Прайс-менеджмент

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.





3.4.3. Краткий обзор инструментария




Мы рассмотрели разнообразные инструменты сбора релевантной ценовой информации, помогающей откорректировать функции «цена-отклик». В табл. 3.10 приводится обобщенный перечень достоинств и недостатков этих инструментов. Необходимые аналитические усилия должны соответствовать релевантности предполагаемого ценового решения. Обилие собранной информации – важный критерий при выборе метода, однако затраты ресурсов и времени также играют свою роль.



Таблица 3.10. Пригодность методов для определения функций «цена-отклик»





Заключение




В этой главе мы рассмотрели роль экономического анализа в прайс-менеджменте. Квантификация ценовых эффектов – важное условие ценовой оптимизации. Мы узнали, какую информацию необходимо иметь для прайс-менеджмента и как собрать такую информацию. Задача прайс-менеджмента – определить оптимальную цену. Для этого необходимо количественное определение функции «цена-отклик» и ценовой эластичности.

Подведем итоги этой главы.



• Чтобы определить перечень действий по ценообразованию и оптимальную цену, необходимо тщательно проанализировать собственное предприятие, клиентов и конкурентов.

• Ценовой люфт ограничен снизу маржинальными затратами, а сверху – потребительской ценностью и ценами конкурентов.

• Информация о компании включает в себя корпоративные цели и издержки. Для принятия взвешенных ценовых решений необходимы знания и глубокое понимание структуры издержек.

• Потребительская ценность и готовность платить – неотъемлемые элементы информации о клиентах, необходимой для принятия ценовых решений.

• Конкуренция ограничивает ценовой люфт компании и влияет на ценовые эффекты. Таким образом, необходимо выявлять конкурентов, анализировать их цены и предвидеть их будущее ценовое поведение.

• Чтобы принять оптимальное ценовое решение, надо знать функциональную взаимосвязь между ценой и объемом продаж. Эту взаимосвязь описывает функция «цена-отклик».

• Ценовая эластичность – это мера влияния цены на объем продаж. Это отношение процентного изменения объема к процентному изменению вызвавшей его цены. Ценовая эластичность показывает, насколько силен отклик на изменение цены.

• Для определения взаимосвязи между ценой и объемом продаж имеется набор методов – экспертное мнение, прямые и непрямые опросы потребителей, эксперименты и наблюдения за рынком. У каждого из этих методов есть свои сильные и слабые стороны. На практике важное значение имеют непрямые опросы потребителей, экспертное мнение и использование Интернета.

• Экспертное мнение – это простой и недорогой метод, который особенно подходит для новых ситуаций, к примеру, для запуска нового продукта. Однако в его основе лежат внутренние знания компании.

• Сильный метод квантификации потребительских предпочтений и ценовых эффектов – совместное измерение. Данным методом измеряется общая полезность продукта и составляющих его атрибутов с точки зрения потребителя. Клиентов не спрашивают об их ценовом поведении напрямую. Выводы о ценовых эффектах делаются на основе клиентских заявлений о предпочтениях.

• Совместное измерение дает количественную оценку таких факторов, как бренд, технические характеристики или услуги, и выражает их в денежных единицах. Данный метод очень гибок и дает основу для определения цены исходя из ценности.

• Ценовые эксперименты рассматривают влияние цен на объемы в реальных или симулируемых ситуациях покупки. Помимо «полевых» и лабораторных экспериментов, для определения готовности платить можно использовать экспериментальные аукционы.

• В определении функций «цена-отклик» можно использовать ретроспективные данные по ценам и объемам продаж. Необходимое условие – это достаточная вариабельность значений цен и объемов. Данные можно использовать для принятия дальновидных ценовых решений только в том случае, если в недавнем времени на рынке не происходило структурных разрывов.

• Интернет открывает новые возможности для сбора информации в целях прайс-менеджмента. Точные функции «цена-отклик» определяются в онлайновом режиме без больших усилий. Только надо с осторожностью применять полученные выводы к другим ситуациям или каналам покупки.




В данной главе показывается, что ценовая оптимизация зависит от большого числа определяющих факторов. Эти факторы отражают положение дел с клиентами, конкурентами, с собственным бизнесом. Все они включаются в функцию «цена-отклик», на основе которой рассчитывается ценовая эластичность. Ценовое решение бывает настолько хорошим, насколько высока достоверность измерений откликов, на которых оно основано.





Список использованной литературы




1. Marx, K. (1951). Wages, Prices and Profits. Moscow: Foreign Languages Publishing House. P. 28.

2. Ramanujam, M. & Tacke, G. (2016). Monetizing Innovation: How Smart Companies Design the Product Around the Price. Hoboken, New Jersey: John Wiley & Sons.

3. Lockwood, T. (2009). Design Thinking: Integrating Innovation, Customer Experience, and Brand Value. New York: Allworth Press.

4. Freidank, C.C. (1994). Unterstützung des Target Costing durch die Prozesskostenrechnung. In K. Dellmann & K.S. Franz (Eds.), Neuere Entwicklungen im Kostenmanagement. Bern: Paul Haupt. S. 223–259.

5. Clifton, M.B., Townsend, W.P., Bird, H.M. & Albano, R.E. (2003). Target Costing: Market Driven Product Design. New York: CRC Press.

