Die Preisfindung ist in vielen Unternehmen und über alle Branchen hinweg eine knifflige Herausforderung und zugleich selbstverständlich einer der wichtigsten Faktoren für langfristigen Erfolg. Das Pricing entscheidet über den Absatz und damit letztlich über Umsatz und Gewinn. Zahlreiche Preisfaktoren machen eine perfekte Preisbildung äußerst schwer bis unmöglich: „Der Absatz ist von unfassbar vielen Faktoren getrieben und das erschwert die Bestimmung des konkreten Einflusses von Preispunkten auf die Verkaufszahlen ungemein“, berichtet Sebastian Klöser. Er ist Solution Principle für Data Science bei DXC. „Dieses Wissen ist aber wichtig, um durch intelligente Preisgestaltung die Nachfrage zu seinem Vorteil zu beeinflussen.“ Deshalb beschränken sich viele Unternehmen darauf, die Details der Preisbildung vor allem am Konkurrenzumfeld festzumachen. Doch kompetitives Pricing, das sich direkt am Wettbewerb orientiert, ergibt nie den idealen Preispunkt, da es die internen Dynamiken von Preis und Absatz ignoriert.

Diese defensive Herangehensweise ist verständlich, denn grobe Fehler bei der Preisfindung können den Absatz eines Produktes nachhaltig ausbremsen. Wer die Preiselastizität überspannt, zerreißt damit schnell den dünnen Faden des Kundeninteresses. Sebastian Klöser nennt dies den „Point of no Return“. Damit bezeichnet er den Punkt, an dem ein Produkt aus dem Zielmarkt „herausgepreist“ wurde. Wenn dieser Zustand eintritt, leidet der Absatz dramatisch und nachhaltig: „Wir sehen häufig – gerade im qualitativ hochwertigen Segment – dass Unternehmen durch regelmäßige Preiserhöhungen versuchen Margen zu retten“, sagt Klöser. „So etwas ist immer mit dem Risiko verbunden, Kunden zu verärgern und zu verlieren. Typischerweise erleben wir bei derartigen Strategien, dass Loyalität, Reputation und – falls relevant – Qualitätsbewusstsein dazu führen, dass Kunden nicht sofort die Verbindung zum Unternehmen abbrechen. Aber auch der geduldigste Kunde hat eine Schmerzgrenze, ab der er sich bei der Konkurrenz umsieht. Das Gefährliche an diesem Umstand ist die Beobachtung, dass dieses Ereignis nicht einfach umkehrbar ist. Selbst wenn wir den Preis wieder senken, kommt der verprellte Kunde nicht einfach zurück. Wir sprechen in diesem Fall von Kundenhysterese.“

 

Den Effekt des Preises isolieren

In der Praxis werden viele Pricing-Entscheidungen von Produktmanagern oder spezialisierten Pricing-Abteilungen getroffen. Diese orientieren sich beispielsweise an Zielmargen, der Preisgestaltung der Konkurrenz und Erfahrungswerten. Um die Preisfindung zu unterstützen, bedienen sich einige Unternehmen spezialisierter Preisfindungs-Tools. Diese funktionieren für spezifische Fälle unter gewissen Umständen gut, beispielsweise für Clearing, also Ausverkauf oder für definierte Branchen und Warengruppen. Der Nachteil üblicher Tools ist jedoch: Diese sind aus Sicht des Kunden intransparente Blackboxes und kaum oder nur mit Aufwand erweiter- oder modifizierbar. Bisher fehlten modulare Lösungen, die mit unterschiedlichen Datensätzen und Anforderungen arbeiten können – auch mit sich ändernden Datensätzen – bis jetzt. Sebastian Klöser hat bei DXC an einer Lösung mitgearbeitet, die Pricing-Vorschläge anhand vorhandener Daten generiert und sich wegen ihrer modularen Struktur an viele Branchen und Szenarien anpassen kann. Das Ergebnis von „DXC Smart Pricing“ besteht immer aus konkreten Preisvorschlägen anhand vorhandener Daten und des Marktumfeldes. Dabei soll immer die konkrete Auswirkung des Preises auf den Absatz aus allen weiteren Faktoren herausdestilliert werden.

