Введение
В условиях риска эффективная ценовая политика, тактика установления цен, тщательно выверенные методы ценообразования являются основополагающими компонентами успешного развития компании в любой сфере деятельности.
Сложность ценообразования связана с тем, что в этом процессе следует учитывать большое и непостоянное количество торговых и торгово-посреднических фирм на всем пути продукта от производителя к потребителю.
Ценовая политика фирмы в условиях риска может быть признана важнейшим инструментом компании. Неумелое обращение с названным инструментом, как правило, приводит к негативным последствиям, среди которых снижение темпов формирования финансовых результатов, ухудшение финансового состояния, снижение конкурентоспособности и т.д. Поскольку от грамотно сформированной ценовой политики зависит успешное развитие компании, крайне важным и актуальным является проведение исследований в данной области.
Целью данной статьи является исследование проблем формирования ценовой политики компании в условиях риска.
Материалы и методы исследования
При написании статьи были использованы следующие методы: сравнительного анализа, синтеза.
Результаты исследования и их обсуждение
Изучение научных трудов российских и зарубежных авторов дает возможность определить, что основные аспекты ценообразования и формирования ценовой политики продемонстрировали такие научные деятели как Нэгл Т., Холден Р. [9], Портер М.Е. [10], Шумпетер И. [12], И. Ансофф [2], К. Маркс [8], А.Т. Алиев [1], В.Р. Веснин, В.А. Слепов, И.В. Гладких [5], Д.В. Бородин [3], Н.Г. Шаламова, Э.В. Колосова [11], В.А. Малыхина, К.А. Малыхина [4], Ю. Иоффе [7], В.И. Голишевский, А.С. Кизимов, М.С. Хорохорин [6] и другие. В работах указанных авторов представлен обширный диапазон различных подходов и взглядов, который ложится в основу современных методов и приемов ценообразования и формирования ценовой политики в различных условиях, в том числе и в условиях риска.
Исследование научных трудов позволяет авторам данной статьи отметить, что ценовая политика зависит от каналов распределения продукции: продукт распределяется прямо от производителя к конечному потребителю или от производителя к предприятиям розничной торговли.
Ценовая политика служит целям компании. От того, насколько она продумана зависит, сможет ли компания удержаться на рынке, сохранит ли свою конкурентоспособность, будет ли иметь доходы от своей деятельности.
Какую бы ценовую политику не выбрала бы компания, ее можно условно отнести к одной из трех видов: затратная, рыночная или нормативная.
Ценовая политика организации может строиться по сложившемуся спросу на продукт, используя в этих целях анализ ценовых пределов и анализ пиков убытков и прибылей компании.
К наиболее распространенной и востребованной ценовой политике относится политика, основанная на базовом ценообразовании, включающая в себя два этапа: формирование базовой цены предприятия и формирование отклонений от базовой цены и политики управления отклонениями.
Ценовая политика, основанная на формировании базовой цены, является прекрасным инструментов в решении стратегических или долгосрочных целей предприятия. Использование отклонений от базовой цены позволяет решать тактические или ситуативные проблемы в текущей деятельности предприятия.
Функционируя в условиях рынка, компания неизбежно сталкивается с различного рода внешних и внутренних рисков. Влияя на деятельность компании риски могут существенно снизить эффективность ценовой политики компании, что является существенной проблемой, которую важно решать на стадии формирования ценовой политики и в процессе ее реализации.
С целью решения указанной проблемы необходимо своевременное обнаружение рисков и в дальнейшем применение методов, позволяющих в условиях выявленных рисков добиться повышения эффективности управленческих решений, принимаемых в области ценообразования. В широком многообразии рисков выделяют более распространенные и редко воздействующие на деятельность экономических субъектов.
Динамика инфляции в России (%) [13]
Одним из самых распространенных рисков является инфляционный риск, который оказывает существенное влияние на формирование ценовой политики компаний. По данным Центрального банка в России в период с 2016 г. по 2022 г. наблюдается рост инфляции (рисунок).
