Mario Berlucci протестировал автоматическую переоценку товаров с помощью нового продукта Mindbox ― Product Data Platform (PDP). Платформа анализирует продажи и остатки, меняет цены раз в неделю ― на хиты повышает, на товары-аутсайдеры снижает. В кейсе ― как настроили сценарии переоценки, как тестировали платформу и какой результат получили.
Mario Berlucci автоматизировал переоценку товаров с помощью PDP Mindbox
Mario Berlucci — производитель обуви, сумок и аксессуаров. Бренд основан в 1997 году
Масштаб бизнеса.
Два розничных магазина в Москве и онлайн-магазин
Задача
Увеличить выручку онлайн- и офлайн-магазинов без потери маржинальности
Решение
Протестировать динамическое ценообразование в PDP Mindbox
Результат
В тестовой группе: +23% к выручке +0,8 п. п. к маржинальности +25% к продажам в штуках
Срок.
6 недель
ИТ.
Сайт на Bitrix, Product Data Platform Mindbox, 1С
3 октября 2025
Чтобы быстро распродавать товар и не терять деньги на скидках, нужна армия трейд-маркетологов или автоматизация цен. В Mario Berlucci выбрали второе.
Компания протестировала Product Data Platform (PDP) — это новый продукт Mindbox. Платформа автоматически обновляет цены на сайте и в офлайне — в зависимости от того, сколько товара на складе и с какой скоростью он продается. Например, когда туфли расходятся медленно — скидка нарастает: сначала 5%, через неделю — 10%, еще через неделю — 15%. А на хиты продаж цена повышается. Для этого достаточно один раз настроить правила переоценки.
Рассказываем, как в Mario Berlucci тестировали автоматическую переоценку товаров против ручной — прирост выручки на 23%, а маржинальности — на 0,8 п. п.
До внедрения PDP мы использовали два подхода к управлению ценами: массовые акции для быстрого роста выручки и точечные переоценки отдельных артикулов. Первый подход снижал маржинальность, второй отнимал у категорийных менеджеров слишком много времени.
PDP Mindbox позволила оптимизировать этот процесс. Система еженедельно анализирует данные о продажах и остатках по каждому товару и корректирует цены. За счет этого популярные позиции не уходят по заниженным ценам, а на товары, которые продаются хуже, система своевременно делает скидку.
Шесть недель теста показали, что автоматизация ценообразования может существенно улучшить экономику бизнеса.
Результаты
Чтобы протестировать автоматизацию цен, выбрали 128 товаров. С помощью ABC-анализа их разделили на две равные группы, учитывая скорость продаж, остатки и наличие полного размерного ряда.
Товары из контрольной группы категорийные менеджеры переоценивали вручную. В тестовой группе цены обновлялись автоматически с помощью PDP, по настроенным бизнес-правилам.
За 6 недель выручка в тестовой группе выросла на 23% по сравнению с контрольной, а маржинальность — на 0,8 п. п.
-
+23%к выручке
-
+0,8 п. п.к маржинальности
-
+25%к продажам в штуках
Данные из внутренней отчетности Mario Berlucci
Выручка тестовой группы по сравнению с контрольной
Выручка в тестовой группе обогнала выручку в контрольной группе уже во вторую неделю
Маржа тестовой группы по сравнению с контрольной
Маржа снижалась в обеих группах из-за скидок, но в тестовой группе снижение шло медленнее
Почему ручная переоценка товаров не работала
До внедрения PDP в Mario Berlucci ценами управляли вручную. Чтобы принимать взвешенные решения о переоценке сотен артикулов, нужно отслеживать продажи и остатки по каждой позиции. Категорийным менеджерам просто не хватает времени на такой глубокий анализ.
Категорийный менеджер отвечает за переговоры с поставщиками, закупки, возвраты, проверку качества, взаимодействие с маркетингом и управление ассортиментом. При такой нагрузке нет времени анализировать каждое SKU.
