Transkript
Willkommen alle zusammen und vielen Dank, dass Sie heute bei uns sind. Ich bin Ayan Shahar, Director of Strategic Partnerships bei USD Spark und freue mich sehr, Ihre Moderatorin für die heutige Session zu „Domesticating AI: Preisgestaltung mit KI“ zu sein. Preisgestaltung ist nicht mehr nur eine finanzielle Entscheidung. Es ist eine strategische Funktion, die das Geschäftswachstum, die Kundenbindung und die langfristige Rentabilität vorantreibt. Während sich der Markt weiterentwickelt, müssen sich Organisationen auch den Herausforderungen stellen, die die Optimierung von Preisstrategien mit sich bringt. Heute sind wir hier, um die Komplexität der Preisgestaltung zu analysieren und zu untersuchen, wie sich Unternehmen anpassen können, um stets einen Schritt voraus zu sein. Um uns auf diese Reise zu führen und Preisgestaltung tatsächlich eine Reise ist, freue ich mich sehr, unseren Expertenpanelmitglied John Taylor, Retail Leader UK bei USD, vorzustellen.
John bringt über 25 Jahre Erfahrung in der Einzelhandelsbranche, der Distribution und in Contact Centern in globale Technologieorganisationen ein. Er genießt es nun, diese in modernsten technologischen Lösungen umzusetzen, die echte Vorteile in der gesamten Wertschöpfungskette des Einzelhandels schaffen. Hallo John, vielen Dank, dass Sie uns besuchen. Um es kurz zu machen: Wir haben Dr. Fabian Urik, Chief Product Officer bei Quick Lizard. Vor seiner Zeit bei Quick Lizard hatte Fabian umfangreiche Erfahrungen im Bereich des Einzelhandelspreises als Partner und globaler Experte für Preisgestaltung bei der Boston Consulting Group und als Leiter des Preises und Online-Marketings bei Zuplus, dem größten Online-Shop und Tierbedarfshändler Europas. Er hat einen Doktortitel in Verhaltenspreisgestaltung von der TU München und ist Gastdozent für Preisgestaltung an der ETH Zürich. Hallo Fabian, vielen Dank, dass Sie uns besuchen. Wir haben hier auch Shrihasa Udupi, ein führender Enterprise-Architekt aus Großbritannien, um uns zu vertreten.
Shrehasel stellt sicher, dass Technologieinvestitionen mit der BIRA-Strategie im Einklang stehen und skalierbare und zukunftssichere Retail-Ökosysteme liefern. Shrehasel führt uns durch den Prozess, wie Unternehmen Preisintelligenz in ihre Unternehmensarchitektur integrieren können, um Skalierbarkeit und Effizienz zu erreichen. Hallo zusammen, vielen Dank, dass Sie uns heute beigetreten sind. In dieser Diskussion ermutigen wir Sie, aktiv mitzuwirken, Fragen zu stellen und Ihre Gedanken mit dem Chat zu teilen. Als besonderes Fazit stellen wir Ihnen am Ende des Webinars einen Preisreifheitsfragebogen zur Verfügung. Dieses Tool generiert innerhalb weniger Minuten einen personalisierten Bericht, der Ihnen dabei hilft, Ihren aktuellen Preisstatus zu bewerten und Bereiche für Wachstum und Verbesserung zu identifizieren. Okay, los geht’s, John. Wir beginnen mit Ihnen. Aus Ihrer Perspektive, welche Herausforderungen stellt die Retailbranche heute vor?
Vielen Dank, May. Das ist also eine umfassende Frage, und ich werde versuchen, nur einige Aspekte herauszuwählen, um direkt ins Detail zu gehen. Also lassen Sie uns eine Sekunde von der Frage des Preises loskommen. Kosten der Lieferkette. Alles in Bezug auf die Lieferkette ist scheinbar eine größere Herausforderung. Ob das nun die Kosten selbst sind, die Sichtbarkeit, die Resilienz, die Instandhaltung, oder aber insbesondere die Herausforderung, sicherzustellen, dass man eine Rendite aus Investitionen erzielt, die in der Automatisierung von Lagern und Distributionszentren getätigt wurden. Das ist ein wirklich wichtiger Teil einiger der Herausforderungen, mit denen sich Händler heute auseinandersetzen müssen. Abgesehen davon besteht die Optimierung der Nutzungsgraden in Einzelhandelsimmobilien. Wir sehen, dass größere Einzelhandelsketten die Art und Weise verändern, wie die Menschen heute einkaufen. Sie müssen also vollständig optimiert sein.
