Die Preisoptimierung soll immer eine Steigerung des Ertrags mit sich bringen.

Letztendlich geht es nämlich darum, den Preis für ein oder mehrere Produkte so festzusetzen, dass das Kaufverhalten der Kunden positiv beeinflusst wird. Der Preis wird aber keinesfalls einmalig festgesetzt. Vielmehr wird er kontinuierlich und systematisch erhöht oder gesenkt um stets einen optimalen Preis zu erhalten, also einen Preis mit dem das Unternehmen zum jeweiligen Zeitpunkt den höchstmöglichen Ertrag erwirtschaften kann. Ein Beispiel dafür ist der Preis für eine Pauschalreise oder ein Hotelzimmer. Innerhalb und außerhalb der Saison unterscheidet sich der zu zahlende Preis, da er durch die Nachfrage zu verschiedenen Zeitpunkten beeinflusst wird. Zu Zeiten in denen mit deutlich mehr Urlaubern zu rechnen ist, wird der Preis nach oben korrigiert und außerhalb der Saison nach unten.

Dass die Aufgabe der optimalen Preisbestimmung im Allgemeinen aber nicht gerade einfach ist, lässt sich vielleicht schon erahnen. Gerade deshalb werden vermehrt Computerverfahren eingesetzt, die das Problem der Preisoptimierung automatisch durchführen können. Bislang gibt es bereits einige Preisfindungsmodelle.

Dazu gehört zum Beispiel des kostenorientierte Preisfindungsmodell.

Laut diesem Modell wird der Preis für ein Produkt oder eine Dienstleistung so bestimmt, dass er die Gesamtkosten abdecken soll, d.h. der Preis orientiert sich an den anfallenden Kosten. Benötigte Informationen zur Bestimmung der Gesamtkosten können dem betrieblichen Rechnungswesen entnommen werden. Außerdem zu berücksichtigen, ist zum Beispiel die aktuelle Marktsituation. Solche Faktoren erhalten im wettbewerbsorientierten Preisfindungsmodell Einfluss. Neben der aktuellen Marksituation werden auch Aspekte wie Position und Preisstrategien der Wettbewerber und die eigenen Stärken und Schwächen beobachtet und anschließend in die Kalkulation des Preises einbezogen. Letztendlich orientiert sich der Preis also an der Konkurrenzstruktur und an dem Verhalten der Konkurrenten. Die nachfrageorientierte Preisfindung hingegen richtet sich an der Nachfrage am Markt aus. Der Preis orientiert sich an der Preisvorstellung der Kunden. Demnach werden die Preise so gewählt, dass Verbraucher gerade noch bereit sind die Produkte zu kaufen.

Ein Problem bei den bereits bestehenden Modellen ist allerdings, dass meist keine exakte Schätzung der Preiselastizitäten oder der Preisabsatzfunktion möglich ist. Diese beiden Größen werden jedoch zur Berechnung des Preises benötigt. Dieses Problem lässt sich aber durch dynamische Preisoptimierungsverfahren umgehen und gerade deshalb gewinnen derartige Verfahren immer mehr an Bedeutung.

Dynamische Verfahren zur Preisfindung basieren auf ökonometrischen Modellen und verfügbaren preisrelevanten Informationen, welche sich durch Befragungen und Beobachtungen ergeben. Häufig genutzt sind direkte und indirekte Kundenbefragungen, Expertenurteile, Experimente oder Markdaten. Dabei ist wichtig zu beachten, dass solche Daten kontinuierlich erhoben werden und der Preis sich somit kontinuierlich ändern lässt.

Am Ende entsteht also eine große Menge von Daten – also Big Data – die es auszuwerten gilt. Um die Daten auszuwerten, werden Data-Mining-Verfahren eingesetzt. Mithilfe solcher Verfahren lassen sich Größen wie die Preiselastizität und die Preisabsatzfunktion bestimmen, welche zur Berechnung des Preises benötigt werden.

Ziel einer Preisoptimierung ist natürlich, dass der Kunde kauft – und zwar zum bestmöglichen Preis.

Bestmöglich bedeutet in diesem Kontext, dass bestimmte Größen wie Profit, Umsatz, Frequenz oder Bestand optimiert werden sollen. Zu diesem Zweck werden dynamische Optimierungsverfahren eingesetzt. Bei manchen Verfahren dieser Art besteht der Knackpunkt darin, dass sie selbstlernende Verfahren sind. Das bedeutet, dass der Algorithmus auf Basis von Zielvorgaben anfängt zu lernen. Er lernt offline auf Grundlage von historischen Daten, aber auch online auf Basis von Echtzeitdaten, inwieweit sich das Kaufverhalten durch eine Änderung des Preises verändert. Somit ist er in der Lage exakte Prognosen über die Preisakzeptanz eines Artikels zu treffen. Zur Erstellung der Prognosen wird unter anderem die Preiselastizität ermittelt, welche Aufschluss darüber gibt wie sich die Nachfrage ändert, wenn sich der Preis ändert.

Der Algorithmus analysiert also permanent das Wechselspiel zwischen Preissetzung und Kundenreaktion und erlaubt somit unmittelbar Rückschlüsse über die eigene Preissetzungsstrategie zu ziehen. Für die Zukunft werden falsche Entscheidungen, also zum Beispiel ein zu hoher Preis und damit eine nachlassende Kaufkraft, in die Berechnungen aufgenommen. Somit ist der Algorithmus in der Lage selbstständig den optimalen Preis zu finden.

Wer seine Produkte oder Dienstleistungen also stets zu einem optimalen Preis anbieten möchte, sollte nach Möglichkeit auf dynamische Preisoptimierungsverfahren zurückgreifen. Der Vorteil gegenüber anderen Methoden oder der Preisfestsetzung nach gut Glück ist, dass solche Verfahren über die Fähigkeit verfügen vergangene Ereignisse für die zukünftige Preisermittlung einzubeziehen. Somit steht eine optimale Preissetzungsstrategie zur Verfügung.

 

Weitere Artikel von Mabelle Franke:

Trends in Big Data – warum Unternehmen ihre Datenanalyse anpassen müssen

Der Wert von mathematischen Optimierungsverfahren

 

Teilen
Mabelle Franke
Themen die sich mit Datenanalyse und Computerverfahren aller Art beschäftigen, sind Mabelle's Steckenpferd. Fundierte Kenntnisse in diesem Bereich gewinnt Mabelle überwiegend im Studium der Mathematik. Den Bachelorabschluss hat sie seit Mitte 2015 in der Tasche und arbeitet nun am Masterabschluss.