Was ist regelbasierte Preisgestaltung?
Bei der regelbasierten Preisgestaltung handelt es sich heute um die meistverwendete und konventionelle Art des Ecommerce Pricing. Dabei werden statische Preisregeln oder “Wenn dann”-Formeln verwendet, um Preise dynamisch anzupassen und auf sich verändernde Einflussfaktoren zu reagieren. Häufig sind die eigenen Preise an den Wettbewerbspreis gekoppelt: Der eigene Preis ist beispielsweise immer um 10 % niedriger als beim direkten Konkurrenten. Nach dieser Preisstrategie wird immer noch die Mehrzahl der Preise im Online-Handel gemacht und angepasst. Neben der wettbewerbsbasierten Preisgestaltung kommen auch kostenbasierte und wertorientierte Preisgestaltung zum Einsatz.
Beliebte regelbasierte Preisstrategien
Kostenbasierte Preisgestaltung
- Bei der kostenbasierten Preisgestaltung werden Produktions- oder Materialkosten als Grundlage für die Preisstrategie verwendet.
- Um den Produktpreis zu ermitteln, müssen ein bestimmtes Gewinnniveau oder eine Mindestmarge hinzugefügt werden.
- Anhand der Kosten werden eine Preisunter- sowie eine Preisobergrenze festgelegt.
- Wenn der Preis der Mitbewerber unter der eigenen Preisuntergrenze liegt, versuchen Händler, ihre Kosten zu senken, um damit die eigene Untergrenze zu senken.
| Pro | Contra |
|---|---|
|
|
Wertorientierte Preisgestaltung
- Die Festlegung des Produktpreises orientiert sich am Nutzen oder Wertbeitrag, den der Artikel dem Endkunden bietet.
- Es geht also darum, den Preis zu finden, den der Kunde bereit ist zu zahlen.
- Der Wert des Produkts und die Wertwahrnehmung der Kunden sind der Schlüssel zur Preisgestaltung – nicht die Produktionskosten.
- Preise und der relative Nutzen gegenüber der Konkurrenz werden meist über Kundenbefragungen bestimmt.
- Die Methode wird häufig für die initiale Preisgestaltung genutzt (z. B. Bestimmung der unverbindlichen Preisempfehlung). Für eine kontinuierliche Optimierung von Discounts ist die Methode ungeeignet.
- Diese Form der Preisgestaltung lässt sich auf einzelne Kundensegmente anwenden.
| Pro | Contra |
|---|---|
|
|
Wettbewerbsbasierte Preisgestaltung
- Das Ecommerce Pricing für ein Produkt oder eine Dienstleistung orientiert sich an den Preisen der Konkurrenz.
- Normalerweise wird diese Preisgestaltung von Unternehmen angewendet, bei denen die Wettbewerber ähnliche oder gleiche Produkte verkaufen.
- Preise werden anhand von Preisregeln festgelegt, die einen fixen Abstand (z. B. immer 5 % günstiger) oder ein bestimmtes Ranking (z. B. unter den Top 3 der Günstigsten) relativ zum Wettbewerb festlegen.
- Die Preisstrategie erfordert ein tiefes Verständnis der Relevanz verschiedener Wettbewerber und deren Preisänderungen auf die eigenen Absätze.
| Pro | Contra |
|---|---|
|
|
Welche Nachteile hat eine regelbasierte Preisgestaltung?
Omnichannel-Händler agieren heute in einem sehr dynamischen Marktumfeld. Es gibt eine Fülle von Einflussfaktoren, die sich auf die Preisentscheidung auswirken, die ständigen Veränderungen ausgesetzt sind (z. B. Wettbewerbspreise, eigene Lagerreichweite, Marketingaktivitäten und auch Saisonalität).
Um statische Preisformeln in solch einem Umfeld zu verwalten, ist ein großer manueller Aufwand nötig. Es muss regelmäßig überprüft werden, ob die festgelegten Regeln auch die gewünschten Ergebnisse liefern. Händler haben Preisentscheidungen für viele hunderte oder gar tausende Artikel zu treffen und zugleich die Mitbewerber und weitere Einflussfaktoren wie Lagerbestände oder Marketingaktivitäten im Auge zu behalten – ein ungeheurer Aufwand, der Zeit und Ressourcen bindet.
Das regelbasierte Ecommerce Pricing beruht häufig auf einigen wenigen Parametern. Diese sind zwar einfach zu messen, sagen aber nichts über die Zahlungsbereitschaft der Kunden oder über ihr Kaufverhalten aus. Wertvolles Gewinn- und Umsatzpotenzial wird damit verschenkt. Gerade bei einem großen Sortiment lassen sich Discounts mit regelbasiertem Pricing auf Produktebene nicht ausreichend differenzieren. Die festgelegten Regeln gelten dann über Produktkategorien hinweg, wodurch noch mehr Gewinnpotential liegen bleibt. Ein weiterer Nachteil ist die Orientierung an den Preisen der Mitbewerber, was zu einer Preisabwärtsspirale führen kann, in der sich Händler gegenseitig unterbieten.
