Randverluste.<\/a><\/p>\nDen Moment bewerten, nicht das Produkt<\/h2>\n
Diese L\u00fccke ist das Problem, das wir l\u00f6sen wollten, als ich bei Quicklizard unser neues Modell zur Artikelsegmentierung entwarf. Die Ausgangsannahme unterschied sich von den meisten Ans\u00e4tzen auf dem Markt: Die relevante Frage lautet nicht \u201cWas ist diese SKU?\u201d, sondern \u201cWas ist diese SKU gerade jetzt?\u201d. Diese Umdeutung bestimmte die gesamte Architektur. Das Modell bewertet kontinuierlich die Wettbewerbsposition bei den Preisen, das Suchvolumen, die Wiederkaufraten, die Traffic-Kosten, die Konversionsrate der Ladenbesucher sowie die Substitutionsbeziehungen zwischen verschiedenen Kategorien. Es nimmt eine Neuklassifizierung vor, sobald sich diese Signale verschieben. Wenn der Super Bowl zu Ende ist, wei\u00df das Modell dies noch bevor der Kategoriemanager es bemerkt.<\/p>\n
Im Long Tail versagt die Segmentierung<\/h2>\n
Um dies im Katalogma\u00dfstab zum Laufen zu bringen, musste ein echtes Datenproblem gel\u00f6st werden. Die Bewertung auf SKU-Ebene versagt, wenn die Transaktionshistorie einzelner Artikel l\u00fcckenhaft ist. Wir haben eine Roll-up-Logik entwickelt, die Daten von der SKU \u00fcber das Segment bis hin zur Unterkategorie und Kategorie aggregiert, sodass jedes Produkt im Katalog eine Bewertung erh\u00e4lt, selbst wenn seine eigene Transaktionshistorie sp\u00e4rlich ist. Die Abdeckung verschlechtert sich im Long Tail nicht. Das ist wichtig, da der Long Tail den Gro\u00dfteil des Katalogs ausmacht und dort eine statische Segmentierung am offensichtlichsten fehlschl\u00e4gt.<\/p>\n
Was passiert, wenn sich der K\u00e4ufer \u00e4ndert?<\/h2>\n
Der Grund, warum ich diese Architektur \u00fcber die betriebliche Effizienz hinaus f\u00fcr wichtig halte, und der Grund, warum ich mich speziell f\u00fcr diesen Ansatz eingesetzt habe, ist die Frage, wie sich die Segmentierung ver\u00e4ndert, wenn der K\u00e4ufer wechselt.<\/p>\n
Die Signale, die einen \u201cMoment\u201d gerade jetzt definieren, sind verhaltensbezogen. Wohin die Aufmerksamkeit der Menschen gerichtet ist, welche Ereignisse den Kundenverkehr antreiben, welche Artikel sich im Preisged\u00e4chtnis der Verbraucher verankert haben. All dies setzt voraus, dass der K\u00e4ufer ein Mensch mit kognitiven Verzerrungen ist, die Preisgestaltungsteams seit Jahrzehnten geschickt auszunutzen wissen. Die Verankerung am urspr\u00fcnglichen Preis. Die Reaktion auf \u201eCharm Pricing\u201c. Das Gef\u00fchl der Dringlichkeit durch einen Countdown-Timer. Bei den meisten Einzelh\u00e4ndlern tragen diese verhaltensorientierten Taktiken 200 bis 400 Basispunkte zur Marge bei. Das ist kein Optimierungspotenzial. F\u00fcr viele Einzelh\u00e4ndler ist das die \u00dcberlebensmarge.<\/p>\n
Autonome Einkaufsagenten, die bereits am Rande des Einzelhandels t\u00e4tig sind, weisen diese Vorurteile nicht auf. Sie orientieren sich nicht am Fernsehen. Sie reagieren nicht auf die Dringlichkeit des Super Bowls. Sie werten den Substitutionswert gleichzeitig \u00fcber den gesamten Katalog hinweg aus, gewichtet nach der vom Verbraucher konfigurierten Pr\u00e4ferenzfunktion. Die Verhaltenssignale, die einen Fernseher f\u00fcr einen menschlichen K\u00e4ufer zu einem KVI machen, werden einfach nicht registriert.<\/p>\n
Warum das kontextbezogene Scoring den Wandel \u00fcbersteht<\/h2>\n
