Ловушки
алгоритмов ценообразования

3 июня 2017 года полицейские машины с мигалками летели к Лондонскому мосту: было получено сообщение о теракте. Их увидели тысячи людей — субботним вечером в местных ресторанах и пабах было полно народу. Многим стало не по себе — они решили вызвать такси и отправиться домой. На всплеск заказов отреагировали алгоритмы динамического ценообразования Uber: после поступления первых данных о теракте (22:07) цены поднялись более чем на 200% и держались на этом уровне три четверти часа.

Этот эпизод — лишь один из неприятных примеров скачка цен Uber в моменты, когда людям нужна была помощь. То же самое случилось в 2016 году, когда в Нью-Йорке взорвалась бомба, в 2017-м, когда таксисты протестовали против антииммиграционной политики США, и в 2020-м, когда в Сиэтле произошла перестрелка и пострадали люди (в последнем случае цены взлетели на 500%!). Почти 100 млн активных пользователей Uber негодуют по поводу алгоритмического ценообразования компании. Даже после того, как Uber вручную остановила взвинчивание ставок возле Лондонского моста, цены на такси в окружающих районах еще 50 минут оставались заоблачными.

Экономист, может, и одобрил бы логику ценообразования Uber: чем выше спрос относительно предложения, тем выше цена. Для клиентов же стоимость пользования сервисом выглядит непредсказуемой как рулетка.

С подобной проблемой сталкивается не только Uber. Динамическое ценообразование с разным успехом применяют фирмы многих отраслей, включая рекламу, электронную коммерцию, развлечения, страхование, спорт, туризм и коммунальные службы. Классический и широко известный пример — Coca-Cola, в конце 1990-х опробовавшая вендинговые машины, которые повышали цену в жаркие дни. Возмущение общественности заставило ее быстро свернуть проект.

Алгоритмы ценообразования призваны помочь фирмам определять оптимальные цены практически в режиме реального времени. Они взвешивают переменные — спрос и предложение, цены конкурентов, сроки выполнения заказов, применяя искусственный интеллект и машинное обучение. К сожалению, порой алгоритмы идут вразнос и выдают нереалистичные суммы: $14 тыс. за шкафчик от Wayfair или почти $24 млн за книгу на Amazon. Но подобными проколами риски передачи права принятия решений компьютерам не ограничиваются.

Постоянные изменения цен подают клиентам мощные сигналы, которыми стоило бы пристально заниматься. Однако многие организации не понимают этого. Они сознают, что цены влияют на решения покупателя, стоит ли приобретать, когда, сколько и что именно, но забывают, что ценовые взлеты и падения портят впечатление о продукте и, что важно, о компании как таковой.

Вывод: внедряя алгоритмические системы, недостаточно учитывать простые математические законы, иначе ваше стремление заработать снизит доверие к вам потребителя. При разумном подходе алгоритмы обеспечат вам максимум выручки, одновременно дав клиентам ощущение адекватности цены.

Ниже мы увидим, какие психологические механизмы включаются тогда, когда вы просите оплату у своего клиента. Мы изучим реальные примеры алгоритмического ценообразования и их пользу или вред для конкретных брендов. Наконец, мы перечислим плюсы введения серьезного надзора и даже вмешательства в работу алгоритма — и расскажем, в частности, почему полезно определить, какой отдел отвечает за ценообразование и какие параметры стоит зафиксировать во избежание проблем.

ПСИХОЛОГИЧЕСКОЕ ВОЗДЕЙСТВИЕ АЛГОРИТМИЧЕСКОГО ЦЕНООБРАЗОВАНИЯ

Давайте начнем с примера автостраховщика Root Insurance, продающего свои полисы жителям 30 американских штатов. Чтобы клиенты лучше понимали принципы ее бизнеса и больше ей доверяли, компания разработала программу динамического ценообразования с персональным и понятным подходом к каждому водителю. В отличие от конкурентов, Root Insurance не сегментировала цены на основе крупных и практически безличных массивов данных о рисках на основе демографии. Вместо этого она предложила клиентам приложение для смартфонов, изо дня в день оценивающее поведение конкретного пользователя. Алгоритм обрабатывает поступающую информацию и определяет индивидуальные показатели безопасности. Далее Root Insurance рассчитывает условия страховки, исходя преимущественно именно из качества вождения (с учетом таких традиционных факторов, как кредитная история и статистика страхового мошенничества). Чтобы снизить крен в сторону более обеспеченных клиентов, страховщик не учитывает в скоринговой системе критерии образования и занятости (как это делают почти все остальные), а к 2025 году обещает исключить из расчета даже кредитную историю. При этом компания страхует только прошедших проверку безопасности. Root Insurance утверждает: отсеяв плохих водителей, она смогла сократить выплаты при ДТП и снизить цену страховки для всех клиентов.

