Transcript
Genau. Also mein Zitat, die Preiselastizität ist nicht der heilige Gral des Pricings. Warum sage ich das provokativ bewusst? Natürlich am Ende des Tages ist es natürlich ein ganz wichtiger Faktor und wir nutzen ihn natürlich auch. In der Theorie wäre die Preiselastizität die Lösung aller Probleme, aber nur dann, wenn ich in der Lage bin, alle relevanten Einflussgrößen zu kennen. Und da kann man sich ja schon vorstellen, bei vielen Effekten, die vielleicht in der Konsumentenpsychologie im Kopf vorgehen, die werde ich nie in der Lage sein zu messen. Ich kann natürlich Wettbewerbspreise messen, ich kann Lagebestand messen, ich kann Trends in Google abgreifen, aber es wird immer Faktoren geben, die nicht gemessen werden können. Herzlich willkommen zum Pricing Friends Podcast mit Sebastian Fogt. Hallo und herzlich willkommen, liebe Pricing Friends, zu einer neuen Folge.
Und ich habe viel Feedback in den letzten Wochen und Monaten bekommen, dass ihr gerne mehr über Pricing Software erfahren wollt. Wir hatten ja schon mal eine Folge, wo wir auch schon einige Pricing Software Companies vorgestellt haben. Ansonsten reden wir häufiger über Software Pricing, weil das ja bei uns bei High auch einer der Fokus Beratungsfelder ist. Aber heute kommen wir von einem Software Pricing wieder zur Pricing Software und sprechen über Quick Lizard und nicht nur über Quick Lizard, sondern so gesehen auch mit Quick Lizard, nämlich Fabian Urich ist hier bei uns zu Gast. Du bist Chief Product Officer bei Quick Lizard und insofern Fabian, schön, dass du hier Danke Sebastian. Ich freue mich mit dir sprechen zu dürfen. Und natürlich wollen wir erstmal dich kennenlernen, bevor wir jetzt auf das Unternehmen und auf die Lösungen kommen. Das sprechen wir alles gleich im Detail.
Erzähl doch mal, wie du zu Kick Lizard gekommen bist und was du in deinem langen Pricing Werdegang alles schon gemacht hast. Gerne. Ich fange tatsächlich auch weit hinten an, weil ich finde Pricing hat immer so ein Nischendasein, weil es gibt keinen Unifach, wo man Pricing studiert. Das fällt immer ein bisschen zwischen den Stühlen runter. Und ich bin zum Thema Pricing gekommen. Nach dem Abi habe ich mir überlegt, ich möchte irgendeine Mischung machen aus Psychologie und Analytik. Und das ging dann bei der Studienwahl los, dass ich überlegt habe, wo kriege ich das abgebildet und bin dann am Ende bei BWL mit Informatik gelandet, wo ich sozusagen die psychologische Komponente in der BWL gefunden habe in großen Bereichen neben der Zahlenwelt natürlich und mit der Informatik die Analytik abgebunden und bin nach der Uni in die Beratung gegangen.
Habe bei bei BCG 2006 gestartet und habe mich in der Zeit schon auf das Thema Pricing über die Projektarbeit spezialisiert und habe dann auch beschlossen, eigentlich ist es super spannend, ich würde da gern mehr erfahren und habe mir dann auch eine Auszeit gegönnt, um zum Thema Pricing zu promovieren und habe da zum Thema Behavioral Pricing promoviert. Dazu gleich später auch noch mal eine kleine Anekdote. Nach einer gewissen Zeit eine Beratung auch gesagt, okay, es ist schön über Preis zu sprechen, aber es wäre auch mal viel spannender selber Preise zu setzen. Ich bin 2014 dann raus und ähm habe eine Pricingrolle bei Z Plus übernommen und habe dort in der Zeit eigentlich aus Mangel an fertiger Software ein eigenes Pricingtool mit meinem Team zusammenwickelt, mit dem wir dann nach 2 d Jahren auch mehr als 80% der Preise automatisieren konnten.
Und 2018, dann war der Punkt, wo ich das Gefühl hatte, jetzt habe ich wirklich jeden Stein einmal umgedreht und möchte das Thema Pricing noch weiter skalieren und bin daher wieder zurück zu BCG und habe diverse Male Pricing Tools geholfen mit auszuwählen, mit dem Kunden gemeinsam Custom zu entwickeln und habe in der Zeit Quick Lizard kennengelernt. Jetzt schließt sich sozusagen der Kreis und festgestellt, eigentlich ist das doch eigentlich genau, was ich machen möchte. Und anstatt jedes Mal das Rad neu zu erfinden, gibt's dort bereits ein Rad, dass man noch besser machen kann. Und entsprechend bin ich jetzt seit Anfang des Jahres in der Rolle üsverantwortlich bei Quick Lizard und baue Pricing Tools. Also, wir hatten ja schon mal ein Vorgespräch und ich erstelle gerade unglaublich viele Parallelen in der Vita fest, die ich beim ersten Mal nicht festgestellt habe.
Also Wirtschaft in Informatik, dann ins Pricing, in die Beratung gekommen, dann operativ gearbeitet, wieder in die Beratung zurück. Also ich glaube, ich kenne meinen nächsten Job. Irgendwo wollte ich dann in in der Pricing Software landen, aber nein, bei High gefällt es mir noch ganz gut. Ein bisschen was haben wir ja noch vor. Du weißt ja, wie es so ist, wenn man etwas anteasert, dann muss man jetzt auch liefern. Also jetzt warten wir auf den Fun Fact aus der Disser. Genau. Also, ich habe auch wieder versucht, die Kombination hinzukriegen, Analytik und Psychologie und entsprechend dann bin ich auf das Thema Flatbredoßen, das mich gefesselt hat und habe dann auch entsprechend die Forschung dort gewählt. Und Flatrad Bias besagt im Endeffekt, dass es entgegen der Ökonomie ist, Konsumenten wählen eine Flatrate, obwohl sie mit Payper Tarifen Geld gespart hätten.
Und da gibt's diverse Erklärungen aus der Verhaltenswissenschaft. äh im Endeffekt Effekte wie der Insurance Effekt, dass der Konsument sich absichern möchte gegen einen zu hohen Kostenfaktor, der aus der überintensiven Nutzung entstehen kann oder den sogenannten wo der Konsument sagt, er ist zu faul, er möchte auch nicht der Convenience Effekt, sorry, ich verwechsel ihn fast oder Taximeteffekt, wo der Konsument eben nicht bei jeder Minute telefonieren an die Kosten denken möchte. Das sind sozusagen die verschiedenen Gründe, warum es dazu kommt. Und am Ende des Tages ist der Flatrad B eine tolle Sache, weil er ist stellt eine Win-Win Situation da.
Der Kunde freut sich aufgrund dieser Effekte, dass er sorglos konsumieren kann und die der Anbieter freut sich, da ja statistisch gesehen teilweise 60 bis 80% der Flatrad Kunden mit Paypius Geld gespart hätten und somit der Anbieter quasi mehr Geld verdient, als er eigentlich verdienen dürfte. soweit die Theorie und die Forschung dazu. Und dann habe ich seiner Zeit spannenderweise beobachtet, wie O2 den O2O Tarif gelauncht hatte und über die Zeit betrieben und dann aber auch wieder vom Markt genommen hat. Und meine Vermutung ist, der war einfach zu gut, um wahr zu sein.
Ähm O2O seiner Zeit war ein Payper Tarif bis zu einem gewissen Cap value und das nannten sie damals den Kosten Airback und ab diesen Wert war es eine Flatrate und somit haben sie quasi genau den Teil der Zahlungskurve abgeschnitten, an dem eigentlich sie Geld verdient hätten, nämlich diesen Payper Bereich unten, wo der Kunde zu wenig nutzt, aber mit der Flatr zu viel zahlt und sondern haben dem Kunden quasi die Kosten erlassen für die Unternutzung und haben ihm dann Kosten Airbag und damit die Flatrad gegeben für die Übernutzung. Also aus Unternehmensicht sozusagen worst of both worlds, aus Konsumentensicht best of both worlds. Okay, aber warum nennt man den Cap den Airbag? Weil das bläst sich doch eigentlich auf und wird viel mehr. Aber wahrscheinlich irgendwann ist der Airwack voll und dann ist das Ende erreicht.
