Как мы разработали модуль автоматизации цен на маркетплейсах: кейс Guard Price

Маркетплейсы для многих брендов — ключевой канал продаж, они дают широкий охват, быстрый запуск и встроенную логистику. Но у такого формата есть обратная сторона: торговые площадки частично или полностью управляют финальной ценой товара, особенно в периоды акций. Это создает конфликт интересов: площадке важно продать больше, а продавцу не потерять прибыль.

Наш клиент столкнулся с тем, что товары в рамках маркетплейс‑акций начали автоматически попадать под скидки, и цена падала ниже допустимой. Ручное отслеживание ситуации занимало много времени, а постоянные корректировки были неэффективны. Дальше расскажем, как решили проблему.

Проблема: маркетплейсы управляют ценой

На старте клиент описал несколько типичных ситуаций:

• Ozon и Wildberries по внутренним алгоритмам снижали стоимость товара, чтобы повысить конверсию или выиграть в сравнении с конкурентами;
• цена на товар опускалась ниже рекомендованной розничной цены (РРЦ), установленной производителем;
• снижение цены съедало маржу, создавало вероятность штрафов и репутационных потерь;
• мониторинг цен вручную занимал много времени и не успевал за скоростью обновлений маркетплейсов.

Задача: построить автоматическую систему управления ценами

• организовать автоматический контроль цен на Ozon и Wildberries;
• настроить расчет оптимальной стоимости акционных товаров с учетом скидок;
• реализовать механизм синхронного обновления цен в интернет‑магазине и на маркетплейсах;
• минимизировать риск установки цены ниже РРЦ;

• сделать решение масштабируемым и устойчивым к особенностям маркетплейсов.

Наш путь решения

Этап 1. Парсинг цен с маркетплейсов. Изначально мы работали с внешним сервисом парсинга parser.market, однако быстро столкнулись с ограничениями. За каждую выгрузку приходилось платить, данные обновлялись с задержкой по сравнению с изменениями на платформе, а сведения о товарах с нулевым остатком получить было невозможно.

Поэтому мы решили написать свой модуль, позволяющий собирать:

• актуальные цены с карточек товаров;
• состояние наличия;
• старую и текущую цену.

Этап 2. Разработка алгоритма расчета цены. Чтобы цена всегда оставалась выше РРЦ, но при этом соответствовала условиям акций, мы разработали бизнес‑логику и формулы.

Ключевые переменные:

• retailPrice — РРЦ;
• upperBound — допустимая граница наценки (например, +10 ₽);
• increase — фиксированная надбавка к цене (например, +5 ₽);
• wbOldPrice и wbPrice — старая и текущая цена на Wildberries.

Этап 3. Модуль автоматического обновления цен. Создали собственный модуль динамического обновления цен Guard Price, который при необходимости можно быстро адаптировать под любой интернет‑магазин с минимальными изменениями. Основой решения стала интеграция с платформой «Акрит», отвечающей за автоматическую синхронизацию остатков и цен.

Когда поступают данные о скидках от маркетплейса, модуль автоматически корректирует стоимость товара, чтобы сохранить маржинальность.

Принцип работы следующий:

• три раза в день в установленные часы система автоматически собирает данные о ценах с учётом скидок;
• далее текущая стоимость сверяется с рекомендованной розничной ценой;
• на основе встроенного алгоритма выполняется перерасчет;
• обновлённая цена фиксируется в админ‑панели и синхронизируется с Ozon и Wildberries через API.

Этап 4. Анализ расписания обновлений на маркетплейсах. Чтобы понять, как работают алгоритмы маркетплейсов, мы провели ручной анализ. Сотрудники в течение недели каждый час фиксировали стоимость товаров на маркетплейсах и сравнивали с ценами в онлайн‑магазине. В результате выяснили точные часы пересчета цен:

• Ozon обновляет акции в 07:00, 13:00 и 17:00;
• Wildberries — в 02:30, 12:30 и 17:30.

Благодаря этому модуль обновления цен запускается трижды в сутки именно в эти периоды, опережая автоматические скидки площадок.

Стоит подчеркнуть, анализ проводился на основе ассортимента конкретного клиента. Для других магазинов расписание обновлений может отличаться.

С какими трудностями столкнулись

Ограничения стороннего сервиса парсинга. Первоначально мы опирались на готовое решение, но столкнулись с задержками обновлений, высокой стоимостью выгрузок и невозможностью получать данные по товарам с нулевым остатком.

Сложность бизнес‑логики. Нужно было учесть сразу несколько переменных (РРЦ, акции, старую и новую цену, фиксированные надбавки), при этом формулы должны быть универсальными.

Расписание обновлений. На старте было непонятно, в какие часы Ozon и Wildberries обновляют цены и акции. Пришлось проводить ручные замеры на протяжении недели.

Интеграция с платформами. Синхронизация с «Акрит» и API маркетплейсов потребовала дополнительных доработок, чтобы избежать ошибок при массовой выгрузке.

Результаты автоматизации

Каких результатов мы достигли:

• цены перестали опускаться ниже РРЦ;
• снижен риск штрафов от производителей и маркетплейсов;
• клиент участвует в акциях, но не теряет прибыль;
• освобождено до 80% времени команды, ранее задействованной в ручном мониторинге;
• решение масштабируемое и применяется к другим интернет‑магазинам.

Рекомендации предпринимателям

Собирайте данные самостоятельно. Сторонние сервисы полезны, но у них есть ограничения. Собственный парсер позволит контролировать частоту и полноту данных.

Закладывайте гибкость алгоритма. Формулы ценообразования должны быть легко настраиваемыми, иначе любое изменение правил маркетплейса потребует доработок.

Изучайте расписание обновлений. У каждой площадки оно свое. Подстройка под него — ключ к тому, чтобы быть «на шаг впереди».

Масштабируйте решение сразу. Даже если сейчас работаете с одним магазином, делайте систему универсальной, чтобы легко подключать другие.

Выводы

Ценообразование влияет на прибыль и требует внимания не меньше, чем закупки или реклама. Мы убедились, что ручной мониторинг — это тупиковый путь. Только за счет алгоритмов и точной логики можно выстроить устойчивую систему, где акции маркетплейсов работают на бизнес, а не против него.