Ein Online-Spirituosengeschäft richtete eine dynamische Preisgestaltung ein, um die ideale Gewinnspanne für seine Produkte zu ermitteln. Das Unternehmen war jedoch besorgt, dass es Wochen dauern könnte, die idealen Preispunkte für seine beliebten Flaschen zu finden, während die weniger bekannten Flaschen monatelang nicht genügend Daten generieren könnten.
Anstatt sich in Ungewissheit zu wiegen, beschloss das Spirituosengeschäft, seine Preise auf ähnliche Produktgruppen zu stützen. Anstatt die Daten einzelner Flaschen zu betrachten, würden sie ihre Datenpunkte erheblich erweitern, indem sie große Produktkategorien zusammenfassen. Man ging davon aus, dass die Preisdaten für die gesamte Kategorie zutreffen würden.
Das Spirituosengeschäft stand vor einer Herausforderung. Wie sollten sie ähnliche Produkte definieren?
Nutzungsabhängig: Der Netflix-Ansatz
Bei der Suche nach ähnlichen Sendungen, die ein Abonnent gerne sehen würde, analysiert die Empfehlungsmaschine von Netflix das Nutzerverhalten. Das System findet andere Personen, die viele der gleichen Sendungen gesehen haben wie Sie. Im Wesentlichen gruppiert sie Personen auf der Grundlage dessen, was Sie gesehen haben, und empfiehlt dann Sendungen, die anderen Personen innerhalb Ihrer Gruppe gefallen haben.
Auf einen Einzelhändler wie unser Spirituosengeschäft angewandt, würde dieser Ansatz bedeuten, das Kaufverhalten zu analysieren. Das könnte bedeuten, dass man die Flaschen anhand der Verkaufszahlen segmentiert. Beliebtere Flaschen würden als eine Einheit getestet, während Flaschen, die weniger häufig gekauft werden, als zweite Einheit getestet werden.
Anhand von Verkaufsdaten, die von verschiedenen Stellen eingehen, kann das Geschäft schnell die richtige Marge für jedes Flaschenset ermitteln.
Inhaltsbasiert: Der Facebook-Ansatz
Facebook wählt einen anderen Ansatz für die Gruppierung ähnlicher Elemente. Wenn der Social-Media-Gigant neue Freunde auf Facebook empfiehlt, berücksichtigt er bestimmte Eigenschaften, die er über Sie weiß. Wenn Sie in der gleichen Stadt leben, gemeinsame Freunde haben und ähnliche Dinge mögen, würde die Empfehlungsmaschine neue Personen in den Abschnitt "Personen, die Sie kennen könnten" aufnehmen. Im Grunde genommen werden für die Empfehlung Inhalte verwendet.
Bei diesem Ansatz würde unser Spirituosengeschäft die Flaschen nach ihrem Inhalt gruppieren. Es würde die Gewinnspannen für Wodka, Bourbon oder Mixer testen und die verschiedenen Datenpunkte innerhalb der Kategorie nutzen, um die optimalen Preisniveaus zu bestimmen.
Ein hybrider Ansatz
Sowohl der verbrauchs- als auch der inhaltsbasierte Ansatz sind effektiv, wenn es darum geht, Produkte zu gruppieren und ideale Preispunkte zu finden. Sobald jedoch der Preispunkt optimiert ist, empfiehlt der dynamische Preiskalkulator weiterhin Preise für bestimmte Artikel.
Wenn das Spirituosengeschäft beispielsweise einen inhaltsbasierten Ansatz wählt, kann es alle seine Bourbon-Flaschen mit einer bestimmten Marge auszeichnen. Die dynamische Preissetzungsmaschine würde jedoch weiterhin den Markt auf die Preise der Wettbewerber und das Nutzerverhalten untersuchen. Auf der Grundlage der Ergebnisse könnte die Preisfindungsmaschine eine Preisänderung für einige besonders beliebte Flaschen empfehlen.