Und, Sie wissen schon, die Einführung von Koncessionsmodellen für synchrone synergetische Partnerschaften und die Einführung physischer digitaler Medien wird wirklich dazu beitragen, diesen Raum besser zu nutzen. Wir beobachten außerdem, dass Einzelhändler expandieren oder planen, in internationale Marktplätze einzusteigen und versuchen, herauszufinden, wie man am besten in diese Märkte einsteigen und sie zum Erfolg führen kann. Omni-Channel-Modelle, die dies nicht bieten, sind nicht mehr wegzudenken. Daher ist die Integration von Omni-Channel-Modellen und die Hyperpersonalisierung eine Aufgabe, die jeder Einzelhändler wirklich anstrebt. Sie macht sie effizienter und ermöglicht ihnen, mehr Einblicke in das Geschehen in ihrer Umgebung und in ihren Einkaufsgewohnheiten zu gewinnen. Und schließlich ist das große Problem der Kosten und der Rentabilität die letzte große Herausforderung.
Wir wissen also, dass Händler unter Profitabilitätstendenz stehen, nicht zuletzt aufgrund von Faktoren wie der nationalen Krankenversicherung in Großbritannien, der Arbeitgeber-Krankenversicherungspflicht und der Tatsache, dass eine aktuelle Umfrage von über zwei Dritteln der CFOs nahelegt, dass die Preise steigen müssen, um den Verlust auszugleichen. Ich denke also, Sie wissen, dass es einige der großen Herausforderungen gibt, um Ihre Frage zu beantworten, Maya. Aber tatsächlich bleibt die Preisgestaltung eine der drei wichtigsten Gespräche im Vorstand heute. Jonah, vielleicht muss ich mit einer provokanten Frage beginnen oder fortsetzen, die auf alles basiert, was Sie gerade gesagt haben, und es gibt so viele Herausforderungen. Was also macht es für Händler so wichtig, dieses Problem der Preisgestaltung anzugehen? Und ich würde mich ebenfalls diese Frage stellen. Denn die Preisgestaltung kann so viele strategische Maßnahmen beeinflussen.
Also Umsatz, Gewinn, Produktivität, Marktanteil, Kundenerlebnis und vor allem Vertrauen. Um, und abhängig von diesen Faktoren haben wir gesehen, dass Einzelhändler Umsatzsteigerungen von bis zu 8%, Gewinnsteigerungen von bis zu 5% und Produktivitätsverbesserungen von 3x verzeichnen konnten, dank der Implementierung robuster KI-gestützter Preismanagement-Lösungen. So sind das durchaus wichtige Kennzahlen und ich denke, das beantwortet die Frage „Was nun?“ Und Fabian, ich möchte diese nächste Frage gerne an Sie richten: Wie würden Sie die aktuelle Marktentwicklung hinsichtlich der Preisgestaltung beschreiben und wie nähern sich Organisationen heute der Preisstrategie? Was sehen Sie auf dem Markt? Lassen Sie uns also einen Blick auf das Preismaturity-Framework von Gartner werfen, das fünf Stufen umfasst – von rein manueller Preisgestaltung bis hin zu vollständig automatisierten, KI-gestützten Preisoptimierungen.
Die meisten Einzelhändler, die wir heute sehen, befinden sich auf Stufe drei, was bedeutet, dass sie offensichtlich nur wenige ausgewählte Faktoren berücksichtigen, und die meisten von ihnen berücksichtigen auch den Wettbewerb, führen jedoch die Berechnungen manuell durch und nutzen dafür Excel oder andere Berechnungstools. Bei den D2C-Marken oder Marken, die D2C verkaufen, sehen wir sogar einen Schritt zurück. Wir sehen also die meisten dieser Unternehmen, die wir normalerweise auf dem Markt sehen, auf Stufe zwei, also noch manueller und noch weniger automatisiert – zum jetzigen Zeitpunkt. Fabian, angesichts der Marktthemauswirkungen, die John bereits beschrieben hat, wie etwa die Transparenz der Lieferkettenkosten, die Widerstandsfähigkeit und so weiter, wie kann Preisgestaltung helfen? Im Grunde beeinflussen all diese Faktoren die drei Kernelemente des Preises: Kosten, Markt und Wettbewerb sowie Kunde und deren Wertempfinden.
