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.
+23% к выручке: Mario Berlucci протестировал автопереоценку товаров в 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
Настроить динамическое ценообразование с Product Data Platform (PDP) Mindbox
ИТ.
Сайт на Bitrix, Product Data Platform Mindbox, 1С
Результат
Автоматическая переоценка товаров против ручной: +23% к выручке+0,8 п. п. к маржинальности +25% к продажам в штуках
Срок.
6 недель
3 октября 2025
Чтобы быстро распродавать товар и не терять деньги на скидках, нужна армия категорийных менеджеров 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, если туфли расходятся медленно — скидка нарастает: сначала 5%, через неделю — 10%, еще через неделю — 15%. А на хиты продаж цена, наоборот, повышается. Для этого достаточно один раз настроить правила переоценки.
Рассказываем, как в Mario Berlucci протестировали автоматическую переоценку против ручной и увидели рост продаж, выручки, маржинальности.
До внедрения PDP Mindbox мы использовали два подхода к управлению ценами: массовые акции для быстрого роста выручки и переоценки отдельных артикулов. Первый подход снижал маржинальность, второй отнимал у категорийных менеджеров слишком много времени.
PDP Mindbox позволила оптимизировать процесс. Платформа еженедельно анализирует продажи и остатки каждого товара, а затем корректирует цены. Так популярные позиции не уходят по заниженным ценам, а на товары, которые продаются хуже, вовремя выдается скидка.
Шесть недель теста показали, что автоматизация ценообразования может заметно улучшить экономику бизнеса.
Результаты
Товары из контрольной группы категорийные менеджеры переоценивали вручную. В тестовой группе цены обновлялись автоматически — по бизнес-правилам, настроенным в PDP. Через шесть недель оказалось, что автопереоценка товаров повышает выручку, продажи и маржинальность.
-
+23%к выручке
-
+0,8 п. п.к маржинальности
-
+25%к продажам в штуках
Результаты тестирования автоматической переоценки товаров против ручной. Данные за 6 недель из внутренней отчетности Mario Berlucci
Выручка и маржа тестовой группы по сравнению с контрольной
Товары из контрольной группы переоценивали вручную, из тестовой — автоматически с помощью PDP
Маржа снижалась в обеих группах из-за скидок, но в тестовой группе снижение шло медленнее
Почему ручная переоценка товаров оказалась неэффективной
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 дешевле, чем могли бы, а неликвид оставался на складе. В итоге — упущенная прибыль от хитов и замороженные в остатках деньги.
Команда искала способ автоматизировать ценообразование. Нужно было решение, которое учитывало бы скорость продаж каждого артикула, остатки по размерам и сезонность.
Как за шесть недель автоматизировали переоценку товаров
В Mario Berlucci начали тестировать новый продукт Mindbox — PDP (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 менеджерами продукта 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 лид категорийных менеджеров, периодически подключался аналитик. Команда Mindbox запустила тест MVP-версии продукта.
С Mario Berlucci мы протестировали MVP-версию продукта 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 — внедрить разные стратегии ценообразования 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 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 правилам, установленным в PDP.
Через шесть недель 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.
Если у вас бизнес с широким ассортиментом и вы хотите внедрить автопереоценку товаров, напишите на почту ananin@mindbox.cloud.
Мы поможем настроить правила переоценки, протестировать ее и вместе с вами проанализируем результаты.
