Preisoptimierung: Eine nicht wegzudenkende Notwendigkeit in E-Commerce & Retail

Preisoptimierung: ein kurzer Überblick

Das Thema Preisoptimierung ist aus dem Bereich E-Commerce nicht mehr wegzudenken, denn sorgfältig gewählte Preise können nachhaltig Umsatz und Profit erhöhen!

Das überrascht dich vielleicht nicht, aber ich werde in diesem Artikel auf einige Dinge eingehen, die – den Preis betreffend – nicht ganz so offensichtlich erscheinen.

Zuerst möchte ich einige Einblicke mit dir teilen, die smec aus eigener Erfahrung im Bereich datengetriebener Bidding-Automatisierung gewonnen hat. Dann reden wir über Preiselastizität, Nachfrageprognosen und schließlich widmen wir uns Optimierungsmöglichkeiten bei Preisen, Promotionen und Inventar.

Wie die Preisgestaltung deine KPIs beeinflusst

Durch unsere Erfahrung im Bereich Shopping Ads und die Zusammenarbeit mit hunderten Händlern haben wir viel über die Besonderheiten des E-Commerce gelernt. Unter anderem, dass der Preis ein wesentlicher Faktor zur Vorhersage der Conversion Rate eines Produktes ist. Warum? Der Preis eines Produkts bestimmt, wie es auf dem Markt positioniert und wahrgenommen wird. Speziell im Onlinehandel ist es sehr einfach und auch üblich, Preise und alternative Produkte miteinander zu vergleichen.

Dabei spielen die Preise der Konkurrenz eine wesentliche Rolle: Kleinste Preisänderungen können darüber entscheiden, ob im eigenen Shop gekauft wird oder nicht. Deshalb ist es für Händler essentiell, Preisinformationen der Mitbewerber in die eigene Preisgestaltung miteinfließen zu lassen.

Sehen wir uns nun den Zusammenhang zwischen Preis und Nachfrage genauer an.

Wie du die Nachfrage und Preiselastizität ermittelst 

Generell ist der Zusammenhang zwischen Preis und Nachfrage keineswegs neu und wird seit Jahrzehnten untersucht. Der Zusammenhang wird in der Wirtschaftswissenschaft auch als Preis-Nachfrage-Funktion beschrieben und ermöglicht es uns, Umsatz oder Gewinn als Funktion des Produktpreises auszudrücken:

Preiselastizität ein Faktor von Preisoptimierung

Preiselastizität ist ebenfalls ein weit verbreiteter Begriff in diesem Bereich. Sie misst, wie stark sich eine Preisänderung auf die Nachfrage eines Produkts auswirkt. Die Formel zur Berechnung: 

Preiselastizität = % Veränderung bei Nachfrage / % Veränderung Preis

Man sieht also deutlich, dass Preis und Nachfrage stark miteinander verbunden sind. Geht man davon aus, dass die Preis-Nachfrage-Funktion für ein bestimmtes Produkt bekannt ist, kann man den Preis optimieren, indem das folgende Optimierungsproblem gelöst wird: 

Preis/Nachfrage Funktion

Der Profit wird dabei systematisch für alle verfügbaren Preislevel kalkuliert. Dabei werden die Kosten und der Preis des Produkts gegengerechnet und mit der zu erwartenden Nachfrage multipliziert. Der Preis, der den höchsten Profit erbringt, wird ausgewählt und angewendet. 

Sehen wir uns das anhand eines konkreten Beispiels an:

Ein bestimmtes Produkt kann zu folgenden Preisen verkauft werden: 19,99 €, 22,99 €, 25,99 € oder 27,99 €. Die Kosten für den Händler belaufen sich auf 8,50 € und die Preis-Nachfrage-Funktion ist bekannt. Durch die Lösung des oben genannten Optimierungsproblems wird der Verkaufspreis auf 22,99 € festgelegt, da dieser den höchsten Profit verspricht (304€).

Beispiel

Was du bei der Vorhersage der Nachfrage beachten solltest

Obwohl das Beispiel von oben zunächst vielversprechend aussieht, lässt sich dieser Ansatz in der Praxis durch folgende Einschränkungen leider nicht umsetzen: 

  1. Die Nachfrage für ein Produkt basiert auf einem komplexen Zusammenspiel aus verschiedenen Faktoren (neben dem Preis), wie zum Beispiel der Verfügbarkeiten von Konkurrenzangeboten oder Ersatzprodukten
  2. Die Nachfrage ist oft dynamisch und von Saisonalitäten oder kurzfristigen Trends abhängig – was eine regelmäßige Neubestimmung der Nachfragefunktion erfordert
  3. Der Zusammenhang zwischen Nachfrage und Preis ist üblicherweise unbekannt und muss zuerst mittels historischer Daten ermittelt werden

Wie du Nachfrage vorhersagen kannst

Durch die Anwendung von Machine-Learning-Methoden auf Basis historischer Verkaufsdaten ist es möglich, Nachfragefunktionen zu bestimmen. Unterschiedlichste Faktoren wie Produktattribute (Marke, Preis, Typ, etc.),  Angebote von Mitbewerbern, Wetterdaten und makroökonomische Kennzahlen werden dabei berücksichtigt. Werden solche Modelle regelmäßig aktualisiert, können damit verschiedenste Szenarien durchgespielt werden, um abzuschätzen, wie sich Preisänderungen auf Umsätze auswirken.

