Big Data statt Bauchgefühl | stores+shops

Anzeige
{{{name}}}

Vorgeschlagene Beiträge

Anzeige

Im Preismanagement könnten ausgeklügelte Machine-Learning-Algorithmen künftig neue Maßstäbe setzen. (Foto: iStock/MCCAIG)

Big Data statt Bauchgefühl

Bei Absatzprognosen, Auto-Dispo oder personalisierter Kundenansprache setzt der Handel zunehmend auf Big Data statt Bauchgefühl. Auch im Preismanagement könnten ausgeklügelte Machine-Learning-Algorithmen künftig neue Maßstäbe setzen.

Unterschiedliche Zielgruppen, ein rasant wachsendes Online-Geschäft, dazu jede Menge Artikel, bei denen die Kunden zuerst auf den Preis schauen und nicht zuletzt Wettbewerber, die ihre Preise im Stundentakt verändern: Für den deutschen Elektronikhändler Conrad wird die optimale Bepreisung seines Sortiments auf den verschiedenen Kanälen zunehmend zur Herausforderung.

Rund 750.000 Artikel werden auf conrad.de mittlerweile angeboten, im B2B-Geschäft sind es auf dem 2017 gestarteten Marktplatz conrad.biz sogar mehr als eine Million. Die 24 deutschen Filialen führen jeweils ein standortspezifisches Sortiment mit durchschnittlich rund 35.000 Artikeln, dazu kommen gedruckte Kataloge und Filialbeilagen, die sich die Kunden auch per App aufs Smartphone laden können.  

„Diese Komplexität ist manuell nicht mehr zu bewältigen“, sagt Günter Zengerle, bei Conrad Electronics in Deutschland für das Thema Pricing-Software zuständig. Um noch schneller auf den Wettbewerb reagieren zu können und seine Preisstrategie optimal umzusetzen, will das Unternehmen den Automatisierungsgrad im Preismanagement weiter erhöhen. Bislang nutzt der Omnichannel-Händler eine selbstentwickelte Pricing-Software, die jedoch aufgrund ihrer proprietären Architektur schwer auf die gesamte Gruppe ausrollbar ist. Geplant ist deshalb der Umstieg auf eine möglichst schlanke, wartungsarme und skalierbare Lösung, die leistungsfähige Algorithmen und Machine Learning für das dynamische Preismanagement (Dynamic Pricing) und relevante Informationen und Zusammenhänge für die Preisverantwortlichen schnell und verständlich aufbereitet.

Die Komplexität ist manuell nicht mehr zu bewältigen.

Günter Zengerle

Conrad Electronics

In die enge Auswahl hat Conrad die cloudbasierte Dynamic Pricing-Lösung des US-Anbieters Revionics gezogen. Seit Mitte 2017 muss sich die Revionics-Lösung bei Conrad zunächst im Praxistest beweisen. „Ob das Tool unsere Anforderungen erfüllt und zuverlässig gute Ergebnisse liefert, lässt sich am besten live mit echten Transaktionsdaten herausfinden“, sagt Projektkoordinator Zengerle. Für den Proof of Concept haben er und sein Team 15.000 Artikel ausgewählt, für die während der Testphase die Preise mit der Revionics-Software wöchentlich neu berechnet und bei Bedarf angepasst werden. Getestet wird gegen eine Vergleichsgruppe, für die das Preismanagement mit der bestehenden Eigenlösung erfolgt (A/B-Test). Als Zielgröße haben sich die Tester für den Deckungsbeitrag entschieden. Er soll für die Testgruppe durch dynamisches Preismanagement optimiert werden. Alternativ ließe sich beispielsweise auch vergleichen, inwieweit es anhand der vom System vorgeschlagenen Preise gelingt, den Marktanteil oder den Umsatz zu steigern.

Zielgröße Deckungsbeitrag

Ende des Jahres soll bei Conrad die Entscheidung fallen, ob der Umstieg auf die Revionics-Software erfolgt. In Deutschland würde der Elektronikhändler damit zu den Vorreitern im Dynamic Pricing gehören. Im Vergleich zu den USA oder Großbritannien haben hierzulande erst sehr wenige Unternehmen Erfahrung mit mathematischen Algorithmen und Machine-Learning zur automatisierten Preisfindung. Zu nennen ist hier insbesondere die Otto Group, die im Online-Geschäft die Dynamic-Pricing-Lösung von Blue Yonder für eine wachsende Anzahl von Sortimentsbereichen nutzt und auch zu den Investoren des Karlsruher Big-Data-Spezialisten gehört.  

Auch Revionics setzt wie Blue Yonder auf wissenschaftlich fundierte Algorithmen, die eine Vielzahl von internen und externen Preisbildungsfaktoren erfassen und auswerten und somit weit mehr leisten als traditionelle aufschlag- oder regelbasierte Modelle zur Preisfindung. Anhand von historischen Abverkaufsdaten können Dynamic-Pricing-Lösungen die Preis-Elastizität für Artikel oder Warengruppen berechnen und Prognosen zur Preisakzeptanz verschiedener Kundensegmente treffen. So unterstützen sie Einzelhändler beim konsequenten Umsetzen ihrer Preisstrategie, die stets auf konkreten Zielen wie Preisführerschaft, höherer Marktanteil, mehr Umsatz oder Gewinn basieren sollte.

