باندلینگ از نگاه تحلیل‌گر داده – بخش دوم

در مطلب قبل، مفهوم باندلینگ با یک مثال تشریح شد. این‌ بار به این موضوع می‌پردازیم که مسئله اصلی در باندلینگ چیست و چگونه حل می‌شود؟

همان محصولات مثال قبل را در نظر بگیرید. با این تفاوت که شما به جای دو دسته مشتری، چهار دسته دارید که علائق هر کدام با دیگری متفاوت است. دسته مشتریان می‌تواند رفتارهای مشتریان یک استان، یک شهر، یک طبقه درآمدی یا هر چیز دیگر باشد.

در جدول زیر، میزان ارزش هر محصول برای هر دسته از مشتریان نمایش داده شده است. منظور از ارزش هر محصول، قیمتی است که مشتری حاضر است برای یک کالا بپردازد. بدیهی است، در صورتی که قیمت کالایی بیش از ارزش مورد انتظار مشتری باشد، مشتری آن کالا را از شما نمی‌خرد. از طرفی، مشتری محصولی را می‌خرد که قیمت آن بیشترین فاصله را با ارزشی که برای آن مد نظر دارد، داشته باشد. یعنی تا اینجا دو معیار برای یافتن قیمت بهینه در دست داریم. مثلا اگر به مشتری الف اینترنت با قیمت ۳ و مکالمه با قیمت ۵ پیشنهاد شود، طبیعی است که خرید مکالمه برای مشتری الف، اولویت داشته باشد.

20 bundling

جدول ارزش هر محصول برای مشتری (مازاد مشتری)

متخصصان بازاریابی برای ماکزیمم کردن درآمد شرکت، بایستی به دو سوال پاسخ بدهند:

اول اینکه چه ترکیبی از محصولات شرکت با هم باندل شوند؟ مثلا، اینترنت و پیامک؟ یا مکالمه و پیامک؟ یا هر سه محصول با هم باندل شده و به مشتری عرضه شوند؟

دوم اینکه هر باندل با چه قیمتی به مشتریان عرضه شود؟ مثلا باندل اینترنت و مکالمه را می‌توان با قیمت ۱۰٫۵، ۲۰٫۵، ۵٫۶، ۷ و یا هر قیمت دیگری عرضه شود. کدام یک از این ارقام موجب تولید بیشترین درآمد برای شرکت می‌شود؟

خبر بد اینکه معمولا دسته‌های مشتریان خیلی بیشتر از ۴ یا ۵ تا است. مثلا در ایران، ممکن است هر یک از نمایندگان استانی شرکت، یک سری از قیمت‌ها را به عنوان ارزش هر محصول برای مشتریان آن استان اعلام کنند. بنابراین یافتن ترکیب و قیمت مناسب هر باندل، بسیار پیچیده و زمان‌بر خواهد شد.

خبر خوب اینکه افزونه solver در اکسل، امکان یافتن ترکیب و قیمت بهینه باندل را به سادگی فراهم می‌کند. با استفاده از این افزونه و طراحی مناسب سلول‌های اکسل، می‌توان جمع کل مازاد مشتریان را بیشینه کرد. کافی است تا مازاد مشتری، تقاضای کالا در هر سطح قیمت و تابع درآمد در اکسل به طور مناسبی طراحی شود.

مسئله بالا را پس از مدل‌سازی در اکسل با همین افزونه حل کردیم و جواب بهینه آن به این شرح است:

۱- باندل اینترنت و پیامک به قیمت ۷٫۷ که مشتریان دسته ب و ج آن را خریداری خواهند کرد.

۲- باندل هر سه محصول به قیمت ۱۴ که مشتریان دسته الف و د آن را خریداری خواهند کرد.

باندلینگ از نگاه تحلیل‌گر داده – بخش اول

متخصصان حوزه‌ی بازاریابی با مفهوم باندلینگ Bundling، یا همان فروش بسته‌ای، آشنا هستند. معنای عمومی باندلینگ این است که چند کالا در قالب یک بسته قیمتی به مشتریان ارائه شود. مثلا بسته خرید ۳ گیگابایت اینترنت به همراه ۱۰۰۰ پیامک و ۲۵۰ دقیقه مکالمه، یا بسته خرید کالایی به همراه خدمات پس از فروش آن و یا فروش یک محصول محبوب به همراه محصولی نامحبوب.

