Úvod do strategické cenotvorby
Jak přijít na svou strategii cenotvorby
Nastavení cen produktů v e-commerce
Určování správné hladiny marže
Pokročilá dynamická cenotvorba
S marketingem souvisí v online světě velký důraz na vyhodnocení na základě dat. To samé by mělo platit pro cenotvorbu. Se stejným drobnohledem bychom měli vyhodnocovat každou změnu, taktiku týkající se cenotvorby.
V této kapitole probereme základy vyhodnocení a analytiky. Není naší ambicí nahrazovat výuku statistiky, proto se budeme snažit koncepty velmi zjednodušit i za cenu mírných statistických nepřesností.
Prvním a primárním principem vyhodnocení je uvědomění toho, co vlastně budeme vyhodnocovat. Jak jsme uvedli v několik definicích výše, cenotvorba je soubor činností, které vedou k určení ceny produktu. Pokud tedy budete testovat, zda se vám vyplácí, uvědomujte si, že testujete, zda se vám vyplácí určitá strategie a nebo (a to nejčastěji) taktika, nikoliv cenotvorba jako celek.
Testování a vyhodnocení nejsou jen doplňky pro cenotvorbu. Jsou její pevnou součástí. Ideální je pro strategickou cenotvorbu zavést klasický optimalizační proces, který zahrnuje celou práci s testováním. Ten probíhá ve třech krocích - nejdříve trochu obecně:
Pokud si znovu vezmeme co nejjednodušší příklad: jako produktoví manažeři máme na starosti skupinu produktů “Petfood - konzervy běžné”. V nich dnes naceňujeme na pevnou marži 25 %. Hypotéza vzniká na základě častých telefonátů na zákaznickou linku při malé změně cen je, že zákazníci v tomto segmentu jsou extrémně cenově citliví. Stejně tak víme, že se jedná o vysoce konkurenční prostředí. Naše hypotéza tedy je, že pokud začneme naceňovat na nejlevnější konkurenta - 1 Kč, ale vždy víc než 20 % marže, tak budeme schopni zvýšit naši celkovou korunovou marži o 10 % vlivem vyššího obratu a také dalších nakoupených položek.
Jakmile máte hypotézu hotovou, můžete nastavit novou taktiku na skupině a začít testovat. Teorie testování hypotéz je vlastní statistickou vědou a pro naše účely plná příliš mnoha proměnnými.
Proto ji pro začátek doporučujeme zjednodušit. Testujte tak, abyste měli z nové taktiky alespoň 250+ prodejů, čím více, tím lépe. Testujte vždy v násobcích týdnů - alespoň 14 dní, ne však déle než 63 dní.
Alespoň 250 prodejů vám zajistí základní statistickou relevanci vzorku. Testování v násobcích týdnů a alespoň 14 dní vám zajistí vyhlazení vlivu víkendů. Testování nejdéle 2 měsíce zase přinese snížení datového šumu - čím déle testujete, tím více externích faktorů (činnost konkurence, slevové akce, vlivy sezóny, …) vám test “rozhazují”.
Pokud nebudete mít alespoň 250 prodejů za 60 dní, daná skupina je netestovatelná a doporučujeme ji spojit s jinou.
V ideálním světě je vyhodnocení snadné. Změříte výkon (nejčastěji obrat, zisk, marže %) testované taktiky, porovnáte ji se stejně dlouhým časovým obdobím před startem testu a vyhodnotíte, která varianta je lepší.
V ideálním světě ale nežijeme. V cenotvorbě vyhodnocujeme dopad na obrat a zisk. A na tyto metriky má dopad spoustu dalších faktorů. Data se vám můžou velmi lehce “zašumět” - tzn. mohou obsahovat spoustu signálů, které ovlivní prodejnost produktů a díky tomu tak ovlivní i výsledek testu. V nejhorším případě díky tomu budete používat variantu, která by bez zašumění prohrála. Budete si tak ničit svůj obrat a marži.
Oproti čemu tedy porovnávat výsledky? Existují čtyři způsoby:
Klasický A/B test
Polovině návštěvníků ukažte jednu variantu ceny a druhé polovině druhou. Statisticky by se jednalo o nejpřesnější variantu. Pokud ale prodáváte v EU, tak je tato technika zakázaná. Co hůř, zákazníci na ni nereagují velmi negativně.
Vyhodnocení oproti jinému časovému období
Změřte si výkon skupiny a porovnejte ho s jiným časovým obdobím. Buď s obdobím předcházejícím testovanému nebo obdobím přesně o rok zpátky. Velká výhoda je nenáročnost vyhodnocení. Nevýhodou je, že pokud existuje vliv období, tak zde bude data velmi kazit. Například při meziročním porovnání, kdyby celé odvětví a e-shop rostly o 15 %, tak by se při nezměněném výkonu v tomto roce ukázalo testované období jako o 15 % lepší.