Daher muss man bei der Betrachtung der Preisgestaltung sicherstellen, dass die Kosten sowohl aus den Produktkosten als auch aus der Lieferkette und allen damit verbundenen Kosten für die Lieferung der Produkte an den Kunden gedeckt sind. Wenn wir uns die Wertdimension ansehen, ist es wichtig, dass der Preis im Verhältnis zum Wert steht, den die Produkte generieren. Daher sehen wir hier auch alle diese Faktoren, die in diesen Tagen sehr volatil sind. Schließlich müssen wir uns die Konkurrenz und den Markt im Allgemeinen ansehen und auch hier handeln wir nicht isoliert; daher muss der Preis immer im Verhältnis zu den konkurrierenden Alternativangeboten stehen.
Wenn man nun über manuell gesteuerte Preisgestaltung nachdenkt, kann man sich vorstellen, dass es sehr schwierig ist, all diese Faktoren gleichzeitig zu managen. In der Regel sehen wir dann, dass Unternehmen sich auf einen oder zwei davon konzentrieren und dass die Kosten in einer Welle vielleicht reduziert werden, während sie gleichzeitig sicherstellen, dass sie nicht den Markt verlassen. Genau hier kommt die KI ins Spiel und macht einen Unterschied. Durch die Nutzung der KI können Sie all diese Faktoren gleichzeitig und gleichzeitig ausgleichen und managen. Wenn man sie einzeln betrachtet, beispielsweise die Artikelsegmentierung, ist dies ein Modul, das dabei helfen kann, die unterschiedlichen Rollen der Artikel für die Shopperpsychologie zu identifizieren und somit einen großen Einfluss darauf zu haben, wie die Preise festgelegt werden sollten. Oder man betrachtet die Sensitivität der Wettbewerber und bösartige Preiszyklen, die mithilfe von KI-Modellen erkannt werden können.
Dies hilft natürlich sehr, einen negativen Preiskreislauf zu verhindern und sicherzustellen, dass die Margen gesund bleiben. Die Erkenntnis von KI oder die Nutzung von KI zur Analyse von Preiselastizitäten und Cross-Elastizitäten ist entscheidend, um sicherzustellen, dass bei der Prognose oder auch bei der Festlegung der Preise die negativen Auswirkungen auf andere Produktgruppen berücksichtigt werden und auch die zu erwartende Reaktion der Kundennachfrage berücksichtigt wird. Die nächste Stufe ist die Vorhersage und Simulation. Diese bringt alles zusammen und stellt sicher, dass bei allen Preisentscheidungen die zukünftigen Auswirkungen dieser Entscheidungen berücksichtigt werden. Außerdem können Sie basierend auf der erwarteten zukünftigen Reaktion der Nachfrage optimieren und möglicherweise auch die Kosten optimieren. Dies ist bisher nur ein sehr einfacher und isolierter Einsatzfall, bei dem KI eingesetzt wird, um die Lagerbestände zu optimieren. Dabei wird die Markteinführung von Sonderangeboten optimiert.
Und Fabian, können Sie die Artikelsegmentierung doppelt anklicken? Können Sie dazu etwas näher erläutern? Ich denke, das ist eine gute Idee, denn auch das beschreibt wahrscheinlich am besten das Thema des heutigen Calls: Die Entmystifizierung der KI-basierten Preisgestaltung, da diese Methode die Komplexität der KI-basierten Preisgestaltung durch Modulierung in der Anwendung wirklich vereinfacht. Artikuläre Segmentierung bedeutet im Grunde die Identifizierung der KVIS, also der SKU-Artikel, die den Kaufanreiz darstellen und den Traffic in den Laden anstoßen. Für diese SKU-Artikel ist es also wirklich wichtig, jederzeit den besten Preis zu bieten. Auf der anderen Seite, die wir Profitgeneratoren nennen, handelt es sich meistens um Artikel am Ende des Einkaufsprozesses, wie zum Beispiel Impulseinkäufe. Stellen Sie sich vor, Sie befinden sich in einem Supermarkt. Sie haben Ihre Lebensmittel eingekauft und dann finden Sie am Kassenbereich Batterien und Blumen.
