Прайс-менеджмент

Симон Герман

Небольшие ценовые изменения или ценовые различия стимулируют лишь небольшие сдвиги потребителей от одного продукта к другому. Срединная, плоская часть функции «цена-отклик» называется «монополистический интервал», потому что напоминает функцию «цена-отклик» для монополиста.

Однако, согласно этой модели, в том случае «если цена снижается с увеличением расстояния между индивидуальной ценой продажи и средней ценой конкурентов, то количество покупателей, ранее приобретавших у конкурента, растет в соответствующей прогрессии». Если цена изменяется в сторону повышения, «степень флуктуации растет в той мере, в которой повышение цены отклоняется от первоначального уровня» [11].

Когда мы просим экспертов спрогнозировать объем продаж в достаточно широком ценовом диапазоне, результаты, как правило,

следуют кривой Гутенберга. Менеджеры и эксперты обычно отмечают ценовой предел, вне которого изменения объема становятся заметно резче. Данный опыт подтверждает, что практики мыслят в терминах модели Гутенберга. Модель Гутенберга подтверждается реже при проведении эконометрического анализа рыночных данных. Возможно, это зависит от того факта, что диапазон эмпирически наблюдаемых ценовых флуктуаций слишком узок. Цены вне «монополистического интервала» обычно не держатся на рынках долго.

Рис. 3.7. Модель Гутенберга в форме двойного излома и непрерывной линии

3.3.4. Эмпирические выводы о ценовой эластичности

В силу особой важности ценовой эластичности в прайс-менеджменте это понятие стало предметом большого числа научных трудов. Хотя значения ценовой эластичности нелегко сравнивать по ряду причин, метаанализ Bijmolt et al. [16] позволяет сделать интересные наблюдения. В этом исследовании был рассмотрен 1851 прогноз ценовой эластичности на основе данных о покупках в секторе B2C. В своей книге «Эмпирические обобщения о влиянии маркетинга» Hanssens [17] считает эти прогнозы репрезентативными для потребительских товаров в упаковках. Распределение 1851 значения ценовой эластичности показано на рис. 3.8.

Рис. 3.8. Распределение эконометрических прогнозных значений ценовой эластичности

Рис. 3.9. Распределение эконометрически спрогнозированных значений ценовой эластичности (из научных публикаций) [18]

Среднее абсолютное значение прогнозов равно 2,62, медианное – 2,22. Медиана в данном контексте более значима, поскольку на нее не влияют резко выделяющиеся значения. На рис. 3.8 показано, что значения ценовой эластичности сильно разнятся.

В то время как данные по ценовой эластичности, собранные Bijmolt et al. [16], датируются годами с 1961-го по 2005-й, значения, показанные на рис. 3.9, основаны на более позднем метаанализе Friedel [18], чья работа представляет собой наиболее всеобъемлющую оценку эмпирической информации по ценовой эластичности на сегодняшний момент. В первом исследовании Фридель проанализировал 863 эмпирических значения, взятых из научных журналов с 1981 по 2006 годы. Ценовые эластичности из этой части метаанализа Фриделя дают среднее значение 2,51 и медианное 2,21. Совпадение между анализом Фриделя и выводами Bijmolt et al. [16] большое.

Во второй выборке Фридель использовал данные консалтинга. Распределение ценовых эластичностей, показанное на рис. 3.10, основано на консалтинговых проектах Simon-Kucher & Partners [18]. Данные проектов охватывают годы с 2003-го по 2007-й и включают 386 значений ценовой эластичности. Среднее абсолютное значение – 1,73, медианное – 1,29 [18]. Эти значения сильно отличаются от данных, использованных в литературе.

Данные Simon-Kucher & Partners охватывают очень широкий спектр продуктов и услуг – автомобили, фармацевтика, электроды, профессиональные приборы, страхование, косметика, кухонные принадлежности и т. д., в то время как метаанализ Bijmolt et al. [16] ограничивался быстро реализуемыми потребительскими товарами. Ценовые эластичности рассчитывались

на основе повышения и снижения цен на 10 %, а потом выводилось среднее значение соответствующей эластичности. Можно сделать вывод, что эластичности при дисконтах и промоушн-акциях составляли основу набора данных Bijmolt et al. [16]. Они выше, чем долгосрочные ценовые эластичности, спрогнозированные в консалтинговых проектах, – этот вывод также подтверждает Hanssens [17].

Рис. 3.10. Распределение ценовых эластичностей (консалтинговые проекты) [17]

Таблица 3.3. Сравнение ценовых эластичностей для понижения и повышения цен

В целом можно видеть, что различные товары, рассмотренные в консалтинговых проектах Simon-Kucher & Partners, имеют в среднем меньшие значения ценовой эластичности, чем быстро реализуемые потребительские товары. Это можно объяснить тем, что набор данных Simon-Kucher & Partners среди других товаров и услуг охватывает специальные промышленные товары, товары для охраны труда и здоровья, инновационные лекарства и предметы роскоши – у всех них относительно низкая ценовая эластичность.

Наконец, работа Фриделя [18] содержит дальнейшие выводы о воздействии повышения и понижения цен на основе набора данных Simon-Kucher & Partners. В табл. 3.3 мы видим средние и медианные значения 386 ценовых эластичностей при повышении и понижении цен. Средняя ценовая эластичность для снижения цен равнялась –1,62, для повышения –1,84. Медианная ценовая эластичность равнялась –1,07 для понижения цены и –1,50 для повышения. Согласно этим наблюдениям, объемы продаж сильнее реагируют на повышение, а не на понижение цен. Это расхождение можно объяснить различиями в моделях реагирования конкурентов.

В табл. 3.4 дан обзор эмпирических ценовых эластичностей для различных категорий продуктов. Эту выборку нельзя считать репрезентативной или полной; скорее, она дает представление о широком диапазоне эмпирических ценовых эластичностей.

В некоторых случаях можно видеть очень высокие значения ценовой эластичности. В качестве примера можно привести марку сигарет, снижение цены на которую на 13,2 % обеспечило рост рыночной доли на 1300 %. Это соответствует значению абсолютной ценовой эластичности – почти 100. Для промышленных товаров разброс тоже может быть велик. В опросе производителей машинного оборудования респонденты оценивали свою ценовую эластичность значительно ниже единицы. В опросе экспертов компании – поставщика сырья респонденты ожидали, что повышение цены на 2 % вызовет падение объема продаж на 50 %. Это дает абсолютную ценовую эластичность 25.

В следующем примере мы обнаружили необычайно низкую ценовую эластичность. Это касается членских взносов в ADAC – немецком филиале Американской автомобильной ассоциации (AAA). В ADAC 19 млн членов – это крупнейший в Европе автомобильный клуб. После десятилетия стабильных цен ADAC повысил членские взносы [19]. Стоимость классического членства выросла на 10,1 % – с €44,50 до €49. Стоимость членства «Плюс» выросла на 13 % – с €79,50 до €89,50. Среднее повышение цены по всем категориям составило 12 %. Только 0,1 % членов, или 18 956 человек из всей членской базы в 18,92 млн, вышли из клуба в следующем году [20]. Ценовая эластичность по этим цифрам была –0,01 = (–0,1 %/12 %), то есть величина, стремящаяся к нулю. В одном исследовании рассматривались данные крупной компании такси для прогнозирования ценовых эластичностей. База данных включает почти 50 млн отдельных наблюдений. Диапазон ценовой эластичности здесь от –1,5 до –2 [21]. На этом примере показано, как Big Data (данные трансакций и запросов в Интернете) используются для прогнозирования ценовой эластичности.