Was Sie brauchen, um Ihre Preise mittels einer KI zu optimieren – Rezeptidee & Zutaten

Einer der Gründe, warum Händler zunehmend auf KI-basiertes Dynamic Pricing setzen, ist die (Un-)Menge an Daten und Einflussfaktoren, die für die Preisbestimmung beachtet werden müssen: Artikel-Stammdaten, Einkaufspreise, Abverkaufs-Quoten, Warenbestände, Wettbewerber-Daten, Aktionen, Echtzeit-Transaktionen, historische Daten, Saisonverläufe, regionale Faktoren, Wettereinflüsse – um nur einige wenige zu nennen. Der entscheidende Punkt ist: Die Datenmenge, die zur Verfügung steht, ist riesig. Riesig, aber voller Potential –gerade im KI-Zeitalter! Denn ein künstliches System ist ohne weiteres in der Lage, große Mengen von Daten in Sekunden zu verarbeiten und sinnvolle Analysen abzuleiten. Tägliche sehe ich in Projekten, wie mit vergleichsweise wenig Aufwand große Erfolge erzielt werden, wenn Arbeitsprozesse digital unterstützt und dadurch optimiert werden. Im Bereich der dynamischen Preisoptimierung werden diese Erfolge besonders deutlich sichtbar, weil sie numerisch messbar sind und der ROI damit eindeutig bestimmt werden kann.

Was brauchen Sie nun, um Ihre Preise mittels einer KI zu optimieren? Die Liste ist recht überschaubar, wie Sie sehen werden:

  • Verkaufsdaten & Transaktionsdaten
  • Produkt-Stammdaten
  • 4 bis 6 Wochen Zeit für KI-Preise im Onlineshop (für Stores etwa 4 Wochen mehr)

Ihre Verkaufs- und Transaktionsdaten braucht die KI, um die Nachfrage für jedes Produkt Ihres Sortiments zu berechnen. Stichwort: Preiselastizität. (Falls Sie einen kurzen Recap brauchen, finden Sie den hier.) Diese bildet die Grundlage für jede Preisentscheidung der KI. Mindestens benötigt werden also alle Verkaufs-Informationen: Welche Artikel wurden zu welchem Preis verkauft. Alle Transaktions-Informationen, die zusätzlich benutzt werden können, verbessern die Prognose-Güte der KI und werten ihre Ergebnisse nochmals auf: angesehene Produkte, angelegte Warenkörbe, abgebrochene Warenkörbe, gespeicherte Merklisten oder eingegebene Suchbegriffe, um nur einige Beispiele zu benennen. Es bietet sich an, diese Daten kontinuierlich verfügbar zu machen – entweder per Echtzeit-Tracking (eine leistungsfähige Dynamic Pricing Software bringt dieses Feature mit) oder z.B. per Datenfeed aus Ihrem SAP CAR System.

Produkt-Stammdaten sind die digitale Repräsentation Ihres Sortiments und damit ein wichtiges Werkzeug bei der Dynamischen Preisoptimierung. Sie stellen üblicherweise sehr viele, durchaus verschiedenartige Artikel-Informationen bereit: Produkt-ID, Master-Varianten-Zuordnung, aktueller Preis, UVP, untere und obere Preisgrenze, Saisonkennzeichnung, Marke, Farbe, Größe, Lagerbestand, Haltbarkeitsdatum bzw. Ziel-Abverkaufsdatum uvm. Eine KI kann diese Attribute für verschiedenste Aufgaben nutzen:

  • Das vorhandene Angebot wird (über den Lagerbestand) mit der bestehenden Nachfrage kombiniert – so berechnet die KI optimale, marktgerechte Preise.
  • Über das Haltbarkeits- oder Ziel-Abverkaufsdatum erkennt die KI, wann Artikel aus dem Sortiment gehen und preist diese entsprechend der Nachfrage langsam ab, um den Nullbestand zum gegebenen Zieldatum zu erreichen und zeitgleich möglichst Margen-schonend zu arbeiten.
  • Über Attribute wie Farbe, Marke, Größe und ähnliches kann eine KI Produktbeziehungen herstellen und darüber auch datenschwache Produkte, Longtailer oder neue Produkte optimal bepreisen.
  • Die Preisgrenzen geben der KI vor, in welchem Rahmen sie sich bei der Preisoptimierung bewegen darf – ergo welchen Preis sie nicht über- oder unterschreiten darf.
  • Mittels der Master-Varianten-Zuordnung realisiert die KI für Sie Family Pricing und/oder bildet Produkt-Relationen ab (z.B. angemessene Preisspanne zwischen Low-Budget- und Markenprodukt).

Produkt-Stammdaten werden in der Regel ein bis zwei Mal täglich als CSV-Import automatisiert an die KI-Software übergeben oder können per SAP S4/HANA ebenfalls automatisiert übertragen werden. Abschließend teile ich mit Ihnen gern noch einige Erfahrungswerte zum Zeitaufwand, den Sie einplanen sollten, um eine KI für Dynamic Pricing in Ihre Prozesse zu integrieren. Die Implementierung einer Preisoptimierungs-Software wird in drei Schritten vollzogen:

  1. Die Software wird als Cloud-Service bereitgestellt.
  2. Die automatisierte Bereitstellung der Input-Daten wird eingerichtet.
  3. Per Web GUI wird die KI konfiguriert und auf Ihre Zielvorgaben eingestellt.

Danach geht das System live und wird Ihre Preise mittels KI fortwährend optimieren. Bei Projekten im Online-Handel dauert dieser Vorgang oft nicht länger als 4 bis 6 Wochen, da viele Prozesse – naturgemäß – bereits digital ablaufen. Die kürzeste Implementierungs-Phase, die ich bisher begleitet habe, dauerte sogar nur 3 Wochen (bis heute eines der bemerkenswertesten Projekte überhaupt)! Im stationären Handel braucht es meist ein wenig mehr Zeit, doch auch hier kann man mit 9 bis 12 Wochen sehr gut planen.

Jetzt bleibt eigentlich nur eine Frage offen: Wann gehen Sie live? :-)

Mrs Pricing