رقابت در قیمت‌گذاری

یکی از ابهامات همیشگی مدل‌های تحلیلی در کسب و کار، در نظر گرفتن موضوع رقابت است. طبیعی است که موضوع قیمت‌گذاری یک کالا نیز ارتباط زیادی به قیمت کالای رقیب یا جایگزین دارد. در اکثر مدلهایی که تا کنون در مورد آن بحث کرده‌ایم، می‌بینید که موضوع رقابت در ظاهر در نظر گرفته نشده است. سوال اینجا است که آیا این مدل‌ها، کارآ هستند؟

موضوع رقابت در بحث قیمت‌گذاری به سه شکل دیده می‌شود: وارد کردن فرضیات رقابت در تخمین تابع عکس‌العمل مشتری، روش مدل‌سازی انتخاب مشتری و تلاش برای پیش‌بینی عکس‌العمل رقبا پس از قیمت‌گذاری کالای ما.

وارد کردن فرضیات رقابت در تخمین تابع عکس‌العمل مشتری

خیلی از اوقات تحلیل‌گران در عمل به قیمت رقبا دسترسی ندارند. به خصوص در محصولات B2B که ارائه محصولات ممکن است با تخفیفاتی همراه بوده حتی گاهی تعریف یک پیشنهاد استاندارد دارای پیچیدگی است، عملا دسترسی به قیمت قرارداد رقبا نیز کمی پیچیده است.

بر خلاف بازار B2B، فعالان بازار محصولات خرده‌فروشی ایده‌های تقریبا کاملی از استراتژی قیمتی رقبای خود دارند، ولی عملا زمان و منابع لازم برای تحقیق در جزئیات قیمت‌گذاری و تحلیل برای پاسخگویی را ندارند.

بنابراین به دلیل عدم دسترسی دقیق به داده‌های رقابتی، عملا در تخمین تابع عکس العمل مشتری دچار مشکل خواهیم شد. در عمل هم این چنین است که تابع عکس‌العمل مشتری، خود به طور غیرمستقیم دارای اطلاعات رقابتی نیز هست. چرا که تابع عکس‌العمل، اطلاعات ترجیحات مشتریان برای خرید یک نوع محصول خاص است. طبعا مشتریان برای ترجیح یک محصول، کالاهای جایگزین یا رقیب را نیز در نظر می‌گیرند.

مدل‌سازی انتخاب مشتری

در این نوع از مدلسازی، چند کالای رقیب را در نظر می‌گیرند که یک محصول مشابه تولید می‌کنند. هر محصول در نام تجاری، قیمت یا برخی دیگر از ویژگی‌ها تفاوت دارد. هر مشتری، برداری از «تمایل به پرداخت» دارند که نشان می‌دهد که هر مشتری بابت این کالای به خصوص، حداکثر تمایل به پرداخت چه مبلغی دارد؟ هر چه قیمت پیشنهادی یک محصول از تمایل به پرداخت مشتری کمتر باشد، احتمال خرید آن محصول بیشتر است.

اگر یک مشتری برای کالای الف حداکثر ۱۰۰ تومان حاضر به پرداخت باشد، در صورتی که قیمت کالا ۸۰ تومان باشد مازاد ارزش برای مشتری ۲۰ تومان و در صورتی که ۶۰ تومان باشد، مازاد ارزش برای مشتری ۴۰ تومان خواهد بود. مشتری از بین محصولات رقیب، محصولی را می‌خرد که مازاد وی را حداکثر کند. بنابراین شما به عنوان صاحب کسب و کار با استفاده از مدل‌سازی انتخاب مشتری، قیمتی را تعیین خواهید کرد که مازاد مشتری را ماکزیمم کند. این روش، روشی مناسب و کاربردی در قیمت‌گذاری است و در ادبیات این موضوع، به طور گسترده‌ای در مورد آن بحث شده است. ما نیز در آینده به طور مبسوط به این بحث خواهیم پرداخت.

