Компания работала на Set Retail: кассы, ценники, программа лояльности и продажи по каждому магазину жили в одной системе, цены и акции централизованно раскатывались на всю сеть. Данные были — вплоть до того, кто именно купил акционный товар. Но решения по цене и промо принимались как раньше: по опыту категорийного менеджера, по требованию поставщика и по итогам прошлогодней акции. Разбор того, что дала конкретная акция, делался в конце периода и в среднем по сети, то есть тогда, когда цена уже отработана и менять нечего. Ниже — как этот разрыв закрывает ИИ-агент: программа, которая по заданному правилу сама считает эффект каждой акции по каждой позиции и магазину и приносит готовый вывод. Первый эффект — риски, которые перестают срабатывать: акции, которые продают больше, а зарабатывают меньше, покупатели, обученные ждать скидку, и план по марже, который срывается к концу месяца. Часы идут вторым планом, отдельным расчётом.
Профиль компании в разборе
- Роль: розничная сеть формата дрогери — товары для дома, красоты и быта
- Штат: около 500 сотрудников, коммерческий блок — 9 человек
- Масштаб: 120 магазинов в пяти регионах, около 9 000 активных позиций, еженедельный промо-каталог на 500–700 позиций
- Системы: Set Retail 10 (кассы, цены и ценники, программа лояльности, продажи по магазинам), «1С:Управление торговлей» (закупки и товародвижение), промо-план и расчёт скидок в таблицах
- Что ведём: промо-календарь, глубину скидок и условия софинансирования с поставщиками, контроль маржи по акции, работу с программой лояльности
В продуктовой и непрододовольственной рознице скидка перестала быть исключением и стала основным режимом продаж. По данным исследовательской компании «Нильсен», за январь — октябрь 2024 года доля промо в офлайн-продажах товаров повседневного спроса составила 39,6%: в продуктовом сегменте — 38,8%, в непродовольственном — 47,5%, а средняя глубина скидки достигла 19,9% (19,5% в продовольствии и 23,3% в непродовольственных категориях). Если считать вместе с длительными скидками — стратегией постоянно низких цен, — картина ещё серьёзнее: по обновлённой методике «Нильсена», за 12 месяцев по июнь 2025 года доля промо на офлайн-рынке составила 56,5%, на онлайн-рынке — 63,7% (анализ продаж более чем в 150 розничных сетях). То есть больше половины денег, которые покупатель оставляет в магазине, проходит через скидку — и решение о ней принимается заранее, а результат измеряется постфактум.
Масштаб вопроса видно и по тем, кто вкладывается в это направление всерьёз. X5 Group раскрыла совокупный экономический эффект от ИИ-решений — около 5 млрд рублей дополнительной операционной прибыли по итогам 2025 года, — и ценообразование названо среди направлений, давших основной вклад в EBITDA, наряду с прогнозированием спроса и управлением ассортиментом. Это цифры одного игрока с выручкой около 4 трлн рублей; переносить их на сеть из 120 магазинов нельзя. Переносится другое: цена и промо — это тот участок, где эффект считается в марже и виден быстро.
Коротко
ИИ-агент читает продажи, цены и данные программы лояльности из Set Retail, сопоставляет акционные и неакционные периоды и считает, что именно дала каждая акция: сколько продаж добавила, во что обошлась по марже и какую часть скидки покрыл поставщик. На выходе категорийный менеджер получает список работающих и убыточных акций. Решение по цене и промо остаётся за человеком.
Содержание
- Почему убыточная акция выглядит как успешная
- Что съедает время между «акция прошла» и «понятно, что она дала»
- Что делает ИИ-агент поверх Set Retail
- Какие риски это снимает
- Сколько часов это возвращает
- Что остаётся за человеком
- Как это выглядит на практике
- Как внедрить поэтапно
- Источники
Почему убыточная акция выглядит как успешная
Акция оценивается по росту продаж. Проблема в том, что рост продаж — не прибыль: в момент скидки меняется и цена, и маржа, а часть покупателей купила бы товар и без неё.
