Der Kunde
Ein führender europäischer Online-Händler mit einem Jahresumsatz von $97 Mio. und einer Gewinnspanne von 8 Prozent, der eine breite Palette an Marken- und Eigenmarken-Haushaltsartikeln vertreibt. Der Einzelhändler ist ein rein Online-Anbieter ohne physische Filialen. Die Lagerhaltung ist ein zentraler Geschäftszweig, und der grenzüberschreitende Versand wird von dem Einzelhändler genutzt, um weitere Länder innerhalb der EU abzudecken.
Die wichtigsten Herausforderungen
Vor Quicklizard
Als die Zusammenarbeit mit Quicklizard begann, nutzte der Einzelhändler nur einen Kanal – seine lokale E-Commerce-Website –, um seine Produkte in seinem Heimatland zu verkaufen. Was die Preisgestaltung betraf, verwendete der Einzelhändler eine anspruchsvolle Excel-Tabelle, die eine schrittweise Preiserhöhung oder -senkung ermöglichte, die größtenteils auf Bestand und Saisonabhängigkeiten basierte.
Das Ziel
Der Einzelhändler wandte sich an Quicklizard, weil er beschlossen hatte, einen fortschrittlicheren KI-Ansatz für die Preisgestaltung anzuwenden. Der Einzelhändler wollte die Preisentscheidungen vollständig automatisieren und dabei Variablen wie das Echtzeitverhalten der Nutzer, Bestandsdaten, Preisverlauf, Wettbewerbsdaten und Kostenzanliegen berücksichtigen.
Die QL-Lösung
-
Profitoptimierung mit KI
In Zusammenarbeit mit dem Einzelhändler entwickelte Quicklizard eine KI-basierte Lösung zur Gewinnoptimierung. Die Lösung umfasste 80% Produkte des Einzelhändlers.
-
Optimierung des Bestands hinzugefügt
Nachdem QLs KI-basierte dynamische Preisplattform begonnen hatte, Ergebnisse zu liefern, beschlossen der Einzelhändler und Quicklizard, eine wichtige Funktion hinzuzufügen, die die Bestandsoptimierung adressierte.
-
Preise richten sich nach dem Lagerbestand
Diese Funktion ermöglicht es dem Einzelhändler, die Preise entsprechend dem aktuellen Bestand zu optimieren – insbesondere bei zeitlich begrenzten Sonderaktionen. Auch die Kosten für die Neuverfolgung des Bestands (die höher oder niedriger sein können als die Kosten für den bestehenden Bestand) und die Zeitdauer für die Neuverfolgung des Bestands wurden berücksichtigt.
-
Modellierung von Wettbewerben unter Verwendung eigener Marken
Darüber hinaus wurde auch eine ausgeklügelte Wettbewerbsmodellierung (für die eigenen Markenprodukte des Einzelhandels) angewendet. Dies ermöglicht es dem Einzelhändler, Marktdaten auch für seine eigenen Marken zu nutzen und so die Reaktionszeiten gegenüber dem Wettbewerb zu verkürzen und Umsatzverluste zu verhindern.
Das Ergebnis
-
34%
Zunahme des Umsatzes
-
$130 Mio.
Gesamtumsatz nach sechs Monaten
-
11%
Steigerung des Gewinns
Die dynamischen Plattformen von QL nutzen KI-basierte Preisgestaltung, um den Preisansatz des Einzelhandelsunternehmen grundlegend zu transformieren. Die neuen Preisstrategien führten zu einem deutlichen Erfolg und ermöglichten es dem Einzelhändler, sich in zwei weitere Vertriebskanäle in zwei neuen europäischen Ländern zu erweitern.
Die Preisgestaltung wurde für jeden Vertriebskanal individuell optimiert und basierte auf unterschiedlichen Parametern, die auf die lokale Marktdynamik zugeschnitten waren. Dadurch konnte der Einzelhändler in drei Ländern erfolgreich tätig sein.
Sechs Monate nachdem die Plattform Quicklizard implementiert wurde, verzeichnete das Unternehmen einen 34 -prozentiger Umsatzanstieg, das den Gesamtumsatz steigert $130 Mio.. In demselben Zeitraum, Der Gewinn stieg um 11 Prozent im Vergleich zur Phase vor der Implementierung.
Die Zukunft
Nehmen Sie die ganze Geschichte mit sich
Die vollständige Fallstudie ist in einer Formatierung für interne Weitergabe ausgearbeitet.
