{"id":20718,"date":"2022-02-24T18:28:16","date_gmt":"2022-02-24T15:28:16","guid":{"rendered":"https:\/\/quicklizard.wpenginepowered.com\/blog\/retail-pricing-optimization-using-machine-learning\/"},"modified":"2022-02-24T18:28:16","modified_gmt":"2022-02-24T15:28:16","slug":"optimierung-der-preisgestaltung-im-einzelhandel-durch-maschinelles-lernen","status":"publish","type":"post","link":"https:\/\/quicklizard.com\/de\/blog\/retail-pricing-optimization-using-machine-learning\/","title":{"rendered":"Optimierung der Preisgestaltung im Einzelhandel durch maschinelles Lernen"},"content":{"rendered":"
\n\t\t\t\t
\n\t\t\t\t\t
\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Die Notwendigkeit und Entwicklung von Preissystemen<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Seit der Einf\u00fchrung der W\u00e4hrung ist die Festlegung des richtigen Preises f\u00fcr eine Ware oder Dienstleistung ein wirtschaftliches Problem, das in der Wissenschaft erforscht wird und f\u00fcr jeden Einzelh\u00e4ndler ein Kampf ist. J\u00fcngste und anhaltende Ver\u00e4nderungen im Einzelhandel, wie der \u00dcbergang zum E-Commerce, Omnichannel, Herausforderungen in der Lieferkette, zusammen mit technologischem Fortschritt und makro\u00f6konomischen Ver\u00e4nderungen, haben es f\u00fcr Einzelh\u00e4ndler fast unm\u00f6glich gemacht, Preisstrategien und Gesch\u00e4ftsziele in Echtzeit mit alten Methoden in Einklang zu bringen.\u00a0\u00a0\u00a0<\/span><\/p>\n

Viele Einzelh\u00e4ndler halten die manuelle Verwaltung von Preisen und Richtlinien immer noch f\u00fcr die g\u00fcnstigere Alternative, aber die Kosten sind nur die halbe Miete.\u00a0<\/span><\/p>\n

Schauen wir uns genauer an, warum eine manuelle Preisgestaltung veraltet ist und wie sie das Gesch\u00e4ft des Einzelh\u00e4ndlers unterminieren und das Erreichen der Gesch\u00e4ftsziele behindern kann.<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t

Ineffizientes Kategorienmanagement <\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Ein wichtiger Erfolgsfaktor im Einzelhandel ist eine optimierte Kategorie- und Bestandsverwaltung. Bei der manuellen Preisgestaltung k\u00f6nnen nicht alle Unterkategorien von Produkten ber\u00fccksichtigt werden. Sie schr\u00e4nkt die M\u00f6glichkeit ein, tief in die Materie einzutauchen, und beschr\u00e4nkt den Fokus oft auf die besten Produkte. Das bedeutet, dass umsatzschwache Produkte oft nicht preisoptimiert werden, obwohl sie wichtig sind, da sie herabgesetzt werden k\u00f6nnen, um den Verkauf zu beschleunigen, \u00fcbersch\u00fcssige Best\u00e4nde zu vermeiden und den Cashflow zu erh\u00f6hen.\u00a0\u00a0\u00a0\u00a0<\/span><\/p>\n

Lohnt es sich, Stunden damit zu verbringen, eine Tabelle manuell zu aktualisieren, anstatt diese Ressourcen f\u00fcr Aufgaben zu verwenden, die sich direkt auf das Endergebnis auswirken? Sicher, das mag sinnvoll sein, wenn Sie nur wenige Produkte verkaufen oder Ihr Gesch\u00e4ft auf eine einzige Verkaufsstelle beschr\u00e4nken. Bei Tausenden von SKUs oder einem Multichannel-Vertriebskonzept ist es jedoch nicht sinnvoll.<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t