Эта модель — пример улучшения отношений с клиентами с помощью прозрачного алгоритма ценообразования. Во-первых, прежде чем страхователь видит ценник, он получает информацию о том, что в нем учитывается. Во-вторых, он понимает, почему ему предложили именно эту цену, а другому клиенту — другую. В-третьих, он знает, что со своей стороны сделала компания для снижения окончательной цены страховки.

Ключ к успеху алгоритмического ценообразования — демонстрация клиенту взаимных выгод, которые оно обеспечивает. Дело в том, что переплачивать всегда больно — причем в буквальном смысле этого слова. Исследования, проведенные нейробиологами Университета Карнеги — Меллона, Стэнфорда и MIT, показали: когда мы видим товар с завышенным ценником, в нашем мозгу активируются болевые центры.

В момент, когда человека просят заплатить (неважно, когда и как это происходит), отношения между ним и компанией немедленно переключаются из режима общих интересов в режим согласования противоположных интересов. В худшем случае клиент тут же отвернется от вас. Задача клиентоцентричной организации — свести к минимуму риски и ограничить ущерб (ухудшение тщательно выстраиваемых отношений) от повысившихся в силу рыночных факторов цен.

До широкого распространения алгоритмов ценообразования цены были стабильнее во времени и по рынку. Потребители имели вполне определенные ожидания и не рассматривали цены как имеющие отношение к ним лично. Если цены менялись и оказывались не такими, как ожидалось, покупателю было проще объяснить себе их рост: он верил, что такое решение для всех покупателей сразу приняла выверенная стратегия корпорации.

Технологии сделали несоответствия реальных цен ожидаемым более частыми, менее оправданными с точки зрения клиента и более масштабными — это раздражает людей и мешает им смириться с происходящим. При всем том многие фирмы решили: если клиент стабильно ожидает конкретной цены и ее же и получает, наверняка она существенно занижена. Следуя рыночным нормам, компании все чаще обращаются к алгоритмам и стремятся извлечь максимум выгоды. Сегодня даже самые неповоротливые отрасли В2В заменяют свои таблицы Excel мощными инструментами алгоритмического ценообразования. Технологии позволили фирмам углубить отношения с клиентами — и одновременно поставить их себе на пользу, повышая доходность клиентов и удерживая их. Такая ситуация, однако, часто заставляет потребителей сомневаться, все ли в порядке и можно ли вообще доверять бизнесу. Люди становятся чувствительнее к цене и изо всех сил пытаются осмыслить, почему все дорожает. Что цены говорят о качестве и востребованности товара или услуги? Или, быть может, о мотивах и ценностях продавца? Или о его отношении к лояльным клиентам?

Если в результате изменений будет достигнута равновесная цена, подобные вопросы могут стать менее актуальными. Но если частота и масштаб колебаний останутся необъяснимыми, вопросы продолжат терзать покупателя и в отсутствие разъяснений от продавца вынудят его прийти к собственным заключениям. Тогда клиент начнет реагировать не на сигналы от фирмы, а на сигналы от алгоритма, как он их понимает. Это несет значительные риски для любого бизнеса. В худшем случае алгоритм превратит тонкую ситуацию сообщения клиенту цены в ситуацию потери сделки.

Чтобы вы могли лучше контролировать воздействие сигналов алгоритма на ваши отношения с клиентом, мы предложим вам четыре совета с примерами — иллюстрациями их практического применения.

1. ПОДГОТОВЬТЕ ПОДХОДЯЩИЙ СЦЕНАРИЙ И НАРРАТИВ

В 2020 году шведский продавец мебели IKEA запустил в Дубае новую инициативу. В течение ограниченного периода времени покупателям разрешили платить за один и тот же товар разные цены, которые зависели от того, сколько они добирались до магазина. Ценник каждого предмета, от сэндвича в ресторане до спального гарнитура, состоял из двух частей: стоимости в местной валюте и количества минут на поездку. Семья, которая ехала до IKEA, скажем, 45 минут, показывала кассиру в телефоне приложение Google Maps с указанием своего маршрута (использовалось приложение Timeline для мобильного телефона, которое точно отражает маршруты предыдущих поездок). Кассир запускал алгоритм, анализирующий затраченное на поездку в магазин время, преодоленную дистанцию и среднюю почасовую оплату труда в Дубае, и исходя из всего этого определял условную стоимость поездки. Затем эту сумму учитывали в ценнике: чем дольше человек ехал, тем бóльшую скидку от изначальной цены получал.

