Маркетплейсы / Посчитать эффективность скидки
Стоит ли делать скидку: считаем эффективность с ИИ
Скидка оправдана, если она увеличивает маржинальную прибыль, а не только выручку. ИИ прогнозирует спрос и подсказывает оптимальный размер скидки, чтобы не уйти в минус. Главный показатель — промо-маржа: выручка со скидкой минус себестоимость.
Проблема
Почему это важно
Продавец на маркетплейсе часто снижает цену, чтобы поднять продажи, но не считает, как это влияет на прибыль. В итоге выручка растёт, а маржа падает, и скидка оказывается убыточной.
Почему возникает
- Нет модели зависимости спроса от цены — неизвестно, насколько вырастут продажи при снижении цены.
- Скидку устанавливают интуитивно или по требованию маркетплейса, без расчёта точки безубыточности.
- Не учитывают дополнительные издержки: логистику, комиссию, возвраты, которые съедают маржу.
Риски и потери
- Убыток: скидка не окупается, продавец теряет деньги на каждой единице.
- Размытие бренда: частые скидки снижают воспринимаемую ценность товара.
- Кассовый разрыв: рост продаж требует закупки товара, а прибыль не покрывает затраты.
Что влияет на результат
- Эластичность спроса по цене — насколько изменится объём продаж при изменении цены.
- Себестоимость товара и переменные издержки (комиссия, логистика, упаковка).
- Базовая цена и размер скидки.
- Дополнительные эффекты: рост рейтинга, привлечение новых клиентов, распродажа остатков.
Типичные ошибки ручного подхода
- Считают только выручку, игнорируя маржу.
- Не учитывают комиссию маркетплейса и логистику.
- Оценивают спрос на глаз, без данных о прошлых акциях.
- Не сравнивают сценарий со скидкой и без неё.
Определение
Что важно понимать
Промо-маржа
Разница между выручкой от продажи товара со скидкой и полной себестоимостью проданных единиц, включая переменные издержки.
Показывает, зарабатывает ли продавец на акции, а не только получает ли выручку.Эластичность спроса по цене
Показатель, на сколько процентов изменится объём продаж при изменении цены на 1%.
Позволяет спрогнозировать, вырастут ли продажи достаточно, чтобы компенсировать снижение цены.Точка безубыточности скидки
Минимальный прирост продаж, при котором скидка не снижает маржинальную прибыль.
Помогает понять, насколько агрессивной может быть скидка без убытка.Данные
Какие данные нужны
История продаж
Для оценки эластичности спроса и прогноза продаж при разных ценах.
- дата
- SKU
- цена
- количество проданных единиц
- наличие скидки
Себестоимость и издержки
Для расчёта маржинальной прибыли и точки безубыточности.
- закупочная цена
- комиссия маркетплейса
- логистика
- упаковка
- прочие переменные расходы
Данные о конкурентах и ценах
Для понимания ценового диапазона и реакции спроса на изменение цены.
- цены конкурентов
- рейтинг товара
- количество отзывов
Методология
Как оценить эффективность скидки
Принципы
- Сравнивай сценарий со скидкой и без неё: считай маржинальную прибыль, а не выручку.
- Используй данные о прошлых акциях для оценки эластичности спроса.
- Учитывай все переменные издержки: комиссию, логистику, возвраты.
- Проверяй прогноз на фактических данных после акции.
Допущения
- Спрос линейно зависит от цены в небольшом диапазоне (для простоты).
- Себестоимость и издержки постоянны на единицу товара.
- Нет значимых внешних факторов (сезонность, конкуренты) в коротком периоде.
Ошибки
- Считать только выручку, игнорируя маржу.
- Не учитывать комиссию маркетплейса и логистику.
- Оценивать эластичность на глаз, без данных.
- Не проверять прогноз после акции.
Роль ИИ
Как ИИ решает задачу
Прогноз спроса при разных ценах
Данные на входе: История продаж: дата, SKU, цена, количество, Сезонность, тренды, Данные о конкурентах
Что делает модель: Обучает модель машинного обучения для прогноза объёма продаж в зависимости от цены и других факторов.
Результат: Прогноз количества проданных единиц для каждого варианта скидки.
Как используется: Продавец видит прогноз и использует его для расчёта промо-маржи.
Оценка эластичности спроса по цене
Данные на входе: История продаж с разными ценами, Данные о скидках
Что делает модель: Статистический анализ зависимости объёма продаж от цены, вычисление коэффициента эластичности.
Результат: Коэффициент эластичности и доверительный интервал.
Как используется: Продавец использует эластичность для расчёта точки безубыточности.