Das Optimierungspotenzial dieser neuen Generation von Pricing-Software sollten Handelsunternehmen nicht ignorieren, meint Tim Brzoska, Partner bei der Marketing- und Strategieberatung Simon-Kucher & Partners in Köln. Die eigenen Preise mithilfe von Big Data zu optimieren, gehöre zu den Digitalisierungsinitiativen mit dem größten positiven Effekt. Treiber der Entwicklung seien datengetriebene E-Commerce-Unternehmen wie Amazon, die täglich Millionen von Preisänderungen vornehmen. „Die Online-Player können sehr gut testen und analysieren, wie die Kunden auf Preisänderungen reagieren, das ist ein enormer Wettbewerbsvorteil“, so Brzoska. Die aktuelle „Global Pricing & Sales-Studie“ von Simon-Kucher lasse quer durch alle Branchen auf unausgeschöpftes Potenzial schließen. Nur rund jedes zehnte Unternehmen hat danach im Zuge seiner Digitalisierungsstrategie bereits in die Preisoptimierung investiert, die aber einen höheren Return on Investment verspreche als weiter oben im Ranking stehende Digitalisierungsprojekte (siehe Grafik).

Angebote aus der Cloud

Schnell skalierbare und modular erweiterbare Angebote aus der Cloud erleichtern den flexiblen Einstieg ins Dynamic Pricing, zum Teil ist sogar ein kostenloser Test möglich. Für Revionics ist Software-as-a-Service (SaaS) nach eigenen Angaben ein wichtiger und wachsender Markt, auch Blue Yonder versteht sich in erster Linie als Anbieter cloudbasierter Lösungen. Prudsys, seit Kurzem Teil der GK Software Gruppe und Spezialist für personalisiertes Empfehlungsmarketing in Echtzeit, bietet sein Tool für Dynamic Pricing wahlweise on premise oder aus der Cloud an.  

„Price f(x)“, 2011 in Deutschland gegründet, vermarktet seine Software als „Pricing-as-a-Service“ ohne hohes Vorab-Investment oder langfristige Vertragsbindung. Ein Pilot lasse sich binnen einer Woche aufsetzen, eine Evaluierung der Vorteile sei bereits nach einem Monat möglich, verspricht Patrick Adams, Vice President and General Manager für Europa bei Price f(x) in Zürich. 60 Kunden aus unterschiedlichen Branchen und Ländern nutzen mittlerweile die Software, darunter auch die deutschen Retailer Baby Walz, home24.de, Media Markt und Saturn.  

Elektronische Regaletiketten, wie sie beispielsweise Media Markt bereits flächendeckend eingeführt hat, erlauben kurzfristige Preisänderungen auch in den Filialen. Allerdings gilt es, dabei maßvoll vorzugehen, um die Kunden nicht zu irritieren. Zu häufige Preisänderungen schaden der Transparenz und dem Kundenvertrauen. So müssen beispielsweise die Filialen bei Conrad preislich nicht stets mit dem Online-Angebot gleichziehen. Eine wichtige Vorgabe lautet vielmehr, dass im stationären Bereich maximal 500 Preise pro Tag angepasst werden.  

Foto: iStock/MCCAIG

Weitere Informationen: redaktion@ehi.org

Die Strategie entwickelt immer noch der Mensch

Tim Brzoska, Experte für Preisstrategien im Handel bei Simon-Kucher & Partners in Köln, über Preisdruck und Strategien des Pricings im Handel

Fast alle Produkte gibt es inzwischen auch online. Heizt die Digitalisierung den Preiswettbewerb an?

Ja. Zunehmender Preisdruck ist im Handel zwar nicht neu, doch die Preistransparenz im Internet facht den Preiswettbewerb weiter an, vor allem in Branchen, wo die Artikel sehr vergleichbar sind wie beispielsweise Consumer Electronics. Kurz gesagt: Je einfacher die Vergleichbarkeit, desto höher der Preisdruck.

Unternehmen wie Amazon ändern mehrfach täglich Millionen von Preisen. Wie können klassische Einzelhändler darauf reagieren?

Auf jeden Fall nicht, indem sie per Webcrawler online massenhaft Preise einsammeln und wahllos unterbieten. Das tut Amazon auch nicht, in vielen Kategorien sind sie sogar eher Preisfolger und profilieren sich stattdessen über Servicekriterien wie große Auswahl, schneller Versand, komfortable und sichere Bezahlmöglichkeiten, unkomplizierte Rückgabe und hohes Kundenvertrauen. Einzelhändler sollten sich auf die Wettbewerber konzentrieren, die für ihre Kunden zum relevanten Set zählen. Und sich fragen, wie sie möglicherweise alternativ auf Preissenkungen reagieren können. Überall der Billigste zu sein, wird für die meisten zu teuer.

Sie empfehlen Big-Data-Software zur Preisoptimierung. Ersetzt Machine-Learning die menschliche Erfahrung?

So würde ich das nicht formulieren. Jedes Unternehmen braucht eine gut durchdachte Preisstrategie, und die lässt sich nicht einfach mit einem Tool festlegen. Allerdings können lernfähige mathematische Algorithmen sehr schnell enorme Datenmengen bewältigen und komplexe Zusammenhänge viel besser erkennen als der Mensch. Eine leistungsfähige Pricing-Software kann mit automatisch generierten Preisen erheblich dazu beitragen, die Preissetzung konsequent an der gewählten Strategie auszurichten und so zu einem klaren Preisimage und besseren Ergebnissen führen.

Medium Rectangle Technology 1

Anzeige

Produkt-News