Какой вывод сделали покупатели из программы IKEA? Что их долгие поездки компания готова компенсировать деньгами. Хотя разные клиенты платили разную цену за один и тот же товар и конкретный потребитель при каждом посещении видел новый ценник (в зависимости от того, откуда он приехал), человеку было приятно сознавать, что стоимость покупки зависит от его собственных действий. Насколько же это отличается от чувства беззащитности, которое мы испытываем, наблюдая резкий взлет цен! И лучше всего было то, что ни один покупатель не заплатил больше цены, указанной на сайте компании, ведь программа предполагала только ее уменьшение (а не подъем, например, вследствие повышения спроса). Иными словами, IKEA использовала алгоритм учета расстояния не для наказания, а для поощрения клиентов. Возможно, в тот момент она недополучила часть выручки: покупателей, преодолевших значительное расстояние ради покупки, вознаграждали очень серьезной скидкой, а некоторые товары доставались им вообще бесплатно. Но выбрав верный сценарий использования алгоритмов, предполагающий выгоду для посетителей, компания наверняка привлекла больше клиентов из удаленных от магазина районов и повысила лояльность (а теоретически и пожизненную ценность) всех своих покупателей.

Модели, подобные икеевской, редки. Динамическое ценообразование обычно применяется для достижения краткосрочных финансовых целей. При этом восприятию происходящего клиентами уделяют минимум внимания. Однако объем и интенсивность порожденных алгоритмами изменений цены посылают покупателю сигналы по множеству аспектов: от целей и ценностей компании до качества ее предложения. Эти сигналы способны затмить собою весь нарратив, старательно формируемый брендом для клиентов. В худшем случае алгоритм превратит и без того тонкую ситуацию сообщения потребителю цены в ситуацию отторжения бренда. Именно поэтому фирма не должна отдавать технологии ценообразования на откуп одним специалистам по данным.

Путь к улучшению ситуации лежит не только в технической, но и в организационной и психологической плоскости. Как бы парадоксально это ни звучало, улучшенный алгоритм способен ухудшить ситуацию, сыграв не на тех обстоятельствах и возмутив народ, как это случилось с Uber во время теракта на Лондонском мосту.

Чтобы решить эту сложную организационную задачу, для начала признайте: алгоритмическое ценообразование — не просто средство генерации цен, приводящих в нужный баланс спрос и предложение. На самом деле это принцип, который должен идеально сопрягаться со всей работой компании.

Если у клиента возникнет впечатление, что фирма думает исключительно о спросе и предложении, он может сделать удручающий вывод. Представим себе инновационную фирму с высокодифференцированным предложением. Если она учитывает в своем алгоритме ценообразования преимущественно спрос и предложение, она, по сути, сообщает клиенту, что ценность ее товара определяется только его доступностью — а не тем, удается ли ему решать проблемы клиента и эффективнее ли он, чем товар конкурентов. Кроме того, потребитель научится обыгрывать систему, приурочивая покупки к моменту, когда цена, по его опыту, будет ниже. Это, среди прочего, ускоряет коммодитизацию. Динамическая модель ценообразования IKEA, напротив, сосредоточилась на привлечении тех, кто редко посещает ее магазины, а не на обложении поборами в связи с высоким спросом тех, кому делать покупки удобно. 

2. НАЗНАЧИТЬ ОТВЕТСТВЕННОГО ЗА АЛГОРИТМ ЦЕНООБРАЗОВАНИЯ

В 2019 году United Airlines отменила таблицы вознаграждений, конвертировавшие мили в бонусы. Их заменили моделью алгоритмического ценообразования, при этом компания объяснила пассажирам, почему была вынуждена привязать бонусы к балансу спроса и предложения, и рассказала, как получить от новых правил выгоду (тратить меньше бонусных миль на полеты вне пиковых периодов).

Введение новой системы привело к тому, что за популярные полеты стали брать больше миль. Те, кто копил мили, были разочарованы — но авиалиния разъяснила все весьма доходчиво и с особым вниманием к конкретной (предположительно лояльной) аудитории. Таким образом удалось избежать существенного репутационного ущерба. Кроме того, делегировав управление новым алгоритмом команде, заведующей программой лояльности, United Airlines передала ответственность за систему ценообразования в отдел, привыкший реагировать на особенности поведения самых верных ее клиентов. Эта стратегия позволила авиалинии отслеживать сбои алгоритма или недопонимание в общении с пассажирами — и мгновенно реагировать.

