Data Science Consulting:
Über die Darwin Pricing GmbH
- Dynamic Pricing Software und Data Science Consulting seit 2013
- Gegründet in Aarau (Schweiz)
- Aussteller auf dem Web Summit in Lissabon (Portugal)
- Investition durch die Swiss Startup Factory in Zürich (Schweiz)
- Geo-Pricing-Lösung bei 700+ Online-Händlern im Einsatz, Schwerpunkt US-Markt
- Dynamic Pricing Lösung der OTTO-Gruppe mitentwickelt (2,7 Mrd. Euro Jahresumsatz)
- Absatzprognose-Lösung von H&M mitentwickelt (22 Mrd. Euro Jahresumsatz)
Ziele der dynamischen Preissetzung
Automatische Preisanpassungen während der Saison. Geschäftsziele:
- Gesamt-Umsatz und -Ertrag maximieren
- Saison-Artikel: Mit möglichst hoher Kalkulation bis zum Saisonschluss abverkaufen
- Dauer-Artikel: Ausverkauf vor dem nächsten Wareneingang vermeiden
- Früherkennung der Überbestände und Engpässe und vorausschauendes Handeln
- Lagerrückstände umsatzstark abbauen, Verwertungskosten vermeiden
Vorgehensweise
Kernstück des Dynamic Pricing Systems: Die Absatzprognose
- Wie wirken sich Preise auf das Kaufverhalten aus?
- Wochen-Prognose für jeden Artikel, abhängig von Preisliste, Sortiment und Saisonalität
- Hochrechnung bis zum Saisonschluss, Berücksichtigung von Beständen und Saisonalitätskurve
- Ermittlung der optimalen Preisliste
- Nach Bedarf Korrekturen während des Saisonablaufs
Voraussetzungen
Qualität und Quantität der Datenbasis sind für die Absatzprognose entscheidend.
Bessere Daten ⇨ Genauere Absatzprognose ⇨ Beste Ergebnisse und stabile Preise
- Relevante Produktdetails: Kategorie, Marke, Größe, Farbe, Material, Gewicht, Quantität...
- Aktuelle und historische Verkaufszahlen: Sortiment, Preise, Bestände und Absatz auf Tagesebene
- Aktuelle und historische Konkurrenzpreise, wenn vorhanden
- Einkaufspreise, unverbindliche Preisempfehlungen der Hersteller
- Datum des Saisonschlussverkaufs und Liefertermine für die Bestandsoptimierung
- Verwertungskosten für Lagerrestbestände
Business Rules
Zusätzliche Einschränkungen in der Preisgestaltung:
- Minimaler Preis: z.B. Einkaufspreis zzgl. MwSt
- Maximaler Preis: z.B. 50% über UVP
- Einheitliche Preise: z.B. alle Artikelgröße zum gleichen Preis
- Preisschritte: z.B. Preisänderungen nur in 10 € Schritten für Artikel im Bereich ±100 €
- Update-Frequenz: z.B. nicht mehr als eine Preisänderung pro Woche für jeden Artikel
- Preis-Sperre: z.B. bei Produkt-Launch oder bestimmten Marken die Preise nicht ändern
Technische Umsetzung
- Sichere Web-Applikation in der Amazon Cloud (USA oder EU)
- 24/7 Betriebssicherheit mit der Cloud Plattform Red Hat OpenShift Online Pro
- Täglicher Abgleich der Produkt-, Verkaufs- und Lager-Datenbanken
- Absatzprognose mit künstlichen neuronalen Netzen
- Bestandsoptimierung durch Hochrechnung basierend auf der Saisonalitätskurve
- Tägliche Selektion der optimalen Preisliste anhand von Simulationen
- Möglichst stabile Preise, Änderungen am Produkt nicht öfter als wöchentlich
- Automatische Preisänderungen durch eine API, eventuell nach manueller Freigabe
Gleiche Geschäftsziele effizienter und zuverlässiger erreichen
Dynamic Pricing:
- Systematisch, umfangreich
- Kontrolliert, datenbasiert
- Vorausschauend, berechenbar
- Berücksichtigt viele Faktoren: Nachfrage, Saisonalität, Bestände, Liefertermine, Umsatz, Warenrohertrag...
Manuelles Pricing:
- Punktuell, selten
- Bauchgefühl, persönliche Erfahrung
- Reaktiv, hektisch
- Adressiert Ziele einzeln: Hohe Kalkulation, Kauffrequenz, Kundenakquise, SSV, Lagerräumung...
