Текст книги "Прайс-менеджмент"

Рис. 3.18. Парное сравнение с помощью ACA

Напротив, для направленных атрибутов, таких как цена, можно в целом допустить, что атрибутивный уровень коррелирует с предпочтением, то есть более низкая цена в целом предпочтительней более высокой (за исключением некоторых предметов роскоши).

На третьем этапе респондентов просят измерить важность отдельных атрибутов на шкале. По каждому атрибуту респондентам показан лучший и худший уровни по сравнению с другими. Респондентов спрашивают, насколько важна для них разница. Как только рейтинги важности получены, делаются предварительные прогнозы предпочтений и значений полезности. ACA использует эти значения, чтобы определить, какие вопросы ставить на следующей стадии опроса. Для этого анализируется ряд парных сравнений (основа данного метода). На рис. 3.18 показано такое парное сравнение. Респондента просят проранжировать предпочтения по двум вариантам автомобилей по шкале от 1 до 9, где 1 представляет четкое предпочтение автомобиля слева, а 9 – автомобиля справа. Если респондент проявляет безразличие, это соотносится с 5.

Парные сравнения показывают, что в целом полезности обоих «автомобилей» примерно одинаковы, так что респондент скорее проявляет безразличие к выбору. Если респондент выказывает предпочтение, программа АСА использует эту информацию для повышения достоверности прогнозируемых значений полезности и для подбора нового парного сравнения. Поскольку прогнозируемые полезности оптимизируются с каждым вопросом, респонденту становится всё труднее отдать предпочтение какой-либо альтернативе. На основе данных значений полезности на следующем этапе прогнозируются функции «цена-отклик» с помощью математической модели рынка [34].

Подробное описание процедуры АСА, а также его достоинств и недостатков можно найти у Hermann и соавторов. [35].

Дополнительный гибридный подход к декомбинационному анализу – это декомбинационный анализ, основанный на выборе. В данном подходе выставленные респондентами рейтинги предпочтений атрибутов и уровней показывают набор продуктов, которые респонденты готовы рассматривать. В этом случае проводится опрос по принципу совместного измерения с использованием данного «набора к рассмотрению» [36].

Следующий подход, который мы изучим, называется «Моделирование дискретного выбора» (DCM). DCM – это категория совместных моделей, где рассматриваются решения о покупке («купить» или «не купить») вместо предпочтений. Совместный анализ, основанный на выборе (CBC), – это название ПО, разработанного Sawtooth специально для этой цели. Совместный анализ с постоянной суммой (CSC) – это дальнейшая разработка CBC в категории DCM.

На рис. 3.19 показана типичная модель опроса по принципу CBC. В отличие от традиционного совместного измерения и ACA, респондент должен принять решение о покупке. Респондентов не вынуждают приобретать какой-либо из представленных вариантов – имеется возможность не выбирать ни один из них.

Рис. 3.19. Решение о покупке (совместный анализ, основанный на выборе)

Если говорить об исходных допущениях, то CBC фундаментальным образом отличается от методов, которые мы уже рассматривали [37]. Поскольку возможность определения значений полезности на индивидуальном уровне ограничена, CBC лучше всего подходит для рынков с относительно гомогенными структурами предпочтений. Сегодня CBC – один из наиболее часто применяемых методов совместного анализа [38]. Его популярность определяется, среди прочего, возможностью генерировать достоверные измерения готовности платить [39]. Подробное обсуждение достоинств и недостатков этого подхода можно найти у DeSabro et al. [40].

Наконец, мы бы хотели уделить внимание еще одному усовершенствованию метода CBC. В последние годы совместный анализ с постоянной суммой (CSC) стал считаться передовым методом исследований в области ценообразования. В отличие от вариантов дискретного выбора «выберите что-то одно» или «лучший-худший» респонденты в CSC указывают свои предпочтения с помощью пунктов. Общее количество распределяемых пунктов остается постоянным, например, 10 или 100.

