Die Notwendigkeit und Entwicklung von Preissystemen
Seit der Einführung der Währung ist die Festlegung des richtigen Preises für eine Ware oder Dienstleistung ein wirtschaftliches Problem, das in der Wissenschaft erforscht wird und für jeden Einzelhändler ein Kampf ist. Jüngste und anhaltende Veränderungen im Einzelhandel, wie der Übergang zum E-Commerce, Omnichannel, Herausforderungen in der Lieferkette, zusammen mit technologischem Fortschritt und makroökonomischen Veränderungen, haben es für Einzelhändler fast unmöglich gemacht, Preisstrategien und Geschäftsziele in Echtzeit mit alten Methoden in Einklang zu bringen.
Viele Einzelhändler halten die manuelle Verwaltung von Preisen und Richtlinien immer noch für die günstigere Alternative, aber die Kosten sind nur die halbe Miete.
Schauen wir uns genauer an, warum eine manuelle Preisgestaltung veraltet ist und wie sie das Geschäft des Einzelhändlers unterminieren und das Erreichen der Geschäftsziele behindern kann.
Ineffizientes Kategorienmanagement
Ein wichtiger Erfolgsfaktor im Einzelhandel ist eine optimierte Kategorie- und Bestandsverwaltung. Bei der manuellen Preisgestaltung können nicht alle Unterkategorien von Produkten berücksichtigt werden. Sie schränkt die Möglichkeit ein, tief in die Materie einzutauchen, und beschränkt den Fokus oft auf die besten Produkte. Das bedeutet, dass umsatzschwache Produkte oft nicht preisoptimiert werden, obwohl sie wichtig sind, da sie herabgesetzt werden können, um den Verkauf zu beschleunigen, überschüssige Bestände zu vermeiden und den Cashflow zu erhöhen.
Lohnt es sich, Stunden damit zu verbringen, eine Tabelle manuell zu aktualisieren, anstatt diese Ressourcen für Aufgaben zu verwenden, die sich direkt auf das Endergebnis auswirken? Sicher, das mag sinnvoll sein, wenn Sie nur wenige Produkte verkaufen oder Ihr Geschäft auf eine einzige Verkaufsstelle beschränken. Bei Tausenden von SKUs oder einem Multichannel-Vertriebskonzept ist es jedoch nicht sinnvoll.
Sie wird nicht oft genug aktualisiert
Die Überwachung von Wettbewerbern mit manueller Preisgestaltung besteht im Wesentlichen darin, die Website eines Wettbewerbers aufzusuchen, sein aktuelles Angebot zu prüfen und seine Preise zu vergleichen. Wie oft ist das realistisch betrachtet möglich? Was ist, wenn Ihre Konkurrenten eine automatisierte Preisgestaltungslösung verwenden, die die Preise minütlich über alle Kanäle hinweg aktualisiert? Eine Tabellenkalkulation kann da auf keinen Fall mithalten.
Sie müssen immer mit der Konkurrenz mithalten
Eine wirksame Preisüberprüfung erfordert mehr als nur ein paar Excel-Verknüpfungen, wenn es um ein großes Produktsortiment geht. Es bedarf eines scharfen Auges und eines gründlichen Verständnisses der Datenwissenschaft, um tiefgreifende Wettbewerbsanalysen durchzuführen und diese dann in umsetzbare Geschäftserkenntnisse zu übersetzen. Eine digitale Preisgestaltungslösung kann Ihnen dabei helfen, der Konkurrenz einen Schritt voraus zu sein, indem sie große Datenbestände durchforstet und Sie in die Lage versetzt, Preisanpassungen zeitnah vorzunehmen.
Einzelhändler sind heute mit einer Vielzahl von Parametern und Fragen konfrontiert, die sie bei der Preisgestaltung berücksichtigen müssen:
- Wie verhält sich der richtige Preis zu den gewünschten Lagerbeständen?
- Was werden meine Kunden als einen fairen Preis im Verhältnis zu meiner Marke empfinden?
- Wie ist der Preis für dieses Produkt bei meinem Konkurrenten?
- Wie hoch sind meine Kosten?
- Wie hoch sind die Kosten für die Wiederauffüllung meines Bestands?
- Wie wirkt sich die Saisonalität auf den Preis aus? Einzelhandelssaison? Das Wetter?