Глубина скидки требует кратного роста объёма. При наценке 40% к закупочной цене и скидке 20% маржа с единицы падает с 0,4 до 0,12 себестоимости — то есть втрое с лишним. Чтобы акция дала ту же прибыль, что обычная продажа, объём нужно увеличить примерно в 3,3 раза, то есть больше чем на 200%. Акция, которая «дала +30% к продажам», при такой наценке и такой скидке почти наверняка заработала меньше, чем обычная неделя.
Часть роста — это переток, а не новые покупатели. Покупатель, который пришёл за акционным товаром, часто взял бы его и по полной цене — например, завтра, когда акция закончится. Без разбора по покупателям (а программа лояльности как раз позволяет его сделать) весь прирост записывается в заслугу акции.
Постфактумный замер искажает картину. Когда эффект считают в среднем по сети и по итогам периода, в одну цифру складываются магазины с разным трафиком, разные дни недели и позиции с разной ролью. Средняя цифра выглядит нормально, а внутри неё одна половина акций работала, а другая уносила маржу.
Промо покупают ради трафика, а не ради маржи. У акции может быть другая задача: привести покупателя, увеличить корзину, поддержать запуск новинки. Это законная цель, но её тоже нужно измерять: если задача была трафик, то и оценивать надо прирост покупателей и корзины, а не продажи акционного товара. Чаще всего цель не формулируется вовсе, и любая акция потом оправдывается трафиком.
Скидка обучает ждать скидку. Регулярные акции формируют привычку: покупатель не берёт товар по полной цене, потому что знает, что через неделю он будет дешевле. Консалтинговая компания Simon-Kucher прямо называет это одной из главных опасностей: увлечение промо «обучает покупателей покупать только со скидкой, убивая маржу». Это не статистика, а отраслевая оценка — но она объясняет, почему доля промо, по данным «Нильсена», удерживается на уровне больше половины продаж и почему каждая новая акция требует всё большей глубины.
Ошибка в цене видна покупателю раньше, чем вам. Цена, которая не сошлась между полкой, ценником и кассой, — это не только спор на кассе: это жалобы, возвраты и внимание контролирующих органов. Проверка сходимости цены — часть работы с ценами, а не отдельная задача.
Что съедает время между «акция прошла» и «понятно, что она дала»
Если разложить путь от запуска акции до вывода по ней, картина повторяется:
- Планирование акции. Какие позиции, какая глубина скидки, какая цель (трафик, распродажа запаса, запуск новинки), что даёт поставщик. Обычно делается в таблицах и в переписке.
- Согласование условий с поставщиком. Кто компенсирует скидку и в каком объёме. Без этого расчёт эффекта нельзя сделать даже в теории.
- Заведение цен и промо. Цены и акции раскатываются на сеть, на кассах и ценниках. Здесь же появляется риск расхождения цены между полкой и кассой.
- Сбор факта. Продажи, выручка, количество покупателей и чеков по акционным позициям — по магазинам и по дням.
- Сравнение с базой. Что продавалось бы без акции: предыдущие периоды, соседние магазины, похожие позиции. Самый трудоёмкий шаг и чаще всего самый слабый.
- Расчёт маржи. Разница между ценой акции и закупочной ценой, минус компенсация поставщика — только так видно, что акция дала по деньгам.
- Вывод и решение. Учитывать ли эту акцию в следующем каталоге и на каких условиях. Именно этот шаг чаще всего не делается: времени хватает только на первые пять.
Каждый пункт выглядит мелочью. Вместе они дают ситуацию, когда решение о следующей акции принимается без вывода о предыдущей.
Что делает ИИ-агент поверх Set Retail
Агент не меняет цены и не запускает акции. Он подключается к тому, что уже работает, и возвращает результат туда же — в работу категорийного менеджера.
- Читает продажи по акционным и неакционным периодам. Данные касс и продаж по магазинам: что и по какой цене продавалось до акции, во время и после.