Vielleicht ist sozusagen das Payper ist die in die Inflation in den Airweg hinein und dann der maximale Ballungsmoment ist dann die Flat Rate. Aber gute Frage. Es klingt wahrscheinlich sowohl aus Pricing Sicht als auch aus Kommunikationssicht superoptimal. Ich habe selber ein paar paar Telcrjekte aufgemacht. Ich mich früher schon ewig her bei Skype, wo man dann so Voiceover IP Pakete gekauft hat und wir mit erschrecken festgestellt haben, dass irgendwie 50% der Paketen nicht genutzt wurden, teilweise sogar mehr in den großen Paketen. Also ähm ja, da haben die Leute gerne die Pakete gekauft, wo sie mit Pay Go deutlich besser gefahren werden. Also, das kann ich bestätigen. Ich glaube, in der heutigen Zeit äh kennen die meisten Menschen schon gar keine Payper Tarife mehr. Heute ist ja alles flat. Ey, die kommen wieder.
Also in KI jetzt, wo du die ganzen Credits kaufen musst, eher noch ein B2B Thema, aber kann auch wieder B2C werden. Da kommt das Thema deutlich zurück. Also, das hat ja so von e ich kaufe Software hin zu ich miete Software und jetzt hast du mehr und mehr Payeruse Anwendung wieder gerade aufgrund der der großen Datenverwendung und das ist natürlich schon ganz spannend, weil tatsächlich solche Modelle aus meiner Sicht auch wiederkommen. Ich weiß nicht, wie es bei euch ist bei Quick Lizard. Wir können ja nachher noch übers Preismodell sprechen, äh aber da werden sicherlich, das wird sicherlich auch abhängig sein von einer gewissen Metriken und einer gewissen Größenordnung. Aber fangen wir mal vorne an. Ähm erzähl doch mal vielleicht ähm was Quick Lizard macht und ja, wo die Firma herkommt so historisch. Ja, tatsächlich ähm hat sich einiges getan in der Historie von Quick Lizard.
ähm gegründet wurde das Unternehmen vor über 10 Jahren und seiner Zeit als Price Crawler, also Wettbewerbspreise im Internet abgrasen. Ähm das Team hat aber dann recht schnell festgestellt, dass Price Crawling immer mehr und mehr Commodity ist und der echte Mehrwert in dem liegt, was man mit den gecrollten Preisen denn machen kann, also die eigenen Preise ändern entsprechend und entsprechend wurde dann das Crawling komplett eingestellt und so gesehen kam es eigentlich zu einer zweiten Geburt von Quick Lizard in 2018.
Seitdem ist nämlich die Software rein auf Pricing und AI fokussiert und nutzt quasi Crawling Daten, die entweder die Kunden selber schon haben und einbringen, weil sie selber crawlen oder weil sie bereits ein Dienstleister haben oder was wir in den vielen anderen Fällen machen, dass wir sozusagen als eine Endto-End Lösung an auftreten und dann im Hintergrund Calling Dienstleister wiederum anbinden und damit die Daten auch den unseren Kunden zur Verfügung stellen. hat natürlich den Vorteil, dass wir dann weltweit je Kategorie jeweils die Spezialisten kennen und auch anbinden können und ähm damit quasi ähm ja den best das beste Service Level bieten uns selber aber dann wirklich rein auf das Thema Preis Optimierung und Automatisierung fokussieren und branchenmäßig ist das dann Händler Hersteller oder auch andere Branchen? Genau. Äh alles.
Wir machen sehr viel für Händler gerade in dem Kontext eben von äh Multiry Pricing Direct to Consumer ähm aber natürlich ganz klar Händler online offline Multiannel. Ähm das ist eiglich der Fokus. Wir haben tatsächlich wir tun auch Airlines und Hotels in unserer Plattform. Das war ursprünglich gar nicht der Plan. Ähm aber wir haben festgestellt, das passt eigentlich ziemlich gut. Ähm, anstatt der Produkte im Regal sind es im Endeffekt dann einfach die Routen oder die Übernachtungen an den entsprechenden Kalendertagen und nachdem unsere Software ähm Attributbasiert funktioniert, das Wort kommt vielleicht heute noch mal ein paar mal vor.
Das heißt, alle möglichen Attribute, die ein Produkt oder eben eine Route beschreiben, werden in der Software genutzt und angezeigt und können in den Algorithmen verwendet werden, lässt sich das eben wunderbar auf das ganze Thema Yield Management auch anwenden. Das heißt, Load Factor, Time to Flight sozusagen, das sind alles Attribute, die dann der Algorithmus wiederum verwertet, um entsprechend die Preise zu optimieren.
Okay, das heißt, Crawling ist so ein bisschen der Nukleus und wird wahrscheinlich immer noch verwandt, aber der Kern der Lösung ist dann die Preisoptimierung und die kann wahrscheinlich bei den Airlines noch ein bisschen dynamischer sein, weil sich ja quasi jeden Tag die die Auslastungssituation und die Time to Flight verändert und ich nehme mal an, bei den Markenherstellern oder Händlern ist es vielleicht nicht ganz so so häufig oder wie häufig wird da schon so ein so eine Preisoptimierung Das kommt dann eben ganz auf die Kategorie an.
auch hier äh ich meine sozusagen die Inspiration kam ja von der Airlinebranche, das ganze Thema Dynamic Pricing und es dann in den Handel erst später rüber geschwappt und die ersten Händler, die damit angefangen haben, war aus der Not heraus der ganze ähm Consum Electronics Bereich und entsprechend sind das auch die Kunden, mit denen wir am dynamischsten bepreisen, teilweise wirklich minütlich die Preise adjustieren für die KVI. Ähm und dann gibt's jetzt aber auch immer die, sagen wir die spätstartenden Branchen. Äh tatsächlich Fashion und Grocery kam eher später ins Spiel rein, aber so haben wir auch entsprechend eben unser Portfolio an Kunden aufgebaut. Also wir haben Händler von John Lewis in UK bis Sephora, die machen ja Perf und und eher so in dem Beauty Fashion Bereich.
Wir haben aber auch große Marken wie IKEA, Samsung oder WLPOL im Bereich Direct to Consumer Pricing in diversen Ländern sind wir mit denen aktiv. Spezifisch im deutschsprachigen Raum arbeiten wir mit Talia oder Intersport zusammen, diversen anderen Playern, die namentlich nicht genennt genannt werden wollen. Äh in Tages ist das ja auch ein bisschen die das Geschäftsgeheimnis von den Händlern, aber machen im Endeffekt alles von von Hundefutter bis Campingbedarf. sind aber auch dann alles Firmen, die jetzt nicht irgendwie 3 Millionen Jahresumsatz mal haben, sondern macht schon Sinn, eine gewisse Größe, eine gewisse Komplexität zu haben. Länder, Marktplätze, Kanäle ist wahrscheinlich alles Omnichannel. Viele der genannten Companies sind glaube ich online und offline. Also das ist schon der Sweet Spot, über den wir bei euch reden. Genau.
Also wir haben reine Onlineer, wir haben reine Offliner, aber der Großteil ist Multiannel, sagen mal ab 50 bis 100 Millionen Euro Jahresumsatz geht's in der Regel los, dass es wirklich Sinn macht, eine eine komplexe Lösung auch einzubauen. Wir haben auch Kunden, die in die in die mehrere Milliarden Umsatz gehen. Ähm, also da sind wir gerade gerade was Enterprise Readiness angeht, sind wir ziemlich Kannst du ja, wir sind ja unter uns, ne? Ich habe ja mal kurz pausiert die Aufnahme. Wer wer macht aus deiner Sicht so im Handel das Pricing mit oder ohne euch richtig gut? Also weiß nicht, gute Regeln, schön differenziert, einheitlich über alle Kanäle, alles wo Pricer Herz irgendwie lacht. Wer fällt dir da als Benchmark ein? Ich möchte jetzt keinen Namen nennen. Wir haben in den Nordics ein eine starke Konsum Electronics äh Handelskette, die online und offline agiert.
Und das sind eigentlich unsere Lieblingskunden aus zwei Gründen. Die nutzen alle Funktionen der Software und sind aber auch die, die immer mit neuen Ideen für weitere Funktionen kommen. Ähm, das heißt, die sind für uns auch noch Innovationsmotor und zugleich äh Parade Beispiel dessen, was man eben aus Pricing rausholen kann. Ähm, das sind mir natürlich die liebsten Kunden, weil dann macht es auch richtig Okay. Und jetzt erzähl vielleicht noch mal so ein bisschen, es gibt ja viele da draußen. Wir hatten ja auch schon mal über Seven Learnings hier gesprochen, die vielleicht in einem ähnlichen Segment sind, Comera und Co. Ähm, was sind so eure USPS, mit denen ihr an den Markt geht? Genau, also wir reden immer von unseren vier äh USPs, die wir haben. Ähm, ich fange mit den äh mit dem ersten Mal an. Ähm, das ganze Thema AI, da ist unsere Philosophie, wir bieten das Beste aus beiden Welten.