- Mehr....
Durch den Einsatz digitaler Preisgestaltungsplattformen können Einzelhändler viele dieser Faktoren bei der Preisgestaltung berücksichtigen:
- Wettbewerb
- Wetter
- Saison
- Besondere Ereignisse/Feiertage
- Makroökonomische Variablen wie die Inflation oder COVID-19
- Kosten
- Lagerhaltung und Bestandszuweisung
Die Preisgestaltungssysteme haben sich in den letzten Jahrzehnten erheblich weiterentwickelt. Sie haben sich von der Anwendung sehr einfacher Strategien, wie z. B. eines Standardkostenaufschlags, zu Systemen entwickelt, die in der Lage sind, die Nachfrage nach Produkten oder Dienstleistungen im Zeitverlauf zu prognostizieren und den optimalen Preis zur Erreichung eines bestimmten KPI zu finden.
Die automatische Preisgestaltung wird von Einzelhändlern eingesetzt, um zwei Hauptprobleme zu lösen: eine suboptimale Preisstrategie und übermäßige Kosten für die Preisgestaltung. Durch die automatische Preisgestaltung wird nicht die Preisstrategie selbst geändert, sondern der Preisgestaltungsprozess, der dadurch billiger und schneller wird. Mit der dynamischen Preisgestaltung können Einzelhändler die Preise ihrer Produkte so einstellen, dass sie sich automatisch an den Preisen der Wettbewerber orientieren. Die Preisoptimierung geht jedoch über die dynamische Preisgestaltung hinaus.
Die Preisoptimierung konzentriert sich auf die Suche nach dem Preis, der eine bestimmte Kennzahl maximiertwie z. B. den Unternehmensumsatz, indem viele dynamische Faktoren berücksichtigt werden. Die Preisgestaltung der Wettbewerber ist nur einer dieser Faktoren.
Wichtig! : Bei der Optimierung der Preisgestaltung automatisieren die Einzelhändler die Preisgestaltungsprozesse. aber nicht unbedingt ihre Preisstrategie.
Möchten Sie mehr erfahren?
Der Ablauf für die Implementierung der Preisoptimierung
Daten sammeln
- Transaktionsbezogen: Verkaufshistorie, die die Liste der gekauften Waren enthält.
- Produktkatalog mit relevanten Informationen wie Kategorie, Größe, Marke, Stil, Farbe, Fotos, Anschaffungskosten usw.
- Wettbewerbsdaten: Preise für identische, ähnliche oder ergänzende Produkte.
- Bestands- und Versorgungsdaten.
- E-Commerce-Analysen wie Besuche, Ansichten und Konversionen.
Einstellungen Ziele und Beschränkungen
Auch wenn ein Einzelhändler die Gewinnmaximierung als oberstes Geschäftsziel verfolgt, kann er auch daran interessiert sein, Kunden zu binden, neue Marktanteile zu gewinnen und den Lagerumschlag zu optimieren.
Auch Beschränkungen müssen berücksichtigt werden. Diese Einschränkungen können rechtlicher oder behördlicher Natur sein oder sich aus den betrieblichen Erfordernissen des Einzelhändlers ergeben.
Schulung der Maschine
Die in den vorangegangenen Schritten gesammelten historischen Daten werden verwendet, um das Modell des maschinellen Lernens durch Anwendung von Techniken des verstärkten Lernens zu trainieren. Verstärkungslernen ermöglicht es einem Agenten, in einer interaktiven Umgebung durch Versuch und Irrtum zu lernen, indem er Rückmeldungen aus seinen Aktionen und Erfahrungen nutzt
Die Maschine führt Bandit-Algorithmen aus, damit Einzelhändler komplizierte Optimierungsinitiativen und komplexe Preisexperimente durchführen können. Dabei wird die Optimierung auf mehr als ein Geschäftsziel ausgerichtet.
Bandit-Algorithmen gehen über das klassische A/B/n-Testing hinaus und ermöglichen es einer großen Anzahl von Algorithmen, verschiedene Probleme zu lösen, um die Ergebnisse zu optimieren. Mit Hilfe relevanter Datenströme können Multi-Armed Bandits kontextbasiert werden. Kontextbasierte Bandit-Algorithmen stützen sich auf einen eingehenden Strom kontextbezogener Daten, die entweder aus der Vergangenheit stammen oder neu sind und dazu verwendet werden können, bessere algorithmische Entscheidungen in Echtzeit zu treffen.