Можно также использовать иерархические байесовы модели, которые дают возможность прогнозировать полезность на индивидуальном уровне [41, 42]. Подходящее программное обеспечение – HB-Sum от Sawtooth [43]. Здесь задача – распределить фиксированное число решений о выборе в рамках набора товаров. Данный метод исходит из того факта, что респондент с равной вероятностью может купить два или более продукта. Например, врач для лечения определенной болезни может прописывать разные лекарства пациентам разного типа. Достоинство этого метода в том, что в анализ можно включать как существующие, так и новые продукты. На существующие (предположительно уже известные респонденту) можно распространить полнопрофильный подход. В общем, данный подход неплохо моделирует реальную ситуацию принятия решения. Процесс демонстрирует высокую информационную эффективность и повышает валидность традиционного совместного измерения. На рис. 3.20 показана типовая последовательность вопросов.

В этом примере врач соотносит число пациентов с каждым конкурирующим препаратом исходя из того, прописал бы он им это средство.

Результативность метода DCM можно улучшить, комбинируя его с другими подходами. Albers et al. [44] показывают, что использование комбинации совместного анализа, основанного на выборе, с другими подходами поддерживает решения о товарах и коммуникации на уровне сегмента. Это также дает возможность деривации готовности платить для пакетных решений. Но мы воздерживаемся от обобщений по поводу превосходства одного метода совместного анализа над другими. Соответствие того или иного метода зависит от непосредственной задачи, метода и контекста сбора данных [45].

Технический прогресс оказывает выраженный эффект на совместные измерения. Компьютеризованные опросы сегодня – обычная вещь. За счет сочетания мощных аналитических методов и современных информационных технологий стало возможным проведение опросов вне зависимости от количества атрибутов и уровней.

Рис. 3.20. Ситуация принятия решения на основе совместного анализа с постоянной суммой (CSC)

Это означает, что сложные продукты или ситуации принятия решений можно анализировать с помощью совместного измерения. Srinivasan [46] предлагает еще один эффективный вариант совместного измерения – адаптивный метод самоэкспликации (ASE). Альтернативная техника CBC – ограниченный анализ посещаемости сайта, разработанный Schlereth и Schulz [47]. С точки зрения достоверности он сопоставим с другими методами измерения предпочтений. В то время как CBC использует решения о выборе, Schlereth и Schulz [47] обращаются к поиску информации в процессе покупки. Они утверждают, что относительное время, в течение которого потребитель уделяет внимание атрибуту продукта, коррелирует с его относительной взвешенной важностью. Эмпирические результаты этих авторов демонстрируют сравнительный уровень достоверности принятых методов измерения предпочтений.

Применение компьютеров обеспечивает более привлекательное графическое изображение доступных опций за счет видео– и аудиоэлементов. Было, к примеру, доказано, что реалистичное визуальное представление продукта способно заменить использование прототипа без искажений поведения при выборе [48]. В будущем дополненная реальность еще усовершенствует этот процесс. С другой стороны, наличие простых в применении компьютерных программ сопряжено с риском того, что совместные измерения будут применяться без осознания сложности этого метода.

В свете столь продвинутых и серьезных техник, таких как совместные измерения, необходимо высказать предупреждение насчет шаблонного их применения. Чем сильнее упрощаются сбор и анализ данных, тем выше риск, что данный метод будет применяться без достаточной адаптации к конкретной ситуации. Это ведет к стереотипным результатам и некорректным интерпретациям. В этой связи мы снова высказываемся в пользу комплексного подхода. В каждом возможном случае необходимо выполнять перекрестную валидацию совместных результатов другими методами.

Многие практики и теоретики считают совместное измерение наилучшим подходом для измерения клиентских предпочтений и ценовых эффектов. Хотя большое разнообразие вариантов применения на практике подтвердило соответствие данного метода задаче измерения предпочтений, критики обращают внимание на проблему достоверности частично из-за гипотетичной природы ситуации покупки [30, 49, 50]. Таким образом, высокая внутренняя и внешняя достоверность равно исключаются. Внутренняя достоверность – это степень, с которой результаты исследования являются объективно логичными и могут быть интерпретированы однозначным образом. Внешняя достоверность показывает, в какой мере результаты соответствуют реальной ситуации покупки.

