Price Optimization: Kunden begeistern und Umsatz steigern

IN Price Optimization — 17 May, 2017

Die Anforderungen an Mode- und Lifestylehändler im dynamischen Modemarkt sind enorm. Kunden erwarten in der heutigen Omnichannel-Welt nicht nur höchste Produktverfügbarkeit, sondern auch attraktive Preise. Die hohe Preistransparenz und Vergleichbarkeit sowie lange Vorlaufzeiten und kurze Produktlebenszyklen stellen Händler im wettbewerbsintensiven Modemarkt vor große Herausforderungen.

Price Optimization at OTTO

Der Erfolg eines Handelsunternehmens hängt davon ab, ob es sich schnell und flexibel an die Veränderungen des dynamischen Marktes anpassen kann. Das funktioniert nur, wenn der Händler den Preis, den die Kunden bereit sind zu zahlen, präzise berechnen kann. Modehändler müssen ihre Lagerbestände bis auf Artikelebene ständig im Blick haben und dabei auch Saison, Wetter und Modetrends berücksichtigen. Bei Preisentscheidungen steht der stationäre Handel mit dem Onlinehandel im Wettbewerb. Um erfolgreich zu sein, die Profitabilität zu erhöhen und gleichzeitig eine nahtlose Customer Experience sicherzustellen, müssen Modehändler ihre Preise über alle Kanäle permanent optimieren.

Die Preisgestaltung hängt von der Unternehmensstrategie ab und sollte verschiedene Ziele wie Umsatz, Gewinn und Lagerbestände berücksichtigen. Darüber hinaus erfordern die immer kürzer werdenden Saisonzyklen anspruchsvolle Preisabschlagsprozesse und -entscheidungen. Diese Herausforderungen lassen sich heute nur noch mithilfe moderner Technologie zur automatisierten Warendisposition und dynamischen Preisgestaltung meistern.

Modehändler setzten auf innovative Machine-Learning-Lösungen zur Preisoptimierung

Um dem hohen Konkurrenzdruck im E-Commerce und den sich häufig ändernden Trends der Modebranche gerecht zu werden, setzen erfolgreichen Handelsunternehmen wie OTTO auf innovative Machine-Learning-Lösungen. Das Wettbewerbsumfeld des Multichannel-Händlers ist geprägt von niedrigen Margen, hohem Konkurrenzdruck und sich immer schneller ändernden Marktbedingungen. Entscheidungsprozesse werden von immensen Datenmengen, einer Vielzahl von Einflussfaktoren und hohem Zeitdruck bestimmt. Hinzu kommt, dass das positive Einkaufserlebnis und der zufriedene Kunde bei OTTO im Mittelpunkt stehen. Um den Kunden zu begeistern und zu binden, muss OTTO alles auf einer einzigen Plattform bieten: ein umfangreiches Artikelangebot zu wettbewerbsfähigen Preisen sowie einen sehr guten Service. Attraktive Angebote, hohe Warenverfügbarkeit und kurze Lieferzeiten sind dabei die erfolgsentscheidenden Faktoren.

Mit Price Optimization immer den optimalen Preis finden

Der Modehandel ist ein stark saisonabhängiges Geschäft. Einerseits muss für die gesamte Saison die Warenverfügbarkeit sichergestellt werden, andererseits sollten am Saisonende die Lager geräumt und möglichst wenige Restbestände übrig sein. Um das zu erreichen, ist ein optimales Zusammenspiel von Warenverfügbarkeit und Preisgestaltung unerlässlich. Als „Data Driven Company“ setzt OTTO schon lange auf die Auswertung umfangreicher Datenmengen zur Entscheidungsunterstützung und arbeitet seit mehr als zehn Jahren eng mit Blue Yonder zusammen, um präzise Absatzprognosen auf Einzelartikelebene zu erhalten. Auch beim Thema Preisoptimierung vertraut OTTO auf künstliche Intelligenz von Blue Yonder.

Zuvor erfolgte die Preisgestaltung bei OTTO vornehmlich manuell. Das Unternehmen agierte eher reaktiv, indem die einzelnen Mitarbeiter Lagerbestände, Kundenverhalten und Wettbewerb beobachteten. Allerdings sind die Anforderungen im Onlinehandel an ein intelligentes und automatisiertes Preismanagement deutlich höher als zu Katalogzeiten. Der Kunde erwartet stets einen angemessenen Preis; die Preistransparenz liegt insbesondere bei Markenware bei nahezu 100 %.

Der optimale Preis hängt von zahlreichen Einflussfaktoren ab, die täglich variieren können: Verfügbarkeit, Darstellung, Wettbewerb, Saison, Wochentag, Jahreszeit, Tageszeit, Wetter, Vertriebskanal, Wettbewerbspreise u. v. m.
Durch den Einsatz von Blue Yonder Price Optimization findet OTTO für jeden Artikel den richtigen Preis zum richtigen Zeitpunkt. Die Machine-Learning-Lösung bezieht Artikelstammdaten, Bewegungs- und Bestandsdaten sowie Wettbewerbspreise in die Preisentscheidungen ein. Mit dem Ergebnis, dass der Verkauf besser gesteuert wird, was zu mehr Umsatz und Gewinn, vor allem aber auch zu höherer Kundenzufriedenheit führt.

Durch den Einsatz der Machine-Learning-Lösung bietet OTTO seinen Kunden heute deutlich wettbewerbsüberlegene Preise an und das Preis-Leistungsverhältnis wird nachhaltig optimiert. Das verbessert die Kundenzufriedenheit, was sich nicht nur in einem optimierten Abverkauf, sondern auch in deutlich weniger Retouren niederschlägt.

Laden Sie hier die gesamte Case Study herunter und erfahren Sie mehr.

Wollen Sie mehr über Blue Yonder Price Optimization im Modehandel erfahren?

Lesen Sie die Broschüre Price Optimization: Optimierte Preis- und Preisabschlagsentscheidungen für den profitablen Modehandel

Blue Yonder Blue Yonder

World-class retailers can reduce their out-of-stock rates by as much as 80% and see their revenue and profits improve by more than 5%.