В сфере розничной торговли в последние годы многие компании перешли на ценообразование на базе AI. Согласно исследованию аналитического агентства Horváth, 79 % компаний этого сектора планируют инвестировать в AI до 2030 года, в том числе и для оптимизации ценообразования.

Многие крупные торговые сети, включая такие знаменитые бренды, как американский магазин электроники Monoprice, британские супермаркеты Morrisons и испанские магазины модной одежды Zara, уже взяли на вооружение машинное обучение.

Например, Zara определяет начальную цену с помощью AI. Затем стоимость товаров автоматически корректируется в зависимости от тенденций. В результате, согласно исследованию, Zara продает со скидками только 15–20 % своих продуктов, в то время как другие европейские поставщики модной одежды – 30–40 % товара.

Ralph Lauren и Michael Kors с помощью машинного обучения смогли продавать меньше продуктов по сниженным ценам, управлять своими складскими запасами и увеличивать продажи.

Хорошо известно, что магазины модной одежды Boohoo и Shein с помощью машинного обучения достигают своих бизнес-целей, несмотря на низкие начальные показатели стоимости.

Даже в секторе B2B все больше компаний внедряют ценообразование на базе AI.

Рассмотрим шесть примеров внедрения ценообразования на базе AI в компаниях разного типа, как из сектора B2B, так и B2C (см. рисунок 7.2)[108].

Рисунок 7.2. Разные сценарии применения ценообразования на базе AI[109]

Географическое ценообразование

В разных географических частях одной страны, например, Северная, Южная, Центральная Германия, или целого региона (Европа) готовность платить может значительно отличаться. AI позволяет комбинировать внутренние данные о продажах, продуктах и клиентах с внешними: например, демографическими данными, информацией о доходах и экономической ситуации. Таким образом, с помощью географического ценообразования можно устанавливать идеальную начальную цену для продукта, сервиса либо размер скидок на них.

Предсказатель прибыли от контрактов

В контрактах на продажу, будь то техническое обслуживание или послепродажная поддержка, цены и скидки могут сильно отличаться в зависимости от типа клиентов или силы убеждения продавца.

Чтобы предложить только «необходимую» для закрытия сделки скидку, AI анализирует ряд параметров, относящихся к этому контракту, клиенту и контексту транзакции.

И определяет цену и предполагаемую прибыль, которые оптимальны для оформления договора.

Минимизатор оттока клиентов

Во многих индустриях, где у компаний большая клиентская база, для успеха в бизнесе нужно сократить до минимума отток клиентов. Среди таких предприятий: операторы связи, провайдеры сервисов платного ТВ, поставщики электричества или послепродажной поддержки автомобилей и оборудования.

С помощью AI можно рассчитать вероятность оттока клиентов и определить, какие меры нужно применять, чтобы удержать их. А также выявить оптимальную цену, которую лучше всего предложить покупателю, собирающемуся уйти к конкуренту.

Предсказатель скидок

Типичный сценарий применения AI – для оптимизации скидок. Алгоритм берет за основу цену из прайс-листа, определяет максимальную скидку, которая возможна для закрытия продажи. Параметры снижения определяются для конкретного покупателя и конкретного контракта.

Сегментация клиентов

Есть несколько вариантов сегментации клиентов, чаще всего анализируется готовность клиента заплатить. AI очень хорошо справляется с этой задачей, что позволяет оптимизировать предложения для покупателей.

Перекрестные продажи и апсейл

Как в секторе B2C, так и в B2B продавец для увеличения доходов и повышения прибыли старается продать клиенту дополнительные аксессуары или сервис.

С помощью AI можно проанализировать, насколько эффективно продавались комбинации определенных продуктов клиентам с похожими характеристиками. Это помогает в подготовке предложения по сопутствующим товарам и услугам для прямых клиентов (B2С) или клиентов в сбытовой сети (B2B), а также стимулирует перекрестные продажи и апсейл[110] по оптимальным ценам.