Vyhodnocení oproti předchozímu časovému období se započítáním vlivu období
Částečným řešením předchozího způsobu a celkově přesnějším vyhodnocením je započítat do vyhodnocení právě vliv období. K minulému příkladu si představme situaci, kdy oproti předchozímu období jsme naměřili růst marže o 10 %. Pokud ale porovnáme výkon celého e-shopu v měřených obdobích, tak vidíme změnu výkonu e-shopu o 15 %. V tu chvíli v této zjednodušené situaci má nová taktika reálný výkon -5 %. Výhodou tohoto způsobu je relativní jednoduchost a rychlost vyhodnocení, slabinou je, že i výkon celého e-shopu není vždy správným čističem šumu, zvlášť pokud jsou velké výkyvy ve změně výkonu jednotlivých skupin.
Vyhodnocení oproti homogenně chovající se skupině produktů, které se oproti sobě nekanibalizují
Velmi zajímavou volbou je porovnat testovanou skupinu s jinou skupinou ve stejném časovém období. Vyhnete se tak ve velké míře problémům s vyhodnocováním v odlišných časových obdobích. Nevýhodou je, že je složité správně vybrat kontrolní skupinu - měla by být ve stejné fázi sezóny jako testovaná skupina a stejně tak by skupiny neměly mít navzájem podobné produkty (substituty). Např. pokud byste porovnávali výkon Huawei telefonů oproti skupině Sony telefonů, tak při významném snížení ceny Huawei telefonů bude ovlivněn prodej Sony telefonů. Zákazník si totiž typicky koupí jen jeden telefon. Příklady vhodných skupin pro testování mohou být například dvojice skupin: dámské běhací boty/pánské běhací boty, laserové tonery Canon/laserové tonery Epson.
Které vyhodnocení si vybrat, když všechna mají svá pro a proti? Záleží na specifikách vašeho byznysu a trhu, skladbě sortimentu a znalostech a možnostech vašeho týmu. Na těchto specifikách závisí, protože často způsobují největší šum a správnou volbou vyhodnocení tak můžete některý nebo většinu šumu odstínit.
Vidíme, že většina klientů vyhodnocuje oproti předchozímu období se započítáním vlivu období. Za nejčistší považujeme variantu testování oproti jiné skupině produktů - ne u všech e-shopů je ale možná, protože nemusí existovat vždy stejně chovající se skupina.
Co vše způsobuje šum?
Snažte se co nejvíc šumu odstínit. Ať tím, že vyberete vhodnou metodu pro vyhodnocení nebo že šum aktivně potlačíte - např. požádejte marketingové oddělení, aby neměnilo drasticky náklady na propagaci v průběhu testu. Sledujte, zda konkurence v průběhu testu neudělala masivní výprodejovou akci. Kontrolujte, zda se v mezidobí nezavedly nové řady produktů, neměnila se sezóna a zvažte dny v měsíci i počasí.
Nelekněte se, pokud vám vyjdou podobné výsledky obou variant. Bude to nejčastější výsledek všech testů. Znamená to prostě to, že zákazníci na tento druh změny nejsou citliví - buď byla změna ceny příliš malá, nebo nastal přesně opačný efekt: zvýšení zisku z vyšší ceny produktu se vyrušilo poklesem marže z menšího obratu (ekonomicky řečeno, poptávka je jednotkově elastická).
Vzhledem k obecné nepřesnosti testování na menších vzorcích (což jsou vzorky pod 1000 prodejů) a datovým šumům zvažte, zda dopady menší než 5 % chcete vůbec považovat za výhry. Pokud máte dlouhodobě rozdíly pod 5 %, zkuste být více agresivní, co se testů a změn týká.
Gratulujeme, máte za sebou první testování – vytvořili jste hypotézu, tu jste otestovali a poté vyhodnotili. To vše jsme dělali proto, abychom zkoumali, zda je lepší jedna nebo druhá taktika z pohledu dopadu nejčastěji na obrat a zisk.
Tyto aktivity často mohou fungovat v koloběhu, kdy postupně prověřujeme všechny možné hypotézy – citlivost na cenu, aktivitu konkurence, cenovou elasticitu atp.
Nutně to neznamená, že byste měli testovat všechny skupiny po zbytek věků. Principy Exploration/Exploitation dilematu říkají, že v jednu chvíli může systém provádět jen jednu aktivitu. Buď hledá nové optimum a nebo vytěžuje to, co se naučil. Ve světě strategického pricingu si to můžeme představit jako dilema, zda spustit další test, který nevíme, zda nám něco přinese a nebo zda netestovat dál a vytěžit nově nalezené funkční taktiky.
Rozhodnutí, zda testovat dál, tedy záleží čistě na vás. Můžete vycházet i z toho, jak daleko jste od dosažených cílů vaší strategie, v jaké části sezóny jste, jak zaneprázdněný je váš produktový tým atp. V praxi vidíme, že se období Exploration a Exploitation pravidelně střídají. Stejně tak nemusíte testovat celý sortiment naráz, ale můžete vybírat jen jeho jednotlivé části.
Principy dlouhodobého testování jsou ale obecně platné a doporučujeme zařadit testovací období alespoň jednou za čas, protože jak se postupem času mění trh a poptávka, tak se může měnit i výhodnost jednotlivých taktik.