Dies ermöglicht Einzelhändlern die volle Kontrolle über alle Daten in Echtzeit und damit bessere und effektivere datengesteuerte Entscheidungen.
Die Stärke von Modellen des maschinellen Lernens liegt in ihrer Fähigkeit, die besten Preise zu finden, indem sie kontinuierlich neue Informationen integrieren und aufkommende Trends oder neue Anforderungen erkennen.
Schulung der Maschine
Die in den vorangegangenen Schritten gesammelten historischen Daten werden verwendet, um das Modell des maschinellen Lernens durch Anwendung von Techniken des verstärkten Lernens zu trainieren. Verstärkungslernen ermöglicht es einem Agenten, in einer interaktiven Umgebung durch Versuch und Irrtum zu lernen, indem er Rückmeldungen aus seinen Aktionen und Erfahrungen nutzt
Die Maschine führt Bandit-Algorithmen aus, damit Einzelhändler komplizierte Optimierungsinitiativen und komplexe Preisexperimente durchführen können. Dabei wird die Optimierung auf mehr als ein Geschäftsziel ausgerichtet.
Andere Nutzung von Algorithmen des maschinellen Lernens
Produktcluster-Algorithmen fassen ähnliche Produkte zusammen, um Preissegmente zu bilden. Diese Gruppen können dann verwendet werden, um Preise und Nachfrage für neue Produkte vorherzusagen, für die noch keine Verkaufsdaten vorliegen.
Generell kann das maschinelle Lernen ein hervorragendes Werkzeug sein, um Erkenntnisse zu gewinnen:
- Halo-Effekt - Ergänzungsprodukte sind Produkte, die eng mit dem Haupt-/Führungsprodukt verbunden sind und sehr oft nicht allein konsumiert werden können. Mobiltelefone sind ein Beispiel für ein führendes Produkt mit vielen Ergänzungsprodukten wie Handyhüllen, Displayschutzfolien, Garantien usw. Die Nachfrage nach dem führenden Produkt erzeugt die Nachfrage nach seinem Komplement.
Der Halo-Effekt besteht darin, den Preis des Hauptprodukts auf ein optimales Niveau zu setzen, so dass die Nachfrage nach dem Komplementärprodukt steigt und somit der Gewinn aus beiden Produkten zusammen maximiert wird.
- Inter-Produkt-Beziehung - Die Nachfrage nach einem Produkt hängt manchmal von Komplementär- und Substitutionsprodukten und deren Preisen ab. Generika und Eigenmarken haben zum Beispiel oft ähnliche Artikel. Diese Produkte sind Substitute. Die Nachfrage nach der Eigenmarke hängt nicht nur von ihrer Preisgestaltung ab, sondern auch von den Preisbewegungen bei der generischen Marke. Marken wie Coke und Pepsi sind Beispiele für Substitute.
- Customer LTV - Lifetime Value (LTV) ist eine Schätzung des durchschnittlichen Umsatzes, den ein Kunde während seiner gesamten Lebensdauer als Kunde generiert. Dieser Kundenwert wird zur Unterstützung vieler wirtschaftlicher Entscheidungen verwendet, einschließlich Marketingbudget und Ressourcenzuweisung, Rentabilität und Prognosen. Die Messung des Beitrags jedes dieser Produktkäufe zur langfristigen Rentabilität und Benutzerbindung kann dazu genutzt werden, Preisänderungen vorzunehmen, die den langfristigen Wert Ihres Unternehmens maximieren.
Diese sind nur einige Beispiele für Fragen, die mit Hilfe von Modellen des maschinellen Lernens beantwortet werden können.
Die Plattform von Quicklizard bietet eine End-to-End-Plattform mit Funktionen zur dynamischen Preisgestaltung und Preisoptimierung sowie zur vollständigen Automatisierung und Prüfung von Preisstrategien.
Unsere Plattform verarbeitet große Mengen an Daten, Trends früh genug antizipieren Einzelhändler können um angemessene Entscheidungen zu treffen und die Preise anzupassen.