Das heißt, wir haben sowohl regelbasiertes Pricing als auch künstliche Intelligenz. Und unserer Erfahrung nach ist es eben am wichtigsten eben die beiden im Zusammenspiel auch ähm zu aktivieren. Regelbasiert ist einfach aus dem Grund wichtig, es gibt Herstellervorgaben, die berücksichtigt werden müssen, unternehmensstrategische Anforderungen, wie ich die verschiedenen Kategorien bepreisen möchte, welche Rahmenbedingungen, welche Korridore eingehalten werden müssen. Und innerhalb dieser Rahmenbedingung dann wiederum ist KI natürlich die Möglichkeit ähm das sogar den den Category Manager oder Pricing Manager zu hinterfragen und zu challengen und einfach die Daten sprechen zu lassen und aufgrund der Optimierung andere und bessere Preise herauszufinden.
Und das ist wirklich genau die Kombination, die die wir als klaren Webwerbsvorteil sehen, ähm dass wir eben beides anbieten und die Kunden ähm sehr transparent in diesem äh in diesem Umfeld mit diesen beiden Hebeln auch agieren können. Ähm und das ist ein einer unserer wichtigsten Punkte, die wir immer in den in den Features betonen oder auch in der Implementierung dann Darf ich mal Fragen zwischendurch, du erzählst gleich wahrscheinlich noch die anderen drei USPS, aber so hast du ein Gefühl, wie viel der deutschen Händler, also gerade so Großunternehmen, von denen du auch gesprochen hast, tatsächlich schon so richtig KI basiertes Pricing haben oder oder vielleicht auch andersrum gefragt, wie viel noch ein rein regelbasiertes Pricing haben? Ich würde starke Hypothese, dass die Mehrheit noch regelbasiert arbeitet.
Ähm allgemein, wenn ich mir anschaue sozusagen Pricing Maturity von Händlern sind die meisten ja noch auf der Stufe Excel äh womit ja selbstredend wenig KI in Zur eins zum Einsatz kommen sollte. Ähm ist natürlich auch immer so ein Basswort, was ist jetzt KI, was ist jetzt Machine Learning, was ist einfach nur Advanced Analytics? Aber der die Mehrheit der Händler, die wir ähm also natürlich sowieso die wir sehen als äh Kunden starten natürlich von der niedrigeren Baseline. Ähm die Kunden, die dann wiederum mit uns arbeiten, haben eigentlich alle eine Mischung äh dieser beiden äh Konzepte dann im Einsatz. Manche 8020, also 80% regelbasiert, 20% KI, manche sind schon bei 5050.
Wir wir sehen Pricing immer als eine Journey und entsprechend ist es auch wichtig, dass man gemeinsam diese Journey dann beschreitet und eben sukzessive eben die KI einsetzt und nutzt, um eben die Preise besser zu optimieren. Okay, also wahrscheinlich noch kleine Anzahl vor allen die großen Companies und die halt mit Software wie mit euch arbeiten, aber ähm wahrscheinlich beginnt es mit regelbasiert und dann wird immer mehr Intelligenz reingepackt. An der Stelle vielleicht auch noch mal eine kleine ein kleiner Ausflug. Ich bin immer auf diversen Preis Konferenzen und Round Tables unterwegs und vor 4 F Jahren war großer Artikel, ich weiß nicht, war es der Stern oder der Spiegel, wo Screenshots gezeigt wurden, wie dynamisch die Airlines ihr Pricing betreiben. Ähm und sogar unterschiedlich je Device, jeder je Betriebssystem, wie oft derselbe Flug gesucht wird, ändert sich der Preis.
Und ich habe damals mit den den der der Firma gesprochen, die die Software macht, die diesen spezifischen Airlin Preis berechnet hat und die sagten, das ist spannend, wir würden das gerne können, aber wir können das tatsächlich heute noch nicht. Und oftmals ist dann einfach der Zufall dazu gekommen, dass gerade eine Buchungsklasse frei geworden ist und sich deswegen der Preis auf dem anderen Device geändert hat. Deswegen hast ja so oft alle reden über AI, aber noch nicht so viele setzen sie wirklich ein und dann wann ist denn AI wirklich AI? Von daher genau, da muss man auch realistisch bleiben. Ähm, aber wir sagen eben, es muss eine Journey sein und ich nehme die Kunden mit und AI ist natürlich eins der ganz zentralen äh Hebel hier an der Stelle. Aber das vielleicht der der Exkurs ist auch noch mal spannend.
Wir haben das ja diesen Mythos, ne, mit verschiedene Devices, mobile gegen Desktop und Android gegen iOS und so weiter auch schon mal ein bisschen aufgedrüselt. Kannst du uns das erklären, warum es nicht geht? Denn natürlich könnte man ja die Daten nutzen, die wenn man weiß, hey, das ist jetzt hier der Fabian, promovierter BWLer, führende Position, arbeitet im guten Unternehmen, dem schlagen wir jetzt mal ein Preis auf, auch für seine Airline. Guckt er zum dritten Mal rauf. Ähm, warum geht das denn vielleicht noch nicht? Also spezifisch im Airlinebereich ähm war es seiner Zeit so, dass die Airlines alle noch mit den Buchungsklassen der entsprechende 26 Buchstaben arbeiten. Das heißt, ich habe nur 26 Preise, die ich bespielen kann.
Äh und davon fallen auch schon mal zehn für irgendwelche internen Preiscodes weg und dann bleiben am Ende vielleicht noch netto irgendwie 16 Preise üben, dich übrig, die ich nutzen kann. Und das alleine war sozusagen eine Verhinderung, dass quasi die IT-Infrastruktur über dieses, ich glaube es Amadeus Booking System, wenn ich mich nicht täusche, im Hintergrund nicht in der Lage gewesen ist, seiner Zeit das zu ermöglichen. Das ist ein wirklich das klingt wie Jahr wie das Jahr 2000 Problem. Das ja völlig absurd. Es ist aber jetzt auch schon auch 5 se Jahre her. Die Diskussion, die ich damals geführt habe und der Artikel, das hat sich in einigen Bereichen aufgelöst. Ich glaube, die Buchstaben wird immer noch verwendet, aber natürlich, wenn die Airline selber die Buchung auf ihrer Homepage macht mittlerweile, dann können sie das Problem umgehen.
Das heiß nur, wenn das über diese zentrale Buchungsplattformen läuft, haben Sie das die Limitierung mit den 26 Buchstaben. Wenn Sie selber Direct to Consumer verkaufen, äh ist es schon deutlich flexibler. Aber auch im Handel hast du natürlich Beschränkungen. Du kannst das äh siehst du beim Thema Preispersonalisierung nach Device. Du siehst es aber auch beim Thema ähm kann ich AB Tests machen parallel und live mit mehreren Preisen. Am Ende kann ich vieles auf der Homepage modifizieren und manipulieren, aber am Ende muss es irgendwo übers EP System abgerechnet werden. Und das ist dann oftmals noch die der Bottleneck, dass die Webseiten in der Lage wären, da viel dynamischer, viel personalisierte Preise anzuzeigen, aber wenn es am Ende in die Rechnungsstellung läuft, wird d selber Preis berechnet.
Wir haben auch tatsächlich schon ein Kunden gehabt, der damit experimentiert und gesagt hat, okay, dann zahlen einfach im alle am Ende alle weniger, aber wir haben zumindestens mal für die Testphase, um sozusagen zu lernen, ähm festgestellt, dass auch manche Kunden bereit sind zu einem höheren bereits zu kaufen. Das heiß, die Elastizität konnte aus so einem AB-Test gemessen und geschätzt werden, aber am Ende sind alle Kunden in den Genuss des günstigeren Preises gekommen. Also, da gibt's nach wie vor Legacy Themen einfach, was die IT Infrastruktur angeht. Das ist ein weniger unser Problem als Softwareanbieter. Wir sind da, wir arbeiten ja Multiannel, wo wir auch dann auch gleich beim zweiten USP sind und für uns ist im Endeffekt jedes Device oder jeder Loyalty Kanal einfach einen Kanal in der Software, den wir separat bespielen können.