Die Basis für die Anwendung von AI-basierten Technologien bilden aktuelle und verlässliche Daten, die regelmäßig gesammelt werden. Je umfangreicher die verwendeten Informationen sind, desto verlässlicher werden auch die Vorhersagen:

Vorhersagen für Preisoptimierung

Datengetriebene Preisanpassungen mit Information über die Konkurrenz

Wie schon erwähnt, sind die Angebote und Preise der Konkurrenz essentiell für die eigenen Preis- und Sortimentsentscheidungen. Mit einem Tool zur dynamischen Preisgestaltung (Dynamic Pricing) können Preisstrategien definiert werden, um sicherzustellen, dass die Preise für ein spezielles Produkt von einem Konkurrenten abhängig sind und diese um einen bestimmten Prozentsatz unterboten werden.

In einem nächsten Schritt könnte automatisches Preismanagement mittels AI-gesteuerter Preisoptimierung implementiert werden, um das Definieren spezifischer Regeln obsolet zu machen.  Trotzdem sollten aber alle Preisänderungen systematisch evaluiert und gründlich A/B-Tests durchgeführt werden. 

Use Cases: Preismanagement, Katalogoptimierung und Promotions

Bisher haben wir Nachfrageprognosen für die Nutzung im Bereich Preismanagement behandelt. Diese können aber für eine Vielzahl von Problemstellungen verwendet werden, die ich hier skizziere:

Preismanagement

Wir wissen bereits, dass sich Preismanagement mit der algorithmischen Ermittlung von umsatz- oder gewinn-optimierten Preisen befasst. Die Algorithmen helfen dabei auch, Preise so zu wählen, dass Überbestände und ungewollte Ausverkäufe vermieden werden. Letztlich können auch Einführungspreise für neue Artikel einfacher festgelegt werden.

Technisch betrachtet bauen solche Systeme auf AI-Methoden auf, die u.a. aus historischen Verkaufsdaten, Mitbewerberpreisen, Saisonalitäten oder artikelübergreifenden Elastizitäten lernen.

Im Gegensatz dazu kann Preismanagement auch regelbasiert oder manuell erfolgen, abhängig von der Datenverfügbarkeit und der Unternehmensstrategie.

Katalogoptimierung und Einblicke in das Sortiment

Katalogoptimierung bezieht sich auf das Feintuning der angebotenen Produkte in dem Sortiment eines Händlers. Durch die Möglichkeit, die zu erwartende Nachfrage vorherzusagen und durch Einblicke in artikelübergreifende Elastizitäten oder komplementäre Produktaffinitäten, kann die Rentabilität von Produkten abgeschätzt und der Katalog überarbeitet werden.

Promotion Management

Die Frage, wann welche Produkte zu welchem Preis abverkauft werden sollen, beschäftigt Händler aller Branchen. Automatisierung kann hierbei enorm helfen. Zum Beispiel können Lösungen für Promotion Management, Vorschläge für Zeitpunkt und Rabattpreise liefern, die wiederum auf Nachfrageprognosen aufbauen.

Intelligente Preisoptimierung ist essentiell

Ich hoffe, dieser Blogpost hilft dir, die Wichtigkeit von informierter Preisgestaltung besser zu verstehen und bewusst zu nutzen. Ein Tipp von mir: Um diese Preisentscheidungen algorithmisch zu vereinfachen ist es wichtig, historische Preisdaten und Verkaufsdaten strukturiert zu erfassen. Externe Datenquellen, wie Preisdaten der Konkurrenz, können hier die eigene Genauigkeit der Vorhersagen erhöhen und positive Nebeneffekte generieren (wie wir am Beispiel der regelbasierten dynamischen Preisgestaltung gesehen haben).   

Sofern du also ausreichend Daten zur Vorhersage hast, ist das bereits ein wesentlicher Vorteil für dein weiteres Vorgehen. Denn genau diese Daten können im weiteren Verlauf für intelligentes Preismanagement und Management der Promotions verwendet werden. Falls ich dein Interesse geweckt habe, mehr über dieses Thema zu erfahren – bleib am Ball und behalte die kommenden Services und Produkte von smec im Auge! Wir haben außerdem schon den nächsten Artikel in der Pipeline, der die Wichtigkeit von Preisinformationen für Machine-Learning-Modelle rund um unser Google Shopping Tool Whoop! hervorhebt.