Sie wird nicht oft genug aktualisiert<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Die \u00dcberwachung von Wettbewerbern mit manueller Preisgestaltung besteht im Wesentlichen darin, die Website eines Wettbewerbers aufzusuchen, sein aktuelles Angebot zu pr\u00fcfen und seine Preise zu vergleichen. Wie oft ist das realistisch betrachtet m\u00f6glich? Was ist, wenn Ihre Konkurrenten eine automatisierte Preisgestaltungsl\u00f6sung verwenden, die die Preise min\u00fctlich \u00fcber alle Kan\u00e4le hinweg aktualisiert? Eine Tabellenkalkulation kann da auf keinen Fall mithalten. <\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t

Sie m\u00fcssen immer mit der Konkurrenz mithalten<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Eine wirksame Preis\u00fcberpr\u00fcfung erfordert mehr als nur ein paar Excel-Verkn\u00fcpfungen, wenn es um ein gro\u00dfes Produktsortiment geht. Es bedarf eines scharfen Auges und eines gr\u00fcndlichen Verst\u00e4ndnisses der Datenwissenschaft, um tiefgreifende Wettbewerbsanalysen durchzuf\u00fchren und diese dann in umsetzbare Gesch\u00e4ftserkenntnisse zu \u00fcbersetzen. Eine digitale Preisgestaltungsl\u00f6sung kann Ihnen dabei helfen, der Konkurrenz einen Schritt voraus zu sein, indem sie gro\u00dfe Datenbest\u00e4nde durchforstet und Sie in die Lage versetzt, Preisanpassungen zeitnah vorzunehmen.<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Einzelh\u00e4ndler sind heute mit einer Vielzahl von Parametern und Fragen konfrontiert, die sie bei der Preisgestaltung ber\u00fccksichtigen m\u00fcssen:<\/span><\/p>

  • Wie verh\u00e4lt sich der richtige Preis zu den gew\u00fcnschten Lagerbest\u00e4nden?<\/span><\/li>
  • Was werden meine Kunden als einen fairen Preis im Verh\u00e4ltnis zu meiner Marke empfinden?<\/span><\/li>
  • Wie ist der Preis f\u00fcr dieses Produkt bei meinem Konkurrenten?<\/span><\/li>
  • Wie hoch sind meine Kosten?<\/span><\/li>
  • Wie hoch sind die Kosten f\u00fcr die Wiederauff\u00fcllung meines Bestands?<\/span><\/li>
  • Wie wirkt sich die Saisonalit\u00e4t auf den Preis aus? Einzelhandelssaison? Das Wetter?<\/span><\/li>
  • Mehr....<\/span><\/span>

    \u00a0<\/p><\/li><\/ul>

    Durch den Einsatz digitaler Preisgestaltungsplattformen k\u00f6nnen Einzelh\u00e4ndler viele dieser Faktoren bei der Preisgestaltung ber\u00fccksichtigen:<\/span><\/p>

    • Wettbewerb<\/span><\/li>
    • Wetter<\/span><\/li>
    • Saison<\/span><\/li>
    • Besondere Ereignisse\/Feiertage<\/span><\/li>
    • Makro\u00f6konomische Variablen wie die Inflation oder COVID-19<\/span><\/li>
    • Kosten<\/span><\/li>
    • Lagerhaltung und Bestandszuweisung<\/span><\/span><\/span>

      \u00a0<\/p><\/li><\/ul>

      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.<\/span><\/p>

      Die automatische Preisgestaltung wird von Einzelh\u00e4ndlern eingesetzt, um zwei Hauptprobleme zu l\u00f6sen: eine suboptimale Preisstrategie und \u00fcberm\u00e4\u00dfige Kosten f\u00fcr die Preisgestaltung. Durch die automatische Preisgestaltung wird nicht die Preisstrategie selbst ge\u00e4ndert, sondern der Preisgestaltungsprozess, der dadurch billiger und schneller wird. Mit der dynamischen Preisgestaltung k\u00f6nnen Einzelh\u00e4ndler die Preise ihrer Produkte so einstellen, dass sie sich automatisch an den Preisen der Wettbewerber orientieren. Die Preisoptimierung geht jedoch \u00fcber die dynamische Preisgestaltung hinaus.\u00a0<\/span>
      <\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

