تحلیل حساسیت قیمت؛ یافتن قیمت بهینه‌ی درآمد و سود

تحلیل حساسیت قیمت یعنی بررسی اینکه با تغییر قیمت، حجم فروش، درآمد و سود چگونه جابه‌جا می‌شوند. هدف، انتخاب قیمتی است که حاشیه را بالا ببرد بی‌آنکه مشتری را بیش از حد از دست بدهید. در این یادداشت با کشش قیمتی، حاشیه‌ی مشارکت و یک جدول عددی این کار را گام‌به‌گام انجام می‌دهیم.

کشش قیمتی تقاضا

کشش قیمتی نسبت درصد تغییر حجم فروش به درصد تغییر قیمت است:

کشش = درصد تغییر مقدار فروش ÷ درصد تغییر قیمت

اگر قیمت ۱۰٪ بالا برود و فروش ۱۵٪ کم شود، کشش ۱٫۵- است. قدر مطلق بزرگ‌تر از یک یعنی تقاضا باکشش است: افزایش قیمت درآمد را کم می‌کند. قدر مطلق کمتر از یک یعنی تقاضا بی‌کشش است: افزایش قیمت، درآمد را بالا می‌برد. کشش در همه‌ی بازه‌ی قیمت ثابت نیست و معمولاً با بالا رفتن قیمت، مشتری حساس‌تر می‌شود.

حاشیه‌ی مشارکت: چرا درآمد کافی نیست

حاشیه‌ی مشارکت هر واحد برابر است با قیمت منهای هزینه‌ی متغیر واحد. سود از ضرب این حاشیه در حجم و کسر هزینه‌ی ثابت به دست می‌آید. بنابراین دو قیمت می‌توانند درآمد یکسان داشته باشند، ولی قیمت پایین‌تر حجم بیشتر و هزینه‌ی متغیر بیشتری بیاورد. اگر با مفهوم سربه‌سر آشنا نیستید، تحلیل سربه‌سر برای ارزیابی ریسک پایه‌ی خوبی است.

مثال عددی: جدول قیمت × حجم

فرض کنید تقاضا خطی است: حجم = ۲٬۰۰۰ − ۱۰ × قیمت. هزینه‌ی متغیر هر واحد ۶۰ و هزینه‌ی ثابت ۳۰٬۰۰۰ است (واحدها فرضی‌اند). نتایج، که با پایتون هم بازمحاسبه شده‌اند:

نقطه‌ی بهینه‌ی درآمد در برابر سود

دو نتیجه از جدول بیرون می‌آید:

• درآمد در قیمت ۱۰۰ بیشینه است؛ همان‌جا که کشش برابر ۱- می‌شود.
• سود در قیمت ۱۳۰ بیشینه است (۱۹٬۰۰۰)، یعنی ۳۰٪ بالاتر؛ چون هر واحد کمتر فروخته‌شده ۶۰ هزینه‌ی متغیر را هم کم می‌کند.

در تقاضای خطی به شکل حجم = a − b × قیمت، قیمت بیشینه‌کننده‌ی سود برابر است با (a ÷ b + هزینه‌ی متغیر واحد) ÷ ۲؛ اینجا (۲٬۰۰۰ ÷ ۱۰ + ۶۰) ÷ ۲ = ۱۳۰. نکته‌ی کلی این است که قیمت بهینه‌ی سود همیشه در ناحیه‌ی باکشش است و بالاتر از قیمت بهینه‌ی درآمد قرار می‌گیرد. اگر هدف رشد سهم بازار باشد، قیمت پایین‌تر هم قابل‌توجیه است، ولی باید آگاهانه انتخاب شود.

بررسی با پایتون

برای تغییر فرض‌ها، به جای دستی‌محاسبه‌کردن، چند خط کد کافی است:

for p in range(80, 150, 10):
    q = 2000 - 10 * p
    print(p, q, p * q, (p - 60) * q, (p - 60) * q - 30000)

همین جدول را با اکسل هم می‌توانید بسازید؛ مهم ساختار است، نه ابزار. برای روش کلی بررسی ورودی‌ها به تحلیل حساسیت در مدل مالی مراجعه کنید.

خطاها و هشدار درباره‌ی حدس‌زدن قیمت

• فرض ثابت‌بودن کشش: کشش در بازه‌های مختلف فرق می‌کند؛ فقط در بازه‌ای که داده دارید قابل‌اتکاست.
• نادیده‌گرفتن واکنش رقیب: اگر رقیب قیمت را هم‌سطح کند، حجم پیش‌بینی‌شده محقق نمی‌شود.
• تکیه بر درآمد: قیمتی که درآمد را بیشینه می‌کند، لزوماً سود را بیشینه نمی‌کند.
• حدس بدون داده: برآورد کشش را از آزمون قیمت، فروش گذشته یا نظرسنجی بگیرید، نه از حس شخصی. اگر داده ندارید، چند سناریوی کشش بسازید و بازه‌ی نتیجه را بررسی کنید.

پرسش‌های متداول

کشش قیمتی را از کجا بیاوریم؟

از داده‌ی فروش در قیمت‌های مختلف، آزمون کنترل‌شده‌ی قیمت یا مقایسه‌ی بازارهای مشابه. اگر داده کافی نیست، چند مقدار محتمل را سناریو کنید.

کاهش قیمت همیشه فروش را بالا می‌برد؟

حجم معمولاً بالا می‌رود، ولی اگر کشش پایین باشد، درآمد و سود هر دو کم می‌شوند.

بهتر است درآمد را بیشینه کنیم یا سود را؟

در بیشتر کسب‌وکارها سود و جریان نقد معیار اصلی‌اند. درآمد فقط وقتی هدف است که حاشیه‌ی مشارکت ثابت و هزینه‌ی ثابت بالا باشد.

جدول حساسیت چه فاصله‌ای از قیمت لازم دارد؟

گام‌های ۵ تا ۱۰ درصدی اطراف قیمت فعلی معمولاً کافی است؛ بازه را بیش از آنچه داده پشتیبانی می‌کند، گسترش ندهید.

جمع‌بندی

تحلیل حساسیت قیمت با سه ابزار کار می‌کند: کشش قیمتی، حاشیه‌ی مشارکت و جدول قیمت × حجم. نتیجه‌ی اصلی مثال این بود که قیمت بیشینه‌کننده‌ی سود از قیمت بیشینه‌کننده‌ی درآمد بالاتر است. پیش از تغییر قیمت، جدول را بسازید، فرض‌های کشش را صریح بنویسید و نتیجه را با واکنش واقعی بازار بسنجید. تحلیل حدس را حذف نمی‌کند، ولی آن را کم‌هزینه و قابل‌دفاع می‌کند. برای ساخت چنین جدولی در یک مدل بزرگ‌تر، ساختار چهار معیار کلیدی کسب‌وکار هم کمک می‌کند.