Ценообразование в «Галамарт»: как зрелый ритейл усиливает прибыльность

«Галамарт» — одна из крупнейших федеральных франчайзинговых сетей формата «дискаунтер». Компания объединяет более 500 магазинов по всей России и специализируется на широком ассортименте товаров для дома и семьи: от средств гигиены и игрушек до профессиональных инструментов и бытовой техники. 

Как устроено ценообразование в сети

Компания «Галамарт» известна не только своим масштабом, но и ценовой политикой, которая формировалась годами и стала неотъемлемой частью бизнес-модели сети. Работа строится на четырех ключевых принципах, каждый из которых напрямую влияет на то, как формируются цены:

1. Низкие цены каждый день (EDLP) — честные скидки для покупателей и регулярные распродажи с участием огромной доли ассортимента.
2. Постоянное обновление ассортимента — каждые две недели на полках магазинов появляются новинки. «Галамарт» отличает подвижная матрица, в которой жизненный цикл каждой позиции четко ограничен — как правило, 4-6 месяцев. Для товаров, вышедших за срок, в системе заложен формализованный процесс уценки. Эта механика решает сразу две задачи: дает покупателям реальные скидки и освобождает полки от товаров с низкой динамикой продаж в пользу новых поступлений.
3. Сезонные распродажи. В то время как большинство ритейлеров повышают цены на сезонные товары в пик спроса, «Галамарт» следует стратегии снижения цены.
4. Фокус на товарах импульсного спроса — эти позиции составляют значительную долю ассортимента и требуют оперативного управления ценой для поддержания оборачиваемости и прибыльности, поскольку быстро теряют актуальность.

Все эти принципы реализованы в системе ценообразования, в которой каждая механика работает на одну цель: баланс между лояльностью покупателя и прибыльностью бизнеса.

Как это выглядит «внутри»:

• Собственная система автоматизации, построенная на сотнях формул и переменных.
• Четкое разделение ассортимента на ценовые категории: регулярные, промо, уценочные и др.
• Алгоритмы оценки оборачиваемости, которые автоматически выявляют «медленные» SKU и запускают процесс своевременной переоценки.

Предпосылки проекта: осознанный шаг в развитии ценообразования

При том, что собственная ценовая стратегия «Галамарта» успешно справлялась с задачами управления ассортиментом и рентабельностью, команда ставила перед собой вопрос:
«Как, не нарушая отлаженных процессов, дополнительно увеличить валовую прибыль, и при этом сохранить репутацию магазина с выгодными ценами?»
Внедрение динамического ценообразования стало логичным решением. Впервые к изучению ML-алгоритмов компания подошла несколько лет назад, а в 2025 году приступила к проверке гипотезы.

Почему выбрали Imprice

«Нам важно было найти партнера, который не станет навязывать новую модель, а сможет усилить уже существующую логику. В пользу Imprice решающими стали два фактора. Во-первых, узкая специализация — команда работает только с ценообразованием. Во-вторых, алгоритмы, которые оказались близки к нашей внутренней системе: работа с индикаторами, анализ промо, оценка роли товара в ассортименте. Это именно то, что мы хотели автоматизировать, не меняя процессов». — Павел Казановский, генеральный директор Холдинга «Гала-Центр»

Цели и метрики пилота

Главная задача проекта — встроить ML-алгоритмы в отлаженную систему ценообразования и найти скрытые ресурсы прибыльности. Для ее достижения на пилот были поставлены следующие цели с ключевыми метриками:

• Рост валовой прибыли в пилотной группе магазинов относительно контрольной минимум на +3,5%.
• Сохранение всех второстепенных метрик на стабильном уровне: трафик, маржинальность, оборачиваемость.

Формат пилота и методика сравнения:

• 29 тестовых магазинов и 25 контрольных — с возможностью пересечения пар, поскольку ряд магазинов по своим характеристикам были сопоставимы с общей контрольной парой.
• Период тестирования — 3 месяца.
• Сравнение ключевых показателей — относительно недельной медианы пилотных и контрольных магазинов за 12 месяцев до старта пилота.

Механики ценообразования и адаптация к процессам сети

Проект был реализован партнерской командой крупнейшего IT-интегратора «Первый БИТ». Совместно с клиентом был разработан подход, при котором алгоритмы действовали строго в рамках правил ценообразования сети. В пилот вошло около 60% ассортимента (~40% в продажах) с исключением из ценообразования некоторых промо-товаров, регулируемых и специфических позиций. Весь пилотный ассортимент был разделен на товарные корзины KVI, Back Basket и Long Tail с индивидуальной стратегией для каждой.

Ключевые механики ценообразования, реализованные в проекте:

1. ML-оптимизация на базе исторических данных и зондирования спроса.
Алгоритмы Imprice подбирали оптимальную цену с учетом чувствительности спроса в рамках внутренних ценовых категорий и заданных стратегий:

• Hard KVI — фокус на увеличении объема продаж,
• Soft KVI — баланс между валовой прибылью и продажами,
• Back Basket и Long Tail — максимизация валовой прибыли без потери спроса.

2. Распродажные механики для товаров с низкой оборачиваемостью.
Все SKU, попадающие под уценку по жизненному циклу, были сегментированы по себестоимости с индивидуальными коридорами скидок. В рамках проекта было протестировано две гипотезы:

• динамическая уценка с отслеживанием реакции спроса;
• фиксированный шаг уценки — как это работало в сети ранее.

3. Интеллектуальная очередь переоценок.
Система учитывала, какое количество ценников персонал может заменить в день, и отдавала приоритет SKU с наибольшим потенциалом роста.

Помимо стратегических механик, была проведена большая работа над адаптацией системы под живые процессы «Галамарта». Среди примеров таких решений:

1. Защита ценового имиджа через плавный рост цены.
   Для товаров, которые долгое время продавались со скидкой, настроили механику плавного роста. Система поднимает цену до рекомендованного уровня не сразу, а постепенно — на определенный % за цикл переоценки. Такой подход позволяет сохранить лояльность аудитории.
2. Согласованность с промо-акциями.
   Система Imprice автоматически получает данные о товарах, участвующих в отдельных акциях, и на время проведения кампании исключает их из ценообразования. Как результат — алгоритмы работают четко в рамках маркетинговой стратегии компании.
3. Учет операционных ограничений.
   На старте определили оптимальный ритм работы для магазинов и настроили переоценку так, чтобы она не создавала перегрузки. Вместо ежедневного пересчета цен был установлен график 2 раза в неделю, а также лимит на количество sku с изменением ценников.