Predictive Pricing: Wie KI-Preise den Online-Handel pushen

Um zu wachsen, müssen Online-Shops nur die richtige Software einsetzen, verspricht 7Learnings   . Predictive Pricing nennt die Berliner Firma ihr System, das Umsätze und Gewinne auf der Basis von Markt- und Unternehmensdaten vorhersagt. Mittel dafür sind exakt kalkulierte Preise, die bei Bedarf täglich geändert werden. Wir haben mit Felix Hoffmann , Gründer und CEO von 7Learnings, über seine ECommerce-Wunderwaffe gesprochen.

Predictive Pricing trifft Vorhersagen über den künftigen Absatz mittels ständig neu angepasster Preise. Klingt wie Zauberei.

Felix Hoffmann: Also dahinter steckt eigentlich der Traum, Unternehmen mehr oder weniger autonom führen zu können. Wir wollen die Internetwirtschaft davon befreien, dass eine ganze Menge an Leuten sich um kleinteilige Entscheidungen auf Produktebene kümmern muss. Menschen treffen mit unserem System nur die groben Entscheidungen, etwa "ich möchte um 10 Prozent wachsen". Preise auf Produktebene, aber auch Marketingentscheidungen, werden von der Maschine optimiert. Das ist die Idee. Man kann es mit autonomem Autofahren vergleichen. Da sagt der Fahrer ja auch, wo man hin möchte. Aber eben nicht mehr, hier rechts, da links und auch lenken oder Gas geben musst du irgendwann nicht mehr. Das Gleiche wird jetzt im Handel vorbereitet.

Wo sehen Sie den Bedarf?

Nehmen wir mal Adidas   als Beispiel. Die hatten früher erst mal weniger Schuhe, jetzt haben sie viel mehr Schuhe und dann ist es auch ja so, dass sie früher an Subhändler verkauft haben und jetzt tun sie das selbst auf Marktplätzen und in ihrem eigenen Online-Shop. Das bedeutet, dass sie immer mehr Entscheidungen treffen müssen. Die sind, nehmen wir mal halbwegs realistisch an, weltweit auf 500 Marktplätzen präsent. Also müssen sie auch 500 Preise bestimmen. Das sind 500 Marketingentscheidungen täglich, pro Schuh. Dazu kommen Chat-GPT   und Perplexity   und wie die KI's alle heißen. Die werden auch bald Shops aufmachen. Und um die muss sich eine Firma wie Adidas dann auch noch kümmern, was letztlich dazu führt, dass die Belegschaft überfordert wird. Wenn man all diese Entscheidung manuell trifft, wird das irgendwann nichts mehr.

Wie greifen Sie da ein?

Mit uns kann Adidas den Preis automatisch erhöhen oder reduzieren. Predictive Solutions wie unsere berechnen, was passiert, wenn der Preis um zehn Prozent erhöht wird. Wie viel weniger verkaufe ich dann? Was würde das für meine Marge bedeuten? Und was für meinen Gesamtgewinn? Zusätzlich schauen wir uns natürlich auch den Absatz bis Ende des Jahres an.

Können Sie beispielhaft beschreiben, wie so eine Prognose vor sich geht?

Das System schaut sich die Verkaufsstatistik, die Retourenraten, die Versand- und Kommissionskosten sowie eventuell anfallende Zollgebühren an und prognostiziert darüber den Absatz des Schuhs, um den es gerade geht. Am Ende entscheidet dann der Optimierer, welcher Preis tatsächlich online gehen soll.

Das ist ein anderer Bereich in der Software?

Ja, wir benutzen zwei Technologien. Einmal die Vorhersagetechnologie mittels Machine Learning für künftige Absätze, Gewinne und Umsätze. Wenn die Vorhersage fertig ist, läuft der Optimierer über diese Tabellen, weil es ja, abhängig von den Unternehmenszielen, nicht nur einen besten Preis gibt. Wer um 50 Prozent wachsen möchte, muss seine Produkte billiger bepreisen, als jemand der nur 10 Prozent wachsen will. Man kann sich auch verschiedene Szenarien erstellen lassen und dann das Beste davon auswählen. Aber ob mehr Umsatz oder mehr Gewinn das Ziel ist, muss der Kunde entscheiden. Das ändert natürlich die Preise gewaltig.