Genau hier kommt es auf den Zusammenhang an. Dieselben Signale, die unser Modell bereits auswertet \u2013 Wettbewerbsposition, Substitutionsbeziehungen, Preissensitivit\u00e4t auf Kategorieebene \u2013, sind es auch, die den \u00dcbergang zum agentengest\u00fctzten Handel \u00fcberstehen. Wir haben kein dynamisches Segmentierungstool entwickelt, das zuf\u00e4llig n\u00fctzlich ist, sobald Agenten ins Spiel kommen. Wir haben es entwickelt, weil der Wandel von statischen Produktrollen hin zur kontextbezogenen Bewertung genau der Wandel ist, zu dem der Markt gezwungen sein wird, sobald die verhaltensbasierte Preisgestaltung an Einfluss verliert. Die Grundidee ist richtig: Bewerten Sie den Kontext, nicht das Produkt. Die konkreten Faktoren, die den \u201cKontext\u201d definieren, werden sich weiterentwickeln, wenn die von Agenten ausgehende Nachfrage von einem Randph\u00e4nomen zu einem bedeutenden Anteil w\u00e4chst. Doch die Einzelh\u00e4ndler, die heute viertelj\u00e4hrliche Segmentierungsrituale durchf\u00fchren, bauen nicht auf einer Architektur auf, die sich weiterentwickeln kann. Sie bauen auf einer Architektur auf, die ersetzt werden muss.<\/p>\n
Die statische Segmentierung versagt in zweierlei Hinsicht. Sie versagt heute, wenn das Fernsehen an Spieltagen immer noch als Gewinnbringer eingestuft wird. Und sie versagt erneut in einem agentenbasierten Umfeld, in dem die gesamte Verhaltensgrundlage, auf der sie aufgebaut wurde, nicht mehr zutrifft. Die Einzelh\u00e4ndler, die ihren eigenen Katalog nicht in Echtzeit neu klassifizieren k\u00f6nnen \u2013 gerade jetzt, wo die Umbr\u00fcche durch den Super Bowl und TikTok-Trends verursacht werden \u2013, haben keine realistische Chance im Wettbewerb zu bestehen, wenn die Akteure ihn f\u00fcr sie kontinuierlich neu klassifizieren, indem sie sich einfach daf\u00fcr entscheiden, nicht zu kaufen.<\/p>\n
Costco wird dieses Problem nicht haben. Das Unternehmen f\u00fchrt 3.800 Artikel, praktiziert eine einheitliche Preisgestaltung und erzielt seine Gewinnspanne durch die Mitgliedsbeitr\u00e4ge. Die gesamte Frage der Segmentierung ist f\u00fcr sein Gesch\u00e4ftsmodell irrelevant. Die Preisgestaltung von Costco beruhte von vornherein nie darauf, die begrenzte Rationalit\u00e4t der Kunden auszunutzen.<\/p>\n
Alle anderen sollten sich fragen, ob dies bei ihnen der Fall ist und ob die zugrunde liegende Architektur die Antwort bew\u00e4ltigen kann.<\/p>","protected":false},"excerpt":{"rendered":"
Am Super-Bowl-Sonntag wird ein 75-Zoll-Fernseher zu einem Traffic-Magneten f\u00fcr KVI, und schon am Montag ist er wieder eine Gewinnquelle \u2013 was beweist, dass bei der Segmentierung der Moment und nicht das Produkt im Mittelpunkt stehen sollte und dass bei statischen Preismodellen die Margen still und leise schwinden.<\/p>","protected":false},"author":32,"featured_media":20833,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"content-type":"","footnotes":""},"categories":[20],"tags":[57],"class_list":["post-20832","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-market-insights","tag-posts"],"_links":{"self":[{"href":"https:\/\/quicklizard.com\/de\/wp-json\/wp\/v2\/posts\/20832","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\/32"}],"replies":[{"embeddable":true,"href":"https:\/\/quicklizard.com\/de\/wp-json\/wp\/v2\/comments?post=20832"}],"version-history":[{"count":0,"href":"https:\/\/quicklizard.com\/de\/wp-json\/wp\/v2\/posts\/20832\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/quicklizard.com\/de\/wp-json\/wp\/v2\/media\/20833"}],"wp:attachment":[{"href":"https:\/\/quicklizard.com\/de\/wp-json\/wp\/v2\/media?parent=20832"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/quicklizard.com\/de\/wp-json\/wp\/v2\/categories?post=20832"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/quicklizard.com\/de\/wp-json\/wp\/v2\/tags?post=20832"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}