Sie setzen sie auf den Gürtel, ohne einmal über den Preis nachzudenken. Daher können wir hier die Hebelwirkung für Margen und Gewinne optimieren. Die Verkaufsanreize sind eine Mischung aus beidem. Die Kunden sind weiterhin preissensibel, aber nicht so sehr wie bei KVIS, weshalb die Preise nicht täglich an die Wettbewerbslage angepasst werden müssen, sondern sie können auf dem Marktdurchschnitt bleiben und gleichzeitig genügend Spielraum für temporäre Sonderaktionen lassen. Damit lässt sich das etwas besser sichtbar und greifbar machen, indem die Preisstrategien optimiert werden, die die KI-Modelle im Hintergrund optimieren. Dies betrifft die Wettbewerbsanpassung für die Verkaufsanreize, die Suche nach dem profitmaximierenden Preis innerhalb bestimmter Wettbewerbsrahmen und die Gewinngenerierung.
Das bedeutet letztendlich die Suche nach dem optimalen Preis, der den höchsten Gewinn erzielt und gleichzeitig die höchsten Renditen bietet. Dies wird tatsächlich automatisch im Hintergrund durchgeführt. Wir führen ein Modell mit mehr als 20 verschiedenen Kennzahlen durch, die die unterschiedlichen Rollen der Artikelgruppen identifizieren und diese anhand der Preiselastizität anhand der Position im Warenkorb, wie zuvor erwähnt, sowie der Blumen und der Batterien an der Kasse anhand der Kaufhäufigkeit der Reps zu den drei Segmenten zuordnen. Mehrere Faktoren werden dabei berücksichtigt, um die jeweiligen Rollen zu identifizieren und die entsprechende Preisstrategie festzulegen. Fabian, könnten Sie uns das näher erläutern? Könnten Sie uns erklären, was der Wert dieser Herangehensweise ist?
Insbesondere bei der Artikelsegmentierung und der Sensitivität gegenüber Wettbewerbern, die zwei Module waren, die wir bei Sephora, einem britischen Händler für Gesundheit und Schönheit, implementiert haben, konnten wir wirklich erstaunliche Ergebnisse erzielen. Einerseits konnten wir feststellen, dass einige der Wettbewerber, mit denen sie immer konkurrierte – und zwar immer in der gleichen Kategorie –, nicht so relevant sind, nicht in dem relevanten Kundensegment ihrer Kunden zu liegen, zumindest nicht für die eigene Kundschaft. Dies ergab sich aus dem Modell zur Sensitivität gegenüber Wettbewerbern, das die Kreuzelastizität zwischen Preiserhöhungen der Konkurrenz und der Nachfrage in der eigenen Kundschaft ermittelte. Und zweitens hat die Artikelsegmentierung sehr geholfen, indem sie einige ihrer Kerninteressen identifizierte, die sie als besonders wichtig hielten, um wettbewerbsorientiert zu sein – aber in Wirklichkeit waren sie nur sichere Wegbereiter.
Und deshalb konnten wir die Aggressivität beseitigen und mehr Geld mit diesen SKs erzielen, ohne den Umsatz und die verkauften Einheiten zu gefährden. Und das geschah in nur drei Monaten. Außerdem konnten wir die wichtigsten Geschäftsmessgrößen verbessern: Der Gewinn stieg in der Testgruppe um 25 Prozent gegenüber einer Kontrollkonfiguration. Wir konnten die manuelle Arbeitslast um mehr als 20 Stunden pro Woche reduzieren. Und wieder einmal waren das nur zwei der Module, und es gibt viel mehr Möglichkeiten für KI. Fabian, meine nächste Frage bezieht sich auf die Bedenken. Okay.
