AI-промты для разработки ценовой политики
Настройте метод и цель — получите готовый промт для pricing-стратегии
- Учитывает юнит-экономику, CAC и LTV при расчёте цены
- Предлагает 3 сценария с KPI под конкретную бизнес-цель
- Снижает риск каннибализации и ошибок при пересмотре прайс-листа
Конструктор промтов по ценообразованию
Выберите метод ценообразования и бизнес-цель — получите промт для ценовой матрицы
Ваш промт появится здесь
Выберите параметры слева — промт обновится автоматически
Пересмотр прайс-листа или реакция на демпинг конкурентов съедают у коммерческого директора целые дни: сбор данных по марже, сравнение с рынком, согласование сценариев — и всё равно решение остаётся интуитивным. Готовые промты для разработки ценовой политики превращают ChatGPT и Claude в персонального pricing-консультанта уровня McKinsey, который подскажет логику cost-plus, value-based или динамического ценообразования. С помощью нейросети вы быстро проработаете вывод нового продукта, инфляционную индексацию или сегментацию по каналам — укажите метод ценообразования и бизнес-цель (рост доли рынка, максимизация маржи, увеличение LTV), и генератор соберёт промт под вашу задачу. Такой подход снимает большую часть аналитической рутины и даёт структурированные гипотезы вместо размытых формулировок. Попробуйте бесплатный генератор промтов: задайте параметры, скопируйте промт в ChatGPT или Claude и получите готовый каркас ценовой стратегии за минуты.
Промты для ценовой политики: инструкция
Выберите метод и категорию
Укажите Роль AI, Метод ценообразования и Категорию продукта — это задаст логику расчёта цены.
Настройте тон и формат вывода
Выберите деловой тон и формат таблицы с тарифной сеткой — удобно защищать цены перед советом директоров.
Впишите продукт и юнит-экономику
Заполните поля Продукт, Конкуренты и Юнит-экономика — промт учтёт CAC, LTV и маржу вашего бизнеса.
Скопируйте промт и запустите
Скопируйте готовый промт и вставьте в ChatGPT или Claude — получите обоснованную ценовую стратегию за минуту.
Для кого промты по ценовой политике
Генератор помогает pricing-менеджерам, коммдирам, продактам и финансистам считать цены в ChatGPT и Claude
Pricing-менеджер в SaaS
Собираю матрицу тарифов 3 дня, а релиз фичи уже завтра
Получайте value-based сетку тарифов за 15 минут диалога с AI
Коммерческий директор FMCG
Пересматриваю прайс на 400 SKU вручную раз в квартал
Стройте сценарии индексации по категориям одним промтом
Финансовый аналитик B2B
На расчёт cost-plus для нового оборудования уходит неделя
Считайте маржинальность и чувствительность цены за один заход
Фаундер услугового стартапа
Не понимаю, как отвечать на демпинг конкурента без потери маржи
Готовьте антидемпинговый план с AI за 20 минут вместо недели
Ещё промты для ценовой политики
Промты дополняют генератор смежными задачами по ценообразованию. Скопируйте, замените данные в [скобках] и вставьте в ChatGPT или Claude.
Аудит действующего прайс-листа с поиском точек роста маржи
Аудит прайсаРоль: Ты Head of Pricing с 10 лет опыта в ценообразовании B2B и B2C. Экспертиза: price-waterfall анализ, pocket-margin, SKU-рационализация, Power BI. Контекст: Я коммерческий директор в [тип компании и отрасль]. Продукт: [категория и количество SKU]. Данные: текущий прайс [ссылка или выгрузка], средняя скидка [%], валовая маржа [%] по категориям, ABC-анализ [распределение], доля промо в обороте [%], динамика CAC [значение]. Задача: Провести аудит прайс-листа, найти утечки маржи и предложить 5-7 точечных корректировок без потери объёма. Формат вывода: (1) Таблица price-waterfall: list price → pocket price с утечками по этапам. (2) Топ-10 SKU с отрицательной или низкой pocket-margin и причины. (3) План корректировок: SKU, действие, ожидаемый эффект на маржу и риск. Детали: Используй методологию McKinsey price-waterfall и pocket-margin band. Не предлагай линейное повышение цен, работай с дисконт-политикой, bundle и delisting. Учитывай эластичность по категориям [оценка] и позицию конкурентов [уровень цен].
