Как «Ладинос» увеличил маржу до 25% с помощью автоматизации ценообразования на Wildberries

Компания «Ладинос» внедрила управление ценами с помощью ИИ-агента на Wildberries и за месяц увеличила маржинальность с 18,65% до 24,87%. Одновременно удалось снизить логистические расходы и разгрузить складские остатки.

«Ладинос» работает на Wildberries с широкой и неоднородной товарной матрицей. Всего — 1 587 SKU:

Это структура, в которой невозможно управлять ценой по одной универсальной логике. Одни товары требуют более быстрой оборачиваемости, другие — удержания маржи, третьи — отдельной работы с остатками, которые слишком долго находятся на складах.

К «Дживио» компания пришла с двумя задачами. Первая — повысить маржинальность. Вторая — сдвинуть с места позиции, которые зависали на складах Wildberries и создавали дополнительную нагрузку по хранению. На старте маржинальность по WB составляла 18,65%.

До этого команда уже пользовалась типичной для маркетплейсов стратегией: ориентироваться на конкурентов, снижать цену и пытаться за счёт этого наращивать оборот. Но такой подход не дал ожидаемого эффекта.

После компания сознательно изменила приоритет — целью стало не увеличение продаж любой ценой, а настройка модели ценообразования, которая работает на прибыль по бренду и отдельно помогает разгружать зависшие остатки.

Дальше вся логика работы строилась именно на этом решении.

Дальше вся модель строилась вокруг одного решения: от идеи «единых правил для всех» в ценообразовании отказались.

Вместо этого в «Дживио» разделили товарную матрицу на несколько сегментов под разные задачи бизнеса — у каждого своя логика и цель.

В него выделили 231 SKU и запустили простой, но системный сценарий: минус 2% к цене каждые 4 дня, с ограничением по минимальному порогу. Здесь не пытались «выжать маржу» — задача была прагматичная: быстрее распродать зависшие остатки, освободить оборотку и снизить давление складских расходов.

Результат: по 44 позициям заказы выросли на 39% месяц к месяцу. При этом отдельные товары дали кратный рост — до +168% и даже +638%.

Здесь логика строилась вокруг оборачиваемости. Часть товаров подорожала, часть — подешевела, часть осталась без изменений.

Ключевой момент: ИИ-агент ценообразования использовали не как сервис «автоскидок» и не как классический репрайсер, а как инструмент управления разными задачами внутри одной матрицы.

Одна группа товаров работает на скорость — помогает разгружать склад и возвращать деньги в оборот. Другая — на прибыль, усиливая маржу по бренду.

Вместо усреднённой модели «один сценарий на всё» компания получила управляемую систему, где цена — это не просто параметр, а отдельный рычаг под каждую бизнес-задачу.

При этом количество заказов снизилось на 1 172 штуки. В данном случае это не ошибка модели и не побочный эффект, а прямое следствие выбранной стратегии: компания изначально ориентировалась не на максимальный оборот, а на рост прибыли.

Если вы тоже работаете с маркетплейсами и чувствуете, что матрица «разваливается» между маржинальностью и оборотом — мы можем разобрать вашу структуру и показать, какие сценарии ценообразования «Дживио Агента» дадут рост прибыли именно в вашем случае.

Оставьте заявку — разберём вашу матрицу и подскажем точки роста маржинальности.