Нейромаркетинг для определения оптимальной цены керамических изделий

Излагаются методические основы и приводятся результаты нейромаркетинговых исследований по определению цены керамических изделий Екатеринбургского завода.
Аналитическое исследование, проведенное в период с 16.06.03 по 26.06.03, показало, что в настоящее время на рынке керамических изделий Екатеринбурга представлена продукция более 15 производителей. Таким образом, имеется существенная конкуренция между ними. В екатеринбургских магазинах, таких как «Альфа керамика», «Бэст керамикс», «Центр керамики» и т.д., представлено большое разнообразие керамической плитки по качеству, художественному оформлению и размерам. В связи с этим наблюдается существенный разброс цен на нее (132–1312 руб. за 1 м2). Отсюда не ясно, насколько правильно установлена цена на облицовочную плитку производителем. Неоптимальное установление продажной цены на облицовочную плитку может привести к потере прибыли. В случае недооценки продукции производитель теряет прибыль с каждого факта продажи. При переоценке – прибыль уменьшается из-за снижения объема продаж. Таким образом, является актуальной задача определения оптимальной цены на облицовочную плитку и проверка правильности установления этой цены производителями.
Цена на плитку зависит от множества факторов (размеры, качество, художественное оформление и т.д.), а также от текущего соотношения между спросом и предложением на рынке. Поэтому значение цены устанавливается, как правило, опытными экспертами. Однако, если мнения экспертов расходятся, то это приводит к существенному разбросу цен на плитку, что и имеет место в действительности. Для того чтобы учесть зависимость цены от различных факторов, а также обобщить мнения экспертов предлагается производить расчет оптимальной цены с помощью компьютерной нейронной сети (интеллектуального робота) в составе программного модуля системы «Галактика». В этом случае нейронная сеть, моделирующая опыт экспертов при установлении цены, будет находить ее оптимальное значение точнее, чем каждый эксперт в отдельности. Таким образом, владелец обученной компьютерной нейронной сети получает информационное преимущество перед другими конкурентами на рынке.
Оптимальная цена определялась следующим образом:
1. Исходная информация для обучения нейронной сети.
1.1. Количество обследованных магазинов – 14.
1.2. Количество выбранных факторов, влияющих на цену плитки – 5:
- длина;
- ширина;
- качество;
- цветовая гамма;
- наличие рисунка.
1.3. Использованная шкала экспертных оценок для характеристики качественных параметров плитки (баллы)%
1 – посредственное качество;
3 – удовлетворительное качество;
5 – хорошее качество;
7 – отличное качество;
9 – превосходное качество.
Наличие рисунка – 1, отсутствие – 0.
2. Результаты обучения нейронной сети.
Количество рассмотренных вариантов – 94.
Максимальное положительное отклонение цены, предсказанной нейронной сетью, от реальной продажи цены плитки – 60,6%.
Максимальное отрицательное отклонение цены – 31,62%.
Среднее значение цены плитки на рынке – 381±3,66 руб.
Средняя относительная ошибка обучения – 1,93%.
Из результатов видно, что погрешность обучения, равная ±3,66 руб. на два порядка меньше, чем средняя цена на плитку
(381 руб.), поэтому приведенные данные показали, что обучение нейронной сети произошло успешно.
3. Контрольный пример определения оптимальной рыночной цены на плитку.
Для контрольного примера были выбраны 3 варианта, специально не включенные в данные, предназначенные для обучения. Эти варианты отличались друг от друга производителем и размерами плитки различного качества. Результаты определения оптимальной цены обученной нейронной сетью представлены в таблице 1.

Табл.1. Определение нейроцены на облицовочную плитку (контрольный пример).