Обзор

В рамках совместных измерений потребителям напрямую не задают вопросов об их ценовом поведении. Вместо этого выводы о влиянии цены делаются на основе заявлений о предпочтениях или намерении купить. Респондентов просят дать взвешенную оценку «потребительская ценность – цена». Метод совместных измерений дает очень разные результаты для новых и для устоявшихся товаров. На результаты влияет исследовательская модель. Поэтому мы рекомендуем проявлять крайнюю осторожность и проводить упреждающие поисковые исследования. Результаты также следует подтверждать другими методами.

Ценовые эффекты также можно измерять посредством наблюдений, куда входят эксперименты и наблюдения за рынком. В рамках метода наблюдений исход исследований выражается не в устных объяснениях респондентов, а в их реальном поведении.

3.4.2.1. Эксперименты

Ценовые эксперименты

В рамках ценового эксперимента контрольным покупателям предлагаются альтернативные цены в реальной или реалистической ситуации покупки. Мы проводим различие между «полевыми» экспериментами в реальных условиях, лабораторными экспериментами и особой формой эксперимента под названием «прямой маркетинг». Цифровизация всё сильнее проникает в рыночную среду, и проведение ценовых экспериментов упрощается [51].

Эксперименты в реальных условиях тестируют влияние мер по ценообразованию (ценовые колебания, реклама цен, информирование о ценах, разные формы дифференциации цен) в реальных условиях покупки. Исследуемый продукт при этом не удаляется и не изолируется из покупательной среды. Меняется только независимая переменная (в данном случае цена), а все прочие факторы остаются максимально неизменными. Обычно контрольные субъекты не знают об эксперименте.

Можно выделить методы классического тестирования рынка и тесты в магазинах. На классическом тестовом рынке изучаются эффекты мер по ценообразованию для отдельных рыночных регионов. На практике этот формат не играет большой роли из-за высоких затрат времени и средств на него и невозможности сохранить в секрете факт эксперимента. Его практически целиком заменили такие менее затратные форматы, как магазинные тесты или испытания в моделируемых рыночных условиях. В рамках магазинного теста влияние ценовых мер изучается в выбранных для тестирования магазинах. Обычно выбирается несколько таких магазинов. Выборка необязательно должна быть репрезентативной. Подобные тесты могут дорого обходиться производителям, поскольку ритейлерам нужно платить за их проведение.

Следующий уровень магазинного теста – это тестовый мини-рынок. Тестовый мини-рынок – это комбинация магазинного теста и потребительской панели. Сбор данных в тестовых магазинах осуществляется сканерами. Сканер позволяет зафиксировать факт покупки в режиме реального времени, с точной локализацией и без особых затрат. Преимуществом в плане исследования цен здесь является предельная степень детализации данных, а также возможность их укрупнения множеством способов. Это обеспечивает широкий спектр возможностей для измерения и сегментирования.

В точке покупки товара можно собрать данные о цене, времени, местоположении товара и покупательской корзине. В то же время возможен сбор данных по альтернативным или замещающим продуктам, которые покупатель не выбрал (и их ценам), а также по ценам и объемам продаж других продуктов. В целом этот набор данных всеобъемлющим образом охватывает поле конкуренции и регистрирует всю важную для исследования цен информацию.

Другой вариант – это моделирование рыночных условий. Данный эксперимент проходит в виртуальной студии, которая симулирует реальный рынок.

Эта студия должна находиться в таком месте (например, в универмаге), которое посещает репрезентативная группа населения, и отражать релевантную структуру розничной торговли. В симуляционных тестовых условиях испытуемые участвуют в компьютеризованных ценовых экспериментах. Данный формат обладает преимуществами с точки зрения затрат времени и средств по сравнению с «реальными» симуляционными рынками, о которых мы говорили выше. Производитель имеет возможность надежнее обезопасить испытания продукта и цен от конкурентов и обеспечить более высокую степень секретности, чем на классическом тестовом рынке.