پیش‌بینی عکس‌العمل رقبا

در کنار قیمت‌گذاری رقابتی که به معنای قیمت‌گذاری بر اساس لیست قیمت‌های پیشنهادی رقبا است، موضوع پیش‌بینی عکس‌العمل رقبا نیز اهمیت دارد. هر گونه اتخاذ سیاست‌های رقابتی یا تصمیمات جدید در قیمت‌گذاری، رقبا را به عکس‌العمل وا می‌دارد. از این جهت ممکن است که حتی سایر اطلاعاتی که در مدلسازی انتخاب مشتری به کار گرفته شد، دیگر معتبر نباشد. به این موضوع از نظر تحلیلی  در سایر مطالب خواهیم پرداخت.

تحلیل سودآوری سبد محصولات شرکت – قسمت دوم

در مطلب پیشین دیدیم که با کمک نمودار حبابی، می‌توان تصویری از وضع سودآوری سبد محصولات شرکت بدست آورد. در آن نمودار، خط‌چین‌های قرمز میانگین درآمد و حاشیه سود محصولات را نشان می‌دادند. موقعیت دایره‌ی آبی نسبت به خطوط میانگین وضع آن محصول را نسبت به میانگین نشان می‌دهد. همچنین، مساحت دایره، بیانگر رشد فروش محصول نسبت به سال گذشته است.

41 sales dashborad1

حاصلضرب درآمد در حاشیه سود محصول، سود خالص ناشی از آن محصول را برای شرکت نشان می‌دهد. ربع اول نمودار (بالا و راست) جایی‌ست که حداکثر سود را نصیب شرکت می‌کند و مایلیم که تعداد محصولاتی که در ربع اول داریم، حداکثر شود. اما می‌دانیم که واقعیت بازار چیزی دیگر است. داشبوردهایی نظیر این نمودار حبابی، پایان کار نیستند و نباید شتابزده از روی آن‌ها نتیجه‌گیری کرد و تصمیم گرفت. بلکه ابتدای مسیر تحلیلند. کارکرد اصلی داشبوردها «ایجاد سوال» است. باید بدانیم که «چه اتفاقی افتاده است؟» و «چرا این اتفاق افتاده است؟». به بیانی دیگر، باید وضع موجود کسب و کار و روابط حاکم بر آن را بشناسیم و سپس تصمیم بگیریم «چه می‌توانیم بکنیم؟». در مورد این داشبورد، توجه به چند نکته مهم است:

اولا، در تحلیل وضعیت شرکت، باید نیم‌نگاهی به استراتژی و چشم‌انداز شرکت داشت. آیا شرکت قرار است به عنوان شرکتی با «سبد کامل محصولات» شناخته شود که همه‌ی اقلام مرتبط با حوزه‌ی فعالیتش را دارد؟ یا استراتژی شرکت، حرکت به سوی اقلام اساسی و پرفروش‌تر است؟ به عنوان مثال نمی‌توان سبد فروش یک هایپراستار با چند ده هزار قلم کالا را مشابه فروشگاه تخفیفی افق کوروش که فقط اقلام ضروری را ارایه می‌کند تحلیل نمود.

دوم اینکه در تحلیلمان باید به این نکته توجه کنیم که محصولات ارایه‌شده، لزوما عناوینی ۱۰۰% مستقل از هم نیستند. بسیاری از این اقلام به هم وابسته‌اند. کالاها ممکن است جایگزین یا مکمل هم باشند. از این رو، حذف کالایی که حاشیه سود یا فروش کمی دارد ولی مکمل کالایی با حاشیه سود بالاست، ممکن است منجر به کاهش فروش هر دو مورد شود. یا اینکه اضافه نمودن کالایی که حاشیه سود بالایی دارد اما جایگزین کالایی دیگر در سبد است، ممکن است به کاهش فروش کالای اول منجر شود، به گونه‌ای که سود حاصل از افزودن کالای جدید، به قدر سود از دست رفته نباشد.

نکته‌ی سوم، توجه به اصل متنوع‌سازی است. اگر شرکت تصمیم بگیرد که همه‌ی کالاهای سبدش را از میان کالاهای لوکس نسبتا پرفروش انتخاب کند، خود را در معرض ریسک قرار داده است. با رسیدن دوره‌ی رکود اقتصادی، کالاهای لوکس با کاهش فروش بیشتری نسبت به کالاهای ضروری روبرو خواهند شد. و درآمد شرکت با شدت بیشتری کاهش خواهد یافت.