Легче всего сказать: «Это не мы, это все компьютер», но корни трудностей почти всегда лежат вне техники: где-то недосмотрели в организации, чего-то не учли в психологии. Большинство фирм не до конца понимают, что на самом деле происходит, когда они предлагают клиенту заплатить. Они слишком сосредоточены на цифрах, которые считают просто результатом рыночных сил, создающих спрос и предложение. Говоря словами Адама Смита, дела ведет «невидимая рука» рынка, а не сама фирма.

Подобная близорукость мешает разглядеть всю остальную заключенную в ценах информацию. Даже если организация сознает значимость этой информации и следствия из нее, она чаще всего не в состоянии эффективно управлять ею, поскольку ценообразование часто играет в компаниях роль сиротки: у него нет лидера, ответственного лица, прописанной подотчетности.

Когда фирма легкомысленно сбрасывает груз ценообразования на плечи алгоритма, тот начинает формировать не только расчеты. От его действий зависит и восприятие цены потребителем. И если за расчеты отвечают обработчики данных, аналитики и специалисты по ценообразованию, то кто же отслеживает и оценивает восприятие посылаемого потребителю сигнала? Большинство организаций растерянно ответит: «Никто».

У алгоритмов ценообразования два слабых места. Во-первых, они не обладают эмпатией, нужной, чтобы предвидеть и понять поведенческие и психологические последствия изменения цены для клиента. Во-вторых, они недальновидны и не учитывают в своих расчетах корпоративную стратегию и цели компании. Сосредотачиваясь исключительно на колебаниях спроса и предложения в каждый момент, алгоритм мешает маркетологам выстраивать долгосрочные отношения с потребителем и укреплять его лояльность. Такой конфликт между долгосрочным мышлением и сиюминутными изменениями цены не просто обостряет противоречие между доверием и прибылью; порой он требует от фирмы срочно найти решение, которое предотвратит крах ее репутации.

Если фирма не занимается проактивным и стратегическим контролем системы настройки цен и создаваемого ими впечатления, она рискует запустить и даже ускорить коммодитизацию своего предложения, повышая чувствительность клиентов к цене, подрывая соотношение цены и качества и портя впечатление от бренда. С другой стороны, дав управляющей ценообразованием команде право планировать инициативы и принимать в их отношении оперативные решения, можно при необходимости быстро исправлять ситуацию. 

3. УСТАНОВИТЕ ГРАНИЦЫ ЦЕН И СЛЕДИТЕ ЗА НИМИ

Представьте себе неудачный поход в парк развлечений. Посетители изнывают в долгих очередях на аттракционы, за едой и в туалет, не могут получить помощь из-за нехватки или необученности персонала. Подобный опыт заставляет многих усомниться в оправданности своих немалых расходов — на билеты, парковку, питание и проживание. Сокращение времени ожидания и поддержка сотрудников заметно улучшили бы их впечатление.

Чтобы повысить удовлетворенность клиентов, парк Walt Disney World в Орландо (штат Флорида) в 2018 году изменил динамическую структуру своих цен с ручной на алгоритмическую. Новая программа в целом подняла стоимость многодневных билетов — но снизила тарифы на время низкого сезона, побуждая посетителей заранее планировать визит или бронировать туры на период низких цен. У нее несколько плюсов. Прежде всего, она показывает, что динамическое ценообразование может служить не только повышению выручки или объемов продаж. Даже если общий уровень поступлений и число гостей останутся прежними, структуризация цен поможет выровнять трафик, а это выгодно для Disney: не так сильно скачет потребность в персонале и ресурсах, отсюда существенная экономия средств. Кроме того, резко улучшается впечатление публики от парка: люди успевают покататься на большем числе аттракционов, увидеть больше интересных мест, им проще спланировать пребывание в парке. Наконец, динамическую программу ценообразования легко позиционировать как нацеленную на улучшение клиентского опыта (несмотря на повышение цен в целом).

Переключаясь на алгоритмическую систему, Walt Disney World одновременно решила прекратить динамически изменять цену на однодневное посещение тематических центров внутри парка (Magic Kingdom, Epcot, Animal Kingdom, Hollywood Studios). Теперь цену на однодневное посещение этих четырех мест зафиксировали в диапазоне от $109 до $129 — независимо от времени года и уровня спроса. Это ограничение не позволяло компании Disney брать с людей больше — зато оно дало ее клиентам возможность заранее рассчитывать свои траты и увереннее планировать поездку. Наблюдая, как люди в онлайне выбирают опции для посещения, фирма отточила формулировки своих рассказов о красотах парка и сформировала дополнительные пакеты услуг для разных сегментов аудитории.