Цифровизация и электронная коммерция облегчают проведение ценовых экспериментов. Компьютерные онлайн-алгоритмы поддерживают построение статистических моделей, которые осуществляют сбор, передачу и анализ данных для достижения основной цели – прогнозирования потребительского поведения [52]. Цены для целей тестирования можно менять и измерять влияние объемов на них без дополнительных затрат, поскольку данные в любом случае будут зависеть от вида транзакции и от покупателя. Здесь возможна любая форма укрупнения. К примеру, Amazon меняет некоторые цены несколько раз в день, чтобы анализировать влияние различных цен на объемы [53]. Поскольку доля интернет-торговли продолжает расти, мы ожидаем значительного расширения ценовых экспериментов в реальных условиях.

Еще одна практичная и осмысленная форма ценового онлайн-тестирования – тестовые аукционы. С помощью опции «купить сразу» (которая соответствует зафиксированной цене продукта или услуги) можно проверять влияние различных цен на решение о покупке. Онлайн-аукцион в целях оптимизации цен представлен в следующем примере.

В данном случае дилер хочет продать 1000 камер Nikon Coolpix на eBay, но не знает, какую цену назначить. Дилер проводит следующий ценовой тест.

• В первый день он предлагает 50 камер по цене $400 за штуку.

• Во второй день размещает на платформе предложение на 50 камер по $350 за штуку.

• В третий день предлагает еще 50 камер по цене $300 за штуку.

На рис. 3.21 представлена итоговая функция «цена-отклик».

Рис. 3.21. Ценовой онлайн-тест

В первый день дилер продал 10 камер. Снизив на второй день цену до $350, он продал 20 камер.

На третий день, когда он снизил цену до $300, объем продаж вырос до 40 камер. Если предположить отсутствие взаимосвязи показателей по отдельным дням, в результате получается функция «цена-отклик», на основе которой можно проводить ценовую оптимизацию.

В отличие от экспериментов в реальных условиях, в лабораторных экспериментах все переменные, кроме цены, принимаются константами, насколько это возможно, чтобы можно было проанализировать влияние цены. Считается, что такие сценарии не полностью отражают действительность. При моделировании покупки участники теста получают некоторую сумму денег и идут с ними в магазин. В симуляционных условиях они видят конкурирующие товары. Различным группам могут быть представлены разные ценовые параметры (например, ценовой уровень, ценовая структура, презентация цены), которые систематически варьируют для наблюдения их влияния на объем продаж. Тестовые программы предлагаются, например, компаниями Ipsos и GfK.

Новейший формат лабораторных экспериментов в области цен предлагает научное направление, которое называется «исследования мозга». Так называемая область нейро-ценообразования исследует реакции человеческого мозга на ценовую информацию (см. главу 4). «Способ нашего восприятия цен ничем не отличается от того, как мы воспринимаем другие болевые стимулы», – говорит исследователь мозга Кай-Маркус Мюллер [54]. Восприятие цен запускает в мозге триггерные реакции, которые исследователи умеют измерять. Исследование мозга способно объективно регистрировать процессы, которые сам потребитель может не осознавать. В следующей главе мы поговорим об этом подробнее. Основные проблемы лабораторных экспериментов, связанные с достоверностью и степенью отражения реальности, еще в большей степени применимы к мозговым экспериментам. Участники экспериментов должны приходить в специализированные лаборатории и проходить медицинское обследование. Поэтому остается открытым вопрос, насколько репрезентативными окажутся выборки и результаты измерений при подобных обстоятельствах и в какой степени они применимы к реальному миру.