تحلیل سودآوری سبد محصولات شرکت

یک شرکت توزیع مواد غذایی را در نظر بگیرید که ۸ گروه کالایی اصلی و در مجموع ۱۲۰ عنوان کالا توزیع می‌کند. مدیر فروش برای افزایش سودآوری شرکت، بایستی تصویری از وضعیت فعلی فروش و سودآوری این اقلام داشته باشد. یک تحلیل‌گر داده چه کمکی به مدیر فروش می‌تواند بکند؟

اولین سوالی که یک تحلیل‌گر داده بایستی پاسخی برای آن بیابد این است که چه متغیر و شاخص‌هایی از سبد را بایستی به عنوان معیار ارزیابی آن در نظر گیرد؟ معیارهای متعددی در کتابها و سایر منابع معرفی شده‌اند (رجوع کنید به: سایمونز، رابرت، ۱۳۸۵، نظام‌های کنترل و سنجش عملکرد). درآمد ریالی از هر محصول، حاشیه سود و رشد سالانه آن، سه معیاری هستند که برای مدیران فروش جذاب هستند.

دومین سوالی که تحلیل‌گر داده بایستی به آن فکر کند این است که چه روشی برای تحلیل متغیرهای فوق مناسب است؟ برای پاسخ به این سوال بایستی به یاد داشته باشیم که اولا دقیق‌ترین روش، همیشه بهترین نیست و دوم اینکه روش‌های پیچیده لزوما جواب‌های دقیقی ندارند. بایستی با توجه به محدودیت زمانی، مالی، امکانات در دسترس و نیز دقت مورد نیاز در خروجی تحلیل، روش مناسب انتخاب شود. حتی بهتر است که روشی انتخاب شود که سایر مدیران نیز آن را به سادگی بفهمند و با ابزارهای ساده‌ای مانند اکسل بتوان آن را اجرا کرد.

رسم نمودار و ارائه تصویری داده‌ها، یکی از بهترین روش‌ها برای این هدف است. چرا که تصویری کلی از وضعیت کالاهای مختلف، دسته‌بندی و مقایسه آنها ارایه داده و راه را برای تحلیل‌های دقیق‌تر و پرسیدن سوالات جزئی‌تر هموار می‌کند. تاکید ما در دیتا پارتنرز، همواره بر این نکته بوده است که ارایه‌ی خوب داده، بخشی از راه حل مسئله است.

41 sales dashborad1

نمودار حبابی فوق، هر سه معیار را شامل می‌شود و تصویری کلی از وضعیت فروش، سودآوری و تغییرات فروش سال به سال کالاهای مختلف ارایه می‎کند:

  • محور افقی: درآمد ریالی ناشی از هر کالا را طی دوره زمانی یک سال گذشته نشان می‌دهد.
  • محور عمودی: حاشیه سود هر کالا بر حسب درصدی از درآمد ریالی را نمایش می‌دهد.
  • اندازه حباب: میزان مطلق نرخ رشد (مثبت یا منفی) سال به سال مربوط به درآمد ریالی کالا نشان می‌دهد.
  • رنگ حباب: رنگ سبز، نشانگر نرخ رشد مثبت و قرمز نشانگر نرخ رشد منفی است.

نمودار فوق را چگونه می‌توان تفسیر کرد؟ این نمودار چه سوالاتی را پاسخ می‌دهد و چه سوالاتی در ذهن برمی‌انگیزاند؟ این‌ها سوالاتی هستند که در قسمت دوم این مطلب بدان‌ها خواهیم پرداخت. تا آن زمان اگر نظری در این مورد دارید، با ما در میان بگذارید.

مدل تحلیلی ون-وستندورپ اصلاح شده برای قیمت‌گذاری

در مطلب پیشین مربوط به موضوع قیمت‌‌گذاری، به دو تکنیک تحلیلی “ون-وستندورپ” و “گابر-گرانجر” برای قیمت‌گذاری محصولات و خدمات اشاره کردیم.