6. Herzberg, F. (1968). One more Time: How Do you Motivate Employees? // Harvard Business Review. 46(1). P. 53–62.

7. Matzler, L., Hinterhuber, H.H., Bailom, F. & Sauerwein, E. (1996). How to Delight your Customers // Journal of Product & Brand Management. 5(2). P. 6–18.

8. Roland, D. (2017). The New Innovator’s Dilemma: When Customers Won’t Pay for Better. https://www.wsj.com/articles/when-new-and-improved-fails-insulin-maker-stumbles-when- customers-balk-1502809045. По состоянию на 14 февраля 2018 г.

9. Kotler, P., Armstrong, G., Wong, V. & Saunders, J. (2011). Grundlagen des Marketing (5. ed.). München: Pearson.

10. Fassnacht, M. & Köse, I. (2002). Marketingstrategien und Preisfindung für Unternehmensgründer. In H. Corsten (Ed.), Dimensionen der Unternehmensgründung – Erfolgspotenziale der Selbstständigkeit. Berlin: Erich Schmidt. S. 159–199.

11. Gutenberg, E. (1984). Der Absatz. Grundlagen der Betriebswirtschaftslehre (Volume 2). Berlin: Springer.

12. Gossen, H.H. (1854). Entwicklung der Gesetze des menschlichen Verkehrs und der daraus fließenden Regeln für menschliches Handeln. Braunschweig: F. Vieweg.

13. Fog, B. (1960). Industrial Pricing Policies. Amsterdam: North Holland.

14. Kucher, E. (1985). Scannerdaten und Preissensitivität bei Konsumgütern. Wiesbaden: Gabler.

15. Gutenberg, E. (1965). Zur Diskussion der polypolistischen Absatzkurve // Jahrbücher fürNationalökonomie und Statistik. Vol. 177. S. 289–303.

16. Bijmolt, T., van Heerde, H.J. & Pieters, R. (2005). New Empirical Generalizations on the Determinants of Price Elasticity // Journal of Marketing Research. 42(2). P. 141–156.

17. Hanssens, D. (Ed.) (2015). Empirical Generalizations about Marketing Impact. Cambridge, MA: Marketing Science Institute.

18. Friedel, E. (2014). Price Elasticity: Research on Magnitude and Determinants. Frankfurt am Main: Peter Lang.

19. Автор неизвестен (2014). Auch ohne Maut: 19 Millionen Autofahrer zahlen drauf. http://www. focus.de/auto/ratgeber/kosten/adac-beitraege-2014-erhoeht-19-millionen-autofahrer-zahlen- bald-kraeftig-drauf-1_id_3518905.html. По состоянию на 4 июня 2015 г.

20. Автор неизвестен (27 апреля 2015 г.). ADAC Gelber Engel, goldene Nase // Wirtschaftswoche. 18. P. 12.

21. Cohen, P., Hahn, R., Hall, J., Levitt, S. & Metcalfe, R. (2016). Using Big Data to Estimate Consumer Surplus: The Case of Uber, Working Paper: NBER.

22. Fong, N.M., Simester, D.I. & Anderson, E.T. (2010). Private Label vs. National Brand Price Sensitivity: Evaluating Nonexperimental Identification Strategies. Working Paper: MIT.

23. Krishnamurthi, L. & Raj, S.P. (1991). An Empirical Analysis of the Relationship between Brand Loyalty and Consumer Price Elasticity // Marketing Science. 10(2). P. 172–183.

24. Olbrich, R., Battenfeld, D. & Grünblatt, M. (2005). Zum langfristigen Wirkungsverlauf von Preisaktionen // Jahrbuch der Absatz- und Verbrauchsforschung. 50(3). S. 266–287.

25. Koschate, N. (2002). Kundenzufriedenheit und Preisverhalten: theoretische und empirisch experimentelle Analysen. Wiesbaden: Gabler.

26. Gabor, A., Granger, C.W. & Sowter, A.S. (1971). Comments on «Psychophysics of Prices» // Journal of Marketing Research. 8(2). Р. 251–252.

27. Harrison, G.W. & Rutström, E.E. (2001). Experimental Evidence of Hypothetical Bias in Value Elicitation Methods. Columbia: The Darla Moore School of Business, University of South California. Working Paper B-00-05.

28. Stout, R.G. (1969). Developing Data to Estimate Price-Quantity Relationships // Journal of Marketing. 33(2). Р. 34–36.

29. Völckner, F. (2006). Methoden zur Messung individueller Zahlungsbereitschaften: ein Überblick zum State of the Art // Journal für Betriebswirtschaft. 56(1). S. 33–60.

30. Hensel-Börner, S. & Sattler, H. (2000). Ein empirischer Validitätsvergleich zwischen der Customized Computerized Conjoint Analysis (CCC), der Adaptive Conjoint Analysis (ACA) und Self-Explicated-Verfahren // Zeitschrift für Betriebswirtschaft. 70(6). S. 705–727.

31. Hillig, Т. (2006). Verfahrensvarianten der Conjoint-Analyse zur Prognose von Kaufentscheidungen: Eine Monte-Carlo-Simulation. Wiesbaden: Gabler.

32. Eggers, F. & Sattler, H. (2011). Preference Measurement with Conjoint Analysis. Overview of State-of-the-Art Approaches and Recent Developments // GfK Marketing Intelligence Review. 3(1). Р. 36–47.