Система динамического ценообразования

Два способа посчитать цену и где помогает языковая модель

Способов посчитать новую цену два, и второй сложнее первого. Начинать почти всегда стоит с первого — он закрывает большую часть задачи и даёт результат быстрее всего. Языковая модель сама цену не считает, но может помогать обоим способам — об этом чуть ниже.

1. По правилам

Вы словами описываете, чего хотите: не быть дороже рынка больше чем на 3%, никогда не опускаться ниже себестоимости плюс 10%, на ходовых позициях держаться в первой тройке по цене. Программа каждый день сравнивает вашу цену с ценами конкурентов и предлагает поправки в этих границах.

Это самый быстрый способ навести порядок. По данным сервиса Priceva (2024), у онлайн-ритейлера с 15 000+ товаров этим способом выручка в ключевых категориях выросла на 18% за шесть недель, а время на ручную работу упало на 85% (подробнее — в таблице кейсов ниже). Это цифры одного поставщика, посчитанные без контрольной группы, — сравнение с более строгими пилотами есть дальше на странице. Правила быстро наводят порядок в ценах, а строгую доказанность эффекта дают более длинные пилоты с контролем.

2. С учётом истории продаж

К правилам добавляется история: система смотрит, как ваши продажи реагировали на цену раньше, и понимает, на каких товарах снижение цены реально поднимает продажи, а на каких только съедает маржу. Это уже не правило «держись рынка», а прогноз: что будет с продажами при такой-то цене.

Советуем от 12 месяцев истории, лучше 24. В опубликованных системах берут от 1,5 до 4 лет: Walmart Labs использует 2 года данных по дням (arXiv, Liu & Sustik, 2021), Zalando — до 208 недель, это почти 4 года (arXiv, Kunz et al., 2023). Важнее срока другое: система учится на изменениях цены, а не на календарных днях. Если цена стояла на месте год, три года дадут почти столько же информации, сколько один месяц.

Языковая модель — помощник, а не третий способ

Языковая модель — программа, которая понимает и пишет обычный текст. Цену сама она не считает. Её работа в этой задаче другая: сопоставлять товары («это тот же препарат у конкурента или другая дозировка?»), читать отзывы и описания, чтобы находить сигналы о спросе, и объяснять человеку, почему предложена конкретная цена.

В пилотах крупных площадок языковая модель уже предлагает цену поверх готовой модели расчёта, а не вместо неё. Публичный эффект в деньгах пока один: площадка Tao Factory группы Taobao и Tmall (Китай) встроила языковую модель поверх готового расчёта спроса и в сравнении с прежней рабочей моделью получила рост оборота на 13,21% и ROI на 7,59% за 14 дней (статья сотрудников компании, 2026). Есть и другие пилоты: например, на площадке Xianyu (Китай) модель, которая сравнивает похожие товары и читает описание, снизила ошибку в цене нестандартных товаров на 46,3% (научная статья, 2025). Пока это первые эксперименты, а не готовая практика.

Что кому подходит. Для сети из нескольких магазинов обычно достаточно первого и второго способа. Языковую модель подключаем как помощника, когда у товаров много отзывов и описаний, которые нужно учитывать, — например, в категориях, где ценность товара сложно свести к паре характеристик.

Какие данные нужны

Без данных ни один из способов не заработает — вопрос только в том, сколько их нужно.

Главная поломка — сопоставление товаров

Здесь проваливается большинство таких проектов. У вас товар называется «Парацетамол 500 мг №20», у конкурента — «Парацетамол таб. 500 мг 20 шт». Для человека это очевидно один и тот же товар, для программы, которая сравнивает буквы, — две разные строки. Если сопоставить неверно, вся система будет уверенно считать неправильную цену — на другой товар.

Это отдельная и более сложная задача, чем сбор цен: у каждой категории свой набор признаков, по которым товары вообще сравнимы (для лекарств — дозировка и количество в упаковке, для одежды — размер и фасон, и там уже приходится сравнивать фотографии, а не только текст). Мы разбираем это подробно на странице услуги мэтчинг товаров и в статье «Мэтчинг товаров: что это и зачем».

Наш опыт: мониторинг цен в фармацевтической рознице

Мы уже собираем и сопоставляем данные такого рода — это первый и самый трудный шаг перед расчётом цены. Действующий проект: собираем карточки и цены больше чем с 20 сайтов аптечных сетей по 33 городам и сопоставляем их с эталонным справочником заказчика на 30 830 позиций — по смыслу, а не по названию, с проверкой дозировки, количества в упаковке и бренда. Данными пользуются фармацевтические компании: сами аптечные сети — чтобы видеть свою цену рядом с ценой конкурента в каждом городе, и производители — чтобы понимать, по какой цене их товар реально стоит на полке.

