и процент полезной аудитории можно эффективно корректировать ценовые стратегии.

Получая эту информацию, можно точно понимать, как именно цены конкурентов влияют на продажи:


What was the price at the competitors’ sites at the moment a user viewed the goods on your site?

Категорийный менеджер должен в каждый момент времени, для каждого SKU и для каждого действия пользователя видеть и анализировать цену на сайтах конкурентов. Именно качество и гранулированность данных определяют достоверность выводов, которые будут сделаны на основе этих данных.

Схема сбора и объединения данных, приведенная ниже, уже доказала свою эффективность: Google Analytics, как источник данных о поведении пользователей используется на большинстве проектов, а Competera объединяет данные о ценах конкурентов с информацией из ERP и CRM ритейлера (например, данные о марже на приобретенные товары, что позволяет проводить анализ не только на уровне количества транзакций, но и на уровне валовой прибыли).


Data movement

Можно воспользоваться и другими способами получения неструктурированных данных, но каждый из них имеет свои ограничения. Ниже — ограничения на примере условно-бесплатного Google Analytics Core V3 API:

  1. Невозможно выгрузить не агрегированные данные (нужно обязательно объединять данные вокруг конкретной метрики).
  2. Невозможно получать данные в реальном времени (для больших проектов задержка может составлять до нескольких дней, что уменьшает ценность данных).
  3. Невозможно выгрузить данные выгрузить на уровне Client ID + SKU (при учете того, что каждый пользователь просматривает десятки товаров, бесплатный лимит исчерпывается очень быстро).

Другие распространенные методы сбора данных о ценах конкурентов также глобально ограничивают возможности анализа и выводов на основе получаемых данных:

1. Невозможно получить price timestamp на уровне каждого продукта

Понимание стоимости товара у конкурентов (в момент его просмотра) — основа правильных выводов о поведении пользователя и его реакции на стоимость товара.

Технические ограничения частоты обновления данных если, например, речь идет о сборе данных с популярных площадок сравнения цен, не дают гарантии, что пользователь видел именно эту цену и на сайте конкурента, а значит нельзя точно сказать, действительно ли она (цена) повлияла на решение о покупке.

2. Невозможно контролировать полноту данных

При обработке большого массива данных, вы должны быть уверены в полноте получаемой информации о своей продуктовой линейке.

Если нет товарной привязки, либо товар не показывается в данный момент времени на прайс-площадке, то неизвестно, что именно происходит с товаром: его нет на рынке вообще или только на этой площадке, а это кардинальным образом влияет на принятое решение.

3. Невозможно получить доступ к «историческим» данным

Чтобы построить, например, кривую спроса, нужен доступ к истории стоимости товара за большой промежуток времени, чтобы сопоставить ее с просмотрами и продажами. И нужна возможность собирать эти «исторические» данные за длительный промежуток времени, а это требует значительных ресурсов.

4. Невозможно получить гарантию качества данных

Для того, чтобы делать выводы, на которых будут основаны конкретные бизнес-решения, нужно быть уверенными в качестве получаемых данных. И это может обеспечить только гарантия качества данных от их поставщика.

5. Невозможно получить «быстрые» товарные сопоставления

Хоть и последний, но не менее важный пункт — скорость получения данных о новых товарах. Пользователи больше всего проявляют интерес к новинкам, и нужно обеспечить максимально быстрое получение информации о появлении нового товара на рынке. И это — еще один органический ограничитель для альтернативных источников данных.

Анализ полученных данных и выводы на их основании

Если корректные и актуальные данные собраны, можно анализировать влияние тех или иных параметров на продажи.




Можно, например, увидеть, что при скидке в размере 7% от базовой стоимости, мы получаем пиковую конверсию, а значит можно принять такой размер скидки в качестве оптимального.


The dependence of the conversion from price deviation

Показать на графике (ось х — отклонение от цен конкурентов, y — доля товаров и пользователей):

  • Распределение ассортимента товаров по сегментам отклонения от цен конкурентов (синяя линия)
  • Количество пользователей, которые смотрели соответствующий диапазон товаров с этим отклонением (оранжевая линия)
  • Распределение покупок (красная линия)
  • Распределение валовой прибыли, в зависимости от того, насколько отличается от цен конкурентов проданный товар

Income distribution


Ответить на вопрос, насколько отличалась цена купленных товаров от цен конкурентов в зависимости от каждой из рекламных кампаний.

From where did new and loyal buyers come from?


Или, посмотрев на отчет Price Index (Competera), определить влияние действий и цен конкурентов на продажи (и соответственно, откорректировать свои цены).


Reduce prices to fit the market level

И так далее. То есть, отталкиваясь от качественных и правильно визуализированных данных, можно предсказать оборот по разным категориям товаров и по отдельным продуктам.

Вывод

Теперь вы знаете преимуществах объединения данных о поведении пользователей, ценах конкурентов и внутренних показателей ритейлера для увеличения конверсии; о том, как оптимально настроить этот процесс; о том, какие выводы можно сделать на основе полученных данных (влияние на конверсию, оценка каналов, умное ценообразование).

Тем не менее, самое ценное — не информация, а умение ее применять в ежедневной работе. И, если вам будет нужна помощь на каком-то из этапов, мы будем рады помочь — обращайтесь:


Оставить комментарий