Der DXC-Baukasten fußt auf zwei Fundamenten: Machine Learning und einem wissenschaftlichen Ansatz über Preiselastizitäten. Gefüttert mit Informationen aus dem Vertrieb, kann die Big Data-Lösung unterschiedliche branchenspezifische Faktoren in jeweils passende mathematische Modelle einbeziehen und eine Vielzahl von Daten auswerten: Was macht der Wettbewerb, wie hoch ist die Reputation, wie gut die Verfügbarkeit, was ist es für ein Produkt, gibt es zeitliche Effekte? „Die Lösung modelliert den Absatz unter Zuhilfenahme diverser branchenspezifischer Einflussgrößen“, erklärt Sebastian Klöser. „Je nach Anforderung, Datenlage und spezifischer Business-Situation des Kunden – wie beispielsweise besonderen Compliance Anforderungen –, können für diese Modellierung verschiedene Machine-Learning-Techniken zum Einsatz kommen. Von interpretierbaren Ansätzen bis hin zu hochkomplexen Deep-Learning-Algorithmen. Die DXC-Lösung kann mit den Anforderungen skalieren und ist iterativ erweiterbar. Weiterhin ermöglicht es „in einer erprobten Weise den Einfluss des Preises auf den Absatz herauszufiltern“, fasst Sebastian Klöser die Aufgabe des Lösungsbaukastens zusammen. Dies erlaubt es, anhand der gesammelten Daten Absatzprognosen und Preissimulationen zu erstellen, die konkrete Auswirkungen von Preisänderungen darstellen können – unabhängig von anderen Faktoren im Markt.

 

Die Vorteile in der Praxis

Was bedeutet das konkret in der Praxis? Pricing-Lösungen auf Basis von „DXC Smart Pricing“ sind bei mehreren DXC-Kunden im produktiven Einsatz. In einem Fall hat es das Ersatzteil-Pricing eines Autoherstellers neu kalkuliert und unterstützt die Pricing-Manager mit verbesserter Transparenz und konkreten Preisvorschlägen. Hier sind zahlreiche Faktoren wichtig. Der vielleicht markanteste ist die abnehmende Loyalität der Kunden mit steigendem Alter des Fahrzeugs. Je älter das Auto und je geringer der aktuelle Fahrzeugwert, desto geringer ist auch der Preis, den Kunden für Original-Ersatzteile zu zahlen bereit sind. Auch diesen Aspekt kann das Pricing-Tool beachten, beziehungsweise berechnen. Sind Ersatzteile zu teuer, treibt dies Kunden nachhaltig in den Zweitmarkt von Nicht-OEM-Teilen. Ein typisches Beispiel für den „Point of no Return“.

In einem anderen Anwendungsfall hat DXC eine Einzelhandelskette beim Clearing unterstützt. Hier ging es darum, im FMCG-Bereich – konkret Bekleidung – die Preise in diesem hochfrequenten Handel zu optimieren und die Bestände zu reduzieren. Doch nicht nur der ideale Preispunkt ist in diesem Fall relevant, sondern auch die Zeitachse, also der Zeitraum, in dem die gewünschte Warenmenge abgesetzt werden soll. Der Kunde hatte hierfür bereits ein spezialisiertes Tool im Einsatz. Die Herausforderung des Kunden: Das existierende Pricing-Tool war intransparent und somit die Entstehung der Preise für den Kunden nicht nachvollziehbar. Zudem konnte dieses Tool nicht mit dem Volumen und Sortiment des Händlers mithalten. Zusätzliche Informationsquellen konnte das Tool ebenfalls nicht integrieren. Dank unseres flexiblen Ansatzes, der eine schnelle Adaption an geänderte oder neue Faktoren erlaubt, war es DXC möglich bei der Handelskette auf Basis der Lösung ein eigens angepasstes Pricing-Tool zu implementieren. Diese passgenaue Lösung konnte alle Anforderungen erfüllen. Inzwischen ist das Pricing-Tool, das aus der DXC Smart Pricing-Lösung entwickelt wurde, dort dauerhaft im Einsatz.

 

Das Ergebnis für Kunden

DXCs Lösung ist ideal, um in mittel- bis hochfrequenten Märkten Margen und Umsätze zu optimieren, indem sie die Auswirkung des Preises von allen anderen Faktoren isoliert. Pricing- und Produktmanager erhalten damit „Transparenz in einem komplexen Absatzverhalten und verstehen die Einflüsse von Preisänderungen auf ihre Produkte.“ Die Pricing Engine von DXC hilft dabei, vorhandenes Wissen und Erfahrung aus der Preisgestaltung nutz- und sichtbar zu machen, indem das Modell mit allen bekannten Erfahrungswerten gefüttert wird und diese als nachvollziehbare Preisvorschläge und Absatzhochrechnung präsentiert.