باندلینگ از نگاه تحلیل‌گر داده، مفهوم دقیق‌تری دارد. این افراد به دنبال حداکثر کردن منافع حاصل از این عمل هستند.

فرض کنید که شما دو دسته مشتری و دو کالا دارید. جدول زیر نشان می‌دهد که هر کالا برای هر دسته از مشتریان شما، چه‌قدر می‌ارزد:

20 bundling 1

جدول ارزش هر محصول برای مشتری (مازاد مشتری)

20 bundling 2

نمودار ارزش هر محصول برای مشتری (مازاد مشتری)

منظور از ارزش کالا برای مشتری، همان مازاد مشتری (Customer Surplus) است. به این معنا که قیمت کالا یا خدمتی، از ارزش آن در ذهن مشتری پایین‌تر باشد و این تفاوت بین قیمت واقعی و قیمت ذهنی را مازاد مشتری گویند. مثلا اگر ارزش یک مداد در ذهن مشتری ۳۰۰۰ تومان باشد و بتواند آن را به قیمت ۲۰۰۰ تومان بخرد. به ۱۰۰۰ تومان اختلاف بین این دو گزینه، مازاد مشتری گویند. اگر مازاد مشتری منفی باشد، آن کالا را نخواهد خرید و بهتر است گفته شود آن کالا ارزش مازادی برای وی ندارد.

در مثال ابتدای بحث، اگر شما ۳ گیگ اینترنت را به قیمت ۳۰۰۰ تومان بفروشید، مشتری دسته الف اگر قصد داشته باشد اینترنت بخرد، آن را از شما نخواهد خرید چرا که این خرید، ارزش مازادی برایش ندارد و فقط مشتری دسته ب ممکن است آن را از شما بخرد. ولی اگر آن را با قیمت ۲۰۰۰ تومان به فروش برسانید، مشتریان دسته الف و ب  ممکن است آن را از شما بخرند.

حداقل ۴ سناریو برای قیمت‌گذاری در این مثال می‌توان تعریف کرد. یکی از سناریوها، به شرح زیر است:

20 bundling 3

در صورتی که جدول‌های مشابهی برای سایر سناریوها رسم شود، ارزش ایجاد شده برای مشتری، ۶، ۷ یا ۸ هزار تومان خواهد بود. بهینه‌ترین حالت زمانی اتفاق می افتد که  قیمت فروش هر دو محصول  به صورت مستقل ۲ هزار تومان باشد. در این صورت برای هر دو دسته مشتری می ارزد که  هر دو محصول را بخرند.

حال اگر به جای قیمت‌گذاری مستقل هر یک از محصولات، بسته محصولاتی به قیمت ۵ هزار تومان تعریف شود، برای هر دو مشتری می‌ارزد که از شما خرید کنند. چرا که جمع ارزش دو محصول برای هر دو دسته از مشتریان، ۵ هزار تومان است. بنابراین اگر فروشنده این دو کالا را باندل کرده و به بازار عرضه کند، هر دو دسته مشتری خریدار بالقوه هر دو محصولش خواهند بود.
20 bundling 4

این مثال، مفهوم باندلینگ را از نگاه یک تحلیل‌گر داده به سادگی تشریح می‌کند. همانطور که دیده می‌شود، باندلینگ راهی برای افزایش درآمد از طریق فروش محصولات به مشتریانی است که علایق متفاوتی دارند. نکته مهم در باندلینگ، همین علاقه متفاوت است. بدین معنی که دو گروه مشتریان ترجیحات یکسانی نداشته باشند. از لحاظ آماری می‌توان گفت که ترجیحات مشتریان باید همبستگی منفی داشته باشند.

حال که تعریف باندلینگ روشن شد، در مطلب بعدی روش تعیین بهینه قیمت برای باندلینگ محصولات را نشان خواهیم داد.