Welche typischen Herausforderungen stehen Ihnen bei Gesprächen mit Kunden gegenüber? Eine weitere Frage könnte ich vielleicht noch zwei weitere stellen, wenn das in Ordnung ist. Um wie viel schneller kann ich Erfolg sehen? Da wir das ziemlich oft gefragt bekommen, und auch eine weitere Frage, die häufig gestellt wird: Wie sieht es in den physischen Filialen aus? Wie gesagt, beim Start ist es eine Reise, also werden Sie nicht alles auf einmal erledigen. In unseren typischen Implementierungen dauert es jedoch 12 bis 16 Wochen, bis wir live sind und die ersten Preise festlegen können. Und was Sie in den ersten Preisverhandlungen erwarten können, ist natürlich eine Menge Veränderung, da bei vielen Verbesserungen wahrscheinlich zum ersten Mal KI eingesetzt wird.
Daher sehen wir in der Regel die erste Preisanpassung als eine größere Herausforderung, die nicht nur die transformativen Veränderungen in der Managementarbeit erfordert, um Vertrauen in die neuen Preise zu schaffen, sondern auch die physische Änderung von mehr Preisen als in einem kontinuierlichen Prozess. Daher würde ich sagen, dass dies der Ausgangspunkt ist und dass die Anzahl der Preisänderungen im Laufe der Zeit typischerweise abnimmt. Zweitens Ihre Frage zu den physischen Filialen: Hier gilt die Logik und die Theorie sind dieselben, die Modelle sind dieselben; die Reihenfolge der Preisänderungen ist jedoch in der Regel geringer, abhängig von der manuellen Anstrengung beim Drucken von Preisetiketten, sofern in den Filialen noch keine elektronischen Etiketten vorhanden sind. In der Regel sind die Dynamiken jedoch die gleichen. Es gibt KVIS-Verkaufsdriver und Gewinngeneratoren; die Optimierungssziele sind dieselben; es ist nur eine andere Skala und eine andere Geschwindigkeit.
Und wie unterscheidet sich das von der Kategorie? Entschuldigung. Auch hier würde ich sagen, dass die Logik und die Optimierungsszenarien der Modelle wahrscheinlich gleich sind; es ist einfach nur die Ausprägung der Preisoptimierung und der Häufigkeit der Preiserhöhungen. Wenn man beispielsweise an Konsumelektronik denkt, bei der wir den Preis mehrmals pro Tag ändern oder ändern müssen, kann dies bei Lebensmitteln oder Mode, insbesondere Mode, ganz anders aussehen. Man denke beispielsweise an die wöchentlichen Rabatte am Ende der Saison. Ich denke, die Häufigkeit ist ein wichtiger Faktor. Und zweitens, speziell für Mode, die eine etwas einzigartige Branche mit diesem Rabatt ist und hier die saisonalen zyklischen Absatzzyklen. Diese Ausverkaufautomatisierung ist einer der Schlüsselmodule, wie wir bereits am Anfang gezeigt haben, und treibt den Wert. Vielen Dank, Fabian.
Und ich denke, eine Frage, die sich bei allen anhört und die Jonah freuen würde, wenn Sie darauf eingehen könnten, lautet: Ist das ein riesiges Transformationsprojekt? Wie sieht es aus? Die einfache Antwort darauf lautet: Nein. Um es kurz zu machen: Es gibt Implementierungen, die je nach Kundenlandschaft und dem Interesse an der Nutzung der Daten variieren. Das betrifft sowohl den Auf- als auch den Abfluss innerhalb der größeren Organisation. In der Praxis ist es jedoch nicht so eine große Transformation wie alle denken, und das ist Teil der Herausforderung heute. Wir wollten die Preisgestaltung in dieser Hinsicht entmystifizieren. Es hängt also auch von den Faktoren der Komplexität ab. Die Leute glauben, dass ihre Skew-Zahl und die Anzahl der Kanäle, die sie nutzen, große Einfluss auf die Größe und die Ausmaße dieser Transformation haben, aber in Wirklichkeit tragen sie überhaupt keine enorme Komplexität bei.
Die Gründe für die Komplexität der Geschäftsprozesse kommen daher eher von den Einzelhändlern selbst: beispielsweise durch veraltete Arbeitsweisen oder die Neigung, ständig mit Preiskontrollen zu konkurrieren. Aber wie Sie auf dem Bild sehen können, gibt es sowohl vor- als auch nachgelagerte Auswirkungen, die genutzt werden können, um die Daten aus dem Preisoptimierungssystem zu nutzen.