Und last but not least können konventionelle Preissysteme aus neuen Daten nicht lernen. Da sie sich nicht anpassen, reagieren sie träge und für den heutigen Markt zu langsam. Dies ist ein zusätzlicher Faktor, der dazu beiträgt, dass Gewinnpotenziale nicht voll ausgeschöpft werden können.
Studie
Nach einer kürzlich von Bain durchgeführten globalen Umfrage unter mehr als 1.700 Geschäftsführern glauben 85 % der B2B-Managementteams, dass ihre Preisentscheidungen vevrbessert werden müssen, aber nur 15 % verfügen über effektive Tools und Dashboards zum Festlegen und Überwachen von Preisen.
Was ist Ecommerce Pricing auf Grundlage maschinellen Lernens?
Regelbasiertes Pricing berücksichtigt lediglich ausgesuchte Faktoren der Preissetzung, ohne eine systematische Messung der Preisbereitschaft anzuwenden. Je mehr Produkte im Sortiment sind, desto komplexer wird das Regelsystem und desto höher der Aufwand, es zu pflegen.
Pricing Verfahren, die Machine Learning Algorithmen nutzen, können alle relevanten Einflussfaktoren berücksichtigen. Dabei werden zunächst Preiselastizitäten gemessen. Darauf basierend wird der Effekt von Preisänderungen auf Gewinne und Umsätze für jedes Produkt vorhergesagt. In der Optimierung werden dann die Preispunkte ausgewählt, die zur Erreichung der zuvor gesetzten Ziele führen.
Für den Anwender wird der Pricing Prozess auf den Kopf gestellt: Statt zunächst Regeln zu definieren und im Anschluss Analysen zur Erreichung von KPIs anzustellen, wird bei ML basierten Pricing zielgerichtet optimiert. Der Pricing Manager gibt die Zielsetzung vor und der Algorithmus gibt die darauf passenden Preise aus. Ob die Zielsetzung erreicht wird steht schon vor dem live gehen der Preise fest.
Welche Vorteile bietet die auf maschinellem Lernen basierende Preisgestaltung?
Führende Online-Händler machen es vor: Sie nutzen fortschrittliche Pricing-Lösungen, um optimale Preise für jedes Produkt festzulegen. Diese Pricing-Lösungen beruhen, wie bereits beschrieben, auf KI. Machine Learning-basierte Algorithmen messen dabei die Zahlungsbereitschaft der Kunden über die Preiselastizität. Diese Informationen werden mit Prognosealgorithmen kombiniert. Die Software nutzt zudem alle relevanten Daten – von historischen Transaktionen über die Preisen der Wettbewerber bis hin zum Wetter. Je nach vorgegebenen KPIs (Unternehmensziele) können so sekundengenau die optimalen Preise für jedes Produkt berechnet werden.
Mit fortschrittlicher Pricing-Software lassen sich außerdem verschiedene Strategien und Preisszenarien für ausgewählte Kategorien oder Produktgruppen simulieren. Umsatz-, Absatz- und Gewinnergebnisse für bestimmte Ziele lassen sich prognostizieren und schlussendlich mit wenigen Klicks umsetzen. Der Verwaltungsaufwand ist gering, sodass mehr Zeit für strategische Themen bleibt.
Whitepaper
Predictive Pricing
Die nächste Generation der Preisoptimierung für den Handel
Alle Vorteile einer zeitgemäßen Preisstrategie auf Basis maschinellen Lernens:
- Führt zu 5-15% höherer Profitabilität durch ein besseres Verständnis der Zahlungsbereitschaft
- Erreicht ein hohen Automatisierungsgrad, da die Verwaltung von Preisregeln entfällt
- Berücksichtigt alle relevanten Einflussfaktoren
- Lernt laufend und verbessert sich immer weiter
- Versteht im Voraus, wie Kunden auf Preisgestaltung und Preisänderungen reagieren, und erfüllt dabei optimal die Geschäftsziele
- Liefert zusätzlich eine Prognosefunktion für Absatz, Umsatz und Gewinn
Studie
Laut McKinsey haben KI-basierte Preisgestaltung und Promotions das Potenzial, weltweit einen Wertbeitrag von bis zu 500 Mrd. US-Dollar zu schaffen.
Fazit
Im Vergleich zur regelbasierten Preisgestaltung bietet das Machine Learning-basierte Dynamic Pricing entscheidende Wettbewerbsvorteile. Dazu gehören die Automatisierung des Pricing-Prozesses unter Berücksichtigung aller wichtigen Einflussfaktoren, eine einfache Preissteuerung über Zielvorgaben und eine signifikante Erhöhung von Umsätzen und Gewinnen. Zudem verbessert sich die Preissetzung kontinuierlich durch selbstlernende Algorithmen. Preise werden nicht mehr anhand von statischen Preisregeln sondern mit Hilfe von genauen Messungen der Preisbereitschaft bestimmt. So wird das volle Potenzial der vorhandenen Daten genutzt.
