Ценовое тестирование
Сложные методы исследований блестяще имитируют опыт реальных покупок. Но это все-таки имитация. Всегда существует доля ошибки в любой модели исследования. Люди далеко не всегда ведут себя так, как говорят. Именно поэтому невозможно обойтись без так называемых «полевых» опытов. Компания систематически меняет реальную стоимость товаров на полках или онлайн и тщательно отслеживает реакцию потребителей на ценовые изменения. Возможность собирать реальные, достоверные данные – важное преимущество данного подхода. Раньше, кстати, проводить такие эксперименты в больших масштабах было крайне тяжело и дорого, то есть компании редко использовали полевые испытания для ценообразования. Современные технологии – такие, как сканирующие программы и онлайн торговля, – позволяют проводить тестирование быстрее, проще и дешевле, чем когда-либо. Думаю, в ближайшие годы они станут незаменимым инструментом ценообразования.
Миф о больших данных: как с помощью маркетинговых данных рассчитывать кривые спроса и ценовую эластичность
Заголовки важнейших бизнес-публикаций убеждают нас в том, что мы наконец-то живем в эпоху «больших данных». Я занимаюсь математической стороной экономики еще с колледжа, так что вы, возможно, думаете, что я рад расцвету этой новой, многообещающей эры. Однако моя реакция больше напоминает дежавю, чем радость.
Открытия в экономике 1970-х годов и стремительная эволюция и персонализация вычислительных способностей пробудили робкую надежду на то, что «большие данные» навсегда изменят маркетинг и ценообразование. Мы научились точно рассчитывать кривую спроса и ценовую эластичность, потому что наконец смогли отслеживать колебания в ценах, доле рынка и объеме продаж, быстро анализировать данные и использовать их для своей выгоды.
Однако большие надежды закончились разочарованием.
Разочарование не было связано с доступностью данных, их глубиной и многообразием или способностью «перемолоть» их. Разочарование вызывала актуальность этих данных. Мы проводим различие между свежими маркетинговыми данными с «живых» рыночных исследований, о которых мы говорили выше, и статистическими данными за прошлый период деятельности компании не в рамках конкретного эксперимента.
Еще в 1962 году Лестер Г. Телсер, профессор Чикагского университета, утверждал, что рыночные данные за прошлый период практически неактуальны для прогнозирования будущего поведения.[125] Причина – в значительных колебаниях. На рынке с высокой ценовой эластичностью, вероятно, разница между ценами конкурентов небольшая. Даже без точных расчетов конкуренты знают, что изменение цен может оказать большое влияние на объем продаж. Так что никто не рискует. Если одна компания изменит свои цены, остальные, скорее всего, последуют за ней, так что соотношение цен вряд ли изменится. С эконометрической точки зрения, можно сказать, что независимая переменная (цена) остается в слишком строгих рамках, чтобы позволить достоверно прогнозировать кривую спроса.
На рынке с низкой ценовой эластичностью действительно наблюдаются значительные колебания цен и ценовой разницы, но они мало влияют на объем продаж. В данном случае эксперт по эконометрике сказал бы, что независимая переменная (объем продаж) остается в слишком жестких рамках, чтобы верно подсчитать ценовую эластичность.
Simon-Kucher & Partners тоже питала большие надежды в период подъема «больших данных», и для нас урок оказался непростым. Когда мы основали фирму в 1985 году, мы планировали применять эконометрические методы к статистическому анализу рынка за прошлый период, чтобы принимать оптимальные ценовые решения. Сооснователь фирмы Экхард Кухер посвятил свою докторскую диссертацию этой теме. С тех пор фирма реализовала более 5000 проектов по ценообразованию во всех основных отраслях, и я бы сказал, что примерно в 100 проектах мы использовали эконометрику как ключевой метод. Профессор Телсер был прав.