در مدل ون-وستندورپ، بازه مناسب و نطقه بهینه قیمت‌گذاری یک محصول به شما پیشنهاد می‌شود. این بازه و نقطه بهینه مشخص می‌کند که در چه محدوده‌ای، حداکثر تعداد افراد و مشتریان، آن قیمت را مناسب می‌دانند. اما در مدل ون-وستندورپ، هیچگاه بحث از احتمال خرید مشتریان به میان نمی‌آید. در حالی که فروشندگان می‌خواهند بدانند که با چه احتمالی مشتری که یک قیمت را مناسب می‌داند، در همان قیمت ممکن است کالا را از وی بخرد؟

31 pricing strategy methods 2

مدل ون-وستندورپ

برای بهبود مدل می‌توان از مفاهیم مدل گابر-گرانگر برای اصلاح مدل ون-وستندورپ استفاده کرد. سوالات پرسشنامه‌ای مدل فوق به این شکل اصلاح می‌شوند:

  • به نظر شما، چه قیمتی برای این محصول مناسب است (قیمت ارزان، bargain)؟ با چه احتمالی شما این کالا را در این قیمت خواهید خرید؟
  • به نظر شما، از چه قیمتی بالاتر، این کالا به سمت گران شدن می‌رود (گران)؟ با چه احتمالی شما این کالا را در این قیمت خواهید خرید؟

در آمد مورد انتظار در هر سطح قیمت برابر خواهد بود با حاصل‌ضرب قیمت در تعداد افراد مورد انتظاری که در این قیمت حاضر هستند آن کالا را بخرند. در صورتی که نمودار درآمد مورد انتظار و قیمت رسم شود، می‌توان سطح قیمتی مناسبی را یافت که در آن سطح قیمت، انتظار می‌رود بیشترین درآمد برای شرکت تولید شود.33 Pricing strategy methods 1

مدل تحلیلی ون-وستندورپ اصلاح شده

برخی از محققین به صورت تجربی معتقدند که بیشترین درآمد نه در نقطه بهینه قیمتی OPP که در نقطه بی‌تفاوتی قیمتی IPP اتفاق می‌افتد.

بنابراین مدل بالا از دوجهت از مدل ون-وستندورپ اصلی کارآمدتر است: اولا تعداد سوالات مستقیم آن در مورد قیمت کمتر است و دوم اینکه موضوع «احتمال خرید» را نیز در نظر می‌گیرد. البته همچنان این نقص وجود دارد که مسئله «رقابت در بازار» و وجود کالاهای جایگزین در این مدل دیده نشده است.

دو تکنیک تحلیلی برای قیمت‌گذاری مستقیم

قیمت‌گذاری، یکی از وظایف مهم مارکترها است. قیمت‌گذاری به معنای تعیین قیمت برای محصول یا خدمت با هدف ماکزیمم کردن سود است. در تدوین استراتژی مارکتینگ (Segmentation-Targeting-Positioning)، تعیین استراتژی قیمت‌گذاری در بخش Targeting مطرح می‌شود.

تمرکز ما به عنوان تحلیل‌گر داده بر روی روش‌های تحلیلی برای یافتن قیمت بهینه یک محصول یا خدمت است. در واقع بر اساس استراتژی قیمت‌گذاری، با استفاده از روش‌های تحلیلی یک قیمت را به عنوان قیمت بهینه محصول پیشنهاد می‌دهیم.

تکنیک‌های تحلیلی برای قیمت‌گذاری به دو دسته مستقیم و غیرمستقیم تقسیم می‌شوند. در تکنیک‌های مستقیم، فرض بر این است که مشتری کالا یا سرویس را به طور کامل شناخته و نسبت به آن آگاهی کامل دارد و از ویژگیهای آن رضایت دارد. فی‌الواقع تحلیل‌های مشتریانی که کالا یا خدمتی نمی‌تواند نیاز آنها را برآورد کند، نباید در تحلیل مستقیم قیمت‌گذاری استفاده شود. در ادامه، دو نمونه از تکنیک‌های مستقیم قیمت‌گذاری ارائه می‌شود.