      \n\t\t
      \n\t\t\t\t
      \n\t\t\t\t
      \n\t\t\t\t\t\t\t\t\t

      Die Preisoptimierung konzentriert sich auf die Suche nach dem\u00a0Preis, der eine bestimmte Kennzahl maximiert<\/span>wie z. B. den Unternehmensumsatz, indem viele dynamische Faktoren ber\u00fccksichtigt werden. Die Preisgestaltung der Wettbewerber ist nur einer dieser Faktoren.<\/p>

      Wichtig! :\u00a0\u00a0<\/b>Bei der Optimierung der Preisgestaltung automatisieren die Einzelh\u00e4ndler die Preisgestaltungsprozesse.\u00a0<\/span>aber nicht unbedingt ihre Preisstrategie.<\/span>
      <\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

      \n\t\t\t\t
      \n\t\t\t\t\t

      M\u00f6chten Sie mehr erfahren?<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
      \n\t\t\t\t
      \n\t\t\t\t\t

      Der Ablauf f\u00fcr die Implementierung der Preisoptimierung<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
      \n\t\t\t\t
      \n\t\t\t\t\t

      Daten sammeln\n<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
      \n\t\t\t\t
      \n\t\t\t\t\t\t\t\t\t
        \n
      • Transaktionsbezogen: Verkaufshistorie, die die Liste der gekauften Waren enth\u00e4lt.<\/span><\/li>\n
      • Produktkatalog mit relevanten Informationen wie Kategorie, Gr\u00f6\u00dfe, Marke, Stil, Farbe, Fotos, Anschaffungskosten usw.<\/span><\/li>\n
      • Wettbewerbsdaten: Preise f\u00fcr identische, \u00e4hnliche oder erg\u00e4nzende Produkte.<\/span><\/li>\n
      • Bestands- und Versorgungsdaten.<\/span><\/li>\n
      • E-Commerce-Analysen wie Besuche, Ansichten und Konversionen.<\/span><\/li>\n<\/ul>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
        \n\t\t\t\t
        \n\t\t\t\t\t

        Einstellungen Ziele und Beschr\u00e4nkungen\n<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
        \n\t\t\t\t
        \n\t\t\t\t\t\t\t\t\t

        Auch wenn ein Einzelh\u00e4ndler die Gewinnmaximierung als oberstes Gesch\u00e4ftsziel verfolgt, kann er auch daran interessiert sein, Kunden zu binden, neue Marktanteile zu gewinnen und den Lagerumschlag zu optimieren.\u00a0<\/span><\/p>

        Auch Beschr\u00e4nkungen m\u00fcssen ber\u00fccksichtigt werden. Diese Einschr\u00e4nkungen k\u00f6nnen rechtlicher oder beh\u00f6rdlicher Natur sein oder sich aus den betrieblichen Erfordernissen des Einzelh\u00e4ndlers ergeben. <\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

        \n\t\t\t\t
        \n\t\t\t\t\t

        Schulung der Maschine<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
        \n\t\t\t\t
        \n\t\t\t\t\t\t\t\t\t

        Die in den vorangegangenen Schritten gesammelten historischen Daten werden verwendet, um das Modell des maschinellen Lernens durch Anwendung von Techniken des verst\u00e4rkten Lernens zu trainieren. Verst\u00e4rkungslernen erm\u00f6glicht es einem Agenten, in einer interaktiven Umgebung durch Versuch und Irrtum zu lernen, indem er R\u00fcckmeldungen aus seinen Aktionen und Erfahrungen nutzt<\/span><\/p>\n

        Die Maschine f\u00fchrt Bandit-Algorithmen aus, damit Einzelh\u00e4ndler komplizierte Optimierungsinitiativen und komplexe Preisexperimente durchf\u00fchren k\u00f6nnen. Dabei wird die Optimierung auf mehr als ein Gesch\u00e4ftsziel ausgerichtet.<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