Also, im Vorfeld könnten Sie beispielsweise auf die Prognose der Nachfrage schauen und im Nachgang könnten Sie z. B. Modelle zur Rabattierung betrachten – das ist ein Beispiel, aber die Menschen nehmen nicht immer zur Kenntnis, dass man mit den Daten, die daaus kommen, so viel tun kann. Die Implementierung selbst – Fabian hat von 12 bis 16 Wochen gesprochen – wir haben tatsächlich gesehen, dass Implementierungen länger als sechs Monate dauern, aber das ist – das ist der kleinere Aspekt –, den wir gesehen haben: Einige Implementierungen dauern nur etwa acht Wochen. Wir beginnen in der Regel mit einer kleinen Pilotkategorie und beweisen dann die Vorteile, bevor wir sie in die übliche Implementierung übernehmen. Aber ich denke, nicht jede Organisation glaubt an die Kraft der Change-Management-Strategien. In Preisprogrammen ist das jedoch wirklich entscheidend. Daher konzentrieren wir uns auf diesen Punkt besonders stark. Preisgestaltung betrifft jeden einzelnen Bereich der Organisation. Daher muss sich jeder einzelne Bereich der Organisation an diese beteiligen.
Wir sind fest davon überzeugt, dass man die Veränderungsprozesse erfolgreich steuern kann. Vielen Dank, John. Das führt mich zu meiner nächsten Frage: Was ist die Spannung zwischen IT und Business? Es gibt immer eine Spannung. Sie kann sowohl positiv als auch negativ ausfallen. Und ich möchte Sie als Organisation fragen: Muss die Daten in perfekter Form vorliegen, um ein solches Projekt zu starten? Das ist eine gute Frage, Mann. Daher ist diese Frage oft bei Transformationsprojekten im Einzelhandel aufgetaucht. Die kurze Antwort ist: Nein. Sie brauchen also keine perfekte Dateninfrastruktur, um die Einbindung von KI-basierten Preisberechnungssystemen zu ermöglichen. Allerdings müssen Sie sowohl aus der Sicht der Datenstrategie nachdenken, die sowohl die Agilität des Geschäfts als auch die Skalierbarkeit der IT ausbalanciert.
In der Retailbranche ist die Realität also, dass die Daten immer fragmentiert sind und die Suche nach einer optimalen Dateninfrastruktur dazu führen kann, dass man Chancen verpasst. Daher bezieht sich die Preisgestaltung und die Empfehlungen anhand dieser API-Modelle auf betriebssystembezogene Daten. So können Sie die verschiedenen betriebssystembezogenen Daten sehen, die mit anderen Systemen wie Wettbewerbsintelligenz und Produktverhaltenanalysen verbunden sind. All dies ist über API- und SFTP-Verfahren integriert und ermöglicht die Nutzung einer KI-gestützten Preismodellierung, die Echtzeitstrategien und Werbeaktionen ermöglicht. Statt auf einen vollständig ausgereiften Data Lake oder Data Warehouse zu warten, sollten Unternehmen klein anfangen und die Prozesse im Laufe der Zeit iterieren und dann skalieren. Durch die Nutzung dieser APIs für die Integration und KI-Modelle, die sich im Laufe der Zeit bewährt haben, kann dies tatsächlich die Kosten senken und die Geschäftsbeschleunigung erhöhen. Außerdem können Unternehmen die Agilität und die schnelleren Wertschöpfungsprozesse sicherstellen.
Und Shri, könnten Sie auf die technische Komplexität der Fahrer eingehen? Ja, meistens, wie John bereits erwähnt hat, kommt die Komplexität nicht von der Anzahl der SKU-Varianten und der Anzahl der Unterschiede zwischen den Filialen etc. Die technische Komplexität liegt eher darin, wie Ihre Datenquellen organisiert sind, wie Ihre Echtzeit-Data-Entscheidungsfindung funktioniert und welche regulatorischen Anforderungen erfüllt werden müssen. Also zum Beispiel in der britischen Einzelhandelslandschaft muss ein Preisungs-System eine dynamische Mehrwertsteuer enthalten. Es muss außerdem die Unterstützung für mehrwährungspreise, regionale Werbeaktionen und alle Compliance-Anforderungen umfassen. Damit ist alles in Einklang gebracht mit allen Ihren Legacy-Systemen, Ihren ERP-Systemen, Ihren E-Commerce-Loyalitätsprogrammen und externen Systemen. Alle diese Faktoren beeinflussen die Komplexität tatsächlich. Es geht also nie nur um die SKU-Varianten, die Filialen oder die Unterschiede.