Die Frage ist quasi nur, kann dann der entsprechende Handelskunde das auch separat abrechnen und bepreisen gegenüber dann der der Rechnungslebung gegenüber dem Kunden. Ah, okay. Weil den Gedanken hatte ich eben auch, weil du meintest ja Omnle by Nature quasi. Ähm, ich glaube jetzt bei, wenn ich jetzt mit Marktplätzen arbeite, ob es Amazon oder Idealo oder irgendwas ist, da schiebe ich ja den CSV Feed meistens ja auch nur einmal am Tag rüber. Ähm, aber das heißt, wenn ihr minütlich bepreist, dann ist das primär wahrscheinlich der eigene Kanal und dann hat man paar Restriktionen bei Marktplätzen und Drittvertrieb, um das dann auch entsprechend anzuschließen. Genau. Also Omn bei Nature heißt für uns im Endeffekt oder für uns ist eigentlich alles ein Kanal, was einen anderen Preis bekommen soll, üblicherweise online oder offline in verschiedenen Ländern.
Das heißt, wenn ich in 10 Ländern aktiv bin, mit zwei Kanälen, hätte ich schon äh 20 Kanäle, die ich bepreise. Manchmal aber auch bin ich im selben Land äh mit unterschiedlichen Bannern als Retailer aktiv. Ich habe vielleicht einen Discountkanal und ich habe ein Premiumkanal und da sind wir halt in der Lage, das Pricing für jeden Kanal entweder eigenständig ähm zu definieren oder in Abhängigkeit eines anderen Kanals. Das heißt, Kanal A wird zuerst bepreist und dann bekommt Kanal B einen Preis äh als Derivat von Kanal A oder auch eine Mischung aus beiden, dass ich sag, beide Kanäle werden unabhängig bepreist, aber am Ende gibt's noch mal einen Harmonisierungskorridor, dass die Preise nicht zu stark abweichen. Das ist letztendlich eins der der Features, dass wir haben, sowohl im UI als auch eben in der in der Regelsetzung, wie wir sehr effizient mehrere Kanäle beisen bespielen können.
Und das ist auch aus der sag mal Preis Fairness Perspektive in in meinen Augen eigentlich der beste Kompromiss und der beste Weg, wie ich Preisdifferenzierung nutzen kann als Händler, um eben meine Umsätze, Absätze, Margen zu optimieren, ohne aber ein preis fernes Problem zu bekommen, weil sobald ich in die Personalisierung gehe, muss man schon sehr gut überlegen, welche Faktoren ich da nutzen möchte, dass nicht irgendwo dann doch einmal ein Zeitungsartikel auftaucht und ich dann gebrannt werde als jemand, der gewisse Kundengruppen diskriminiert. Deswegen finde ich persönlich das Thema Kanal eigentlich den idealen Kompromiss zwischen Differenzierung und auf der anderen Seite eben Preisfairness. Und auch da eben habe ich dich um eine Schätzantwort gebeten. Das versuche ich noch mal. Wie viel der der großen Händler machen so eine kanalbasierte Preisdifferenzierung?
Also Beispiel Direct teurer als Google Shopping oder Idealo, um nur ein Beispiel zu nennen. Vielleicht gibt's aber auch andere. würde schätzen ein Viertel vielleicht, die ähm differenziert über die verschiedenen Onlinekanäle ausspielen oder sogar fast weniger. Also, es kommt stark auf die Branche an. In der in der Pharmbranche ist das fast äh unmöglich, ohne diese Differenzierung zu leben und zu arbeiten. Also, wenn ich da nicht auf der Vergleichsseite einen besseren Preis habe, bekomme ich keinen Traffic mehr. Also Doc Morris Shop Apotheker und solche Player, solche Geschichten. Genau. Ähm in anderen Kategorien ist es deutlich weniger üblich. Also im Endeffekt korreliert wahrscheinlich einfach auch stark mit der Wettbewerbsintensität der entsprechenden Kategorie. Ähm Electronics ähm hat man es oft gesehen.
Ich habe das Gefühl, da nimmt es wieder ab ähm diese Preisdifferenzierung nach Kanälen, einfach weil es eh schon so hochdynamisch ist. Ähm Pharmaprodukte ist tatsächlich eine der Kategorien, wo ich es am stärksten sehe. Okay. Ja, spannend. Ähm sind bei zwei von vier. Langer Pitch. Mal sehen. Äh ich bringe dich regelmäßig aus dem aus dem Konzept. Mal sehen, ob du wieder reinkommst. Was sind noch die zwei anderen ähm USPS von Quick Lizard? Genau. Wir kommen zum dritten Punkt und äh das Zeug ja, es ist ja kein Pitch, sondern es ist ja eine tiefgreifende inhaltliche Diskussion. Von daher finde ich es klasse, dass wir auch äh hier gleich die Diskussion immer aufgreifen. Äh als Drittes sind wir sehr stolz darauf, eine offene Plattform zu sein. Und was meinen wir mit offener Plattform?
wie genau wie die beiden Worte im Endeffekt sagen, offen zum einen, dass wir uns nicht als Blackbox verstehen, die auf magischer Weise den perfekten Preisberechneten ausspuckt und am Ende versteht ihn keiner mehr. Bei uns hat jede Preisempfehlung einen Entscheidungsbaum, der zurückverfolgt werden kann, an dem ich auch verstehen kann, warum der Preis wie folg gesetzt worden ist. Und das ist natürlich super wichtig für die Akzeptanz der Preisvorschläge seitens der P&L verantwortlichen. Also als Category Manager muss ich ja gegenüber dem Hersteller, aber vor allem gegenüber meiner Firma in der Lage sein zu erklären, warum ein Preis wie folgt ist. Ähm und das ist auch super wichtig. Es heißt jetzt nicht, dass die Preise deswegen ähm primitiv berechnet werden müssen. Das heißt vor allem, dass halt der die Rechenlogik nachvollziehbar sein muss.
Das natürlich mit der in Verbindung mit KI nicht mehr ganz so trivial, aber da haben wir einen ganz guten Kompromiss gefunden, wie eben dann sozusagen der KI Preis innerhalb dieses Korridors ähm entsprechend entlang des Entscheidungsbaums dargestellt wird. Ja, gut. Kannst du da mal ein Beispiel geben, weil das würde mich auch wieder interessieren. Wir können ja mal ein Elektronikprodukt nehmen, da hast du wahrscheinlich Kosten. Du hast wahrscheinlich irgendeine Conversion Rate im Handel, du hast wahrscheinlich irgendwelche Herstellervorgaben und dann hast du natürlich sehr viel Traffic, der dir irgendwie hilft, den richtigen Preis zu finden. Kannst du vielleicht da mal so ein Beispiel machen, wie dann das wirklich dargestellt wird, warum ein gewisser Preis genannt wird?
Jetzt hoffe ich, dass ich keine Inkonsistenz äh in meine kurzen Beispiel darlege, nehmen wir mal an, ich starte bei dem Preis A und dann würden jetzt die einzelnen Einflugsfaktoren den Korridor sozusagen aufspannen. Also ich sag, ich möchte, ich muss niedriger als die UVP sein, ich muss höher als meine minimale Marge sein und dann schaue ich mir den Wettbewerb an. Ich möchte zwischen Rang 1 und Rang 3 agieren, weil es ein KVI ist und entsprechend die Preis Image Wirkung sehr wichtig ist. Aber innerhalb dieses Korridors, der sich dann ergibt aus diesen Rahmenbedingungen, dann optimiere ich jetzt in dem Fall wahrscheinlich auf äh Umsatz. Ich habe ja von dem KWI gesprochen und nehmen den Preis, der mir die maximale ähm den maximalen Umsatz liefert. Und das werden jetzt auch im Endeffekt die Blöcke, die dann in unserem Entscheidungsbaum auftauchen würde.
Und am Ende kann natürlich noch mal eine Entscheidung gekommen sein vom Category Manager, dass der Preis noch mal gerundet werden soll oder eben auch nicht gerundet werden soll, was bei dem KWI vermutlich eher der Fall ist. Und das wenn es die einzelnen Schritte, wo es dann heißt Preis wäre so, aber dann hat diese Regel gegriffen, er wurde korrigiert. Dann hat die nächste Regel gegriffen, wurde korrigiert und dann kam der Korridor raus und innerhalb des Korridors haben wir die Elastizität nutzen können und haben wir jetzt auf Umsatz optimiert. Und die Elastizität ist der KI Teil oder? Weil das klingt viel nach Regeln, was du gerade beschreibst. Ja, genau. Das kommt jetzt eben drauf an, was es jetzt für eine Logik ist.