- Читает данные программы лояльности. Сколько покупателей пришло, что было в корзине, кто вернулся. Это отделяет рост от перетока.
- Подтягивает закупочные цены и условия поставщика. Чтобы считать не «выручку от акции», а её результат по марже с учётом софинансирования.
- Строит базу сравнения. Что продавалось бы без акции: прошлые периоды, похожие магазины, аналогичные позиции. Без базы любой прирост выглядит заслугой акции.
- Считает эффект по каждой акции и позиции. Прирост продаж, изменение маржи, стоимость привлечённого покупателя, изменение корзины.
- Помечает убыточные и сомнительные акции. Те, где продажи выросли, а маржа нет, и те, где рост продаж объясняется перетоком, а не новыми покупателями.
- Проверяет сходимость цены. Сравнивает цену, раскатанную в сети, с фактическими продажами по кассе и помечает расхождения как замечание.
- Возвращает результат в систему и ведёт журнал. Любой вывод объясним: на какой базе сравнения, каких периодах и каких закупочных ценах он построен.
Меняется не система, а горизонт: вместо вывода «акция прошла» появляется расчёт «столько продаж, столько маржи, столько новых покупателей, такие условия поставщика». Set Retail здесь не нужно заменять: по описанию вендора, решение управляет кассами, операционным днём, программой лояльности, весами и редактированием ценников, а сеть на 7 000 касс обновляется за один-два дня силами одного инженера; всего вендор указывает 150 000 установленных лицензий. То есть механизм раскатки цен и акций на сеть уже централизован — агенту остаётся считать, что этот механизм приносит.
Какие риски это снимает
Часы — не главный аргумент. Ставка выше: каждая акция — это заранее принятое решение о цене, и цена ошибки видна в марже.
Акция, которая увеличивает продажи и уменьшает прибыль
Главный риск — не провал, а успех по неверной метрике: продажи выросли на 30%, маржа упала. Такая акция проходит по отчёту как удачная и повторяется в следующем каталоге, потому что никто не посчитал её в деньгах.
Покупатель, обученный ждать скидку
Регулярные промо переносят спрос из полной цены в скидку: часть выручки, которая была бы и без акции, начинает приходить по сниженной цене. Это не разовая потеря, а изменение поведения, которое потом трудно развернуть.
Скидка за свой счёт под видом софинансирования
Поставщик обещает компенсацию — но часто только по части объёма, только на определённые позиции или в виде бонуса по итогам квартала. Пока это не разделено в расчёте, сеть может считать чужой скидкой свою собственную маржу.
План по марже, который срывается в конце месяца
Акции планируются заранее, а их эффект виден позже. Если промо-каталог собирался без расчёта, к концу периода выясняется, что план по марже не выполняется, и решения принимаются аврально — скидками на ходовые позиции, которые продались бы и так.
Распродажа запаса вместо продажи товара
Цель «распродать запас» законна, но без измерения она оправдывает любую глубину скидки: позиция уходит дешевле себестоимости, а разница не фиксируется как убыток от решения, а растворяется в общем результате.
Расхождение цены между полкой, ценником и кассой
Цена, не совпавшая в одном месте, — это спор на кассе, возврат, жалоба и внимание проверяющих. Такие расхождения почти всегда находятся в акционных позициях, где цену меняют чаще всего.
Зависимость от одного аналитика
Разбор акций обычно живёт на одном человеке, который умеет сводить выгрузки. Его отпуск — это месяц без выводов по акциям; его уход — это потеря методики.
