Dynamic Pricing ist so alt, wie der Handel zwischen Menschen selbst. Schon in grauer Vorzeit wurden Preise an die Marktsituation – also an Nachfrage, Zahlungsbereitschaft, Zeitpunkt, Verfügbarkeit oder Preise der Konkurrenz – angepasst. Simplifiziert kann von drei Faktoren des Dynamic Pricing gesprochen werden: Kund:in, Wettbewerb und Umwelt.
Bekannt ist das Dynamic Pricing vor allem aus dem Flugverkehr und der Tourismus-Branche, die Preise dynamisch, vor allem über die Faktoren Kund:in und Umwelt, berechnen. Die Herausforderung hierbei liegt im Sammeln, Integrieren, Analysieren und Aktivieren der Daten zur optimalen Preisfindung in quasi Echtzeit. Technologische Neuerungen wie das Machine Learning helfen diese Herausforderungen zu mindern, allerdings gibt es – vor allem für Reseller – eine einfachere und günstigere Disziplin des Dynamic Repricing: Wettbewerbsorientierung.
Wie funktioniert wettbewerbsorientiertes Dynamic Pricing?
In der einfachsten Form wird der Preis der Konkurrenz verwendet, um einen optimalen Preis für die eigenen Artikel zu berechnen. Zusätzliche Informationen wie der Einkaufspreis, die eigene minimale und maximale Preisvorstellung, die eigenen oder die Lagerbestände der Konkurrenten, Verkaufszahlen etc. können hier zu einem einfachen oder komplexen Regelwerk herangezogen werden. Der Prozess ist auf den ersten Blick nicht sehr kompliziert. Die Preise der Artikel im eigenen Shop werden gegen die Preise der Konkurrenz abgeglichen und je nach Regelwerk wird der eigene Preis an den Konkurrenzpreis optimiert.
Aber warum macht das nicht jede:r Online-Shop?
Die Komplexität liegt hier vor allem in der Methodik der Preiserhebung – in nahezu Echtzeit und über mehrere Wettbewerber:innen. Selber einen Price Crawler zu schreiben kann ein mühsamer und langwieriger Prozess sein. Denken wir hierbei lediglich an die unterschiedlichen Website-Architekturen oder an Schutzmassnahmen zur Bot- und Spider-Protection, werden die offensichtlichen, technischen Hürden schnell klar.
Aber auch kleinere Hürden, wie ein standardisierter Feed der eigenen Artikeldaten, wie man ihn z.B. auch für Google Shopping benötigt oder die Kalkulation und der Re-Import der optimalen Preise stellen schnell eine technische Herausforderung für Online-Shop-Betreiber dar.
Was führt zu einer kostengünstigen und soliden Lösung?
Wir empfehlen hier klar einen Best-of-Breed-Ansatz. Wichtig ist – wie bei jeder Software-Evaluation – die eigenen Anforderungen zu formulieren und die Anbieter zu vergleichen. Hier kann es z.B. volumenabhängig, länder- oder branchenspezifisch zu grossen Unterschieden in der Leistung und im Preis kommen.
Im Bezug auf den Artikeldaten-Export hängt es sicherlich an den eigenen Entwicklungsressourcen, ob die Feed-Anforderungen verschiedener Kanäle selbst abzubilden sind. Aber auch hier gibt es Anbieter:innen, die Software zur Feed-Optimierung anbieten und mit Templates die präzise Bespielung verschiedener Kanäle ermöglichen.
Wie kann eine solche Lösung konkret aussehen?
Nehmen wir als Beispiel einen Online-Reseller, dessen Kund:innen erwiesenermassen preissensibel sind. Mehrere Tests mit Preisanpassungen zeigten, dass der Absatz signifikant erhöht werden konnte, wenn der Artikel unter den günstigsten drei Anbieter:innen in Google Shopping gelistet war. Das Sortiment umfasst knapp 17’000 Artikel, was einen manuellen Prozess der Preisanpassung zu einem unmöglichen Unterfangen macht. Das bestehende Setup umfasst als preisführendes System ein ERP und unseren Partner:innen productsUp als Feed Optimization Tool für den Online-Shop, Google Shopping und andere Online-Performance-Kanäle.
Bei der Evaluation von Dynamic Pricing Anbieter:innen entdeckten wir signifikante Unterschiede in den Trefferquoten auf Artikelebene bei exemplarischen Google Shopping Crawls. Die Trefferquoten der unterschiedlichen Anbieter:innen variierten zwischen 53% und 98% gefundener Artikel. Den besten Wert und zugleich auch den passenden Systemumfang erzielte Patagona, mit dem wir in die Konzeption des Dynamic Pricing Prozesses gingen.
Mit der Übersicht über die bestehenden und evaluierten Tools war es nun relativ einfach einen Prozess zu definieren. Das ERP exportiert die Artikelstammdaten als Feed, der in productsUp bereinigt sowie veredelt wird und von Patagona als Basis genutzt wird, die Wettbewerbspreise aus Google Shopping zu extrahieren. Auf Basis von Preisgrenzen (definierte Mindest- und Maximal-Preise) kalkuliert Patagona den optimalen Preis, um auf Platz 1 oder 2 im Preisvergleich stehen zu können. Dies funktioniert natürlich nicht nur in der Preisanpassung an einen niedrigeren Preis, sondern auch an einen höheren Preis, falls der Marktpreis eines Artikels steigen sollte. Der Feed mit den Preisvorschlägen kann dann wieder an productsUp übergeben werden, um an das Importformat des ERP angepasst zu werden. Kann der Preis auf Basis der Preisgrenzen nicht angepasst werden, wird das Category Management darüber informiert, um dann manuell eingreifen zu können.
Nach ersten Tests sehen wir das volle Potential der Lösung: Täglich verändern sich Preise durch Anpassungen oder Verfügbarkeiten im Wettbewerb und das bei bis zu mehreren hundert Artikeln. Der automatisierte Prozess optimiert die Preise des gesamten Sortiments auf Basis der Marktsituation, was manuell nicht ansatzweise denkbar wäre. Ein zusätzlicher Benefit ist, dass Aktionen und Rabattierungen zum Abverkauf von Wettbewerbern sofort erkannt oder gar automatisch übernommen werden können.
Resumé
Dynamic Pricing in seiner vollständigen Ausprägung ist derzeit noch ein komplexer Prozess, vor allem, wenn die Faktoren Kund:in und Umwelt berücksichtigt werden. Da aber der Einstieg über die Wettbewerbsorientierung durch Anbieter wie Patagona, in Kombination mit einem guten Feed Management Tool wie ProductsUp, so einfach und vergleichsweise günstig ist, sollte sich jede:r Online-Shop-Betreiber:in hiermit auseinandersetzen. Es ist nicht wichtig direkt den ganzen Weg zu gehen, denn auch der weiteste Weg beginnt mit einem ersten Schritt in die richtige Richtung!
Mehr Artikel?
Alle Artikel ansehenFragen?
Partner