Teil 2: Big Data und Dynamic-Pricing

Nachdem ich vergangene Woche einen einführenden Blogpost zum Thema Big Data geschrieben habe, möchte ich heute auf das Thema „Big Data und Dynamic-Pricing“ und dessen Funktionsweise sowie die sich daraus ergebene Potenziale für Onlineshop-Betreiber eingehen.

Was ist Dynamic-Pricing?

Zunächst einmal stellt sich die Frage: Was ist eigentlich Dynamic-Pricing? Jeder kennt es, möchte man online etwas shoppen und vergleicht über mehrere Tage die Preise eines gewünschten Produktes, so kommt es nicht selten vor, dass der Preis von gestern, heute nicht mehr der gleiche ist. Hier sind auch locker einmal Schwankungen von mehreren hundert Franken üblich. Am Beispiel des Branchenkönigs Amazon wird dies deutlich. Der Handelsexperte Thomas Täuber von der Unternehmensberatung Accenture schätzt, dass allein Amazon täglich 2,5 bis 3 Millionen Preisänderungen vornimmt.  Die Spezialisten von Minderest gingen den Preisanpassungen bei Amazon auf die Spur und untersuchten diese an drei Tagen im Februar 2015. Untersucht wurden die Preise der Kategorie “Elektronik und Computer” bei Amazon Deutschland.  Ein bemerkenswertes Ergebnis ist demnach bei der Kamera “Nikon D610 SLR” eingetroffen, deren Preise zwischen 700 € und 1‘686,60 € schwankten. Dies bedeutet eine Differenz von rund 240 %. Wer dieses Produkt am 12.02.2015 um 10:01 Uhr kaufte, konnte im Vergleich zum 13.02.2015 um 21:26 Uhr satte 986.60 € sparen.

Wie funktioniert Dynamic-Pricing?

Beim Dynamic-Pricing (auch dynamisches Preismanagement) werden Verkaufspreise von Produkten und Dienstleistungen auf Basis des aktuellen Marktbedarfs in Echtzeit angepasst. Das Ziel bei der dynamischen Preisgestaltung ist, dass Unternehmen ihre Verkaufspreise „on the fly“ auf aktuelle Marktanforderungen anpassen können.  Die zentrale Frage lautet dabei immer: „Was ist der Kunde bereit zu zahlen und wie reagiert er auf die Preisänderungen?“

Dynamic Pricing liegt ein Algorithmus zugrunde, welcher kontinuierlich historische und aktuelle Daten unter Berücksichtigung der strategischen Ziele sowie externer Faktoren wie Wettbewerbspreise oder Produktbewertungen auswertet. Ebenso fliessen Kundencharakteristika oder sonstige Faktoren wie das aktuelle Wetter in die Festlegung eines Preises mit ein. So kann man davon ausgehen, dass ein Kunde, der öfter eine bestimmte Website aufruft ein gesteigertes Interesse nachgesagt werden kann. Mit dem Ergebnis, diesem einen höherem Verkaufspreis anzubieten. Ebenso kann man davon ausgehen, dass Outdoor-Sportartikel bei schönem Wetter hochpreisiger angeboten werden als bei schlechtem Wetter.

Um Dynamic-Pricing einsetzen zu können sind also Unmengen von Daten notwendig (Big Data), die sowohl aus der Historie als auch in Echtzeit generiert werden müssen. Erst dann können selbstlernende Algorithmen dafür sorgen die vorhandenen Daten entsprechend zu analysieren und die effektivsten Preise vorherzusagen.

Potenzial von Dynamic-Pricing

Blue Yonder  ist ein führender Anbieter für Dynamic-Pricing -Software Lösungen. Dieser verspricht seinen Kunden eine Margen- und Umsatzerhöhung um mehr als 5 %, geringere Abschreibungen durch passgenaue Verfügbarkeit zum richtigen Preis und die Reduzierung der Lagerbestände um 20 % durch Preissenkungsoptimierung. Darüber hinaus soll der Zeitaufwand für das Preismanagement, nach erstmaliger Einrichtung der Lösung, auf ein Minimum reduziert werden.

Alles in allem sind dies sehr verlockende Aussichten für Onlineshop-Betreiber – nicht unbedingt für den „Shopper“.

Im dritten Teil der Big Data Serie werde ich auf das Thema „Predictive Analytics“ eingehen.