Сколько часов это возвращает
Часы — следствие. Но посчитать полезно, чтобы понимать масштаб: типовой расчёт для сети из 120 магазинов с еженедельным промо-каталогом на 500–700 позиций. Вводные берите свои — методика не меняется.
| Показатель | Вручную | С агентом |
|---|---|---|
| Позиций в промо-каталоге | 600 в неделю | 600 в неделю |
| Сбор факта по акционным позициям | 10 часов в неделю | 1 час (проверка полноты) |
| Расчёт базы сравнения и эффекта | 8 часов в неделю | 2 часа (разбор спорных позиций) |
| Разделение скидки с поставщиком | 3 часа в неделю | 2 часа (согласование условий) |
| Проверка сходимости цен | 2 часа в неделю | 1 час |
| Всего в неделю | 23 часа | 6 часов |
| Всего в месяц | 92 часа | 24 часа |
| Возвращённое время | — | 68 часов в месяц |
| В деньгах при стоимости часа 1 400 ₽ | — | 95 000 ₽ в месяц |
Арифметика открытая: 10 + 8 + 3 + 2 = 23 часа в неделю, то есть около 92 часов в месяц. С агентом человек не собирает выгрузки и не считает базу сравнения по каждой позиции, а проверяет результаты и решает по спорным позициям, согласует условия с поставщиками: 1 + 2 + 2 + 1 = 6 часов в неделю, то есть 24 часа в месяц. Разница — 68 часов, то есть почти две рабочие недели, при стоимости часа 1 400 рублей это 95 000 рублей в месяц. Формулировка «типовой расчёт» здесь принципиальна: это математика на заявленных вводных, а не чей-то замер.
Отдельно считаем то, что в часах не измеряется вовсе, — глубину скидки. При наценке 40% и скидке 20% маржа с единицы падает с 0,4 до 0,12 себестоимости, и акция компенсирует это только при росте объёма больше чем в 3,3 раза. Если из 600 акционных позиций хотя бы 60 продаются без такого роста, а маржинальный вклад позиции в акции — порядка 4 000 рублей, речь идёт примерно о 240 000 рублей в неделю, которые акция не зарабатывает, а отдаёт. Это тоже типовой расчёт на своих вводных: подставьте свою наценку, свою глубину скидки и своё число позиций в промо-каталоге, и получите свой порог — именно он и есть ответ на вопрос, какая акция имеет смысл.
Что остаётся за человеком
Границу ответственности нужно задать до пилота, а не после первого провала по марже:
- Решение по цене и акции — только человек. Агент считает и предлагает, категорийный менеджер утверждает глубину скидки, состав каталога и сроки.
- Права менять цены у агента отсутствуют. Никакой записи цен в систему: чтение, расчёт и предложение.
- Правила ценообразования задаёт человек. Минимальная наценка по категории, позиции-индикаторы, по которым цена держится всегда, лимит глубины скидки без согласования.
- Условия поставщика — из договора, а не из догадки. Компенсации берутся из подтверждённых условий; спорные случаи агент помечает как замечание.
- Цель акции формулируется заранее. Трафик, распродажа запаса или запуск новинки — от неё зависит, что считается успехом.
- Квалификация причин — за специалистом. Агент показывает отклонение и его состав; причину (действия конкурента, погода, смена выкладки) определяет человек.
- Полный журнал. Любой вывод объясним: на какой базе сравнения, каких периодах и каких закупочных ценах он построен.
Как это выглядит на практике
В рознице наши проекты начинались одинаково: не с агента, а с инвентаризации данных о ценах и акциях. Мы сверяли, что реально живёт в системе, а что — в таблицах коммерческого блока: где закупочная цена в учёте отличается от той, по которой считают скидку, где компенсация поставщика существует в переписке, но не в расчёте, где акция уже прошла, а её состав в промо-каталоге не сохранился. Дальше фиксировали правило: какая наценка допустима по категории, какая глубина скидки требует согласования и как делится скидка между сетью и поставщиком. Запрос со стороны бизнеса звучал так: «мы видим, что акция сработала по продажам, но не понимаем, заработали ли мы на ней». Первый цикл — «каталог → акция → расчёт эффекта → вывод → следующий каталог» — запускался на одной категории, потому что считать эффект по всем 600 позициям сразу бессмысленно: сначала правила и данные, потом масштаб. Основной эффект дали подготовка данных и разделение скидки на части, а не модель: как только это сошлось, расчёт по каждой акции стал регулярной процедурой, а не проектом на квартал. Близкий по смыслу опыт у нас был и в общепите, где акции и скидки живут в связке с программой лояльности и сетью точек: та же логика — считать эффект по каждой акции, а не по выручке сети в целом. Как в целом устроен такой контур, разбирали в материалах про ИИ-агента для 1С и про нейросети для бизнес-процессов.