Рекомендация оптимальной скидки
Данные на входе: Прогноз спроса, Себестоимость и издержки, Целевая маржа
Что делает модель: Перебирает варианты скидок, рассчитывает промо-маржу и выбирает вариант с максимальной прибылью.
Результат: Рекомендуемый размер скидки и ожидаемая промо-маржа.
Как используется: Продавец принимает решение о запуске акции на основе рекомендации.
Разбор
Как это работает
- 1
Вход: история продаж, себестоимость, издержки. Действие: система загружает данные и очищает их. Результат: структурированный набор данных для анализа.
- 2
Вход: данные о продажах с разными ценами. Действие: модель оценивает эластичность спроса. Результат: коэффициент эластичности.
- 3
Вход: эластичность, себестоимость, издержки. Действие: система рассчитывает точку безубыточности для разных скидок. Результат: минимальный прирост продаж для каждой скидки.
- 4
Вход: прогноз спроса от модели. Действие: система рассчитывает промо-маржу для каждого варианта скидки. Результат: таблица с вариантами и ожидаемой прибылью.
- 5
Вход: таблица вариантов. Действие: система выбирает вариант с максимальной промо-маржой. Результат: рекомендация по скидке.
- 6
Вход: рекомендация. Действие: продавец запускает акцию. Результат: акция запущена.
- 7
Вход: фактические продажи после акции. Действие: система сравнивает факт с прогнозом. Результат: отчёт о точности прогноза и фактической промо-марже.
Расчет
Формулы для расчёта эффективности скидки
Для оценки скидки используем две ключевые формулы: промо-маржу и точку безубыточности.
Промо-маржа
Промо-маржа = (Цена со скидкой − Себестоимость единицы) × Количество проданных единиц- Цена со скидкой — цена после применения скидки
- Себестоимость единицы — закупка + комиссия + логистика + упаковка
- Количество проданных единиц — прогноз или факт
Условный пример: Цена со скидкой = 900 руб., себестоимость = 600 руб., продано = 150 шт. Промо-маржа = (900 − 600) × 150 = 45 000 руб.
Допущение: Если промо-маржа положительна, скидка приносит прибыль.
Точка безубыточности скидки
Необходимый прирост продаж = (Базовая цена − Цена со скидкой) / (Цена со скидкой − Себестоимость единицы) × 100%- Базовая цена — цена без скидки
- Цена со скидкой — цена после скидки
- Себестоимость единицы — переменные издержки на единицу
Условный пример: Базовая цена = 1000 руб., цена со скидкой = 900 руб., себестоимость = 600 руб. Необходимый прирост = (1000 − 900) / (900 − 600) × 100% = 33,3%. То есть продажи должны вырасти минимум на 33%, чтобы скидка не снизила прибыль.
Допущение: Если фактический прирост меньше, скидка убыточна.
Пример расчета
Как это выглядит в цифрах
Условный пример: оценка скидки 10% на товар
- Допущение: Базовая цена товара: 1000 руб.
- Допущение: Себестоимость единицы: 600 руб.
- Допущение: Текущие продажи: 100 шт. в месяц.
- Допущение: Планируемая скидка: 10% (цена 900 руб.).
- Допущение: Прогноз спроса от ИИ: при скидке 10% продажи вырастут на 40% (до 140 шт.).
Промо-маржа без скидки: (1000 − 600) × 100 = 40 000 руб. Промо-маржа со скидкой: (900 − 600) × 140 = 42 000 руб. Прирост прибыли: 2 000 руб. Точка безубыточности: (1000 − 900) / (900 − 600) × 100% = 33,3%. Прогноз 40% > 33,3%, значит скидка выгодна.Скидка 10% увеличит промо-маржу на 2 000 руб. при условии, что продажи вырастут на 40%. Это выше точки безубыточности, поэтому акция целесообразна.
Логика решения
Почему дана такая рекомендация
Что повлияло на решение
- Прогнозируемый прирост продаж от ИИ
- Себестоимость и переменные издержки
- Точка безубыточности скидки
- Целевая маржа продавца
Какие риски учтены
- Прогноз может не сбыться из-за внешних факторов (конкуренты, сезонность).
- Скидка может привлечь разовых покупателей, не повышая лояльность.
- Рост продаж потребует дополнительных запасов и оборотных средств.
Какие варианты рассматривались
- Не делать скидку, а улучшить карточку товара (фото, описание).
- Сделать скидку меньше (5%) и проверить реакцию.
- Использовать скидку только для распродажи остатков.