Анализ ценовой эластичности и сценарии изменения цен
ЭластичностьРоль: Ты Revenue Manager с 7 лет опыта в эконометрическом моделировании цен. Экспертиза: регрессионный анализ, conjoint, Van Westendorp, Python и R. Контекст: Я коммерческий директор в [отрасль и модель продаж]. Продукт: [SKU или тариф]. Данные: история продаж за [период] в разрезе цена-объём [выгрузка], коэффициент эластичности [значение или оценка], сезонность [паттерн], доля рынка [%], конкурентная цена [уровень]. Задача: Рассчитать 3 сценария изменения цены (−5%, базовый, +7%) и оценить влияние на выручку, маржу и долю рынка на горизонте 6 и 12 месяцев. Формат вывода: (1) Таблица сценариев: цена, объём, выручка, валовая маржа, доля рынка, P&L-дельта. (2) График чувствительности выручки к эластичности. (3) Рекомендация с условиями запуска и триггерами отката. Детали: Опирайся на формулу %ΔQ = E × %ΔP и метод Van Westendorp PSM. Учитывай cross-elasticity с [смежный продукт]. Проверь сценарии на устойчивость к реакции конкурентов [тип реакции].
Конкурентный бенчмаркинг цен и позиционирование по ценности
БенчмаркРоль: Ты Senior Pricing Manager с 8 лет опыта в конкурентной разведке и value-based pricing. Экспертиза: price-value map, feature parity, SimilarWeb, SemRush. Контекст: Я коммерческий директор в [отрасль]. Продукт: [название и сегмент]. Данные: список прямых конкурентов [5-7 игроков], их публичные цены [источник], наши ключевые атрибуты ценности [список 5-7], текущая ценовая позиция [премиум/паритет/дискаунт], NPS [значение]. Задача: Построить карту «цена-ценность», выявить ценовые разрывы и предложить корректировку позиционирования на [квартал]. Формат вывода: (1) Таблица сравнения: конкурент, цена, набор фич, уникальные преимущества. (2) Price-value map с нашим положением и зонами fair-value line. (3) 3 стратегические опции: penetration, parity, premium с плюсами, минусами и необходимыми изменениями продукта и коммуникации. Детали: Используй фреймворк Simon-Kucher value map. Не копируй цены конкурентов, опирайся на дифференциаторы. Проверь корректность выборки конкурентов и исключи непрямых игроков [критерий].
Обучение коммерческой команды работе со скидочной политикой
Обучение salesРоль: Ты тренер коммерческих команд с 9 лет опыта в pricing-enablement. Экспертиза: negotiation training, discount guardrails, CRM-воркшопы. Контекст: Я коммерческий директор в [тип компании]. Команда: [количество менеджеров], средний размер сделки [сумма], текущая средняя скидка [%], утверждённые discount-guardrails [уровни и полномочия], типовые возражения клиентов по цене [топ-3]. Задача: Разработать программу обучения на 4 недели, чтобы снизить среднюю скидку на [целевой %] без потери conversion rate. Формат вывода: (1) План из 4 модулей: тема недели, цель, практика, метрика успеха. (2) Скрипт работы с 3 частыми возражениями по цене с примерами ответов. (3) Чек-лист контроля: что руководитель проверяет еженедельно в CRM и на звонках. Детали: Опирайся на методику SPIN и Challenger Sale. Включи ролевые игры и разбор записей звонков [источник]. Учитывай уровень guardrails и эскалации. Избегай общих тренингов по продажам, фокус строго на ценовых переговорах и защите маржи.
6 правил промтов для ценовой политики
Используйте эти правила, чтобы получать рабочие ценовые стратегии в ChatGPT и Claude без воды
Задайте роль pricing-стратега
Вместо 'Ты маркетолог' укажите: 'Ты pricing-менеджер с 7 годами в B2B SaaS, владеешь Van Westendorp и Conjoint'. Модель сразу подключит нужные методики.
Указывайте юнит-экономику и маржу
Дайте в промте gross margin, CAC, LTV, ценовую эластичность и долю переменных затрат. Без этих цифр ИИ выдаст шаблонный cost-plus вместо value-based расчёта.
Запрашивайте формат Price Ladder
Просите вывод в виде Price Ladder или матрицы Good-Better-Best с колонками: тариф, цена, фичи, целевой ICP, ожидаемый ARPU. Так ответ сразу готов к защите на совете.
Уточняйте стадию и канал продаж
PLG-стартап, enterprise sales и маркетплейс требуют разной логики. Формула: 'Рынок [X], модель [SaaS/транзакции], канал [self-serve/sales-led], стадия [PMF/scale]'.