Das wäre jetzt in dem Fall der der KI Teil, weil dann die Schätzung der Elastizität ähm zumindestens in dem Modell berücksichtigt hat, die Historie, wie sich Wettbewerbspreise auf die eigenen Absätze und eigene Preisänderung auf die eigenen Absätze ausgewirkt haben. Ähm genau das wäre jetzt ein Beispiel dafür. Also ganz wichtig, höre ich da aber dennoch raus, die Regelaufstellung vorne ist schon wichtig. Also sei es kostenbasierten Wettbewerbsposition KVI versus Longtailem und so weiter. Also da muss schon vorne mal ein Preisstratege ran, der das einmal vernünftig aufsetzt, das Regelwerk oder ist das Teil von so einem Onboarding Prozess bei euch? Ich glaube, du nimmst mir die Worte aus dem Mund. Äh tatsächlich helfen wir natürlich, unterstützen wir da und haben da auch einen Haufen Erfahrungswerte.
Ähm, es ist aber nicht nur ein Teil, ein Schritt wichtiger Schritt sozusagen, um den Preis zu bestimmen, es ist auch ein wichtiger Schritt der ganzen des ganzen Change Management Managements. Ich muss ja auch die ganzen Leute mitnehmen und die müssen verstehen, was passiert. Ähm, das heißt, allein die Übung, um gemeinsam zu besprechen, welche Faktoren sind wichtig, worauf kommt es an, welche Parameter müssen berücksichtigt werden, die sind einerseits wichtig, um den mathematisch Preis ein Preis zu errechen, der quasi in dem in dem realistischen Korridor stattfindet.
Aber zum anderen auch wichtig, dass äh die die Mitarbeiter der Firma gehört werden und äh ihr Input aufgegriffen wird und dass sie dann am Ende auch das Gefühl haben, Codeveloper der der Pricing Algorithmik zu sein, was wiederum am am Ende dann die Akzeptanz massiv steigert und das ist uns einfach auch super wichtig, dass eben die verstanden werden und die auch akzeptiert werden. Wir haben zu oft Implementierungen ist auch meiner Vergangenheit bei in der Beratung oft Implementierungen gesehen, da ist vielleicht der perfekte Algorithmus angewandt worden. Es kam super Preise raus, aber über die Zeit wurden immer mehr und mehr Vorschläge durch die Mitarbeiter interveniert und äh zurückgewiesen und Automatisierungen umgangen und ausgesetzt und das funktioniert halt am Ende nicht.
Dann kommt dann der suboptimale Impact raus versus wenn ich sukzessiv starte, die Intelligenz zu erhöhen über die Zeit und die Mitarbeiter mitnehme, habe ich genau den gegenteiligen Effekt. Dann steigt quasi die Akzeptanz über die Zeit und sinkt nicht über die Akzeptanz. Okay, das heißt, mein gut ist jetzt eine Loaded question, die wirst du sicherlich bejahen, aber ich glaube bei so einer Pricing Software hast du immer ein bisschen die Gefahr, die die Anwender zu verlieren, indem sie vielleicht äh von Strategen nur noch Knöpfedrücker werden. Ähm und ganz wichtig ist, glaube ich, hier die Transparenz, die du zeigst, dass dann wirklich auch nachgeschärft werden kann über Personen und vielleicht weiß nicht auch Empfehlung gegeben werden, um dieses Regelwerk mal zu überarbeiten.
Das heißt, der Pricing Manager sieht auch, was da passiert und kann auch dementsprechend aktiv sozusagen mitwirken an der an der Genau. Ich glaube, da ist auch sehr wichtig innerhalb des Händlers dann, dass man es organisatorisch sauber aufsetzt. Also was die Software natürlich unterstützt, dass ich unterschiedliche Regeln habe äh ja, sag mal, wie sagt man Nutzer Nutzerrollen habe. Rollen war das Wort, was ich gesucht habe. Das heißt, es gibt Leute beim Händler, die sind dafür verantwortlich, das Regelwerk zu orchestrieren, nicht dass irgendwo Wildwuchs entsteht, nie da seine eigenen Ideen einbringt und alles manipuliert und ändert.
Und dann gibt's den anderen Teil, die anderen Rollen, die Category Manager üblicherweise, die nach dem ersten Onboarding, wo sie noch Teil der Lösungsentwicklung sind, dann aber vor allem Konsumenten der Lösung sind, die aber dann eben durch die Transparenz wiederum nachvollziehen und verstehen, warum der Preis wie folgt vorgeschlagen wurde und die aber auch die Beruhigung Beruhigt haben und das wissen, dass die Logik nicht irgendwo vom Himmel gefallen ist, sondern dass die eben mit dem eigenen Team zusammen entwickelt wurde und den Gütesiegel bekommen hat. Und das hilft ihm ganz stark bei der Akzeptanz und beim Vertrauen. Okay. Und äh ja vier USPs versprochen. Äh insofern eins fehlt, glaube ich, Eins fehlt noch und ich bin vor allem noch bei der offenen Plattform nicht an die an das zweite Subteil gekommen.
Im offen haben wir gerade gesprochen und Plattform ist der zweite Punkt, der uns sehr wichtig ist. Wir haben festgestellt, ähm, dass wir mit unseren Offshelf Regeln 80 bis 90% aller Uscases schon abdecken können und die fehlenden entwickeln wir natürlich laufend weiter und verbessern die Software. Nichtsdestotrotz gibt's hier und da immer wieder so spezifische Anforderungen, die der Kunde eingebaut haben möchte, dass wir gesagt haben, wir sollten den Kunden auch die Möglichkeit geben, das zu tun. Also, warum sollen wir quasi sagen, wir sind hier ein ein hardcoded System und du kannst das Friss oder Stirb nutzen, sondern neben der Konfiguration des Regelwerks und neben der Aktivierung der AI Modulen an bestimmten Faden im Regelwerk haben wir immer noch die Möglichkeit sogenannte Custom Functions zu aktivieren.
Das heißt, der Kunde kann selber in dem Python Interface seinen eigenen Code schreiben. Es können ganz banale Dinge sein, wie irgendwie eine besondere Rundung oder das Übersetzen von Preisen, von Europisen in Buchstaben, weil ich die vielleicht für Booking Class oder sonst was nutzen möchte. Kann aber auch sein, dass der Kunde sein eigenes Data Science Team hat und hier ein ganz spezifisches Skript laufen lassen möchte, die dass die Preise und die Replenishment Algorithmen synchronisiert. Und das ist bei uns total einfach möglich. Da muss ich bin ich nicht gefangen in irgendeiner geschlossenen Plattform, sondern ich kann eigent kann selber programmieren im Python und kann dieses Script dann integrieren in die Software. Das schaut später für die Nutzer genauso aus wie der of the shelf functionality.
Also, ich merke dann als Category Manager gar nicht mehr, dass an dieser Stelle der Rhythmus einen eigenen Code von unserer eigenen Firma ausübt und nicht den Standard Quick Lizard Code. Und das ist auch eine Sache, auf die wir sehr stolz sind, weil wir damit wirklich in der Lage sind, 100% der US Cases abzudecken und vor allem den Kunden nicht fangen. Der ist bei uns nicht eingeloggt in das System und sozusagen für immer verhaftet, sondern ich ich verstehe manchmal eigentlich Quick Lizzard eher wie Excel. Es ist eine Tabellenkalkulation für Pricing, nur dass wir nicht Tabellenkalkulation sind, sondern ein eine Pricing Software, aber ich habe eben gewisse Formeln, die ich nutzen kann, wie in Excel. Und wenn ich an irgendeinem Punkt an die Grenzen stoße, kann ich ein VBA Script laufen lassen, was bei uns eben dann der Python Code ist. Von daher ist das ähm Open End, was ich machen kann.
Ähm, wenn das Ganze mir zu kompliziert ist, muss ich es natürlich nicht nutzen. Wir haben natürlich auch äh Solution Architects, die helfen und Techops, die helfen, diese Funktionen zu bespielen. Aber wir haben auch viele Kunden, gerade den Erwähnten vor in den Nordics, die da selbst sich programmiertechnisch austoben und dann ihre eigenen Funktionen kreieren. Und das finde ich natürlich super, weil damit ist es einfach ein lebendes System, das permanent verbessert wird und immer spezifischer sich auf den Kunden Okay, nice. Und die werden dann wahrscheinlich nach Entwicklerstunde von euch bezahlt, wenn Sie eure Lösung dann weiterentwickeln. Nein, wenn sie uns Genau. Wobei wir tatsächlich ja da eine Sandbox Environment haben. Wir haben ja auch einen ein NLP Interface in der Software. Das heißt, ich kann unserem Pricinguru Fragen stellen und der antwortet dann auf diese Fragen.
