Sådan holder du øje med konkurrenternes priser: 6 metoder – fra regneark til fuld automatisering

Indledning

Hver eneste prisbeslutning, du træffer, er et gæt på, hvad dine konkurrenter tager. De fleste detailhandlere baserer dette gæt på forældede oplysninger.

Problemet er ikke, at det er svært at følge med i priserne. Det tager ti sekunder at åbne en konkurrents produktside. Problemet er, at det ikke kan skaleres.

En detailhandler, der overvåger 50 produkter på 10 konkurrenters hjemmesider, skal holde styr på 500 datapunkter. Med cirka 30 sekunder pr. kontrol tager en fuldstændig daglig gennemgang over fire timers arbejde hver dag, før nogen overhovedet har truffet en egentlig prisbeslutning.

Derfor bryder den manuelle overvågning stille og roligt sammen, når listen overstiger et lille antal udvalgte konkurrenter – som regel uden at nogen gør opmærksom på det. Regnearket bliver simpelthen ikke opdateret længere.

Denne guide dækker seks måder at overvåge konkurrenternes priser på, lige fra et regneark, du kan oprette i eftermiddag, til fuldautomatisk overvågning.

De er sorteret efter arbejdsindsats og dækning snarere end efter kvalitet. Den rigtige metode afhænger af, hvor mange produkter du sælger, og hvor hurtigt dit marked bevæger sig.

Inden du vælger en metode: beslut, hvad du rent faktisk overvåger

At springe dette trin over er den mest almindelige årsag til, at prisovervågningsprojekter går i stå. Fire beslutninger, i rækkefølge:

Hvilke konkurrenter. Ikke alle, der sælger produkter i din kategori. De tre til otte forhandlere, som dine kunder rent faktisk sammenligner priser hos, plus eventuelle markedspladsforhandlere, der dukker op i søgeresultaterne for dit eget mærke. En liste med 30 konkurrenter garanterer, at du ikke vil kunne overvåge nogen af dem ordentligt.

Hvilke produkter. Din omsætning er ikke jævnt fordelt, og det bør din overvågning heller ikke være. Start med de produkter, der skaber fortjeneste, dem, som kunderne sammenligner priser på mest, og alt, hvor du for nylig har mistet salg uden en åbenlys årsag.

Hvilke attributter. Prisen alene er vildledende. En konkurrent, der er 5 % billigere, men udsolgt, underbyder dig ikke. De sender kunder til dig. Registrer som minimum pris, tilgængelighed og leveringsomkostninger, for det tal, der afgør et køb, er de samlede omkostninger efter levering.

Hvor ofte. Dagligt er en fornuftig standard for de fleste kataloger. Hver time er kun relevant for hurtigt omsættelige markedspladsannoncer. Ugentligt er fint for kategorier med lav omsætning, og ærlige ugentlige data er bedre end ambitiøse daglige data, som ingen indsamler.

Skriv disse fire svar ned, før du vurderer et eneste værktøj. De afgør, hvilke af de følgende metoder der overhovedet er brugbare for dig.

Metode 1: Manuelle kontroller i et struktureret regneark

Udgangspunktet og helt ærligt det rigtige svar for små kataloger.

Opret en række pr. produkt og en kolonne pr. konkurrent, med din egen pris i den første kolonne. Tilføj en datokolonne og en lagerkolonne – de to felter, som folk ofte udelader og senere fortryder.

Tjek på et fast tidspunkt på dagen. Priserne ændrer sig i løbet af dagen, og et tal fra mandag morgen sammenlignet med et tal fra fredag aften er slet ikke en sammenligning.

To forbedringer gør manuel sporing væsentligt mere nyttig:

• Registrer forskellen, ikke kun prisen. En kolonne, der beregner din pris som en procentdel af den billigste konkurrent, forvandler en mur af tal til noget, du kan sortere og handle ud fra.
• Gem historikken. Overskriv ikke sidste uges tal. Kopier arket eller tilføj rækker. Et enkelt øjebliksbillede fortæller dig, hvor du står; en serie fortæller dig, hvem der giver rabat, hvor meget og hvor ofte.

Et realistisk loft: omkring 20 til 30 produkter fordelt på tre eller fire konkurrenter, der tjekkes ugentligt. Derudover tager ovenstående regnestykke over.

Metode 2: Prisadvarsler og ændringsdetektering

I stedet for at tjekke siderne efter en fast tidsplan kan du lade et værktøj overvåge dem og give dig besked, når et tal ændrer sig.

