Как делать ценовые тесты?

Как оценивать эффект от динамического ценообразования

Когда подключаете динамическое ценообразование, возникает вопрос: как понять, что оно работает?

Есть два основных способа:

• А/Б-тест на одинаковых квартирах — самый чистый
• сравнение с прошлым с учётом сезонности — когда А/Б сделать нельзя

Дальше разберём оба и дополнительные ориентиры. Но вначале — на что смотреть.

Метрика

Мы рекомендуем RevPAR — выручку на квартиру в день. Учитывает и цену брони, и загрузку одновременно. Не стоит ожидать роста 30% выручки от любого изменения, каким бы глобальным оно ни было. Например, 5% роста выручки при внедрении динамического ценообразования — хороший результат.

Если есть переменные расходы на заезд (уборка с оплатой за количество, расходники) — логично вычитать. Но именно переменные — те, которые есть при наличии брони и ноль иначе. Если это субаренда и квартира стоит 90к в месяц — это не переменный расход. В низкий сезон получить хоть какие-то деньги лучше, чем не получить ничего.

АБ-тест на одинаковых квартирах

Самый чистый способ. Берём две группы квартир, у которых исторически не отличались цена и загрузка. Одной подключаем алгоритм, вторую оставляем без изменений. Через 1–2 месяца сравниваем RevPAR в двух группах.

Важно:

• квартиры должны быть сопоставимы
• до запуска не должно быть сильных различий
• горизонт — не меньше месяца, лучше два

Если есть однотипные квартиры (например, в одном ЖК) — мы используем этот метод.

Сравнение неодинаковых групп

Если одинаковых квартир нет — можно сравнивать группу под алгоритмом с остальными. Допущение: рынок ведёт себя одинаково для всех. Бывает не всегда — в высокий спрос квартиры разного класса сближаются, в низкий сезон расходятся.

Логика та же — разница приростов. Берём период до и после, смотрим как изменились метрики у обеих групп:

Если группа Б была хуже А на 10%, а стала хуже на 5% — значит подросла. Так мы убираем сезонность и общий тренд рынка — остаётся только то, что дал алгоритм.

Сравнение с прошлыми периодами

Если АБ-тест недоступен — сравнение с собой, с учётом сезонности.

Последние 3 года апрель был лучше марта на 10%. Подключили алгоритм 1 марта, рост составил 15%. На 5 п.п. лучше ожидаемого.

Качественные признаки

Есть набор типичных проблем, которые говорят о неоптимальности. Если после подключения они уходят — сильный сигнал.

• Разрыв будни/выходные. Будни полупустые, выходные забиты — цены не сбалансированы.
• Окна между бронями. Между бронями остаются 1–2-дневные дырки. Когда начинают закрываться — ценообразование стало точнее.
• Темп бронирования. Лето раскупается за месяц до — скорее всего, цены занижены. Идеально — последняя бронь ложится в последнюю неделю.
• Сравнение с рынком. Можно использовать как ориентир: если рост быстрее рынка — это сигнал, что цены стали лучше.
• Конкретные точки. Алгоритм поднял цену, квартира продалась. Базовый прайсинг принёс бы меньше.

Итого

Если есть одинаковые квартиры — мы делаем А/Б-тест. Если нет — сравниваем с прошлым с учётом сезонности и качественные сигналы.