        \n\t\t\t\t
        \n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"Reihen\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
        \n\t\t\t\t
        \n\t\t\t\t\t\t\t\t\t

        Bandit-Algorithmen gehen \u00fcber das klassische A\/B\/n-Testing hinaus und erm\u00f6glichen es einer gro\u00dfen Anzahl von Algorithmen, verschiedene Probleme zu l\u00f6sen, um die Ergebnisse zu optimieren. Mit Hilfe relevanter Datenstr\u00f6me k\u00f6nnen Multi-Armed Bandits kontextbasiert werden. Kontextbasierte Bandit-Algorithmen st\u00fctzen sich auf einen eingehenden Strom kontextbezogener Daten, die entweder aus der Vergangenheit stammen oder neu sind und dazu verwendet werden k\u00f6nnen, bessere algorithmische Entscheidungen in Echtzeit zu treffen.<\/span><\/p>\n

        Dies erm\u00f6glicht Einzelh\u00e4ndlern die volle Kontrolle \u00fcber alle Daten in Echtzeit und damit bessere und effektivere datengesteuerte Entscheidungen.
        <\/span><\/p>\n

        Die St\u00e4rke von Modellen des maschinellen Lernens liegt in ihrer F\u00e4higkeit, die besten Preise zu finden, indem sie kontinuierlich neue Informationen integrieren und aufkommende Trends oder neue Anforderungen erkennen.\u00a0<\/span>
        <\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

        \n\t\t\t\t
        \n\t\t\t\t\t

        Schulung der Maschine<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
        \n\t\t\t\t
        \n\t\t\t\t\t\t\t\t\t

        Die in den vorangegangenen Schritten gesammelten historischen Daten werden verwendet, um das Modell des maschinellen Lernens durch Anwendung von Techniken des verst\u00e4rkten Lernens zu trainieren. Verst\u00e4rkungslernen erm\u00f6glicht es einem Agenten, in einer interaktiven Umgebung durch Versuch und Irrtum zu lernen, indem er R\u00fcckmeldungen aus seinen Aktionen und Erfahrungen nutzt<\/span><\/p>\n

        Die Maschine f\u00fchrt Bandit-Algorithmen aus, damit Einzelh\u00e4ndler komplizierte Optimierungsinitiativen und komplexe Preisexperimente durchf\u00fchren k\u00f6nnen. Dabei wird die Optimierung auf mehr als ein Gesch\u00e4ftsziel ausgerichtet.<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

        \n\t\t\t\t
        \n\t\t\t\t\t

        Andere Nutzung von Algorithmen des maschinellen Lernens <\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
        \n\t\t\t\t
        \n\t\t\t\t\t\t\t\t\t

        Produktcluster-Algorithmen fassen \u00e4hnliche Produkte zusammen, um Preissegmente zu bilden. Diese Gruppen k\u00f6nnen dann verwendet werden, um Preise und Nachfrage f\u00fcr neue Produkte vorherzusagen, f\u00fcr die noch keine Verkaufsdaten vorliegen.<\/span><\/p>

        Generell kann das maschinelle Lernen ein hervorragendes Werkzeug sein, um Erkenntnisse zu gewinnen:<\/span><\/p>