Allerdings sind moderne Preisberechnungssysteme wie diese APIdenominiert und wurden entwickelt, um effizient mit großen Schwankungen, unterschiedlichen Lagerbeständen und komplexen Netzwerkstrukturen umzugehen. Sicher. Manchmal wird uns viel über Sicherheit und Datenschutz gefragt, was oft zu dem klassischen Dilemma „Build versus Buy“ führt, mit dem viele Organisationen konfrontiert sind. Könnten Sie Ihre Erfahrungen zu diesem Thema teilen? Sicherheit und Datenschutz sind für den Einzelhandel immer entscheidend, da die strengen Compliance- und Regulierungsvorgaben hinsichtlich der Datenverfügbarkeit eine Herausforderung darstellen. Allerdings ist Build versus Buy keine eindeutige Entscheidung.
Der Grund dafür ist, dass bei der Entwicklung etwas mit höheren Kosten und einer höheren Komplexität verbunden ist und die Markteinführung schneller erfolgen kann. Wie können Sie die Änderungen kontinuierlich aktualisieren und überwachen, wenn Sie die Entwicklung intern durchführen? Das wird nicht unbedingt den Anforderungen entsprechen, die sich im Laufe der Zeit ändern, wie dies bei diesem Beispiel der Fall ist. Sicherheit und Datenschutz sind also nicht nur ein Kaufargument gegenüber der eigenen Entwicklung. Wenn man etwas wie „Kaufen“ anbietet, muss man sich keine Sorgen um die Einhaltung von Compliance-Richtlinien machen, da diese bereits gewährleistet sind. Man muss sich keine Sorgen um die Frage machen, wie man seine personenbezogenen Daten verarbeitet, wie man die vollständige Verschlüsselung implementiert und wie man eine Multi-Tenancy implementiert. All das wird bei „Kaufen“ und „Andere Option“ berücksichtigt. Denn diese SAS-Lösung kann auf den von dem Kunden gewählten Cloud-Anbieter bereitgestellt werden.
Daher müssen die Daten nicht an Kunden weitergegeben werden, was bedeutet, dass alle sensiblen Daten, die in der Infrastruktur der Einzelhändler gespeichert werden können, sowie die mit KI betriebenen Nachverfolgungsmechanismen weiterhin genutzt werden können. Vielen Dank, Shri. Und zu meiner nächsten Frage, John: Was wäre, wenn Einzelhändler davon ausgehen, dass sie mit Tools wie Copilot, Gemini, OpenAI und anderen einfach ihre eigene KI-Präzisionspreisplattform erstellen können, da es so viele Optionen gibt? Das sieht sehr attraktiv aus. Was haltet ihr davon? Eine sehr aktuelle Frage, May. Es gibt zwei Hauptaspekte zu berücksichtigen. Shre hat das bereits angesprochen. Einer davon ist „Kaufen versus Erstellen“. Mein persönliches Verständnis und das unserer Ansicht ist, dass dies kein riesiger Produktentwicklungsprojekt ist. Es ist ein Nebeneffekt von Experten und Personen mit Erfahrung in diesem Bereich. Ich würde es genauso behandeln wie ein CRM.
Um stets, wenn ein Händler eine gewisse Größe und Reichweite hat, ist es üblich, auf den Kauf einer CRM-Lösung hinzuwirken. Wir berechnen unsere Preise auf die gleiche Weise. Der zweite Punkt ist, dass wir uns mit US und Quick Lizard bereits eine lange Geschichte in Bezug auf die Preisgestaltung haben. Wir haben jahrelang daran gearbeitet, die Preisplattform zu optimieren und zu verfeinern. Die Preise sind bei uns so festgelegt, dass wir wissen, dass wir in den USA und in anderen Ländern mit anderen Unternehmen konkurrieren. Die Preise sind in der Regel höher als bei anderen Unternehmen. Die zweite Sache ist, dass wir wissen, dass US und Quick Lizard ein historisches Verhältnis haben. Wir haben jahrelang zusammen daran gearbeitet, die Preisplattform zu optimieren und zu verfeinern. Wir haben einige der weltweit führenden KI-Preismodelle entwickelt, die wir ständig trainieren und verbessern. Diese Modelle sind nicht speziell dafür gedacht, sondern dienen der kontinuierlichen Verbesserung der Plattform. Die zweite Sache, die Sie wissen sollten, ist, dass wir uns diesen Anspruch nicht einfach so erfüllen lassen. Er ist in die Plattform selbst eingebettet und ist super verfeinert. Das ist der Grund, warum ich mich nicht einfach auf die allgemein verfügbare Version stützen würde und diese Anforderungen nicht erfüllen würde.