Практический вывод: начинать нужно не с агента, а с правила «какая глубина скидки допустима и что мы считаем успехом акции». Смежные задачи считаются похожим образом: что и по какой цене продаётся по каждой позиции и магазину — в статье про управление ассортиментом в 1С:Рознице, как считается спрос для пополнения — в материале про прогнозирование спроса в 1С и WMS (WMS, Warehouse Management System — система управления складом), а как возвращать деньги из запаса — в статье про управление остатками на складе.
Как внедрить поэтапно
- Выберите одну категорию. Десять-двадцать позиций, которые участвуют в акциях постоянно. Так результат проверяется на одном промо-каталоге.
- Сверьте данные о ценах. Закупочная цена, цена акции, компенсация поставщика, даты действия. Расхождения — это первый список задач, а не помеха.
- Зафиксируйте правила. Минимальная наценка по категории, лимит глубины скидки без согласования, позиции, которые не участвуют в акциях никогда.
- Опишите контур данных. Что агент читает (продажи и цены из кассовой системы, покупатели из программы лояльности, закупка из учёта) и куда возвращает результат — в рабочее место менеджера, а не в отдельный чат.
- Прогоните расчёт на закрытых периодах. Возьмите прошедшие акции, по которым уже известен факт, и сравните вывод агента со своим разбором: видно, что он пропустил и где переоценил.
- Ограничьте права явно. Чтение, расчёт, предложение. Без права менять цены и акции в системе.
- Померьте четыре числа. Доля акций с положительным эффектом на маржу, средняя глубина скидки при том же объёме продаж, доля продаж по полной цене, часы на подготовку каталога и разбор акций. Именно они, а не презентация, — основание расширять пилот на следующую категорию.
Нет. Он считает эффект прошлых акций и готовит расчёт по планируемым: какой рост продаж нужен, чтобы скидка окупилась, и какие позиции в акции работают в минус. Решение по цене и акции принимает категорийный менеджер. Права менять цены в кассе у агента нет.
Да, и агент считает это явно: скидка делится на часть, которую компенсирует поставщик, и часть за счёт сети. Часто именно после такого деления выясняется, что позиция выглядит выгодной только вместе с компенсацией, а с полки покупателя уводит при этом ваша маржа.
Для расчёта нужны продажи по акционным и неакционным периодам, цены до и после, количество покупателей и данные программы лояльности. Кассовая система и лояльность дают продажи и покупателей, закупочные цены приходят из учётной системы или от поставщика. Этого достаточно, чтобы считать эффект по каждой акции и каждой позиции.
Дополняет. Правила — какая наценка допустима по категории, какие позиции держат цену всегда, — задаёт человек. Агент считает, что произошло с продажами и маржой в каждом конкретном случае, и показывает отклонение от правила. Правило без измерения не работает, измерение без правила не даёт решения.
Четыре числа до и после: доля акций с положительным эффектом на маржу, средняя глубина скидки при том же объёме продаж, доля продаж по полной цене и часы на подготовку и разбор акций. Эти величины видно уже по одному промо-каталогу.
Разбор самой системы и того, что в ней можно автоматизировать, — в отдельном материале: 1С:Розница: возможности, отчёты и ИИ-агент поверх розничной сети.