Главными причинами, которые привели к росту инфляции стали:
- рост спроса,
- изменение на валютном рынке (ослабление национальной валюты),
- снижение предложения,
- завышенные инфляционные ожидания населения России.
При формировании политики ценообразования в условиях инфляционного риска крайне важно учитывать этот риск при заключении договоров купли-продажи товаров на продолжительный срок, потому что, может случится так, что пока будет реализовываться подобный договор, текущая рыночная цена на указанные в договоре товары может превысить либо стать ниже, чем та цена, которая отражена в договоре. С целью снижения влияния указанного риска возникает необходимость включения в договор ряда ценовых оговорок. Это один из примеров того, как в условиях риска компания стремится решить проблемы и сформировать эффективную ценовую политику. Помимо этого, многие компании, формируя политику ценообразования в условиях риска проводят анализ ценовых решений с помощью теории игр, которая исследует оптимальные стратегии в ситуациях игрового характера, где пересекаются интересы двух или более конкурирующих сторон, которые имеют разные цели.
Одним из современных подходов, применяемых с целью устранения проблем при формировании политики ценообразования в условиях риска, является ценообразование с помощью искусственного интеллекта, что оказывает существенную помощь бизнесу в быстрой адаптации в меняющихся рыночных условиях. Алгоритмы на основе искусственного интеллекта помогают компаниям оценивать товары на основе таких данных, как цены конкурентов, уровни запасов и реакция клиентов на рекламные акции.
Использование искусственного интеллекта может помочь увеличить размер прибыли, повысить лояльность клиентов, заботящихся о цене, и избавить от работы и расчетов по установлению цен. Один из способов, когда компания может использовать искусственный интеллект предполагает переоценку элементов «ключ-значение».
Используя искусственный интеллект, компании могут легко снизить цены на «элементы ключевой ценности» – продукты, которые популярны среди чувствительных к цене клиентов, – при этом немного подняв цены на другие продукты, чтобы компенсировать потери. Как поясняется в The Economist , компании, использующие эту стратегию, могут увеличить прибыль, сохраняя низкие цены для потребителей на товары, которые они покупают чаще всего.
Компании, разрабатывающие программное обеспечение для ценообразования на основе искусственного интеллекта, включают в свои алгоритмы разнообразные источники данных, включая твиты клиентов и онлайн-обзоры продуктов.
Некоторые работники, для которых установление цен – это часть их работы, могут опасаться, что технология искусственного интеллекта приведут к их увольнению. Но, по данным Boston Consulting Group , искусственный интеллект наоборот высвобождает работников для выполнения более важных задач в достижения долгосрочных целей, вместо того, чтобы заниматься повседневными задачами и ежедневными исследованиями цен. Ожидается, что персонала, работающего с искусственным интеллектом, со временем станет больше.
Основополагающее исследование, проведенное в 2021 году консалтинговой компанией McKinsey, показало, что повышение цен на 1% без потери продаж может увеличить операционную прибыль в среднем на 8,7%. Но достичь этого совсем не просто. Установить слишком высокие цены, есть риск потерять клиентов; установить их слишком низко, есть риск недополучить прибыль.
Специалисты эмпирически предсказывают, как клиенты будут реагировать на различные сценарии ценообразования, и рекомендуют те, которые, на их взгляд, максимизируют продажи или прибыль.
В основе прогнозов специалистов лежат математические модели, использующие множество данных о транзакциях для оценки ценовой эластичности – насколько увеличивается спрос при снижении цены и наоборот – для тысяч продуктов. Затем товары, чувствительные к цене, могут быть снижены, а товары, не зависящие от цены, – с наценкой.