تکنیک Gabor­Granger

پیش از این به صورت گذرا به این تکنیک اشاره کرده‌ایم [ر.ک. معمای قیمت‌گذاری برای مدیران بازاریابی: چگونه مقدار مناسب تخفیف را محاسبه کنیم؟]. محتوای این تکنیک همان است که در پست مذکور اشاره شد. به طور خلاصه، بر اساس این تکنیک، نقطه بهینه قیمت، نقطه‌ای است که درآمد در آن ماکزیمم می‌شود. در شکل زیر، نمونه ای از منحنی تقاضا و منحنی درآمد دیده می‌شود.

31 pricing strategy methods 1

این روش ساده ولی کاربردی است. البته نقص‌هایی هم دارد. مثلا رقابت بین کالاها در آن در نظر گرفته نشده است. ممکن است در فضای آزمایشگاهی، مشتری حاضر باشد برای کالای شرکتی ۱۰۰ واحد پرداخت کند. ولی در بازار واقعی زمانی که کالای شرکت رقیب نیز وجود دارد، مشتری ترجیح دهد با همان مبلغ پول کالای شرکت رقیب را خریداری کند.

تکنیک van Westendorp

در تکنیک پیشین، صرفا یک داده از مشتریان جمع‌آوری می‌شد: حداکثر چه قدر حاضر به پرداخت پول به ازای یک محصول خاص هستند؟ این سوال در تکنیک van Westendorp به ۴ سوال تغییر می‌کند:

  • در چه قیمتی، مشتری یک کالا را معامله خواهد کرد (bargain)؟ (قیمت معامله/ قیمت ارزان)
  • از چه قیمتی به بعد، کالا به سمت گران شدن می‌رود؟ (گران)
  • چه قیمتی بسیار ارزان است که در آن نقطه، کیفیت کالا مورد تردید قرار می‌گیرد؟ (بسیار ارزان)
  • چه قیمتی بسیار گران محسوب می‌شود که مشتری آن را از گزینه‌های خود حذف می‌کند؟ (بسیار گران)

منحنی‌های مربوطه مانند شکل زیر رسم می‌شود:

31 pricing strategy methods 2

نمودار فوق دارای چند نکته تحلیلی است:

  • نقطه ارزانی حاشیه‌ای: نقطه‌ای که در آن، درصد مشتریانی که کالا را «بسیار ارزان» می‌دانند برابر با درصد مشتریانی است که آن کالا را «گران» یا متمایل به گرانی می‌دانند (محل تقاطع دو خط گران و بسیار ارزان).
  • نقطه گرانی حاشیه‌ای: نقطه‌ای که در آن، درصد مشتریانی که کالا را «بسیار گران» می‌دانند برابر با درصد مشتریانی است که آن کالا را «ارزان» یا نقطه معامله می‌دانند.
  • نقطه بهینه قیمتی: محل برخورد دو خط «بسیار ارزان» و «بسیار گران» که در آن تعداد افرادی که حاضر به خرید کالا هستند، ماکزیمم می‌شود.
  • نقطه بی‌تفاوتی: محل تقاطع دو خط «ارزان» و «گران»

فضای محصور در بین ۴ منحنی، محدوده مناسب قیمت‌گذاری است (همانند شکل بالا). در واقع کران پایین قیمت‌گذاری، محل برخورد دو خط «گران» و «بسیار ارزان» است. کران بالا نیز محل تقاطع «بسیار گران» و «ارزان» (بین نقطه ارزانی و گرانی حاشیه‌ای).

این روش تحلیلی در مرحله positioning مناسب است و الزاما نمی‌توان از نتایج آن در تعیین نقطه بهینه برای قیمت‌گذاری استفاده کرد. البته همانند تکنیک قبل، در این روش نیز مباحث مربوط به رقابت با سایر رقبا مطرح نیست.

در پایان لازم است اشاره شود که شکل اصلی این روش که توسط van Westendorp  ارائه شد، یک تفاوت جزئی با رویه بالا دارد و نتایج آن نیز تا حدی متفاوت است. در صورت استفاده از روش اصلی، بازه‌ی به دست آمده برای قیمت‌گذاری، کمی بزرگتر است.

اگر علاقه‌مند پیگیری مداوم مطالب ما هستید، دیتا پارتنرز را در تلگرام، توییتر و اینستاگرام دنبال کنید.