        • Halo-Effekt - Erg\u00e4nzungsprodukte sind Produkte, die eng mit dem Haupt-\/F\u00fchrungsprodukt verbunden sind und sehr oft nicht allein konsumiert werden k\u00f6nnen. Mobiltelefone sind ein Beispiel f\u00fcr ein f\u00fchrendes Produkt mit vielen Erg\u00e4nzungsprodukten wie Handyh\u00fcllen, Displayschutzfolien, Garantien usw. Die Nachfrage nach dem f\u00fchrenden Produkt erzeugt die Nachfrage nach seinem Komplement.\u00a0\u00a0
          <\/span>
          Der Halo-Effekt besteht darin, den Preis des Hauptprodukts auf ein optimales Niveau zu setzen, so dass die Nachfrage nach dem Komplement\u00e4rprodukt steigt und somit der Gewinn aus beiden Produkten zusammen maximiert wird.<\/li><\/ul>
          • Inter-Produkt-Beziehung - Die Nachfrage nach einem Produkt h\u00e4ngt manchmal von Komplement\u00e4r- und Substitutionsprodukten und deren Preisen ab. Generika und Eigenmarken haben zum Beispiel oft \u00e4hnliche Artikel. Diese Produkte sind Substitute. Die Nachfrage nach der Eigenmarke h\u00e4ngt nicht nur von ihrer Preisgestaltung ab, sondern auch von den Preisbewegungen bei der generischen Marke. Marken wie Coke und Pepsi sind Beispiele f\u00fcr Substitute.

            <\/span><\/span><\/li>
          • Customer LTV - Lifetime Value (LTV) ist eine Sch\u00e4tzung des durchschnittlichen Umsatzes, den ein Kunde w\u00e4hrend seiner gesamten Lebensdauer als Kunde generiert. Dieser Kundenwert wird zur Unterst\u00fctzung vieler wirtschaftlicher Entscheidungen verwendet, einschlie\u00dflich Marketingbudget und Ressourcenzuweisung, Rentabilit\u00e4t und Prognosen.\u00a0<\/span>Die Messung des Beitrags jedes dieser Produktk\u00e4ufe zur langfristigen Rentabilit\u00e4t und Benutzerbindung kann dazu genutzt werden, Preis\u00e4nderungen vorzunehmen, die den langfristigen Wert Ihres Unternehmens maximieren.

            \u00a0<\/p><\/li><\/ul>

            Diese sind nur <\/span>einige <\/b>Beispiele f\u00fcr Fragen, die mit Hilfe von Modellen des maschinellen Lernens beantwortet werden k\u00f6nnen.<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

            \n\t\t\t\t
            \n\t\t\t\t\t\t\t\t\t

            Die Plattform von Quicklizard bietet eine End-to-End-Plattform mit Funktionen zur dynamischen Preisgestaltung und Preisoptimierung sowie zur vollst\u00e4ndigen Automatisierung und Pr\u00fcfung von Preisstrategien.<\/b><\/i><\/p>\n

            Unsere Plattform verarbeitet gro\u00dfe Mengen an Daten, Trends fr\u00fch genug antizipieren<\/span> Einzelh\u00e4ndler k\u00f6nnen<\/span> um angemessene Entscheidungen zu treffen und die Preise anzupassen.<\/span><\/b><\/i><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

            Der Einzelhandel ist der Hauptnutzer der Preisoptimierung, da der Preis einer der wichtigsten Vermittler f\u00fcr jeden Kauf ist.<\/p>","protected":false},"author":5,"featured_media":20719,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"content-type":"","footnotes":""},"categories":[7,20],"tags":[57],"class_list":["post-20718","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-pricing-optimization","category-market-insights","tag-posts"],"_links":{"self":[{"href":"https:\/\/quicklizard.com\/de\/wp-json\/wp\/v2\/posts\/20718","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/quicklizard.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/quicklizard.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/quicklizard.com\/de\/wp-json\/wp\/v2\/users\/5"}],"replies":[{"embeddable":true,"href":"https:\/\/quicklizard.com\/de\/wp-json\/wp\/v2\/comments?post=20718"}],"version-history":[{"count":0,"href":"https:\/\/quicklizard.com\/de\/wp-json\/wp\/v2\/posts\/20718\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/quicklizard.com\/de\/wp-json\/wp\/v2\/media\/20719"}],"wp:attachment":[{"href":"https:\/\/quicklizard.com\/de\/wp-json\/wp\/v2\/media?parent=20718"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/quicklizard.com\/de\/wp-json\/wp\/v2\/categories?post=20718"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/quicklizard.com\/de\/wp-json\/wp\/v2\/tags?post=20718"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}