Как компания с 20 000 SKU повысила маржинальность при том же объеме продаж
от маленьких предохранителей до крупногабаритных позиций – глушителей, радиаторов, головок блока, бамперов и облицовки для Газелей.
но и с большой разницей в габаритах, логистике и себестоимости товаров.
.png)
Такой масштаб и структура ассортимента усложняли управление ценами.
Внутри бизнеса товары разделены по ценовым группам в 1С, но в одной группе могли оказаться позиции с разной логистикой и габаритами: например, небольшая гофра и глушитель длиной до двух метров.
При ценообразовании приходилось балансировать между разными типами товаров: расчет под крупногабаритные позиции завышал цену мелких деталей, а расчет по среднему товару не учитывал всю нагрузку по логистике крупных позиций.
Оборот был высоким, но прибыльность не была прозрачной. В какой-то момент стало понятно, что часть продаж идет в минус. Это стало причиной заняться четкой юнит-экономикой: увидеть все расходы, понять фактический заработок и перестать терять деньги на отдельных позициях.
Первые попытки выстроить расчеты
Часть расчетов пробовали перенести в 1С, но быстро стало понятно, что для этого нужны программисты и постоянная доработка логики. Правила маркетплейсов менялись, а вместе с ними нужно было пересчитывать комиссии, логистику и другие расходы. По сути, бизнесу пришлось бы держать отдельного специалиста и постоянно разбираться во всех нюансах новых расчетов.
.png)
Google-таблицы, в которых считали юнит-экономику, требовали требовали много ручной работы. Каждый день нужно было выгрузить отчет, загрузить его в таблицу, отдельно добавить себестоимость и проверить, что все корректно обработалось. Если отчет не загружался или обрабатывался долго, процесс сразу замедлялся.
На ежедневное обновление уходило от 30 минут до часа. В начале месяца таблицы еще справлялись, но чем больше становилось строк, тем сложнее становилось с ними работать: данные приходилось грузить частями, а Google-таблицы часто зависали и не выдерживали большой объем строк.
.png)
Когда стало понятно, что ручные расчеты и текущие инструменты не закрывают задачу, начали искать решение для автоматизации.
Выбор репрайсера
Запрос у бизнеса был шире, чем стандартное управление ценами. Нужна была не просто «крутилка цен», а инструмент, который помогает корректно рассчитывать цену с учетом себестоимости, логистики, комиссий и маржинальности – без потери прибыли на отдельных позициях.
Во многих сервисах логика работы сводилась к тому, что клиент передает готовую цену, а сервис транслирует ее на маркетплейс. Для этой задачи такого подхода было недостаточно: готовую цену можно было передать и самостоятельно, а ключевая сложность была именно в корректном расчете.
.png)
Дополнительно было важно получить прозрачную юнит-экономику: видеть, из чего складывается цена, какие расходы влияют на прибыльность и сколько бизнес фактически зарабатывает на каждой позиции.
После демонстраций нескольких сервисов команда остановилась на INDEEPA, но решила дополнительно проверить этот выбор через действующих клиентов. На сайте INDEEPA были указаны компании, которые уже пользовались сервисом, поэтому им начали звонить напрямую: уточняли, как проходит работа, насколько корректно сервис выводит данные и какие результаты удается получить.
.png)
Обратная связь от пользователей подтвердила то, что команда увидела на демо, поэтому после нескольких этапов обсуждений внутри компании, удалось принять решение о подключении INDEEPA.
Что бизнес хотел получить от подключения INDEEPA
Как настраивали решение
Для компании это был ведущий маркетплейс по продажам, поэтому первым делом решили настраивать автоматический расчет цен именно на этой площадке.
На старте было важно не просто подключить сервис технически, а разобраться в логике расчетов. Команда смотрела на цифры в INDEEPA, сверяла их со своими данными и постепенно разбиралась, из чего складывается итоговая экономика по товару: себестоимость, комиссия, логистика, маржа и другие расходы.
На первых этапах команда регулярно встречалась с менеджером и специалистами сервиса, разбирала отчеты, дашборды и настройки. Клиенту было важно не просто увидеть интерфейс, а понять, почему система считает именно так и как эти расчеты использовать в ежедневной работе.
3. Отдельным этапом стала настройка передачи цен.
Изначально цены нужно было загружать через Excel, но для компании такой формат был неудобен: большое количество поставщиков, регулярное создание новых карточек и ежедневные изменения цен требовали постоянной ручной загрузки файлов. Это занимало время и увеличивало риск ошибок из-за человеческого фактора.