Итерируйте через сценарии эластичности
После первого ответа добавьте: 'Пересчитай при росте цены на 15% и оттоке +3 п.п.' или 'Покажи, как изменится MRR при переходе с seat-based на usage-based'.
Избегайте абстрактного вопроса о цене
До: 'Какую цену поставить на продукт?'. После: 'Рассчитай цену SaaS при CAC 400$, LTV 2400$, WTP по Van Westendorp 49-79$, цель — payback за 9 мес'.
FAQ: промты для ценовой политики
Промты для разработки ценовой политики — это структурированные запросы к нейросети, которые помогают рассчитать цену по методам Cost-plus, Value-based, конкурентному или динамическому ценообразованию. В промте задаются роль (Pricing-менеджер, Head of Pricing), категория продукта (SaaS-подписка, FMCG, B2B-оборудование, услуги), рыночный контекст и бизнес-цель — маржа, доля рынка, LTV. Например, ChatGPT по такому промту соберёт ценовую матрицу с эластичностью спроса, точкой безубыточности и сценарием для инфляционной индексации на 12 месяцев. Генератор GUSAROV собирает готовый шаблон под вашу задачу за минуту. Скопируйте промт и вставьте его в ChatGPT или Claude — получите расчёт с конкретными коридорами цен.
Задайте ChatGPT роль Senior Pricing Manager, метод Value-based, категорию SaaS-подписка и цель «рост MRR и снижение оттока». В промте опишите три сегмента клиентов, их JTBD, экономию от продукта в деньгах и текущий CAC. Попросите нейросеть предложить три тарифа (Starter, Business, Enterprise) с ценовыми якорями, добавить логику апсейла и триггеры для перехода между планами. Укажите требование: цена тарифа ≤ 10% от получаемой ценности. ChatGPT вернёт прайс-лист с обоснованием каждой цены, прогнозом ARPU и рисками каннибализации. Для проверки гипотез прогоните тот же промт через Claude и сравните рекомендации. Скопируйте готовый промт из генератора GUSAROV и адаптируйте под свой продукт.
Коммерческому директору генератор промтов экономит 8–12 часов на подготовку пересмотра прайс-листа и реакцию на демпинг конкурентов. Вместо брифа аналитику вы за 2 минуты получаете готовый запрос для нейросети с учётом метода ценообразования, категории продукта и бизнес-цели — маржа, доля рынка или LTV. ИИ за один прогон считает ценовой коридор, эластичность, сценарий инфляционной индексации и риски оттока. Это ускоряет защиту цен перед CFO и переговоры с крупными клиентами: аргументы опираются на цифры, а не на интуицию. Инструмент GUSAROV бесплатный и собирает промт под роль Head of Pricing или коммерческого директора. Попробуйте сгенерировать промт под текущую задачу пересмотра цен.
Промты для Cost-plus фокусируют нейросеть на себестоимости, целевой марже и постоянных издержках — подходят для промышленного B2B-оборудования и FMCG, где важна предсказуемость. Промты для динамического ценообразования задают Claude или YandexGPT правила пересчёта цены в реальном времени: сезонность, загрузка склада, цены конкурентов, поведение покупателя. В первом случае ответ — статичный прайс с коэффициентом наценки 15–40%. Во втором — алгоритм с триггерами и диапазоном ±20% от базовой цены, плюс логика для реакции на демпинг. Также отличаются входные данные: Cost-plus требует структуру затрат, динамическое — исторические продажи и эластичность. В генераторе GUSAROV выберите нужный метод — и получите корректный шаблон. Используйте оба промта для A/B-сравнения стратегий.
Промты из генератора GUSAROV работают в ChatGPT, Claude, Gemini, YandexGPT, GigaChat и DeepSeek — шаблон универсальный. Для расчёта Value-based прайса SaaS и сложных сценариев динамического ценообразования лучше использовать ChatGPT-4 или Claude Sonnet: они точнее держат структуру таблиц и считают эластичность. YandexGPT и GigaChat выигрывают на FMCG и B2B-кейсах российского рынка — учитывают локальные особенности НДС, логистики и инфляционной индексации по данным Росстата. Gemini хорош для визуализации ценовых матриц и сравнения с конкурентами через веб-поиск. Если работаете с персональными данными клиентов — выбирайте GigaChat или YandexGPT для соответствия 152-ФЗ. Скопируйте промт из генератора и протестируйте в двух нейросетях, чтобы сравнить рекомендации.