Как мы оптимизировали ценообразование и перестали терять маржу на маркетплейсах

Когда мы только начинали продавать на маркетплейсах, казалось, что главное поставить цену чуть ниже, чем у конкурентов, и продажи сами пойдут вверх. Первые месяцы это действительно работало. Но со временем мы столкнулись с тем, что низкая цена не всегда означает высокую прибыль.

Наши обороты росли, но чистая прибыль наоборот, снижалась. Мы видели рост продаж на 30%, а маржа за тот же период упала на 12%. Проблема заключалась в том, что мы не учитывали реальные затраты на логистику, комиссии площадок, возвраты и скидочные кампании.

Проблемы, с которыми мы столкнулись

1. Отсутствие гибкого ценообразования. Мы устанавливали цены «на глаз» или по шаблону: “на 5% дешевле, чем у конкурентов”. Это приводило к падению маржи.
2. Непонимание точной себестоимости. Комиссии, скидки, логистика - всё это размывало прибыль, и мы не понимали, сколько зарабатываем реально.
3. Неэффективные акции. Мы часто снижали цены в периоды распродаж, не анализируя, оправданы ли эти скидки. Иногда товары продавались в минус, и мы узнавали об этом только после окончания акции.
4. Разрыв между аналитикой и реальностью. Продажи казались успешными по количеству заказов, но реальные показатели прибыли говорили об обратном.

Как мы пересмотрели стратегию

1. Разделили товары по категориям маржинальности. Мы сгруппировали все SKU по трём уровням:

1. Высокомаржинальные с наценкой от 40%.
2. Среднемаржинальные от 20% до 39%.
3. Низкомаржинальные ниже 20%. Теперь каждая группа имеет собственную стратегию скидок и участия в акциях.

2. Внедрили динамическое ценообразование. Мы начали регулярно пересматривать цены в зависимости от спроса, сезона и позиций конкурентов. Использовали данные из MPSTATS и монейплейс, чтобы отслеживать изменение цен на аналогичные товары и сравнивать динамику по топ-10 продавцов в каждой категории. Это позволило вовремя повышать цену, когда конкуренты распродавали остатки, и не участвовать в гонке на снижение.

3. Учли все скрытые расходы. Мы построили таблицу, где на каждый товар рассчитывались: себестоимость, логистика, комиссия маркетплейса, расходы на рекламу и упаковку. Это позволило увидеть реальную прибыль по каждой позиции и отказаться от нерентабельных SKU.

4. Настроили Power BI для контроля маржи. Мы связали данные из таблиц и аналитических сервисов, чтобы видеть динамику цен и прибыли в одном дашборде. Теперь команда видит, какие товары «тянут вниз» общую рентабельность, а какие стоит масштабировать.

5. Тестируем оптимальные диапазоны цен. Мы проводим регулярные A/B-тесты: например, поднимаем цену на 5% и смотрим, влияет ли это на объём продаж. В некоторых категориях мы получили неожиданный эффект: повышение цены не снижало спрос, а наоборот, увеличивало доверие к товару.

Результаты

1. Рост маржи на 18% за 4 месяца.
2. Снижение доли убыточных SKU с 27% до 9%.
3. Увеличение средней цены товара на 6% без падения продаж.
4. Оптимизация участия в акциях: теперь только 60% товаров участвуют в распродажах, а не 100%, как раньше.
5. Чистая прибыль выросла на 22%.

Побочные эффекты

1. Рост нагрузки на аналитиков. Поначалу команда тратила много времени на сбор данных. Решили автоматизацией и интеграцией с Power BI.
2. Сопротивление со стороны менеджеров. Им казалось, что повышение цены приведёт к падению продаж. Однако после первых положительных отчётов команда полностью поддержала новую систему.
3. Ошибки в первых расчётах. На старте мы не учли скидки и промокоды. После корректировки формул показатели стали точнее.

Оптимизация ценообразования стала для нас переломным моментом. Мы перестали соревноваться в «дешевизне» и начали конкурировать за ценность. Благодаря точной аналитике и системному подходу каждая цена теперь обоснована и стратегически, и финансово.

Инструменты вроде MPSTATS, монейплейс и повер би помогли нам увидеть полную картину: где теряется прибыль, а где её можно увеличить. Теперь каждая цифра в нашей ценовой политике подкреплена данными, а не интуицией.