Другие компании могут использовать ограничения для тех же целей: и чтобы защитить потребителя от диких колебаний цены, и чтобы оценить влияние цены на разные аспекты организации. Определяя ограничения, надо активно поощрять обмен информацией между разными частями бизнеса, чтобы не упустить чего-то важного. Мы видим три основных пути сотрудничества разных функций ради улучшения понимания работы алгоритмов.

Эксперименты. Контролируемое периодическое тестирование цен поможет компании измерить ценность товара или услуги (или их функций) в глазах клиентов и понять, когда и как они ощущают эту ценность. Эксперименты с ценами могут оказаться значительно полезнее привычных рыночных исследований: есть возможность проверить реакцию потребителя на реальные предложения и совершать транзакции. Отклик на изменение цен подскажет, что работает, что нет и в какой момент человек принимает решение о покупке.

Мониторинг. Можно создать новый ключевой показатель производительности или сравнить существующие показатели, чтобы частота и амплитуда ценовых колебаний не снизили доверие к бренду и не испортили его репутацию. Никакая компания не хочет выглядеть несправедливой, вероломной или жадной. Поэтому принимать меры для контроля выдачи алгоритмов ценообразования важно, а заранее понимать, как ценовые сигналы алгоритма повлияют на покупателей — жизненно необходимо. Избегать нереалистичных и неоправданных скачков цен поможет установка четких минимумов и максимумов, как это сделала Disney, зафиксировав цену однодневного посещения.

Стратегия. По сути, это долгосрочное и интегрированное видение первых двух пунктов нашей программы. Выступают ли разработка, брендинг, позиционирование и ценообразование продукта единым фронтом (или хотя бы с минимальными противоречиями между ними) в единых стратегических целях? Фирма должна стараться прямо или косвенно понять, как клиенты видят ее цели и задачи и идут ли изменения цен на пользу или во вред ее репутации. Посыл, считываемый потребителем, который видит стоимость ее товаров или услуг, должен соотноситься с тем, что компания эксплицитно заявляет в рамках продвижения себя и своей продукции.

Если организация уделяет внимание каждому из разнообразных аспектов, по которым цены влияют на то, что думает о ней и как действует покупатель (а это не только само решение о приобретении), она сумеет улучшить отношения с ним, даже если обстоятельства заставляют ее поднять цены. Изменение цены поможет улучшить операционную составляющую и в то же самое время оставить приятное впечатление у клиентов. Этот потенциал необходимо раскрыть.

4. ПРИ НЕОБХОДИМОСТИ ОТКЛЮЧАЙТЕ АЛГОРИТМЫ

Если раньше компании считали идеалом подход «настроил и забыл», то сейчас пора признать: динамическое ценообразование дает хороший результат только при активном творческом отношении. Disney, IKEA и United Airlines ставили перед собой простые задачи: чтобы клиент хотел взаимодействовать с брендом даже в неидеальных условиях (в неудобные дни или невзирая на удаленность физического магазина). Они хотели контролировать то, как, когда и зачем люди узнают об изменении их цен.

Лучшие из алгоритмов ценообразования способны анализировать клиентские данные и прочую информацию и генерировать оптимальные цены для конкретного покупателя в конкретный момент. Но с чьей точки зрения они будут оптимальными? Этот вопрос вскрывает противоречие между желанием бизнеса снискать расположение потребителя и желанием заработать побольше денег — и ответственный за процесс должен контролировать и поддерживать это сложное равновесие. В некоторых случаях алгоритм придется корректировать, а иногда и отключать вовсе.

На следующий день после теракта на Лондонском мосту Uber объявила о возврате средств всем, кто вызывал такси в тот район. Кроме того, компания с гордостью сообщила, что ее водители помогли десяткам тысяч людей уехать подальше от места происшествия. Не будь у людей неприятных воспоминаний о взлетевших ценах, обе новости наверняка улучшили бы репутацию Uber. Оценить негативное влияние этих событий на отношения фирмы с пассажирами затруднительно. Ясно одно: бренд и клиенты выиграли бы, если бы реакция на безумный рост ставок оказалась бы более оперативной или был бы заранее подготовлен механизм предотвращения подобных ситуаций.

Каждая компания должна хорошо понимать, как выглядит работа ее алгоритмов в глазах потребителя и как можно контролировать производимое впечатление. Для этого необходимо тщательно продумать сценарий внедрения алгоритмического ценообразования, назначить ответственного, который вручную скорректирует цену, если алгоритм сойдет с рельсов здравого смысла. Так компания сможет оптимизировать динамическое ценообразование в реальном времени, не теряя в лояльности клиентов и не портя себе репутацию.