Поэтому часто принимаются быстрые решения — распродать все товарные остатки по единой скидке, чтобы выполнить план. Хотя, если проанализировать каждый артикул отдельно, часто оказывается, что часть из них можно было не уценять — они и так хорошо продаются. А на некоторые стоило даже повысить цену — они уходят слишком быстро. Мы теряем потенциальную прибыль и рискуем остаться с пустыми полками до конца сезона.
В конце сезона компания запускала summer sale или winter sale, чтобы быстро вернуть деньги из оборота. Выручка росла, но вместе с ней падала эффективность: популярные товары уходили слишком дешево, а неликвид оставался на складе. В итоге — упущенная прибыль от хитов и замороженные в остатках деньги.
Команда искала способ оптимизировать ценообразование. Нужно было решение, которое автоматически учитывало бы скорость продаж каждого артикула, остатки по размерам и сезонность.
Как за шесть недель автоматизировали переоценку товаров в магазине
В Mario Berlucci начали тестировать новый продукт Mindbox — Product Data Platform. Платформа автоматически переоценивает товары раз в неделю на основе данных о продажах и остатках.
Как работает переоценка
Перед запуском теста команда Mario Berlucci вместе с продуктовыми менеджерами Mindbox разработала сценарии переоценки. В основе — опыт категорийных менеджеров: что делать, если остаток меньше определенного количества либо товар продается быстрее или медленнее ожидаемого.
Команда Mindbox дополнила эти правила своей экспертизой — например, предложила не только снижать, но и повышать цены, чего в Mario Berlucci раньше не делали.
Чтобы все настроить, понадобилось шесть встреч с командой Mindbox. Со стороны Mario Berlucci в проекте участвовал только лид категорийных менеджеров, периодически подключался аналитик. Команда Mindbox запустила тест в PDP на базе MVP-модуля «Стратегии ценообразования».
Для нас этот тест стал проверкой MVP «Стратегии ценообразования» внутри PDP. Работали без интерфейса — все расчеты делали в отдельном коде, а результаты обрабатывали в Excel.
Мы убедились, что продукт можно запускать с минимальным вовлечением клиента: хватило пары сотрудников и недели на настройку. Сейчас работаем над тем, чтобы перейти от прототипа к полноценной системе управления ценами.
В ближайших планах — возможность выстраивать разные стратегии для онлайна и офлайна, персонализировать цены через QR-коды и глубже интегрироваться с маркетингом. Например, отправлять персональные предложения с оптимальной ценой тем, кто добавил товар в избранное или бросил корзину.
Как тестировали PDP и какие получили результаты
В Mario Berlucci сравнили ручное управление ценами с автоматическим.
Для теста выбрали 128 товаров, которые с помощью АВС-анализа разбили на контрольную и тестовую группы. Чтобы результаты были сопоставимы, при формировании групп учитывали продажи, остатки и наличие всех размеров. Из выборки исключили товары с остатком менее восьми единиц на артикул — на них автоматическая переоценка уже не повлияет: скидка в любом случае будет максимальной.
Ценами на товары из контрольной группы продолжили управлять как раньше — вручную. В тестовой группе товары переоценивались автоматически по настройкам, установленным в PDP.
За шесть недель теста получили прирост ключевых метрик в тестовой группе товаров по сравнению с контрольной:
Выручка
Маржинальность
Продажи в штуках
Контрольная группа
X
Y
Z
Тестовая группа
X +23%
Y +0,8 п. п.
Z +25%
Планы
- Масштабировать механику на большее количество SKU.
- Расширить сценарии так, чтобы они помогали не только управлять ценами, но и принимать решения о том, сколько и каких товаров заказывать.
Мы ищем компании для тестирования «Стратегий ценообразования». Инструмент подходит для бизнеса с большим ассортиментом.
Для теста нужны данные о продажах и остатках за несколько месяцев. Выберите 100–200 артикулов — мы поможем настроить правила переоценки и вместе с вами проанализируем результаты.
Если хотите оптимизировать скидки и увеличить выручку без потери маржинальности, напишите мне. Обсудим задачи вашего бизнеса и настроим пилотный проект.