Обзор

Основные преимущества лабораторных экспериментов над «полевыми» заключаются в их низкой затратности, способности контролировать внешние воздействия, меньшей продолжительности и возможности обеспечить конфиденциальность. Их основной недостаток – это ограниченная внешняя достоверность, так как искусственно смоделированные ситуации покупки могут не повторять в точности реальные ситуации. Осведомленность субъектов об участии в таком эксперименте может заставить их вести себя так, как они обычно себя не ведут.

Экспериментальные аукционы

По мере расширения возможностей Интернета значение аукционов резко возросло [55]. На аукционных платформах, таких как eBay или Alibaba, товары и услуги продаются тому, кто сделает самую высокую ставку. Google зарабатывает миллиарды долларов, предоставляя пространство для рекламы на аукционной основе. Главный экономист Google Хэл Вэриан утверждает, что почти все функции в Google организованы на аукционной основе, даже IPO [56]. Но аукционы не только хорошо приспособлены для установления цен, они также обеспечивают возможность для определения готовности платить. Основная характеристика экспериментального аукциона – тот факт, что участники эксперимента совершают настоящие покупки.

Научная литература выделяет четыре вида аукционов: английский, голландский, по самой высокой цене и аукцион Викри. Их описание можно найти у McAfee и McMillan [57] и Skiera и Spann [55]. Skiera и Revenstorff [58] называют формат аукциона Викри инструментом изучения готовности платить. Этот формат особенно хорошо подходит для определения функций «цена-отклик» [58, 59]:

• В отличие от обычных аукционов, аукцион Викри обладает двумя фундаментальными особенностями: во-первых, участники не могут влиять на цену покупки напрямую за счет своих ставок. Во-вторых, цена покупки не соответствует самой высокой ставке, а исходит из предложения второго по величине ставки игрока. Игрок с самой высокой ставкой получает товар, но по цене, равной предложению второго по величине ставки игрока. Самый яркий пример аукционной платформы, работающей по принципу Викри, это eBay. Конкретная цена покупки исходит из предложения участника, предложившего вторую по величине ставку, плюс сумма, равная минимальной надбавке к цене на аукционе.

• С рациональной точки зрения при подобном аукционном процессе каждый отдельный участник получает стимул делать ставку на уровне, близком к его истинной готовности платить [29, 58–61]. Таким образом, Wolfstetter [61] называет аукцион Викри единственным форматом, основанным на поощрении.

• Помимо этого, преимущество аукциона Викри состоит в том, что ставку обязаны сделать все участники.

• Ставки участников допускают отклонения по функциям «цена-отклик», оптимальным ценам и долям рынка.

Еще одна форма аукциона – это так называемый аукцион «плата за ставку». Он применяется в аукционах как с повышением, так и с понижением цены. Его главная особенность в том, что каждый раунд заявок проходит в течение определенного периода времени с обратным отсчетом (например, 20 секунд), а участники платят фиксированную сумму за каждую сделанную ставку. Как только ставка сделана, снова начинается обратный отсчет с самого высокого уровня. Это дает соперничающим участникам шанс сделать ставку выше или ниже, за которую им снова придется платить эту фиксированную сумму. Если время для ставок истекает, а новых ставок никто не сделал, победитель имеет возможность приобрести товар, выставленный на аукцион, по цене последней сделанной ставки [62].

Обзор

Экспериментальные аукционы – это инновационный формат исследования цен. Онлайн-аукционы относительно недороги и могут заменить или дополнить традиционные форматы.

Помимо аукционов, данные о готовности платить можно собирать на лотереях. Этот подход к измерению готовности платить, предложенный Becker et al. [63], работает в два этапа [50].

• На первом этапе участника эксперимента просят оценить свою готовность платить в ходе прямого опроса по ценам.

• На втором этапе цена выбирается в формате лотереи. Если эта цена выше той, которую готов заплатить участник эксперимента, он всё равно обязан приобрести товар по цене, выпавшей по лотерее.

Как и аукцион Викри, лотереи основаны на поощрении. Эмпирическое сравнение аукциона Викри и лотереи показало, что оба метода надежны и достоверны при измерении индивидуальной готовности платить [63, 64].

