Mindbox запустил Product Data Platform для персонализации цен и автоматической переоценки товаров. В такой модели цена работает не только как инструмент продаж, но и как способ управлять спросом, остатками и скоростью выбытия SKU.
Product Data Platform рассчитывает персональную цену для разных каналов — рассылок, сайта, приложения и офлайн-магазина — на основе клиентских данных, товарных остатков, скорости продаж и жизненного цикла товара. Сдвиг здесь не в запуске ещё одного retail tech-продукта, а в переносе управления скидками из массовых промо в более точный операционный контур.
Для омниканального ритейла это меняет логику работы с покупателем и товаром. Массовая скидка снижает цену для всей аудитории, включая тех, кто купил бы без акции. Персональная цена разделяет спрос: чувствительному к цене клиенту даётся стимул, а для менее чувствительного покупателя бизнес сохраняет маржу. Это напрямую связано с оборачиваемостью: если продажи SKU отстают от плана, цену можно корректировать раньше, чем остатки перейдут в неликвид.
Вторая часть продукта — автоматическая переоценка. PDP анализирует остатки и скорость продаж относительно плана: для залежавшегося товара цена снижается, для слишком быстро распродающегося — повышается. Категорийная команда в такой модели меньше зависит от поздних ручных распродаж с глубокой скидкой и больше работает с правилами, ограничениями и контролем результата.
Читайте также: X5 оценила эффект ИИ в 5 млрд рублей: алгоритмы входят в управление спросом и запасами
В офлайн-сценарии покупатель сканирует QR-код на ценнике, переходит на сайт, добавляет товар с персональной ценой в корзину, получает код и оплачивает покупку на кассе через СБП или привязанную карту. Для магазина это способ применять персональные условия без постоянной замены физических ценников. Для операционного контура — дополнительный слой данных: офлайн-покупка связывается с цифровым профилем клиента, конкретным товаром и каналом продаж.
Mindbox приводит результаты тестирования в сети «Бетховен»: в подключённых магазинах объём скидок сократился на 70%, а маржинальность офлайн-покупок выросла на 1 п.п. при сохранении выручки. Эти цифры описывают заявленный компанией результат конкретного внедрения; для оценки масштаба эффекта нужны период теста, число магазинов, категории товаров и методика расчёта.
Для ритейлеров цена становится частью управления товарным потоком: она влияет на скорость выбытия SKU, риск накопления остатков и глубину будущих распродаж. Чем точнее связаны данные о клиенте, спросе и запасах, тем меньше бизнес зависит от массовых скидок как универсального способа распродать товар.