Выбран вариант с максимальной прогнозируемой промо-маржой, при этом прирост продаж выше точки безубыточности.
Если бы прогноз прироста был ниже 33%, скидку стоило бы отклонить или уменьшить.
Результат
Что видит пользователь
Дашборд с прогнозом продаж и промо-маржой
Таблица с вариантами скидок, прогнозом продаж, промо-маржой и точкой безубыточности.
Продавец выбирает оптимальный размер скидки и запускает акцию.Уведомление о превышении точки безубыточности
Система предупреждает, если прогнозный прирост ниже необходимого.
Продавец корректирует скидку или отменяет акцию.Автоматизация
Что автоматизируется, а что нет
Выполняется автоматически
- Сбор и очистка данных о продажах и издержках.
- Расчёт эластичности спроса и точки безубыточности.
- Прогноз продаж при разных скидках.
- Расчёт промо-маржи для каждого варианта.
Требует настройки
- Настройка источников данных (выгрузки с маркетплейса, таблицы издержек).
- Определение целевой маржи и ограничений по скидке.
- Настройка порогов для уведомлений.
Остаётся за человеком
- Решение о запуске акции.
- Выбор между рекомендацией ИИ и другими стратегиями (например, улучшение карточки).
- Оценка неучтённых факторов (репутация, остатки).
Внедрение
Как внедрить решение
Быстрый запуск
- Собрать данные о продажах и издержках в Excel.
- Рассчитать промо-маржу и точку безубыточности вручную по формулам.
- Провести тестовую акцию на одном товаре и сравнить факт с прогнозом.
Рабочая система
- Настроить автоматическую выгрузку данных с маркетплейса.
- Создать дашборд с расчётом промо-маржи и точки безубыточности.
- Подключить модель прогноза спроса (ML) на основе истории продаж.
Расширенный вариант
- Добавить данные о конкурентах и сезонности для более точного прогноза.
- Внедрить сценарный анализ: несколько вариантов скидок и их влияние на прибыль.
- Автоматически рекомендовать скидку для каждого товара на основе целевой маржи.
Подготовка
Чек-лист перед запуском
- 1
Собрать данные о продажах за последние 6-12 месяцев.
- 2
Определить себестоимость и все переменные издержки на единицу.
- 3
Рассчитать точку безубыточности для планируемой скидки.
- 4
Оценить эластичность спроса по прошлым акциям.
- 5
Спрогнозировать продажи при разных скидках с помощью ИИ.
- 6
Сравнить промо-маржу со скидкой и без неё.
- 7
Установить целевой уровень маржи и ограничения по скидке.
- 8
Запустить тестовую акцию на ограниченной группе товаров.
- 9
Отслеживать фактические продажи и сравнивать с прогнозом.
- 10
Через 2-4 недели подвести итоги и скорректировать модель.
Вывод
Главное
Скидка оправдана только тогда, когда она увеличивает маржинальную прибыль, а не просто выручку.
Основные данные — история продаж, себестоимость и переменные издержки. Ключевые расчёты — промо-маржа и точка безубыточности скидки.
ИИ прогнозирует спрос при разных ценах и помогает выбрать оптимальный размер скидки, чтобы не уйти в убыток.
Начните с расчёта точки безубыточности для планируемой скидки в Excel, используя данные о себестоимости и издержках.
Метод ReMetod
На чем основан вывод
Метод ReMetod учит строить решение от бизнес-проблемы к модели и данным. В рамках практикума участники проходят путь от постановки задачи до работающего веб-интерфейса с автоматизацией, что позволяет реализовать описанный расчёт эффективности скидки.
В программе практикума этот подход разбирается пошагово: от формулировки бизнес-задачи до модели решения, данных, автоматизации, интерфейса и проверки результата.
Посмотреть программу практикумаВопросы
Что обычно уточняют
У меня нет данных о прошлых акциях, как оценить эластичность?
Можно начать с тестовой акции: установите небольшую скидку и сравните продажи с предыдущим периодом. Постепенно накопите данные для модели.
ИИ не сможет учесть все факторы, например, действия конкурентов.
ИИ учитывает только те данные, которые вы ему предоставите. Поэтому важно дополнять модель внешними данными и проверять прогноз на фактах.
Скидка может привлечь нецелевую аудиторию, которая купит только по акции.
Это риск. Оценивайте не только промо-маржу, но и повторные покупки. Если акция привлекает разовых клиентов, её долгосрочная ценность ниже.
Следующий шаг
Выберите, как продолжить с ReMetod
Хотите научиться считать эффективность скидок с помощью ИИ? Приходите на бесплатный вебинар ReMetod.