Und auch hier ist das natürlich alles ein geschlossenes System. Das heißt, auch die Elastizitäten und alle unseren Modelle werden nicht äh kundenübergreifend trainiert. Das heißt, jedes jeder Algorithmus wird nur mit den Daten des jeweiligen Kunden trainiert. Ähm einfach um da sicherzustellen, dass da sozusagen die Chinese Walls stabil bleiben. Okay, aber gecrawlette Daten, können die in irgendeiner Form weiter verwendet werden? Also, wenn jetzt drei verschiedene Händler, keine Ahnung, Amazon crawlen werden. Okay, schüttelst den Kopf, wenn wir hier ein Podcast Vide sind immer kundenspezifisch und am Ende des Tages hat jeder Kunde seine eigenen Daten. Ähm, wir da wir ja selber nicht crawen, sondern sie auch nur von dem Dienstleister anbieten oder anbinden. Wahrscheinlich crawt der Dienstleister nur einmal, aber hat sozusagen zwei Data Feeds für jeden Kunden individuell.
Auch manche Kunden nutzen die Datafeeds dann anders und splitten die noch mal auf in Marktplatz versus proprietärer Preis. Äh deswegen ist das alles individuell und Ach so nee, eins fehlt ja noch jetzt die die vi die vier machen wir noch voll, aber ich habe eine Frage, die die versuche ich mir jetzt mal zu merken. Okay, den vierte Punkt geht doch ganz schnell. Ähm, so schnell wie der Punkt nämlich ist, schnelle Implementierung 12 bis 16 Wochen, dann sind wir live und das war auch der vierte USP genauso schnell wie aber ab wann 12 bis 16, weil ich kenne ja durchaus äh äh große Daten äh Aufbereitungsprojekte, die ja Monate oder Jahre dauern können. Ähm also ab wann zählt die Uhr Die zählt ab Projektstart, aber natürlich ist vorausgesetzt, dass irgendwelche Daten vorhanden sind.
Also, wenn ich zumindestens mal Preise und Kosten bekomme, dann kann ich äh schon mal die die Software füllen und befüttern. Ist dann sozusagen mit diesen zwei Datenpunkten schon der perfekte Algorithmus implementiert? Sicherlich nicht. Ähm, aber wir sind da wirklich äh flott, was das ganze Thema eben Anbindung über die API oder über SFTP Upload angeht. Das haben wir schon hunderte mal gemacht und das geht wirklich innerhalb kürzester Zeit. Und dann auch wiederum unser Approach, wie wir mit den Händlern zusammen über Workshops die Strategie ähm detaillieren und entsprechend dann eben auch implementieren in der Software. Das haben wir auch schon hunderte Male gemacht und entsprechend geht es auch äh flott von der Hand. Ähm deswegen ja 16 Wochen sind wir live. Ist das jetzt schon voll ausgerollt über jede Kategorie in alle Ländern und ist das schon die letzte Ausbaustufe des Algorithmus?
rein, aber wir kommen eh irgendwann äh an dem Punkt, wo ich sage, Pricing ist ein permanent Prototyping. Ich finde den Begriff eigentlich ganz schön. Ich habe in Uni Uni gelernt, es gibt Rapid Prototyping. Ich finde Pricing ist permanent Prototyping. Ich werde eh nie fertig sein, weil es gibt immer äh neue Wettbewerbsaktionen, neue neues Marktfällt auf die, die man reagieren muss. Die KI entwickelt sich laufend weiter. Ähm Anforderungen sei es Omnibus Compliance entwickelt sich weiter. Entsprechend ist Pricing nie am Ende. Es ist eine eine lebenslange Journey sozusagen. Okay, aber dann habe ich nach 12 bis 16 Wochen den, sag mal, Initial Prototype fertig und das ist wahrscheinlich keine Ahnung, ein Land, ein Kanal.
gewisse Anzahl Produkte und dann kommen mehr und mehr, dann werdet ihr wahrscheinlich merken, wir müssen mehr klassifizieren, wir müssen mehr Datenpunkte, Attribute pro Produkt sammeln, wollen es auf mehr Kanäle ausrollen, wollen mehr Produkte, nicht nur KWI, sondern auch Longtail. Ich ich bin jetzt hier so rum, aber du nickst ein bisschen, also das geht dann wahrscheinlich klein los und wenn dann der Proof of Concept geschaffen wird, dann rollt ihr es weiter und weiter aus. Genau. Und das kommt natürlich auf den Kunden an, wenn es der Kunde eh nur in einem Land und mit einem Kanal aktiv ist, dann geht's wirklich flott. Ähm, in der Regel sind die Kunden, die in mehreren Ländern bei mehreren Kanälen aktiv sind, auch organisatorisch nicht die die agilsten Organisationen.
Das heißt, da haben wir auch manchmal von deren Seite eher das Problem, dass das Tempo nicht entsprechend gehalten werden kann. Ich sag mal sozusagen andersrum. An uns liegt's nicht, wenn es mehr als 16 Wochen dauert. Okay. Und was versprecht ihr? Was kommt typischerweise raus, also in Umsatz Marchensteigerung? Was sind so die typischen Benchmarks, den man rechnen kann? Also Umsatz erreichen wir in der Regel ähm um die 8 oder 10 % äh Steigerung. Beim Gewinn 3 bis 5 % sind übliche Hebel. Ähm natürlich viel viel weniger händische Arbeit bis gar keine händische Arbeit. Und auch noch mal ein Punkt, den man nicht unterschätzen darf, wir können natürlich den gesamten Produktalog regelmäßig bepreisen, was ja ohne ein Tool einfach unmöglich ist, dass man auch gerade im Longtail sich die Zeit nehmen kann, das Category Manager, um dort immer entsprechend aktiv zu sein.
Ist denn dann die Einführung von der Lösung tatsächlich ist der größte Gewinn ein besseres Pricing der Produkte oder die Effizienzsteigerung auf der Es kommt auf den Kunden an. Wir haben tatsächlich Kunden, die genau wissen, was sie machen wollen und auch aufgrund des Geschäftsmodells auch vielleicht gewisse Restriktionen haben. Gerade, wenn wir an den Bereich Direct to Consumer denken, da ist natürlich der Spielraum der Preisynamik und Differenzierung deutlich limitierter. Da zieht vor allem das Thema Preiskonsistenz und manuelle Arbeit wird reduziert deutlich stärker. In dem Bereich Konsum Electronics im Handel ist das Thema manuelle Arbeit weniger wichtig. Jahr geht's wirklich darum noch mal den letzten Prozent oder halben Prozent Punkt Profit rauszuholen, weil es einfach ein Bereich ist mit sehr niedrigen Margen.
Je niedriger die Marge, desto mehr äh rechnet sozusagen auch schon ein kleiner Hebel ähm hebt einen großen Effekt. Ähm du hast mal in einem Vortrag ähäh gesagt äh habe ich mit mit mir gemerkt, dass Preiselastizität nicht die Lösung für Preisgestaltung allein ist. äh sehr provokativ, weil ich glaube auch gerade viele Pricer und gerade die irgendwie im Retail arbeiten, sehr sehr stark auf das Thema Preisela gucken. Ähm sag doch mal, was du damit meinst. Genau, also mein mein Zitat, die Preiselastizität ist nicht der heilige Gral des Pricings. Warum sage ich das? Provokativ bewusst natürlich am Ende des Tages ist es natürlich ein ganz wichtiger Faktor und wir nutzen ihn natürlich auch. In der Theorie wäre die Preiselastizität die Lösung aller Probleme. Ähm, aber nur dann, wenn ich in der Lage bin, alle relevanten Einflussgrößen zu kennen.
Und da kann man sich ja schon vorstellen, bei vielen Effekten, die vielleicht in der Konsumentenpsychologie im Kopf vorgehen, die werde ich nie in der Lage sein zu messen. Ich kann natürlich Wettbewerbspreise messen, ich kann Lagebestand messen, ich kann Trends in Google abgreifen, aber es wird immer Faktoren geben, die nicht gemessen werden kann. Und dann ist der nächste Punkt ganz entscheidend, der vierte nämlich habe ich dann auch am Ende genügend Fallzahl äh um aus diesen Daten etwas statistisch signifikantes ableiten zu können, weil je mehr Daten ich erfasse, desto desto kleiner werden quasi die Zellen, die ich äh befüllt habe und desto schwieriger wird es natürlich dann auch ein statistisch signifikantes Ergebnis zu bekommen.