Все эти операции занимают достаточно большой отрезок времени. К моменту принятия решения о ценах может измениться экономическая ситуация. Продавцы не могут быстро предотвратить нежелательные последствия, такие как двузначные скачки цен или более крупные упаковки, которые стоят дороже на единицу веса, чем более мелкие.
Ценообразование становятся точнее и более гибким благодаря достижениям в области искусственного интеллекта. Для определения готовности клиента платить за продукт и/или услугу в режиме реального времени требуются многочисленные источники данных, сложные прогностические модели и интеллектуальное программное обеспечение, достаточно простое для того, чтобы продавцы могли с готовностью его использовать. Типичные проблемы включают данные, которые не всегда доступны, часто меняющиеся рыночные условия и необходимость управления большими распределенными сообществами пользователей. Эта сложность возрастает, если учесть, что оптимальное ценообразование может охватывать большой набор продуктов и услуг в каждом предложении.
Одним из основных преимуществ ИИ в ценообразовании является возможность оптимизировать цены в режиме реального времени в зависимости от меняющихся рыночных условий. Это особенно важно в ценообразовании, где цены могут сильно варьироваться и подлежать постоянному изменению.
Используя ИИ для анализа рыночных данных и поведения клиентов, компании могут предоставить любому отделу продаж оптимизированные цены на ходу, которые настраиваются для отдельных клиентов (а не только для рынков).
Обладая способностью обрабатывать большие объемы данных, ИИ может помочь компаниям быстро выявлять новые тенденции и модели ценообразования. Это может помочь компаниям точно настроить свой подход к ценообразованию на основе анализа данных. Анализируя поведение клиентов и рыночные тенденции, компании могут определить, какие продукты или услуги являются наиболее прибыльными, какие рынки и продукты сталкиваются с более сильным конкурентным давлением, и соответствующим образом скорректировать свои цены.
Возможность быстрого анализа больших объемов данных в режиме реального времени также может помочь компаниям выявлять аномалии и несоответствия в ценообразовании. Анализируя данные о ценах по различным продуктам, рынкам и клиентам, ИИ может отмечать такие проблемы, как ошибки ценообразования или несоответствия, которые могут повлиять на прибыльность. Это позволяет компаниям быстро выявлять и устранять эти ошибки, сводя к минимуму их влияние на итоговую прибыль.
Заключение
Таким образом можно сделать вывод о том, что формирование ценовой политики в условиях риска представляет собой важный элемент общей стратегии предприятия и непосредственно входит в такой крупный ее раздел, как рыночная стратегия. Она в наиболее общем виде может быть определена как деятельность руководства предприятия по установлению, поддержанию и изменению цен на производимые продукты, осуществляемая в русле общей стратегии предприятия и направленная на достижение его целей и задач.
Один из современных способов решения проблем формирования ценовой политики в условиях риска предполагает применение искусственного интеллекта. Искусственный интеллект продолжает развиваться, и можно ожидать появления еще более сложных стратегий и инструментов ценообразования. От динамических моделей ценообразования до алгоритмов, прогнозирующих цены на отдаленную перспективу. Чтобы оставаться актуальными в условиях нестабильности, компании могут использовать возможности искусственного интеллекта при осуществлении ценового планирования. Внедряя программное обеспечение, которое использует алгоритмы анализа рыночных данных и поведения клиентов, компании могут оптимизировать свои стратегии ценообразования в режиме реального времени, корректировать цены в зависимости от меняющихся рыночных условий и выявлять аномалии и несоответствия в ценообразовании.
Библиографическая ссылка
Данилова Л.Г., Заярная И.А., Егоров М.А. ПРОБЛЕМА ФОРМИРОВАНИЯ ЦЕНОВОЙ ПОЛИТИКИ КОМПАНИИ В УСЛОВИЯХ РИСКА // Вестник Алтайской академии экономики и права. – 2023. – № 10-2. – С. 157-161;URL: https://vaael.ru/ru/article/view?id=3005 (дата обращения: 24.11.2024).