Контрольный пример показал, что имеет место как занижение цены (варианты 1, 3), так и завышение цены (вариант 2) по сравнению с ее оптимальным значением, предсказанным нейронной сетью. В результате в вариантах 1, 3 московские и санкт-петербургские производители теряют прибыль в каждом факте продажи 43 и 107 руб. с одного кв. м плитки, соответственно. В варианте 2 московский производитель из-за переоценки на 149 руб. по сравнению с оптимальной ценой теряет прибыль по причине низкой ликвидности товара. Из приведенного примера также следует, что ни один из производителей не смог с достаточной степенью точности установить оптимальную цену на облицовочную плитку на екатеринбургском рынке.
4. Анализ цены на облицовочную плитку Екатеринбургского ЗКИ. Для Екатеринбургского ОАО «Завод керамических изделий» было проанализировано 7 вариантов установленной цены на плитку. Результаты определения оптимальной цены обученной нейронной сетью представлены в таблице 2.

Табл.2. Определение нейроцены на облицовочную плитку ЕЗКИ.


Так же как и в контрольном примере, установленные цены на плитку не соответствуют их оптимальным значениям. За исключением двух вариантов (4 и 7), ЕЗКИ устанавливает пониженные цены по сравнению с оптимальной рыночной ценой на плитку. В среднем это понижение составляет 188 руб. за 1 м2. Боязнь потерять покупателей приводит к снижению цены, однако это сопровождается существенными потерями прибыли при продаже облицовочной плитки на екатеринбургском рынке. Например, при годовом объеме продаж 200 тыс. м2 такие потери составляют 37,6 млн руб. в год.
Следовательно, применение компьютерной нейронной сети для расчета оптимальной рыночной цены в составе программного комплекса «Галактика» может принести значительный экономический эффект.
  


О.В. ГУЩИНА, В.Б. ЩЕРБАТСКИЙ, Ю.Н. ОВЧИННИКОВ



Для вас, снабженцы!
Поиск по сайту

Везде   В статьях   В материалах  
Если поиск не дал результата, попробуйте изменить текст запроса.
Примеры поиска по запросу "Потолки Armstrong": "Потолки Armstrong", "Потолок Armstrong", "Потол Arms", "Потолки Армстронг", и т. п.
Полезное для строителей...
Читайте также у нас на сайте:


Информация для строителей.

Новости строительной индустрии

Транспортный коллапс взвинтил цены на цемент

  Компания «СМПро» опубликовала статистику по росту цен на цемент, согласно которой с начала 2011 г. цены на российский цемент выросли на 35%. В частности, по итогам сентября средние цены от ...

Россия прирастет дорогами

Как недавно заявил премьер-министр Российской Федерации Владимир Владимирович Путин, в ближайшие 3 года на автомобильные дороги страны будет потрачено 1,3 трлн руб. Из этих денег 678 млрд руб. планиру ...

«ОБЪЕДИНЕНИЕ 45-М» поставит бетон для реконструкции здания университета им. Плеханова

   Московское предприятие группы ЛСР ООО «Объединение 45-М» стало основным поставщиком бетона для реконструкции старейшего корпуса РЭУ им. Плеханова. Предприятие поставит около 5 тыс. ...

Kerneos объявляет о запуске новых продуктов

  Компания Kerneos, входящая в группу компаний Materis, выводит на рынок продукты, предлагающие новые технические решения для производителей готовых к использованию строительных смесей:< ...

Ярославская область: переселение граждан из аварийного жилья

  Фондом содействия реформированию жилищно-коммунального хозяйства принята к заявка Ярославской области на предоставление финансовой поддержки для переселения граждан из аварийного жилищно ...

«Бецема»: в Красногорске выпустили «Истру»

  В рамках выставки СТТ-2011 машиностроительный завод "Бецема" совместно со своим партнером "Мерседес Бенц Тракс Восток" организовали Дни "Бецемы". Журналисты ...

Лифтовая отрасль в России: быть или не быть?

В Москве состоялся I съезд Национального союза лифтовых саморегулируемых организаций (НСЛ СРО), на котором специалисты пришли к выводу о необходимости перехода к обязательному саморегулированию и заро ...

В Думе решили обязать использовать новые материалы при ремонте дорог

На заседании Госдумы России представителями комитета по транспорту принято решение о внесении поправок в действующий техрегламент строительства дорог. В частности, в них предлагается сделать обязатель ...
 
 Архив строительных новостей

 Архив строительных новостей (продолжение)

Строителям на заметку.

Новости сайта

Строительные материалы в Интернете