Und deswegen ist die Elastizität in aller Regel nicht flächendecken für den vollen Katalog vorhanden, sondern deckt in der Regel nur einen großen Teil oder einen gewissen Teil des Katalogs ab. Vor allem natürlich die schneller drehenden SKUs. Für den Rest kann man noch mit einer intelligenten und dynamischen Klusterlogik äh Elastizitäten schätzen. Ähm aber am Ende des Tages ähm ist die Elastizität einfach ein wichtiges Puzzelstück im gesamten Preisingrätsel, aber nicht die das alleinige Heilmittel. Glaubst du, wir kommen da irgendwann hin oder ist einfach aufgrund der großen Menge an SKUs und der der geringen, sag mal, Fallzahl, wie so ein Produkt gekauft oder auch gesucht wird, wird es ein wie die Suche nach dem heiligen Gral ein ewiger äh Wettlauf sein, der der nie erreicht wird? Ich glaube tatsächlich Letzteres. Ich erwarte da auch nicht die großen Wunder durch künstliche Intelligenz.
In meinen Augen sind die größten Disruptionen durch KI in Bereichen, wo ich mit Bildern und Sprache arbeite, sehr stark, weil das früher eben nicht möglich war, damit zu agieren. Pricing ist ein Bereich, der sehr stark mit strukturierten Daten arbeiten kann, mit Zahlen, die vorhanden sind. Deswegen ist sozusagen der Disruptionsgrad ähm naturgemäß etwas geringer. Nichtsdestotrotz eben, wenn es darum geht, neue Trends aufzugreifen, eben Google äh Search Information abzugreifen, ist es auf jeden Fall schon noch mal eine Möglichkeit noch granularer und noch mehr Einflussfaktoren zu erhöhen.
Aber genau am Ende des Tages aufgrund des des Long Tals und der langsamen Drehzahlen eines neu gelisteten Artikels, wo ja noch niemand genau weiß, wie der Konsument drauf reagiert, es wird nie eine volle Coverage geben, weswegen wir in meinen Augen einfach immer einen multimodalen Ansatz im Pricing brauchen, eine Mischung aus KI und Regeln aus Elastizität und Lagerbestand und minimalen Floor Prices aufgrund der Kosten. Das wird immer ein Mix Max Mischmasch aus diversen Themen sein müssen. Jetzt hast du ja vorhin gesagt, dass viele auch Elektronikhändler äh Quicklizard nutzen. Ähm klar, da habe ich vielleicht auch ein bisschen längere Produktlebenszyklen. Wenn ich jetzt an Konsolen denke oder Handys oder äh Laptops, dann sind die wahrscheinlich so ein paar Jahre immer bevor sie ihr Jahres oder ihr Lebensendzyklus erreicht haben.
Du hast aber auch gesagt, dass ihr in der Fashionindustrie arbeitet, wo die Halbzyklen ja deutlich kürzer sind und das, was im Frühjahr hip ist, ist im Herbst dann schon wird schon wieder günstig abverkauft. Und glaube ich gerade es gibt ja auch noch, wenn man es noch weitertreibt, viele virale Trends, ne? Jetzt hat wir gerade hier diesen Dubai Schokoladenhype äh wo plötzlich die Preise hochschießen für Backlava Schokolade. Ähm in wie weit schafft man denn auch solche, sag mal Trends aufzugreifen und vielleicht auch noch mal so das Thema Customer Acquisition Costs mit Customer Lifetime Value, also Inbound, Outbound sozusagen vom Pricing mit zu integrieren, was sich ja sehr sehr schnell und sehr dynamisch verändern kann. Das waren jetzt viele Subfragen in einer Frage. Groß Frage.
Ich fange mal an mit ähm dem Thema Produktinnovation, Konstantortiment versus ONOF Assortment oder irgendwie temporär im Assortment. Ähm konstant Sortiment ist natürlich gut, weil da kann ein Algorithmus lernen und da können entsprechende Elastizitäten und andere Modelle sich komplett austoben. Wechseln das Sortiment, da kommt jetzt immer drauf an. Also, wir haben jetzt mal, ich stell mir jetzt so ein so ein Topseller wie das iPhone vor. Da ist es durchaus sinnvoll, dass ich händisch im Zweifel zuordne. Das ist das Nachfolgemodell von diesem Vorgängermodell und ich unterstelle, dass die die Metriken, die diesen Artikel beschreiben, ähm vermutlich ähnlich sein werden. Ich gebe sozusagen dem Artikel einen Credit und unterstelle, der wird ähnlich performen wie der Altartikel.
Und damit gebe ich den den ganzen Algorithmen einen Vielleicht an der Stelle auch ganz kurz erwähnt, was bei uns immer der Start ist. Ähm für jedes für die meisten Projekte ist eine Artikelsegmentierung, wo wir im Hintergrund 20 Metriken berechnen, anhand derer wir abschätzen können, ob sich um einen Leuchtturmartikel, ein KWI, ein Eckartikel handelt, wo eben die Preissensitivität extrem hoch ist und der super wichtig für die Preiswahrnehmung auch ist oder das Gegenteil den Profit Generator. Und diese 20 Metriken, sei es die Kosten für den Online Traffic, sei es eben die Warenkorbosition, erster zweite oder dritte Artikel im Warenkorb, sei es der Lifetime Value, all diese Metriken erheben wir über die Zeit. Und das wären z.B. Metriken, die wir in so einem Fall auf das neue iPhone transferieren würden unter der Annahme, dass es vermutlich, was diese Charakteristika angeht, ähnlich geht.
Und dann wird dieser dieser Scoring Modell alle ähm 4 F Wochen aktualisiert und lernt dann quasi von der Realität und stellt fest, haben wir vielleicht überschätzt, läuft doch nicht so gut, kommt nicht so gut an. Das vielleicht an bei dem Thema, wie geht man mit dem Wechsel Assortment um? Ähm beim Fashion Bereich jetzt vielleicht noch mal, wo ich das jetzt nicht für jeden Rock und jede Hose eins zu eins mappen kann, da haben wir ja eh noch mal die Sondersituation, dass es durchaus ja gelerntes Verhalten vom Konsumenten ist, dass ich zum Ende der Saison einen Abverkauf habe, gibt's den den Summersale und den Wintersale.
Und das ist natürlich das Paradeeinsatzgebiet für eine eine Clearance äh oder Markdown Automatisierung, die dann ja sehr kurzfristig auch lernt, wo ich reingehen kann und sage aufgrund der Saisonalitätskurve der Subkategorie, ich weiß, wie generell sich Kleider im Laufe der des gezeilten Verlaufs verhalten, dann wird es wahrscheinlich bei diesem schwarzen Kleid genauso sein wie bei dem roten Kleid letztes Jahr kann ich schon mal sagen, wann ich aktiv werden muss und dann ist der Algorithmus wiederum sehr sensibel und sensitiv auf die kurzfristige ähm Veränderung. der Nachfrage.
Das heißt, ich unterstelle eine gewisse Discountkurve und aktiviere sie entsprechend und jede Woche lernt der Algorithmus aus der Konsumentenreaktion, ob die ob der der Nachfrage Boost von 20% Rabatt so groß wie vorher gesagt ist oder schwächer und wenn schwächer, damit in der nächsten Woche nachgebessert, entweder früher oder stärker wieder diskontiert. Das heißt, für dieses Sortiment können wir sehr gut mit kurzfristigen Algorithmen arbeiten, die dann sozusagen kompensieren, dass die die lange Erfahrung für den einzelnen Artikel nicht existiert, bzw. die lange Erfahrung wird von der Kategorie vererbt und die kurzfristige Adjustierung wird durch entsprechenden kurzfristigen Algorithmus äh eingeleitet. Okay, also super spannend auch gerade wie die äh verschiedenen Algorithmen zusammenwirken äh und zu unterschiedlichen vielleicht Zielen.
Ähm ich habe noch so zwei drei Fragen, die ich gerne loswerden würde, weil wir glaube ich so langsam schon Richtung Zielgerade äh schielen. Aber die eine, die ich natürlich fragen muss, du hast vorhin gesagt ich glaube 6 bis 8, nee, 8% grob Umsatzsteigerung plus minus sind da möglich. Ähm was kostet denn am Ende Quick Lizard? Äh wie bepreist ihr denn eure Lösung äh um da auch kompetitiv zu Genau. So wir wir unser Preis setzt sich aus diversen Komponenten zusammen oder bz diverse Komponenten treiben den Preis. Das ist zum einen ähm also en geht's um den Preis den Zyklen. Das heißt wie oft wird bepreist, für wie viele Artikel und in wie vielen Kanälen. Das heißt, das sind die drei Faktoren, die für uns ja auch im Hintergrund letztendlich die die Rechenpower bestimmen und wie oft ich quasi Preise rechnen muss, äh wie differenziert auf die Kanäle und eben für wie viel Artikel.