Generelle tjenester til detektering af ændringer på hjemmesider, såsom Visualping, overvåger en URL og giver dig besked, når siden ændrer sig. Browserudvidelser og prishistorik-trackere gør det samme for de største markedspladser. Opsætningen tager kun få minutter, og det koster ofte ingenting.

Dette er fremragende til én specifik opgave: at holde øje med et lille antal kritiske produkter, hvor enhver konkurrentbevægelse kræver en reaktion samme dag.

Det er dårligt til alt andet. Du får notifikationer, ikke data: ingen historik at analysere, intet overblik over dit katalog og ingen mulighed for at besvare spørgsmålet »hvad skete der med vores kategori sidste måned?«.

Overvåger du mere end en håndfuld sider, indtræder der en »alarmtræthed«, og på det tidspunkt begynder du at ignorere e-mailsene og er reelt tilbage til slet ingen overvågning.

Brug det som: et supplement til en anden metode, aldrig som dit primære system.

Metode 3: De gratis konkurrencedata, du allerede har

Denne metode er konsekvent underudnyttet. Hvis du annoncerer eller sælger på de store platforme, sidder du allerede på konkurrencemæssige prissignaler, som du sandsynligvis aldrig har åbnet.

Google Merchant Center indeholder rapporter om priskonkurrenceevne, der sammenligner dine priser med andre forhandlere, der annoncerer de samme produkter, ved hjælp af det produktfeed, du allerede indsender.

Dashboards for sælgere på markedspladser viser sammenlignelige signaler: konkurrenceevne i købsboksen, priser på fremhævede tilbud og automatiske prisregler, der reagerer på konkurrerende tilbud på den samme vare.

Vær dog klar over, hvad dette er, for det er let at forveksle det med en komplet løsning.

Det er et termometer, ikke en diagnose. Det fortæller dig, at du ligger lidt over gennemsnittet. Det kan ikke fortælle dig hvorfor eller hvad du skal gøre ved det.

Konkret kan disse data ikke give dig:

• Detaljer pr. konkurrent. Du får at vide, at du ligger 8 % over en benchmark, ikke hvilken forhandler der underbyder dig på hvilket produkt.
• Dækning af uafhængige webshops. Den ser kun den platform, du er på, og mange af dine reelle konkurrenter sælger andre steder.
• Dækning af produkter, du ikke har på listen der. Alt uden for den kanal er usynligt.
• Brugbar historik, advarsler eller oplysninger om lager og levering.
• Overhovedet ingen synlighed af MAP, hvis du er et brand frem for en forhandler.

Brug dem som: en gratis realitetstjek, når du ikke har nogen overvågning på plads. Det er klart bedre end ingenting og ofte den hurtigste måde at bevise internt, at problemet er reelt.

Det, den ikke kan, er at erstatte detaljeringsgraden i et værktøj, der er udviklet til formålet: priser pr. konkurrent på de specifikke produkter, du er interesseret i, på tværs af uafhængige webshops såvel som markedspladser, med historik, lagerbeholdning og alarmer.

Platformsrapporter fortæller dig, at noget er galt. Et dedikeret værktøj som Altosight fortæller dig hvad, hvor og hvor meget.

Start her, hvis du ikke har noget, men forveks ikke benchmarken med det fulde billede.

Metode 4: Halvautomatiske regneark

Det naturlige næste skridt for alle, der er fortrolige med Sheets, er at lade regnearket hente priserne selv.

Google Sheets kan hente data fra en side med IMPORTXML ved hjælp af et XPath-udtryk til at målrette mod priselementet:

=IMPORTXML(“https://competitor.com/product-page”, “//span[@class=‘price’]”)

Sæt forventningerne på plads, før du bruger en hel dag på dette: på moderne e-handelswebsteder vil det oftere mislykkes end lykkes.

De fleste aktuelle webshops viser priserne i browseren, efter at siden er indlæst, og IMPORTXML ser kun den rå HTML, der kommer først, så cellen forbliver tom.

Test det på ti af dine konkurrenters faktiske URL'er, før du bygger noget videre på det. Hvis tre af dem returnerer en pris, er det et normalt resultat.