3.4.2.2. Рыночные наблюдения

Данные по рынку

Данные по рынку, используемые в ценовом анализе, как правило, собираются заранее для другой цели. На многих рынках доступны стандартизированные данные, на основе которых принимаются ценовые решения. Помимо таких институтов исследований рынка, как IRI, Nielsen и GfK, которые регулярно собирают данные по объему продаж, долям рынка и ценам, ритейлеры пользуются сканерами, чтобы получать информацию о ценах и объемах продаж. Можно также получить статистические данные для анализа цен в отраслевых или торговых ассоциациях и из правительственных источников.

Информация представлена в форме либо динамических рядов, либо перекрестных рядов. Последние относятся к различным регионам или странам продаж, или сегментам рынка. Обязательное условие использования рыночных данных для измерения ценовых эффектов – это достаточный уровень вариабельности независимой переменной цены. В том случае, если цена со временем не меняется или не было вариаций перекрестных единиц, ценовые эффекты измерить невозможно. Подобная ситуация ни в коей мере не является исключительной. Цены конкурирующих компаний часто идут «нога в ногу», поэтому относительные цены долго остаются постоянными.

Как правило, для анализа рыночных данных используются эконометрические регрессионные методы. Однако превалирование данного метода в литературе не отвечает его практической значимости. Потребительские опросы, основанные на совместном измерении или экспертном мнении, играют более существенную роль на практике. Благодаря Интернету ценовые эксперименты становятся очень популярны. Внимания заслуживают некоторые вопросы, связанные с использованием ретроспективных данных для определения функций «цена-отклик». При низкой ценовой эластичности можно наблюдать значительную разницу в ценах, однако это не сильно влияет на объем продаж или долю рынка. Это означает, что, несмотря на высокую вариабельность независимой переменной, зависимая переменная оказывает незначительное влияние на уровень вариабельности. Напротив, при высокой ценовой эластичности проявляется обратный эффект. Относительные цены вообще редко варьируются, поскольку цены конкурентов быстро адаптируются к ценовым изменениям.

Telser [65] указывает на эти недостатки при использовании регрессии для измерения ценовых эффектов. Наш опыт более чем четырех десятилетий исследования и консультирования в области ценообразования подтверждает, что такая проблема существует.

Недостаток использования ретроспективных данных по рынку заключается в том, что отклик потребителей не является надежным индикатором основополагающего фактора, обеспечившего именно такой отклик (например, реклама цены, ценовые вариации, действия конкурентов). Что касается помощи в принятии решений, тот факт, что это данные прошлых лет, также не является благоприятным. Никогда нельзя сказать с точностью, применимы ли ценовые эффекты прошлых периодов к будущим ситуациям. Структурные прорывы на рынке, к примеру, появление нового конкурента, вызывают необходимость заново анализировать ценовые эффекты. Во время таких структурных подвижек прогностическая достоверность ретроспективных данных всегда слабая.

На рис. 3.22 продемонстрировано использование данных прошлых лет для определения функции «цена-отклик» на примере пленки для любительских фотографий на рынке США.

Рис. 3.22. Определение функции «цена-отклик» на основе ретроспективных данных по рынку (Simon-Kucher & Partners)

В рассматриваемый период лидером рынка была компания Kodak, а Fuji оспаривала ее позиции. Независимая переменная – относительная цена p_Fuji/p_Kodak, а зависимая переменная – доля рынка Fuji. И та и другая переменная показывают значительную вариабельность. Линейная функция «цена-отклик» m_Fuji = 34,5 – 27,7 х p_Fuji/p_Kodak объясняет 97 % вариабельности (R2 = 0,9667). Если мы снизим относительную цену с 0,78 до 0,74, что дает 5,1 %, доля рынка Fuji возрастет на 8,6 %. Таким образом, на данном уровне ценовая эластичность 8,6/–5,1 = –1,69.