4. Параллельно вместе с INDEEPA выстраивали стратегию настройки цен.
Команда не пыталась сразу переложить все расчеты на автоматизацию, а сначала разбирала спорные места, проверяла данные и постепенно настраивала правила так, чтобы система учитывала реальные расходы и целевую маржинальность.
5. В процессе работы INDEEPA начали использовать еще и как инструмент проверки данных по товарам.
Если по позиции появлялись странные значения – например, целевая маржа, но при этом слишком высокий ROI, – такую карточку отдельно проверяли. Так команда могла увидеть, что дело не в самой цене, а в исходных данных, которые влияют на расчет.
Один из таких случаев был связан с колесной гайкой. Товар был настроен по марже 14%, но при этом показывал высокий ROI. Когда позицию разобрали подробнее, выяснилось, что у нее некорректно указаны весогабаритные характеристики: небольшая деталь считалась как крупная коробка. Из-за этого в расчете появлялась несоразмерная логистика, а цена и экономика товара искажались.
Такие проверки стали отдельной частью настройки. Команда смотрела не только на цену, но и на связанные показатели: доставку, габариты, себестоимость, маржу и ROI. Если между ними появлялось несоответствие, позицию дополнительно разбирали и корректировали исходные данные.
Результаты внедрения INDEEPA
Уже в первый месяц после подключения INDEEPA компания увидела, что отрицательные значения по марже ушли. Товары, которые раньше могли продаваться в минус, начали попадать в расчетную логику, где учитывались расходы маркетплейса, логистика и целевая маржинальность.
Дальше фокус сместился с устранения минусовых продаж на управление маржей. При сопоставимом объеме продаж маржинальность выросла: продажи не росли за счет резких скачков объема, но компания видела, что зарабатывает больше с той же базы.
Отдельно стало понятно, что не все товары нужно удерживать в продаже любой ценой.
Если часть крупногабаритных позиций становилась дороже и хуже продавалась после корректного расчета, для бизнеса это не было проблемой само по себе. Важнее было не гнаться за каждой продажей, а не терять деньги на позициях, где расходы не покрываются ценой.
INDEEPA также помогла иначе смотреть на цены конкурентов. Раньше более низкая цена на аналогичный товар могла восприниматься как повод пересмотреть свою цену. После подключения сервиса команда могла проверить экономику такой позиции и увидеть, покрывает ли цена реальные расходы.
Например, по крупногабаритному товару конкурент мог продавать заметно дешевле, но при проверке ценообразования в INDEEPA становилось видно, что конкурент некорректно расчитывает логистику, которая съедает у него всю прибыль. Для команды это стало подтверждением, что ориентироваться только на цену конкурента недостаточно: важно понимать полную экономику продажи.
Большим плюсом стал пересчёт цен день в день, когда комиссия маркетплейса увеличивалась. То есть при увеличении затрат «Княгиня» сохраняла свою маржинальность.
.png)
Если раньше затраты составляли примерно 30–35%, то позже доходили до 51–52%.
Поэтому результат оценивали не в отрыве от этих изменений, а с учетом того, что компания смогла сохранять управляемость маржи в более сложных условиях.
Главный итог подключения INDEEPA для бизнеса – уход от отрицательной маржи некоторых позиций, рост маржинальности при сопоставимом объеме продаж и возможность управлять маржей не вручную, а через понятную систему расчетов.
Планы компании
Следующий ориентир компании – вырасти в 2 раза на маркетплейсах. Для этого команда обратилась к INDEEPA за предложениями, как масштабировать продажи и при этом сохранить контроль над маржинальностью.
Главный вопрос на ближайший этап – индекс цен. Для крупных селлеров это особенно важно: маркетплейсы дают спецусловия, а цена на одной площадке сравнивается с ценами в других каналах. Поэтому компании важно выстроить такую логику, при которой цены на Ozon, Wildberries и Яндекс Маркете будут синхронизированы и не будут мешать дальнейшему росту.
Следующий шаг – вернуться к стратегиям внутри INDEEPA. В первую очередь компанию интересует стратегия план-факт.
.png)
Логика стратегии в том, что репрайсер сравнивает текущую динамику продаж с плановым показателем и автоматически пересчитывает цену в заданных ценовых порогах. Если товар отстает от цели, цена может снижаться, чтобы стимулировать спрос. Если продажи идут быстрее плана, цена может расти, чтобы увеличить маржинальность.
Сейчас компания понимает общий принцип работы стратегии, но пока не использует ее в полной мере. После настройки индекса цен планируют вернуться к план-факту и проверить, как он может повлиять на динамику продаж и маржинальность.