De andre fejlscenarier er lige så vigtige:

• Redesign af hjemmesider ødelægger alle formler i al stilhed. En ændret CSS-klasse forvandler din priskolonne til fejl, eller værre endnu, efterlader et forældet tal, som ingen lægger mærke til.
• Der er ingen håndtering af bots. Gentagne automatiserede anmodninger fra én kilde bliver hastighedsbegrænset eller blokeret, ofte sporadisk, hvilket skaber huller snarere end åbenlyse fejl.
• Intet fortæller dig, at det er holdt op med at fungere. Et manuelt regneark, der ikke længere opdateres, er synligt forladt; et automatiseret regneark, der stille og roligt holder op med at opdatere, ser stadig troværdigt ud, og folk fastsætter priser ud fra det.

Realistisk loft: et beskedent antal enkle, statiske produktsider, hvor nogen er villig til at reparere formlerne, når de går i stykker. Nyttigt som et eksperiment, skrøbeligt som infrastruktur.

Metode 5: At bygge din egen scraper

Med tekniske ressourcer kan du bygge præcis det, du ønsker: et script, der henter konkurrenters sider efter en tidsplan, udtrækker pris og lagerbeholdning og skriver til din egen database.

For statiske sider er dette virkelig ligetil, måske et par dusin linjer Python. Vanskeligheden ligger i alt det omkring det:

• Gengivelse af sider, der opbygger deres indhold i browseren
• Håndtering af geografisk målretning, valuta- og lokaliseringsvarianter, så du sammenligner det rigtige marked
• At rotere anmodninger ansvarligt og overleve anti-bot-foranstaltninger
• At gentage fejlforsøg og skelne mellem "prisen er ikke tilgængelig" og "vores scraper gik i stykker"
• Planlægning, lagring, alarmering og rapportering ud fra rådataene

Ingen af disse ting er svære hver for sig. Sammen udgør de et produkt, ikke et script.

Den reelle omkostning er ikke udviklingen, men vedligeholdelsen. Hver gang en konkurrent redesigner sin side, går en parser i stykker, og parsere går i stykker uden at give besked. Teams undervurderer rutinemæssigt dette med en størrelsesorden.

Fornuftigt, når: du har overskydende udviklingskapacitet, usædvanlige datakilder, som ingen leverandør dækker, eller et strengt krav om at opbevare rådata i dine egne systemer.

Metode 6: En dedikeret prisovervågningsplatform

Når kataloget når en vis størrelse, handler spørgsmålet ikke længere om, »hvordan henter vi disse priser«, men om, »hvordan holder vi tusindvis af sammenligninger nøjagtige uden at ansætte nogen til at passe på dem«. Det er her, dedikeret software tjener sig ind.

Det, du betaler for, er ikke selve scrapingen. Det er crawling-infrastrukturen, produktmatchningen, normaliseringen, prishistorikken, alarmerne og forbindelsen til det, du gør bagefter: en prisjusteringsregel, en håndhævelsesworkflow eller en rapport til dit indkøbsteam.

Start med ét spørgsmål: Leverer du URL’erne, eller finder værktøjet produkterne?

Det er det første, du skal spørge om, og det, der oftest overses.

URL-baseret overvågning betyder, at du indsætter en konkurrentprodukt-URL for hver sammenligning, du ønsker. Det er præcist, men opsætningsarbejdet er dit, og det bryder sammen, når en konkurrent ændrer sine URL'er.

Kanalbaseret overvågning betyder, at du angiver en konkurrenthjemmeside eller en markedsplads, og platformen finder og matcher dine produkter derpå. Det er den eneste tilgang, der forbliver håndterbar på tværs af et stort katalog.

Hybride opsætninger kombinerer begge dele, og de bedre platforme understøtter alle modeller, så du kan angive præcise URL'er, hvor præcision er vigtig, og overlade søgningen til platformen alle andre steder.

Uanset hvilket værktøj du udvælger til overvågning af konkurrenters priser, skal du spørge, hvilken af de tre modeller det bruger, inden du starter en prøveperiode. Svaret afgør, hvor stor en del af det løbende opsætningsarbejde der lander hos dit team frem for hos leverandøren.

Gå derefter resten igennem

• Kan det spore enhver hjemmeside, eller kun markedspladser? Mange værktøjer håndterer de store markedspladser godt, men uafhængige webshops dårligt. Dine konkurrenter omfatter sandsynligvis begge dele.
• Hvordan matcher det produkter uden identifikatorer? Se næste afsnit. Dette er det allervigtigste spørgsmål og det, der oftest overses.
• Hvilke lande og valutaer? Hvis du sælger på tværs af landegrænser, er overvågning, der forudsætter ét marked, ikke rigtig overvågning.
• Kan du få dine data ud? En API og rene eksporter afgør, om værktøjet integreres i din prisfastsættelsesproces eller bliver endnu et dashboard, som ingen åbner.
• Understøtter det det, du rent faktisk bruger dataene til? Automatiseret prisjustering med faste minimumsmargener, hvis du er detailhandler; påvisning og dokumentation af overtrædelser, hvis du er et brand, der håndhæver MAP.

