Maschinelles Lernen ist die technologische Grundlage aller intelligenten Algorithmen für das dynamische Preismanagement. Die Pricing-Algorithmen sorgen für eine optimale Festlegung der Preise in Echtzeit.

Dahinter steht ein Regressionsmodell, das für jede denkbare Preiskonfigurierung die Auswirkungen auf den Umsatz bewertet.

Dieser Ansatz leistet gute Dienste, stößt aber auch an Grenzen, denn er bezieht Informationen über die Preiskonfigurierung selbst nicht explizit in das Modell mit ein.

Die meisten Experten profitieren zwar enorm von neuen Möglichkeiten der Datenerfassung und -verarbeitung, verwenden aber weiterhin auch manuelle Crawling-Verfahren.

Preisanpassungen, die auf Echtzeit-Anfragen reagieren und sekundenschnell für die ganze Liste umgesetzt werden, sind sehr viel effektiver als die fehleranfälligen manuellen Änderungen. Hier kommt Machine Learning ins Spiel: Es gibt Händlern die Option, nicht nur die Preise, sondern auch das Marketing und die Kosten zu optimieren.

Das Erste, worum sich Händler mit Blick auf strategisches Pricing kümmern müssen, sind die Daten. Bevor irgendwelche Preisentscheidungen getroffen werden können, muss man bereinigte und relevante Daten sammeln.

Von der Qualität der Daten hängt es ab, wie profitabel die ermittelten Preise sind.

Der nächste Schritt, der im Rahmen eines dynamischen Pricing-Systems anfällt, ist die Datenanalyse. Sie muss die Händler über direkte Preisvorschläge und Empfehlungen schnell zu den richtigen Entscheidungen führen. Will man weitere Erkenntnisse aus den gesammelten Informationen ableiten, müssen sie visualisiert werden. Anhand einer geeigneten Visualisierung kann man Abweichungen schnell erkennen und darauf reagieren.

Die Analyse von Preisindizes und Sales-Zeitreihen bestimmt die Preisindex-Elastizität der Verkäufe. Eine auf Machine Learning basierende Zeitreihen-Analyse lässt sich auf periodische Schwankungen unterschiedlicher Art anwenden. Dies kann nach Jahr, Monat oder Woche geschehen.

Händler, die mit aussagekräftigen Visualisierungen arbeiten, profitieren in mehrfacher Hinsicht: Sie können die Überwachung der Mitbewerber-Preise maximal beschleunigen, die Umsatzentwicklung analysieren und verbessern und das Kundenverhalten untersuchen.

Bei der Preisfestlegung sind vielfältige Variablen zu berücksichtigen, und der Wenn-dann-Ansatz kann dabei helfen, sie alle auf die Preisgestaltung für ein einzelnes Produkt anzuwenden. Allerdings ist es ohne die Unterstützung durch automatisierte, regelbasierte Pricing-Algorithmen nahezu unmöglich, Tausende von Produkten in kürzester Zeit zu bearbeiten.

Händler, die kein strategisches Pricing einsetzen, operieren praktisch in einer Blindzone. Ihnen fehlt eine Bewertungs-Engine, mit der sich Preise fehlerfrei berechnen, analysieren, anpassen und festlegen lassen und die es erlaubt, alle Hypothesen zu überprüfen, bevor sie auf den gesamten Bestand angewendet werden.