Подробно, как устроена эта система, — в кейсе «Мониторинг цен в аптечной рознице». Динамическое ценообразование — следующий шаг поверх такой же связки «сбор → сопоставление → хранилище»: когда данные о своих и чужих ценах в порядке, дальше к ним добавляется расчёт рекомендуемой цены.

Хранилище в таких проектах мы разворачиваем на серверах заказчика, а не у себя: при расставании данные никуда не уезжают, они и так ваши. Подробнее о том, где и как живут данные клиентов, — на странице «Где живут ваши данные».

Что показывают открытые примеры по рынку

Ниже — открытые примеры по рынку, российские и зарубежные, разных площадок и подходов. Это не наши проекты, а то, что публикуют вендоры и исследователи, — каждая цифра со ссылкой на источник и годом. Где цифру приводит сам разработчик решения — это отмечено отдельно: проверить такие цифры независимо нельзя, но у каждой есть источник и дата.

Как проходит пилот

Пилот — это проверка на одной категории товаров, а не сразу на всём ассортименте. Общий порядок такой, сроки по неделям — ориентир, а не обещание для конкретного проекта.

1. Данные и проверка, 1–2 недели. Смотрим, какие данные у вас уже есть: справочник товаров, история продаж, себестоимость. Получаем первую выгрузку и составляем список того, чего не хватает.
2. Сопоставление и настройка правил, 3–6 недель. Сводим ваши товары с товарами конкурентов на одной категории, описываем правила словами вместе с вашим коммерческим директором, переводим их в границы: минимум, максимум, шаг изменения.
3. Первые рекомендации, без автоматического применения. Система выдаёт ежедневный файл, вы смотрите на предложенные цены и решаете, разумны ли они, — ничего пока не меняется на сайте или полке.
4. Наблюдение и разбор, обычно от 6 до 16 недель. Часть товаров — под новыми ценами, часть — как контроль, для честного сравнения. По похожим опубликованным пилотам такой период занимает от 6 недель (Competera) до 16 недель (KeepRise, кейс из продаж компаниям «Профпоток», retail.ru, 27.12.2023).
5. Итоговый отчёт. Что изменилось в продажах и марже на пилотной категории, какие правила сработали, а какие нет, и стоит ли расширять на весь ассортимент.

Документы для подготовки к пилоту

Шаблоны ниже — те же, с которыми мы начинаем пилот: с чего начать выгрузку, что в ней должно быть и как выглядит результат работы системы на примере.

• Шаблон данных для пилота — какие выгрузки нужны и в каком виде, с пометкой, что обязательно для правил, а что для моделей спроса. Формат: XLSX, 229 КБ. Скачать
• Чек-лист готовности данных — 15 вопросов за 5 минут: правила уже сейчас, модели позже или сначала сопоставление товаров. Формат: PDF, 237 КБ. Скачать
• Пример ежедневного файла рекомендаций — цена рынка, предложение, маржа и причина по каждому товару. Формат: XLSX, 28 КБ. Скачать
• Калькулятор потерь «цена на глаз» — сколько теряете на ручной сверке цен и через сколько окупится расчёт, на ваших цифрах. Формат: XLSX, 13 КБ. Скачать
• Шаблон технического задания на пилот — структура ТЗ с подсказками и примерами. Скачать Word, 18 КБ — для правки, PDF, 255 КБ — для печати

Когда это не нужно

Честно: динамическое ценообразование подходит не всем.

• Нет ни одной категории с аналогами. Мы считаем цену по категориям, а не по количеству товаров: нужна хотя бы одна группа, где у ваших товаров есть похожие товары у конкурентов, — одна линейка одежды, одна группа лекарств, один класс техники. Если такой категории пока нет, коммерческому директору проще посчитать цены в таблице самому.
• У вас маленький магазин на маркетплейсе. Если товаров пара десятков и вы один продавец на одной площадке, наша система для вас избыточна. Выгоднее готовый репрайсер по подписке: по рынку такие сервисы стоят от 8 750 до 390 000 ₽ в месяц (наш обзор тринадцати сервисов — на странице «Парсинг и мониторинг цен конкурентов»).
• Нет конкурентов с открытыми ценами. В проектных продажах и в продажах компаниям цену никто не публикует. Сравнивать не с чем — систему строить не на чем.
• Товар уникальный. Если у вас есть то, чего больше ни у кого нет, ориентироваться на рынок бессмысленно — здесь работает другая логика, от ценности для покупателя, а не от цены соседа.
• Цена зафиксирована сверху. Для аптечного ассортимента с предельными ценами (ЖНВЛП) или для товаров с жёсткой рекомендованной розничной ценой пересчитывать особо нечего — тогда начинать стоит с мониторинга РРЦ, а не с расчёта новой цены.
• Свои данные не в порядке. Если справочник товаров неполный, а себестоимость известна приблизительно, тогда начинать стоит с аудита процессов, а не сразу с расчёта цены — иначе система будет аккуратно считать цены на неверных исходных данных.
• Цена почти никогда не менялась. Для способа с историей продаж это значит, что данных для обучения по сути нет, даже если истории накопилось несколько лет. Остаётся первый способ — по правилам.