Den del, som alle undervurderer: produktmatchning

Alle ovenstående metoder forudsætter, at du allerede ved, hvilken konkurrent-side der svarer til hvilket af dine produkter. I praksis er det netop denne antagelse, der får prisovervågningen til at bryde sammen.

Det samme produkt optræder under forskellige titler, i forskellige pakker og med forskellige variantstrukturer hos de forskellige forhandlere. Identifikatorer mangler, er forkerte eller genbruges.

En forhandler sælger en enkelt enhed, en anden sælger en dobbeltpakke, en tredje sælger et tilbehør med i pakken. Uden pålidelige identifikatorer skal en betydelig del af varelisterne afklares, før priserne overhovedet kan sammenlignes.

Derfor er det vildledende at beskrive arbejdet som »et regneark med 500 URL'er«. At hente 500 priser er den nemme del.

At vide, at disse 500 priser henviser til de produkter, man tror, de gør, og at sikre, at det forbliver sådan, selv når konkurrenterne omstrukturerer deres kataloger, er den del, der tager tid.

Det er også derfor, at nøjagtigheden af matchningen – og hvordan den verificeres – bør være det afgørende kriterium i din vurdering af enhver automatiseret tilgang.

Hvor ofte bør du egentlig tjekke?

Daglig overvågning passer til de fleste kataloger. Øg hyppigheden for hurtigt skiftende markedspladsopslag, hvor konkurrerende tilbud kan ændre sig flere gange om dagen, og for den lille gruppe af produkter, hvor det er dyrt at tage fejl.

Planlæg højsæsonen separat. Den overvågningsfrekvens, der føles passende om sommeren, vil føles for langsom i Black Friday-ugen, hvor konkurrenterne ændrer priserne flere gange om dagen, og et dagligt øjebliksbillede helt overser ændringerne.

Hvis du kun opgraderer din overvågning én gang om året, skal du gøre det i oktober.

Hvad skal man gøre med dataene, og hvad skal man undgå

Den dyreste fejl i prisovervågningen af konkurrenterne er at betragte den laveste observerede pris som en instruks.

En betydelig del af konkurrenternes prisnedsættelser skyldes udsalg for at tømme lageret, fejl i prisdata eller simpelthen fejltagelser. Automatiseret blind prisjustering spreder disse fejl til hele markedet inden for få timer, og alle forhandleres fortjenstmargen dækker omkostningerne ved én forhandlers tastefejl.

Enhver automatiseret reaktion har brug for sikkerhedsforanstaltninger: faste prisgrænser, margentreger og en rimelighedskontrol, der ignorerer usandsynlige prisnedsættelser i stedet for at forfølge dem.

Det er også værd at sætte spørgsmålstegn ved antagelsen om, at man altid skal være billigst. Tilgængelighed, leveringshastighed og tillid vejer ofte tungere end en lille prisforskel, og »billigst for enhver pris« er en strategi for rene standardvarer snarere end en standardindstilling.

God overvågning bør besvare tre spørgsmål:

• Hvor er jeg prismæssigt ude af markedet?
• Hvor går jeg glip af fortjeneste?
• Hvad er der sket i denne uge, som jeg bør vide noget om?

Hvis din opsætning ikke kan besvare disse tre spørgsmål, vil flere data ikke hjælpe.

Hvilken metode passer til dig

Situation	Start med
Under 30 produkter, få konkurrenter	Struktureret regneark (metode 1)
En håndfuld vigtige produkter, der skal overvåges	Advarsler om ændringer (metode 2)
Annoncerer eller sælger allerede på de største platforme	Gratis platformrapporter (metode 3)
Et par enkle produktsider, intet budget	Halvautomatiske regneark (metode 4)
Usædvanlige kilder og ledig teknisk kapacitet	Brugerdefineret scraper (metode 5)
Hundredvis af produkter eller sammenkobling uden identifikatorer	Dedikeret platform (metode 6)

De fleste detailhandlere arbejder sig op ad denne liste i rækkefølge, og der er intet galt i det.

Fejlen ligger ikke i at starte for småt. Den ligger i at holde fast i en metode længe efter, at den er holdt op med at levere pålidelige tal, og fortsætte med at fastsætte priser ud fra den.