Wie oft werden Preise in der Regel geändert?

Das hängt von der Kategorie ab. Im Modehandel eher einmal die Woche, bei Laptops mindestens einmal am Tag. Unser System macht es möglich, zu sagen, ich will 20 Prozent mehr Umsatz, gib mir einfach die Preise, mit denen ich 20 Prozent wachse. Das gab es bisher so noch nicht. Anders als bei Dynamic Pricing kann ich hier eben das Ziel eingeben und das System nennt mir den dafür optimalen Preis. Beim traditionellen Dynamic Pricing werden Preise auf Produktebene geändert, ohne vorher zu berechnen, zu welchem Ergebnis das letztendlich führen wird. Regelbasiertes Pricing nennen wir das. Dort gibt es keine Vorhersagen, sondern selbstbestimmte Gesetze. Und am Ende ist es oft so, dass der Mensch sich so viele Regeln setzt, dass er am Ende den Überblick verliert.

Wie kontrollieren Sie das Resultat, um herauszufinden, welche Rolle Ihr System dabei gespielt hat?

Bei der Implementierung wird ein A/B-Test gemacht. Zum Beispiel lassen wir die eine Hälfte der aktuellen Saisonware ohne Predictive Pricing laufen, die andere mit. Am Ende vergleicht man dann, ob und womit die Zielvorgabe erreicht wurde. Und wenn das System dann live gegangen, legen wir am Ende die Abverkäufe gegen die Prognose. Und nicht nur die Abverkäufe, sondern wir gucken auch auf die Retourenraten, auf die Kosten, Kommissionskosten, Versandkosten, Einkaufskosten. All das wird die ganze Zeit überprüft: Wie genau ist die Prognose auf all diesen Ebenen?

Wie lange dauert die Implementierung?

Wenn man seine Daten im Griff hat, können wir nach sechs bis acht Wochen den A/B-Test starten, der dann sechs Wochen läuft. Macht im Normalfall drei Monate, bis wir mit dem System live gehen können. Wir haben eine sogenannte Onboarding-Software, dafür schickt der Kunde uns seine Transaktionsdaten, die historischen Produktkosten und für das Lernen brauchen wir so eine Art Attributtabelle. Wir müssen wissen, was ist ein Schuh, was ist ein Sportschuh, welche Farbe haben die Produkte, wie groß sind sie, was sind die Einkaufspreise. Solche Daten erhalten wir von den Kunden und dann benutzen wir diese, um die Entscheidung zu optimieren.

Sie sorgen also für planbaren Gewinn bei Online-Shops. Sind darin die Kosten für die Software schon enthalten?

Nein, die muss man noch abziehen. Aber bei einem großen Unternehmen, das mit unserer Hilfe beispielsweise 13 Prozent mehr EBIT schafft, lohnt es sich mehr als ordentlich. Hinzu kommt eben die zielbasierte Steuerung von Umsatz und Gewinn mit anschließender Erfolgskontrolle. Das konnte man noch nie.

Welche Folgen hat die Software für den Arbeitsaufwand im Unternehmen?

Er reduziert sich um etwa 80 Prozent, weil kein Mensch mehr auf Produktebene über Preise nachdenken muss. In zehn Jahren wird im E-Commerce niemand mehr ohne Predictive Pricing arbeiten, da bin ich sicher.

Wer macht schon Predictive Pricing, von Ihren Kunden wie Fashionette und vielen Zalando-Händlern einmal abgesehen?

Amazon  , Zalando   und AboutYou   machen das mit Inhouse-Entwicklungen. Blue Yonder hat einen ähnlichen Ansatz wie wir. Im Hotelmarkt ist es auch bereits üblich, Supermärkte könnten die nächste Branche sein, aber dafür braucht man elektronische Preisschilder. Der gesamte Online-Markt steht vor einer riesigen Revolution.