Я бы дополнил его наблюдения своим собственным выводом. Я заметил, что компании уделяют меньше внимания ценообразованию, когда дела идут в гору и рынок стабилен. Нужны значительные структурные изменения на рынке – появление нового конкурента, уход конкурента, появление новых технологий или каналов распространения, чтобы вынудить компании уделить внимание ценам, провести анализ или пригласить консультанта. Такое происходит, когда истекает срок действия фармацевтических патентов, и на рынок выходят непатентованные средства; когда физические товары продаются по Интернету, или когда компании агрессивно внедряют новые каналы распространения. Когда происходит такое структурное изменение, статистические маркетинговые данные не дают никаких надежных сведений о настоящем и будущем поведении потребителей. Следствие этих наблюдений касается цен на новые товары, которые тоже зачастую представляют собой «структурный прорыв». Если вы рассчитываете цену на новый товар, например Apple iPhone, то статистические данные за прошлый период в лучшем случае принесут незначительную пользу, а в некоторых случаях – вообще никакую.
За многие годы работы я обнаружил, что сочетание методов, о которых мы говорили, дает самый надежный результат. Ни один метод сам по себе не обладает таким количеством преимуществ, чтобы рекомендовать именно его. Когда один метод проверяет другой, это дает определенный диапазон данных, которые можно использовать, чтобы свести к минимуму количество вариантов. Если все методы показывают одинаковые тенденции и результаты, можно с полной уверенностью говорить о том, что вы правильно определили то, как клиенты отреагируют на ценовые изменения, а цена, которую вы выбрали, действительно оптимальная.
Итак… а как же цены конкурентов?
В большинстве предыдущих примеров я максимально все упростил, чтобы объяснить вам основную мысль. Для этого мы исключили целую тему – как конкуренты отреагируют на ваши действия. В контексте ценовых решений возникают две сложности, когда мы учитываем реакцию конкурентов: количественный эффект ценовых изменений конкурентов на ваши продажи и качественная задача – определить, как отреагируют конкуренты. Первое сравнительно легко объяснить и подсчитать, а со вторым будет сложнее.
Начнем с воздействия цен конкурентов на продажи вашей компании. Очевидно, что цены конкурентов влияют на решения потребителей. Можно измерить это влияние, взглянув на перекрестную эластичность цен. Перекрестная эластичность цен – это процентное изменение нашего объема продаж, деленное на процентное изменение цен конкурентов. Допустим, конкурент снизил цены на 10 %, в результате чего наши продажи упали на 6 %. То есть перекрестная эластичность цен составит 6/10 = 0,6. В отличие от ценовой эластичности нашего собственного продукта, перекрестная ценовая эластичность представляет собой положительное число, так как продажи обычно двигаются в том же направлении, что и ценовые изменения конкурентов; это значит, что если они поднимают цены, ваши продажи тоже растут и наоборот. Абсолютная величина перекрестной ценовой эластичности обычно ниже, чем абсолютная величина ценовой эластичности. Чем меньше дифференцированы товары, тем ближе друг другу эти две эластичности.
Как вы понимаете, нужно учитывать цены конкурентов в нашей кривой спроса. Это можно сделать разными способами. Вместо того чтобы использовать нашу цену как независимую переменную, можно заменить ее разницей между нашей ценой и ценой конкурентов. Можно также использовать в качестве независимой переменной относительную цену, то есть нашу цену, деленную на цену конкурента. Наконец, можно включить цену конкурента как дополнительную переменную в кривой спроса. Или же использовать один из тех методов, о которых мы говорили выше, чтобы подсчитать воздействие ценовых изменений конкурентов на наш объем продаж.
Дилемма заключенного: игра начинается
Перед тем как принять ценовое решение, подумайте, как отреагируют на него ваши конкуренты. Подобная взаимозависимость, когда вы знаете, что ваши решения повлияют на них и наоборот, характерна для рынков с небольшим количеством продавцов, которые экономисты называют олигополиями. Ценовые изменения любого конкурента окажут заметное воздействие на продажи других конкурентов, которым придется решить, реагировать или просто принять последствия, не предпринимая ничего.
Если конкуренты все же решат действовать, это негативно отразится на объеме продаж других конкурентов. Кроме того, есть риск цепной реакции, которая ведет нас к теории игр, сформулированной в 1928 году математиком Джоном фон Нейманом, который также изобрел компьютер.[126] Если учитывать реакцию конкурентов в ваших ценовых решениях, это, конечно, усложнит процесс. Самая распространенная ситуация в ценообразовании – это дилемма заключенного,[127] то есть специфическая ситуация, когда вам нужно прогнозировать действия другой стороны, потому что от ее решений зависит ваша судьба.