Das sind die drei Hauptfaktoren, die unser unsere Lizenzgebühr bestimmen. Und dann sind es üblicherweise keine Ahnung Jahresverträge äh die dann kontinuierlich sind oder wenn ich jetzt mein Land anschalte, dann wird's mehr und wenn ich neue Produkte reinkriege, wird es auch noch mal ein bisschen mehr oder weniger, je nachdem. Also genau. Genau. Das funktioniert natürlich jetzt auch nicht wie so ein blinder Algorithmus. Das wird natürlich in mit dem Kunden in Rücksprache gestaltet und wir erklären am Anfang immer, was sozusagen das das maximale was passieren kann. Wir wissen ja, wie viel Artikel, wie viel Kanäle im besten Fall für diesen Kunden bepreist werden können und dann entscheiden wir uns aber auch vielleicht für einen POC, der etwas kleiner geschnitten ist. Das heißt, der Kunde tappt da jetzt nicht in einen äh in eine Flatrad Falle hinein ähm oder andersrum.
Hat jetzt kein Payeruse Bias sozusagen, aber das ist die Mechanik Okay. Und wie entscheide ich mich dann als äh Händler oder potenzieller Kunde zwischen Make or buy? Also, ob ich jetzt mein Excel Tool fortführe äh oder ob ich dann äh doch eine professionelle Software nutzen will. Das ist eine spannende Frage, weil in meinen Augen muss es gar nicht make or buy sein, sondern es kann eigentlich auch Make and buy sein. Und das ist letztendlich genau wieder das Thema offene Plattform. Ähm und auch der Grund, warum ich von von der Beratung weg bin und gesagt habe, ich möchte eine Software machen. Es gibt einfach viele Bereiche bei einem Pricing Tool, die muss ich nicht neuer finden und die sind auch kein USP. Ich brauche ein Userinface, das natürlich spezifisch auf die Branche passt und auf Handel passt.
Ich brauche ein Governance Modell, ich brauche Freigabeprozesse, ich brauche API, ITnellen, Upload Interfae, die muss ich nicht neuer finden, weil dadurch werde ich nicht mehr Umsatz oder mehr Profit generieren als Händler. Und das ist ein Ding, was ich durchaus sinnigerweise immer auf the Shelf von einer guten Software nutzen kann. Und wenn es dann darum geht, genau zu definieren, wie jetzt der Preis meiner Artikel optimiert werden soll, eben die Artikelsegmentierung und für die einzelnen Segmente dann die Algorithmik, ist es eher der Wettbewerb, ist es eher eine Profitmaximierung, ist es eher eine Das ist dann sozusagen meine meine Magic meine Magic Source, die ich dann reinbringen möchte.
Und das ist der Bereich, wo wir eben viele ähm Wortmittel schon mitbringen und wo dann der Kunde im Zweifel auch Make innerhalb unserer Plattform machen kann, indem man eben seinen eigenen Python Code entwickelt und dann noch mal ganz spezifisch seine eigene Strategie dort Okay, also viel Input kommt natürlich von der Organisation, aber ich glaube die Secret Source, die ist sehr schwer nachzubauen, habe ich so das Gefühl. Und äh wenn jeder Händler seine eigenes Software baut, ich glaube große machen das. Äh weiß nicht, so ein Zalando, glaube ich, macht sehr sehr viel intern mit eigenen Lösung. Ich glaube auch Amazonen, aber ich sag mal so, die etwas kleineren, die immer noch sehr sehr groß sind und viele 100 Millionen umsetzen, da glaube ich ist wahrscheinlich der Sweet Spot bei euch dann auch ähm so wie ich das verstanden habe, bei den Referenzkunden, die du genannt hast. Absolut.
Und selbst bei den, ich sag mal ohne den Namen zu nennen, wir sind in in sehr sehr weit fortgeschrittenen Gesprächen mit einem der Top drei Händler weltweit. Selbst da ist die Überlegung nicht ausgeschlossen zu sagen, warum müssen wir eben den die Standard Ingredients neuer finden? Ähm wir können ja uns dann immer noch beim Algorithmus austoben, aber das ganze UI in der Preising Software, das muss ja nicht noch mal neu erfunden werden. Ja, super, wir sind quasi schon durch, aber ich entlasse dich natürlich nicht mit unserer letzten Standardfrage. Im Pricing Fail hast du vorhin schon geliefert mit dem O2 Tarif. Äh, aber ein Preis der Woche hat den sonst noch ein Preis besonders äh ins Auge gesprungen in den letzten Wochen?
Es ist jetzt schon eine kleine Weile her, aber dafür ums plakativer und äh wahrscheinlich auch ein Dauerbrenner als Witz in der Pricing Community, die die Black Fridays bzw. die Black Week mittlerweile ja schon und auch ein guter Grund, warum mittlerweile ja Omnibus Compliance erfunden wurde, aber der Klassiker, der Preis, der bleibt gleich, der Preis, der bleibt gleich. Dann kommt irgendwie ähm der Black Friday und auf einmal ähm bleibt der Preis immer noch gleich, aber wird beworben als wäre jetzt besonders günstig, indem man einen imaginären äh erhöhten Preis erfindet. Und das finde ich nach wie vor ein sehr passendes Beispiel, warum die Omnibus Compliance in Europa eine sehr sinnvolle Richtlinie ist und dass am Ende des Tages ja auch der Konsument nicht dumm ist, entsprechend Preis Fairness und diese Themen sind natürlich absolut Ja, absolut.
Wir haben so eine kleine WhatsAppgruppe mit den Berlin Pricing Friends. Also alle Hörer da draußen aus Berlin, die die noch nicht Teil der Gruppe sind, meldet euch gerne mal bei mir. Da haben wir eine weh Diskussion vor ein paar Wochen geführt, wie man das optimal umsetzt, die Omnibus Compliance in der Kommunikation und was best practice sind, was legal möglich ist und nicht. Ähm, also da, wer Interesse hat, melde sich gerne auch alle, die vielleicht nicht aus dem Retail kommen. Judi, also vielen Dank erstmal für Rede und Antwort Fabi undan Urich zu Quick Lizard. Ähm, wer jetzt unbedingt eine Pricing Software ins in bei sich äh initiieren will oder sich einfach mal ein bisschen informieren will, wie kann er dich denn am besten erreichen? Ähm, über LinkedIn auf jeden Fall. Äh, wie macht ihr das? Üblicherweise? Gibt dir da die E-Mailadresse raus? Schon oder macht ja Sinn?
Weiß du nicht, wie du willst, was du hier teilen willst. Wir sind ja unter uns, aber wahrscheinlich ist LinkedIn auch einer der ersten Wege über LinkedIn oder ganz einfach natürlich. ähm da auch natürlich gerne jederzeit anpingen und wir freuen uns über jeden Austausch zum Fachsimpeln äh oder um eine Demo zu geben natürlich. Ähm genau einfach. Und jetzt fragen sich natürlich alle Hörer, warum eigentlich Quick Lizard? Wo kommt der Name her? Das kommt tatsächlich noch aus den den alten Zeiten des Price Crawlings, wo der Lizard, der die Farbe wechseln kann, daher ganz unauffällig, aber schnell die entsprechenden Webseiten abgecrawlet hat und die Wettbewerbspreise gesammelt hat. Und wir fanden aber die Metapher passt nach wie vor gut, weil schnell sind wir nach wie vor in der Implementierung, deswegen haben wir den Begriff stehen lassen.
Ein Quick Chamion fast schon dann. Super. Also Fabian, schön, dass du da warst. Hat viel Spaß gemacht und auch viel gelernt. Ich hoffe, alle anderen haben das auch getan. Ähm und äh genau, ich kann nur wie immer die die Werbung machen für nächste Woche, jeden Donnerstag um Uhr die neue Folge. Wenn ihr nichts verpassen wollt, dann drückt doch auch gerne mal bei Spotify oder Apple Podcast auf die Glocke, dann werdet ihr auch regelmäßig erinnert, ohne das hier von mir hören zu müssen. Und insofern vielen Dank an alle auch da draußen und ich hoffe, wir hören uns nächste Woche wieder. Das war der Pricing Friends Podcast für diese Woche, eine Produktion der Axel Springer High GmbH. Wenn dir Pricing Friends gefällt, abonniere uns und verpass nicht unsere nächste Folge. Hast du Fragen oder Themenvorschläge? Mail uns. Wir freuen uns über dein Feedback.