Dynamic Pricing | Künstliche Intelligenz in der Preisgestaltung

Im ersten Teil der Serie „Dynamic Pricing“ haben Sie gelesen, dass die dynamische Preisgestaltung die Anwendung von statistischem Lernen auf die Preisoptimierung beschreibt. Ziel eines Händlers ist es mit minimalen Preissteigerungen zu konstanten Kosten die Performance zu maximieren. Genau an dieser Stelle greift die Predictive Analytics Software an, die deutlich mehr kann als nur den Wettbewerb zu beobachten.

Um das optimale Preismodell zu finden, ist es wichtig zwischen zur Verfügung stehenden Kapazitäten und der Erlösmaximierung abzuwägen. Einerseits führen Preissteigerungen zu einem Zuwachs an Erlösen, andererseits nimmt die Menge der Verkäufe ab. Aus diesem Grund ist es wichtig die Preiselastizität der Nachfrage zu ermitteln. Die Preiselastizität bildet die relative Änderung der Nachfrage ab, wenn der Preis variiert. Sie lässt sich aus der Preis-Absatz-Funktion (PAF) ableiten. Die Schätzung der PAF ist Kern der Implementierung einer zielführenden Dynamic-Pricing-Strategie.

Determinanten des Preises:
Durch die Prognose von Einflussfaktoren ist es möglich zuverlässige Einschätzungen von Preisniveau und Deckungsbeitrag in einer zukünftigen Periode zu bestimmen. Die Preisdeterminanten im Dynamic Pricing bilden sich nicht nur anhand externer Faktoren wie Wettbewerbspreise. Auch interne Faktoren wie Sortiment, Lagerbestand und das historische Kaufverhaltens der Kunden, sowie deren Klicks oder Suchverhalten sind entscheidend. In Ergänzung dazu fließen auch Umweltfaktoren (Tageszeit, Saison, Werbekampagnen) in die Nachfrage mit ein. Mithilfe dieser Faktoren wird dann die Preissensitivität anhand der Preis-Absatz-Funktion gemessen.

Anforderungen an Dynamic Pricing Analytics:
Die selbstlernende Engine hat die Aufgabe aus hohen Datenmengen die PAF äußerst präzise zu prognostizieren. Hierzu müssen die Algorithmen permanent das Wechselspiel zwischen Preis und Kunde in Echtzeit analysieren. Im ersten Schritt wird das Prognosemodell auf Basis historischer Datenbestände erstellt. Im zweiten Schritt erfolgt die Anpassung des Modells, um anhand von Preisreaktionen die individuelle Preissensitivität zu ermitteln. Ziel ist es für jeden einzelnen Artikel eine PAF abzuleiten. Die Zielvariablen definieren Produkte und Produktgruppen, Bestseller oder Long-Tail Produkte, sowie Kern- oder Randprodukte.

Eine zielführendes, erfolgreiches Pricing setzt eine klare Preisstrategie voraus.
Aspekte wie beispielsweise die Erhöhung der Kundenbindung oder Akquisition von Neukunden, aber auch Produkteinführungen oder Abverkäufe müssen in einen konsistenten strategischen Rahmen eingebunden werden.

Beispielansatz:
Nehmen wir an ein Händler XY verkauft Wollpullover. Durch permanente Preis-Tests wird die PAF eines Wollpullovers geschätzt. Für diesen Wollpullover werden sogenannte Preisbänder gesetzt: Unterpreis, Mittelpreis und Höchstpreis. Wir gehen von einem Wollpullover aus, der momentan für 40€ im Handel angeboten wird und dessen Absatzmenge bei ca. 5000 Stk. liegt.

Aus diesen Angaben bilden wir drei homogene Testgruppen für den Wollpullover: In Gruppe 1 wird der aktuelle Preis um 10% auf 44€ erhöht, in Gruppe 2 bleibt der Preis gleich bei 40€ und in Gruppe 3 wird der Preis um 10% auf 36€ verringert. Was für menschliche Bearbeitung schnell in eine kostenintensive Ergebnisauswertung mündet, kann mit den entsprechenden Modellen binnen weniger Augenblicke analysiert werden. Die Testergebnisse dienen als Input für die Black Box. Somit können signifikante Einflussfaktoren für die Kaufentscheidung des Kunden bestimmt und der optimale Preis definiert werden.

Die von Dastani Consulting entwickelte Predictive Analytics Modellierung versetzt Unternehmen in die komfortable Lage genau den „optimalen“ Preis zu finden, bei dem die Kunden die maximale Zahlungsbereitschaft aufweisen und der Händler seine Performance erhöht. Oft schneiden sich Händler hohe Gewinnpotenziale ab, indem sie qualitativ hochwertige Produkte unterhalb der individuellen Zahlungsbereitschaft verkaufen.

Lesen Sie im dritten Teil unserer Dynamic Pricing Serie wie Händler mithilfe von Next Best Offer Kundenbindungen zusätzlich stärken und die Ausgaben-Gewohnheiten Ihrer Kunden besser kennenlernen können.

Sollten Sie weiterführende Fragen haben, schauen Sie doch auf unseren Social Media Kanälen vorbei (Xing, Linkedin) oder rufen Sie uns an +49 (0)641 984 46 – 0

Dastani Consulting GmbH Im Westpark 8 35435 Wettenberg (bei Gießen) Telefon: + 49 (0)641 984 46 - 0 Telefax: + 49 (0)641 984 46 - 29