Vielen Dank. Um, ich hoffe, wir haben unserer Zuhörerschaft hoffentlich geholfen, einige Mythen rund um die Preisgestaltung und die Nutzung von KI zu entmystifizieren. Und zu meiner letzten Frage: Ich würde gerne, dass Fabian sie ebenso anspricht wie Sie, John, aber vielleicht beginnen wir mit Ihnen, Fabian. Wie die millionenprozentige Frage, die von den Kunden gestellt wird, ist in der Regel: Wie kann man am besten loslegen? Ich denke, wie Sie sagen, der wichtigste Punkt ist, loszulegen. Ich mag die Analogie der permanenten Prototyping. Die meisten unserer Kunden implementieren also, was wir am Anfang implementieren, nicht das, was sie in ein paar Jahren haben werden. Wir beginnen damit, die Pricing-Strategie und -Logik zu replizieren und sie dann im Laufe der Zeit weiter zu entwickeln und die Reifegradetappen zu erklimmen, indem wir immer mehr KI-Module hinzufügen. So einfach geht es: einfach loslegen, der Rest kommt dann noch. Und Fabian, ich stimme absolut zu.
Angesichts der Preisoptimierung ist das keine Angst auszulösen. Ich möchte, dass das Publikum dies wirklich als Lehre aus der Session mitnimmt. Im Gegenteil: Es bietet eine der kraftvollsten und zugänglichsten Möglichkeiten, die Leistung zu steigern. Es gibt zwei Hauptwege, um loszulegen. Ich würde vorschlagen, zunächst Kontakt mit uns aufzunehmen über die Kontaktinformationen auf der letzten Folie. Parallel dazu bin ich sicher, dass auch meine Informationen uns dabei helfen werden. Es gibt jedoch ein Preismaturity-Fragebogen, den ich allen dringend empfehlen würde, am Ende dieser Sitzung auszufüllen. Damit haben Sie tatsächlich etwas Handlungsrelevantes und Wertvolles zu tun: eine schnelle Preismaturity-Analyse, die Sie in nur wenigen Minuten durchführen können.
Um, sobald Sie das Fragebogen ausgefüllt haben, erhalten Sie eine personalisierte Bewertung, die direkt in Ihren E-Mail-Posteingang geschickt wird. Diese hilft Ihnen dabei, zu verstehen, wo Sie stehen und was Sie als nächstes optimieren können. Es ist ein großartiges Werkzeug, um gleich zu beginnen – auch als internes Verfahren – um zu verstehen, wo Sie sich derzeit befinden. Bitte scannen Sie den QR-Code, den Sie hier sehen, und kontaktieren Sie uns, entweder mit John oder Fabian, falls Sie weitere Fragen haben. Ich möchte Ihnen gerne danken. Ich möchte Ihnen danken, dass Sie an dem heutigen Webinar und der Preisgestaltung teilgenommen haben. Wir hoffen, dass Sie die Erkenntnisse, Strategien und realen Anwendungsmöglichkeiten für sich nützlich finden, um die Komplexität der Preisgestaltung in einem sich ständig weiterentwickelnden Markt zu bewältigen. Ein besonderer Dank geht an Fabian, John und Shri. Vielen Dank an unsere Experten für ihre Teilnahme an diesem Tag und die Sharing ihrer Erfahrungen.
Danke noch einmal, dass Sie an dieser Sitzung teilgenommen haben. Einen schönen Tag noch. Vielen Dank. Danke. Danke. Auf Wiedersehen. Auf Wiedersehen.