Частые вопросы

Чем это отличается от репрайсера для маркетплейсов?

Репрайсер — программа, которая по простым правилам двигает цену одного продавца на одной площадке, обычно за небольшую ежемесячную плату. Мы делаем более широкую систему: с хранилищем данных на ваших серверах, с расчётом по истории продаж, с работой сразу по нескольким площадкам и городам, и с интерфейсом, где решение всегда подтверждает человек.

Сколько истории продаж нужно, чтобы это заработало?

Для расчёта по правилам история не нужна вовсе — хватает текущих цен и себестоимости. Для расчёта по истории продаж нужно от 12 месяцев, лучше 24: меньше года модель не видит, как ведут себя продажи в разные сезоны. Ещё важнее не срок, а то, менялась ли цена за это время: если она стояла на месте, даже три года истории почти бесполезны.

Может ли языковая модель сама назначать цену?

В открытых источниках мы нашли только один пример, где это реально произошло и результат измерили с контрольной группой, — площадка Tao Factory группы Taobao и Tmall в Китае, и там модель работает поверх уже готового расчёта, а не вместо него. Есть и другие пилоты, например площадка Xianyu в Китае, но готовой практики для розницы пока нет. В остальных случаях языковые модели в ценообразовании сопоставляют товары, читают отзывы и объясняют рекомендацию — саму цену считают правила или модель на истории продаж.

Законно ли следить за ценами конкурентов?

Да, если цена опубликована в открытом доступе — на сайте или на витрине, её видит любой покупатель. Это не то же самое, что доступ к закрытым системам конкурента. При этом у каждого сайта есть свои правила использования, и в спорных случаях вопрос стоит обсудить с юристом до начала работ, а не после. А договариваться с конкурентом держать одинаковую цену — незаконно: наблюдать за рынком самостоятельно можно, сговариваться нельзя.

Цены будут меняться автоматически, без нашего участия?

Начинать так не стоит. И по правилам, и по истории продаж цену сначала предлагает программа, а подтверждает человек. Автоматический режим без присмотра имеет смысл вводить позже и обычно только на неходовых позициях, когда на десятках предложений видно, что система не ошибается.

Что если у нас мало данных или короткая история продаж?

Тогда начинаем с первого способа — по правилам, ему хватает текущих цен, себестоимости и минимальной маржи. К расчёту по истории продаж возвращаемся, когда данных накопится достаточно: часто пилот на правилах — это и есть способ начать копить нужную историю.

Нужен ли отдельный интерфейс согласования или можно работать файлом?

Можно работать и обычным файлом с рекомендациями — так часто устроен пилот. Экран согласования цен подключается отдельно, когда правила уже проверены и решение работать с системой постоянно принято.

Сколько времени занимает пилот?

Сбор и настройка занимают от четырёх до восьми недель, дальше система работает от полутора до четырёх месяцев, чтобы набрался период для сравнения с контрольной группой. Итог — отчёт с цифрами по вашей категории, а не обещание вендора.

Для технических специалистов

Данные разбираются на витрины: справочник товаров, сопоставление «ваш SKU ↔ товар конкурента», свои цены и цены конкурентов по дням, продажи, остатки, себестоимость и ограничения по марже — с регулярной загрузкой по расписанию. Хранилище и планировщик загрузок — на ваших серверах или в вашем облаке.

Расчёт по правилам реализуется как набор границ с приоритетами: нижний порог по марже, шаг и частота изменения, округление. При достаточной и меняющейся истории добавляется эконометрическая оценка эластичности по SKU, а если вариации цены мало — оценка переносится на уровень категории или бренда. Прогноз спроса на истории продаж строится на моделях градиентного бустинга или похожих методах, с учётом остатков, сезона и промо-акций как отдельных признаков. Сопоставление товаров и разбор отзывов — по смыслу текста и по фотографиям, а не по совпадению букв; языковые модели здесь работают как помощник расчёта, объясняя рекомендацию человеку. Выгрузка рекомендаций — в интерфейс согласования, в 1С через OData, на кассы.

Готовы попробовать на своих данных

Запишитесь на бесплатный экспресс-разбор, 40 минут: пришлите выгрузку одной категории — посмотрим её и скажем, какой способ вам подходит по данным, без завышенных ожиданий. Запись: +7 383 380-81-89, Telegram @lcstudio, Пн–Вс 8:00–21:00 (Новосибирск). Дальше — форма заявки на странице.

Смежные услуги: мэтчинг товаров, сбор и мониторинг цен конкурентов по городам и магазинам.