Что в итоге
Убыточные промо появляются не из-за плохого планирования, а из-за отсутствия обратной связи: акция запускается по опыту, эффект считается постфактум и в среднем по сети, а вывод в следующий каталог не попадает. Пока это так, сеть платит рисками: ростом продаж при падении маржи, покупателями, обученными ждать скидку, софинансированием, которое оказывается своим, планом по марже, который срывается к концу периода, расхождениями цены между полкой и кассой и зависимостью от одного аналитика. Направление подтверждено деньгами: X5 Group по итогам 2025 года раскрыла около 5 млрд рублей дополнительной операционной прибыли от ИИ-решений, и ценообразование названо среди направлений с основным вкладом. Агент поверх Set Retail закрывает разрыв между «акция прошла» и «понятно, что она дала», оставляя человеку правила цены, решение об акции и условия с поставщиком. Если хотите понять, где ваш промо-каталог отдаёт маржу, начните с одной категории и одного прошедшего каталога. Остальные материалы по этому направлению собраны в разделе ИИ в ритейле, а как устроен клиентский сервис в рознице — в статье про первый ответ покупателю в RetailCRM.
Источники
- AdIndex, новость «Доля промо в российской рознице опустилась ниже 40%» (05.02.2025) по данным исследовательской компании «Нильсен»: за январь — октябрь 2024 года доля промо в офлайн-продажах FMCG — 39,6% (продуктовый сегмент — 38,8%, непродовольственный — 47,5%); средняя глубина скидок — 19,9% (19,5% в продовольствии, 23,3% в непродовольственных категориях); в 2023 году в традиционной рознице показатель был на уровне 47%: adindex.ru
- «Нильсен» («Нильсен Дэйта Фэктори»), материал «Тренды промо: почему доля промопродаж снижается» (22.09.2025): по обновлённой методике, включающей длительные скидки (EDLP, Every Day Low Price — стратегия постоянно низких цен), за 12 месяцев по июнь 2025 года доля промо на офлайн-рынке — 56,5%, на онлайн-рынке — 63,7%; анализ основан на продажах FMCG-товаров более чем в 150 розничных сетях России; в офлайне доля промо в денежном выражении сократилась с 62,1% до 56,5%: n-df.ru
- X5 Group, пресс-релиз «ИИ-решения принесли X5 5 млрд рублей дополнительной операционной прибыли» (01.06.2026): совокупный экономический эффект от внедрения ИИ-решений — около 5 млрд рублей дополнительной операционной прибыли по итогам 2025 года; среди направлений, давших основной вклад в EBITDA, названы прогнозирование спроса и пополнение, ценообразование, управление ассортиментом и рекомендательные механики: x5.ru
- CSI, описание решения Set Retail на сайте вендора: управление кассами, операционным днём, программой лояльности, весами и весовым товаром, редактирование и печать ценников; заявленные вендором 150 000 установленных лицензий и обновление сети на 7 000 касс за один-два дня силами одного инженера. Вендорское описание продукта, независимо не проверялось: crystals.ru
- Simon-Kucher, материал «Perfect your promotion for revenue growth» (26.04.2024) и раздел «Retail Revenue Management»: промо-бюджеты растут ежегодно при падающей отдаче — чем больше акций идёт одновременно, тем меньше эффект каждой; отдельно назван риск привыкания покупателей к скидке («обучение покупать только со скидкой убивает маржу»). Отраслевая оценка консалтинговой компании; количественных замеров в этих материалах нет: simon-kucher.com
- ScienceDaily, публикация об исследовании Rady School of Management (University of California San Diego), принятом к публикации в журнале Marketing Science (2023): динамическое ценообразование на скоропортящиеся товары снижает пищевые отходы в среднем на 21% и увеличивает валовую маржу продовольственных сетей на 3%; сравнение с прямыми запретами на органические отходы: sciencedaily.com
- «Чек Индекс» («Платформа ОФД»), данные о среднем чеке покупки за одно посещение торговой точки, июнь 2026 к июню 2025: молочные продукты — 108 ₽ (+3%), мясная гастрономия — 281 ₽ (+7%), хлебобулочные изделия — 281 ₽ (+9%); источник — фискальные чеки каждой третьей кассы в стране; отдельным продуктом ресурс предлагает «Анализ промо» — замер влияния акции на продажи, долю бренда и лояльность покупателей: checkindex.ru