Всем привет! На связи Сергей - CEO и основатель компании BVMAX. Мы занимаемся заказной IT-разработкой, а еще активно внедряем ИИ в бизнес-процессы. Поделюсь нашим кейсом, как мы помогли дистрибьютору автозапчастей автоматизировать процесс управления ценами, сделав его быстрее и эффективнее.
Проблема
Наш клиент – поставщик автозапчастей. Здесь нет каких-то уникальных товаров, тяжело отстроиться от конкурентов. Все продают одно и то же. Поэтому в этой нише выигрывает тот, кто первым поставит наилучшую цену.
Его бизнес-модель была выстроена на том, чтобы максимально быстро реагировать на цену конкурентов. Чтобы это работало, нужно постоянно мониторить рынок. Для сбора данных использовался сторонний парсер. Однако такой подход не устраивал нашего клиента. Процесс находится не внутри компании, без контроля, а значит — в любой момент может что-то пойти не так. Да и платить каждый месяц 60 тысяч подрядчику уже совсем не хотелось.
Но мало того, чтобы спарсить цены. Эти данные нужно еще обработать и проставить на всех своих позициях. Все это делалось вручную и отнимало очень много времени. Сотрудники сверяли позиции, смотрели наличие заменителей, учитывали, есть ли товар у конкурентов и на каком складе.
Процесс ценообразования получался громоздким и сложным. Здесь многое зависело от человеческого фактора. Ошибки случались регулярно. Все из-за разрозненности данных и учета множества переменных.
Задача
Когда мы вникли в задачу, стало понятно: нужна не просто автоматизация, а система, которая решит все проблемы. Она должна быть гибкой и легко настраиваемой. В результате ускорить ценообразование и снизить риски ошибок.
Решение
За 6 месяцев мы разработали систему динамического ценообразования и решили сразу несколько проблем:
1. Парсинг цен
Встроили в систему собственный парсер. Теперь он собирает данные всего за 15 минут, а еще избавляет от нужды в стороннем подрядчике.
2. Конструктор ценообразования
Создали no code инструмент для внутреннего пользования. Сотрудники могут легко задавать алгоритмы просчетов. Все это выглядит, как некий калькулятор, где разными кубиками можно собрать правила для конкретного конкурента, SKU и бренда.
3. Машинное обучение
Внедрили алгоритмы машинного обучения. Они учитывают до 10 факторов при расчете цен и генерируют рекомендации по ценам.
4. Быстрая интеграция
Итоговые данные напрямую интегрируются в 1C, а все документы по продажам формируются уже с учетом данных системы.
Сравнение до и после
Вот как выглядел процесс ценообразования до нас:
- Парсинг цен конкурентов занимал 3,5-4 часа. Этим занимался сторонний подрядчик и обходился в 60 тыс. рублей в месяц.
- Расчет цен в Excel с помощью формул занимал еще 1,5-2 часа. Плюс человеческий фактор – ошибки из-за невнимательности.
- Интеграция в 1С через преобразование данных в XML формат добавляла еще 35 минут сверху.
Суммарно ценообразование занимало 6-7 часов. За это время конкуренты уже могли изменить цену.
А вот как это выглядит теперь:
Процесс ценообразования стал в 12 раз быстрее. Только вдумайтесь: 26 минут вместо половины дня. Сама частота парсинга увеличилась в 4 раза, что позволило быстрее реагировать на изменения рынка. А главное — система позволила снизить затраты на дорогих аналитиков. Теперь ценообразованием могут заниматься менее опытные сотрудники
Итог
Мы ускорили процесс ценообразования в 12 раз, убрали зависимость от подрядчиков и упростили работу сотрудникам. Помогли бизнесу сохранить и усилить конкурентное преимущество, увеличить объем продаж и быстрее реагировать на рынок.
Если ваш бизнес также нуждается в оптимизации бизнес-процессов – свяжитесь со мной. Обсудим, как мы можем помочь с помощью заказной разработки.