При использовании регрессионного анализа на основе рыночных данных экономическому правдоподобию («внешней валидности») следует придавать тот же вес, что и статистическим критериям. Не существует стандартной модели, применимой ко всем ситуациям спроса и конкуренции. На самом деле совершенно необходимо тщательно проверить, исходя из конкретной ситуации, какие модели, переменные и характеристики следует выбрать.

Рис. 3.23. Определение функции «цена-отклик» на основе данных со сканеров

Данные со сканеров, которые регистрируют продажи и цены непосредственно на кассе, подходят для определения функций «цена-отклик». На рис. 3.23 представлен пример кофейного бренда, данные о продажах и ценах по которому собирались в разных торговах точках сети. Периодичность сбора данных – 1 неделя.

Наличие информации о ценах и объемах продаж зависит от отраслевого сектора. Если данных временного ряда нет, можно попробовать заменить их данными перекрестного ряда. Временные и перекрестные ряды также можно объединить в сквозную регрессию.

Аналитик по ценам должен творчески подходить к сбору и интерпретации данных, чтобы получить представление о ценовых эффектах. Используя вторичные данные для выявления причинно-следственных связей между ценой и объемом продаж, необходимо соблюдать следующие рекомендации.

• Ретроспективные данные следует готовить в графическом виде и изучать визуально; это само по себе может принести пользу.

• Условия, влиявшие на ретроспективные данные, должны в будущем сохранять достоверность. В случае динамических рынков необходимо подходить к данной предпосылке с известной долей критичности. Зачастую имеет место (выражаясь терминами эконометрики) структурный разрыв. Тогда результаты эконометрического анализа окажутся бесполезными.

• Следует проверить различные гипотезы с учетом влияния цен. Помимо цены, необходимо принять во внимание как можно больше маркетинговых инструментов.

• Экономическое правдоподобие не менее важно, чем статистическая точность.

Обзор

Помимо установления причинно-следственных связей между ценой и объемом продаж, ретроспективные данные по рынку дают возможность изучить ценовое поведение конкурентов. На основе рыночной информации можно проанализировать прошлые ценовые действия и отклики конкурентов и спрогнозировать их поведение на будущее. Кроме того, рыночные данные помогают оценить конкурентов с точки зрения финансовой ситуации, стратегии, будущего потенциала и возможностей.

Рис. 3.24. Функция «цена-отклик» для ноутбука (Simon-Kucher & Partners)

Данные интернет-аукционов

С изобретением Интернета появились новые онлайновые бизнес-модели на основе обратного ценообразования. Их предлагают, например, Priceline в США и ihrpreis.de в Германии. Ценовые заявки клиентов являются обязывающими, а оплата, как правило, осуществляется банковскими картами. Как только заявка клиента превышает минимальный ценовой порог поставщика (который известен только последнему), клиент получает товар и оплачивает стоимость своей заявки.

Пример такой функции «цена-отклик» показан на рис. 3.24. Товар в этом примере – ноутбук. Для данного товара значимый ценовой порог – $250. При ценах ниже этого уровня объем продаж резко возрастает. А в более высоких ценовых диапазонах функция «цена-отклик» выглядит более плоской.

Рис. 3.25. Функция «цена-отклик» для акции

На рис. 3.25 представлен второй пример функции «цена-отклик», выведенной на основе онлайн-данных. В этом примере речь идет о покупке ценных бумаг. В предустановленном ценовом интервале квалифицированный покупатель указывает количество акций, которое желает приобрести по каждому ценовому пункту. Предложения являются обязывающими. Можно видеть, что спрос резко падает в диапазоне $170–$180. Эта функция «цена-отклик» относится к типу притяжения.

На фондовых биржах кривая спроса определяется аналогичным образом. Но в данном случае покупатель называет только свой предел, а не желаемое количество по каждой отдельной цене. В совокупности получается кривая, как на рис. 3.25.

Обзор

С помощью Интернета можно без труда вывести точные функции «цена-отклик». Данные помогают определить истинную готовность клиентов платить. Таким образом, Интернет повышает профессионализм в области прайс-менеджмента.