معمای قیمت‌گذاری برای مدیران بازاریابی: چگونه مقدار مناسب تخفیف را محاسبه کنیم؟

قیمت‌گذاری، از موضوعات مورد علاقه‌ی مدیران بازاریابی و فروش است. قیمت‌گذاری، همیشه به معنای تعیین قیمت برای محصول جدید نیست تا مدیران بازاریابی با توجه به سطح قیمت رقبا و کالاهای جایگزین، قیمت مناسبی را پیشنهاد دهند. گاهی مسئله قیمت‌گذاری از جنس برنامه‌ریزی و پیش‌بینی است:

  • فرض کنید که شرکتی ریش‌تراش تولید می‌کند. مدیر عامل شرکت از شما می‌پرسد، اگر ۵% تخفیف بر روی این محصول اعمال شود، چه مقدار به فروشش افزوده می‌شود؟
  • فرض کنید که همین شرکت هم ریش‌تراش و هم تیغ (به عنوان کالای مکمل آن) تولید می‌کند. مدیر عامل از شما می‌پرسد که چه قدر بر روی ریش‌تراش تخفیف اعمال شود تا همزمان درآمد شرکت از تیغ آن نیز حداکثر شود؟

برای پاسخ به این سوال، بایستی با مفهوم منحنی تقاضا آشنا بود. نمودار منحنی تقاضا، ارتباط میان تقاضا (Quantity) و قیمت (Price) را نشان می‌دهد. نمودار زیر، نمونه‌ای از منحنی تقاضا است.

17 Pricing Elasticity 1

دو سوال بالا به زبان فنی عبارت است از اینکه در چه قیمتی، عبارت P×Q که همان درآمد شرکت از فروش کالای نمونه است، حداکثر می‌شود.

مقدار Q خودش تابعی از P است و بنابراین تابع درآمد شرکت (P×Q)، تابعی غیرخطی است. برای حداکثر کردن این تابع، می‌توان از ابزارهای ساده در اکسل استفاده کرد. کار با این ابزارها با تعریف مناسب متغیرها بسیار ساده است و شما به راحتی و در کمتر از چند دقیقه، می‌توانید به مدیر عامل خود پاسخ دهید که در هر سطح از قیمت، درآمد شرکت چه تغییری خواهد کرد؟ مثلا با ۵% اعمال تخفیف، درآمد شرکت چقدر تحت تاثیر قرار خواهد گرفت؟ یا اینکه قیمت کالا در چه سطحی تعیین شود تا درآمد شرکت در سطح مشخصی باقی بماند؟ (ابزار Goal Seek در اکسل) یا اینکه در چه سطحی از قیمت، درآمد شرکت حداکثر می‌شود؟ (ابزار Solver در اکسل)

قسمت سخت ماجرا، به دست آوردن منحنی تقاضاست. دقتی که مدیران بازاریابی به آن نیاز دارند، از دقت مد نظر اقتصاددانان برای محاسبه این منحنی کمتر است. برای این کار دو روش تقریبی پیشنهاد می‌شود:

  • فرض کنید شما تا به حال دو یا سه کمپین اجرا کرده‌اید و در هر کمپین، سطح قیمتی جداگانه‌ای را پیشنهاد داده‌اید. در این صورت شما ۳ قیمت و ۳ مقدار فروش خود را دارید. طبیعی است که می‌توانید به راحتی یک منحنی از آن عبور دهید. اکسل این کار را به راحتی انجام می‌هد. تنها سوال این است که منحی بایستی خطی، درجه دوم، نمایی یا … باشد که با توجه به ماهیت کالا، تعیین می‌شود.
  • ممکن است شما با توجه به آمار کلیت بازار، مقدار کشش قیمتی تقاضای کالا را بدانید. مفهوم کشش قیمتی تقاضا، در اقتصاد مطرح شده و مفهوم آن، درصد تغییرات مقدار تقاضا نسبت به تغییر قیمت است. یعنی اگر ۱% به قیمت کالایی افزوده شود، تقاضای آن چند درصد کم می‌شود. با آگاهی از کشش قیمتی تقاضا و تعیین خطی، نمایی یا چندجمله‌ای بودن تقاضا، منحنی تقاضا به راحتی در اکسل تقریب زده می‌شود.

بنابراین، با استفاده از اکسل می‌توان میزان مناسب تخفیف در یک کمپین تبلیغاتی یا مقدار مناسب قیمت برای در اختیار گرفتن سهم کالای جایگزین در بازار را پیدا کرد. ضمنا اگر می‌خواهید منحنی تقاضای چند کالا را به صورت همزمان تخمین بزنید، می‌توانید از افزونه‌ اکسلی SolverTable استفاده کنید.

جنبه تحلیلی این نوع از مدل کردن مسئله قیمت‌گذاری، برای مدیران بازاریابی هم آسان است و هم بینش عمیق‌تری نسبت به قیمت‌گذاری کیفی به دست می‌دهد. هر چند هیچگاه نباید دیدگاه‌های کمّی و کیفی را فدای یکدیگر کرد.