Детальная информация

Предмет исследования — алгоритмы ценообразования и механизмы автоматизации маркетинговых стратегий продавцов в экосистемах маркетплейсов. Цель — разработка многофакторного алгоритма динамического ценообразования, учитывающего конкурентную среду, рекламную эффективность, репутацию продавца, сезонность спроса и управление товарными запасами. Методология: экономический анализ, экономико-математическое моделирование, алгоритмические методы оптимизации; эмпирическая база — данные аналитической системы маркетплейса Ozon за 2024–2026 годы. Результаты: разработан пятифакторный алгоритм динамического ценообразования и построена его концептуальная модель. Апробация на категории «Сок лимона» (Ozon, январь–апрель 2026 г.) показала: выручка +79,7 % при росте физических продаж +37,8 %; средняя цена реализации +30,4 %; ДРР снизился с ~35 % до 21,7 %; ROAS вырос с ~2,8x до 4,61x. Расчётный ценовой эффект составил около 5,21 млн руб. за четыре месяца при затратах на внедрение менее 300 тыс. руб./год. Область применения: автоматизация ценовой политики продавцов на маркетплейсах Ozon, Wildberries и иных платформах электронной коммерции. Вывод: интеграция алгоритмического ценообразования с маркетинговыми стратегиями обеспечивает существенно более высокую финансовую эффективность по сравнению с традиционными и частично автоматизированными методами ценообразования.

The subject of the research is pricing algorithms and mechanisms for automating sellers marketing strategies in marketplace ecosystems. Objective: to develop a multi-factor dynamic pricing algorithm accounting for competitive environment, advertising efficiency, seller reputation, demand seasonality, and inventory management. Methodology: economic analysis, economic-mathematical modelling, algorithmic optimisation methods; empirical base — data from the Ozon marketplace analytics system for 2024–2026. Results: a five-factor dynamic pricing algorithm and its conceptual model have been developed. Validation on the "Lemon Juice" category (Ozon, January–April 2026): revenue +79.7 % with sales volume growth of +37.8 %; average selling price +30.4 %; advertising cost ratio reduced from ~35 % to 21.7 %; ROAS increased from ~2.8x to 4.61x. Estimated economic effect — approximately 5.21 million rubles over four months with implementation costs below 300 thousand rubles per year. Application area: pricing automation for sellers on Ozon, Wildberries, and other e-commerce platforms. Conclusion: the integration of algorithmic pricing with marketing strategies delivers significantly higher financial performance compared to traditional and partially automated pricing methods.