Intro:

In der informationsverarbeitenden Industrie gilt seit jeher das Mantra:

„Garbage in – Garbage out“.

 

Aktuell bestätigt sich die universelle Gültigkeit dieses Leitspruches in der weltweiten Corona-Pandemie. Und zwar in der Art und Weise, wie Daten an Zielpersonen erhoben werden und die daraus abzuleitende, möglichst klare und trennscharfe Deutungshoheit für politische Entscheidungsträger.

Nicht repräsentative Stichproben, eine insuffiziente Erhebungsmethodik, Überlagerungseffekte verschiedenster paralleler Erkrankungen und viele weitere Faktoren sind eine Flut von Daten, die in einer Modellsynthese verwertet werden müssen und zwingend zu einer politischen Handlungskette führen. Wie schwierig das ist, sieht man in der zum Teil scheinbar widersprüchlichen Art der Berichterstattung und die daraus erzeugte Unsicherheit in der Bevölkerung.

Ähnlich komplex verhält es sich in den Konsumentenmärkten: unzählige Marktfaktoren durch eine Vielzahl von Anbietern, Produkten und der individuellen Kaufpriorität vieler Verbraucher bei intensiven Wettbewerbsdruck.

Einer der wichtigsten strategischen Erfolgsfaktoren eines Unternehmens im Wettbewerb ist eine überlegene Preisstrategie für sämtliche Produkte. Die Disziplin des Preismanagement und der kontextabhängigen, am Wettbewerb optimierten Preisgestaltung (Länder, Märkte, Preisportale, Zielgruppen u.v.a.) ist unter dem Begriff “Dynamic Pricing” einer der effektivsten Treiber des Unternehmensgewinns. Man erzielt gegenüber Wettbewerbern eine Steigerung des Unternehmens-Rohertrages (1 - 3 %), welches sich unmittelbar auf den EBIT (Unternehmensergebnis vor Steuern und Zinsen) mit bis zu +20% auswirkt.

 

Die Grundlagen des Repricing

Es liegt auf der Hand: Daten sind die Grundlage des dynamischen Repricing.

Je besser die Daten, desto effektiver das Repricing. Marketing Experte Neil Patel (Google, General Motors) erläutert auf seinem Blog was “schlechte Daten” Unternehmen kosten und hält 70% mehr Umsatz bei hoher Datenqualität für realistisch. Wie das Fundament eines Hauses bilden Daten die Basis der Repricing-Strategie und der Entscheidungen in Unternehmen. Was alles dabei schief gehen kann, erfahren Sie hier:

1. Unvollständige Daten

Es wäre so viel einfacher, würden Händler ihre Produkte einheitlich benennen.  Aber die Realität sieht anders aus. Die einen sagen “Tommy”, die anderen schreiben “Tommy Hilfiger” oder gar “TH”. Der Ebay Shop heißt “ABC” und bei Amazon “ABC.de”. Zwei völlig unterschiedliche Marken und Anbieter aus Sicht eines Computers. Während ein Mensch das leicht richtig einordnen kann (bei sehr hohem Zeitaufwand), ist das für ein Programm zunächst unmöglich. Aimondos Künstliche Intelligenz jedoch löst dieses Problem mittels Mustererkennung (“Pattern Recognition”) im Zuge des maschinellen Lernens (“Machine Learning”). Datenbestände aus Ihren Abfragen werden intelligent in den richtigen Zusammenhang gebracht. Gleichzeitig erhöht jede Abfrage die Verlässlichkeit, da der Algorithmus dazu lernt. Das erspart eine Menge Zeit, Kosten und auch Fehler. Die KI erkennt, sortiert und filtert solch diffuse Datensätze in Minutenschnelle aus dem gesamten weltweiten Datenbestand. Nur verlässliche Daten ermöglichen die richtigen Entscheidungen.

2. Schwer zu erreichende Daten

Neben der Wichtigkeit von qualitativ hochwertigen Daten, kommt als nächste Hürde diese auch stets erfassen zu können - wenn sich z.B. das Webdesign ändert. Das ist für Aimondo der einfache Part. Richtig anspruchsvoll wird es, wenn es darum geht ein sogenanntes “Captcha” zu lösen. Das sind mehrschichtige Sicherheitsabfragen um natürliche Anwender von Computerprogrammen (“bots”) zu unterscheiden. Onlineportale z.B. nutzen dies um sicherzustellen, dass echte Nutzer sich anmelden und kein Programm, welches Schaden anrichten könnte. Captchas sind eine echte Herausforderung. Aber auch das schafft unsere Künstliche Intelligenz. Und maschinelles Lernen sorgt hier dafür, dass sie stetig dazu lernt.

3. Falsche Daten

Es wird immer mal passieren, dass schlichtweg falsche Daten erfasst werden. Ein Anbieter hat sich beispielsweise vertippt, statt 10€ kostet das Produkt nun 100€ auf seiner Website. Unser Algorithmus ist in der Lage, diese Abweichung von der regulären Preisspanne zu erkennen und exkludiert intelligent auffällige Datensätze von der Auswertung. Oder Thema Fotokameras: Wird eine Kamera mit oder ohne Objektiv zum selben Preis angeboten, oder gleich ein ganzes Starter-Set? Dies sind wichtige Faktoren, die beachtet werden müssen, da sonst die Qualität erheblich leidet und falsche Rückschlüsse Sie teuer zu stehen kommen.

4. Vollständige und verlässliche Daten

Die meisten Anbieter verlassen sich auf Daten aus lediglich zwei Quellen und sind abhängig von der Global Trade Item Number (GTIN) oder dem EAN-Code. Das ist der Punkt, an dem sich Aimondo vom gesamten Verfolgerfeld absetzt. Mithilfe der neuronalen Mustererkennung schafft es unsere KI, Produkte selbst ohne GTIN oder EAN zu erfassen. Sie ist sogar in der Lage, Daten aus Bildern und Produktabbildungen herauszulesen. Damit können bis zu 99,9% sämtlicher Angebote erkannt und erfasst werden (vgl. Wettbewerb ~55%). Und das ist weltweit einzigartig.

Verabschieden Sie sich von unvollständigen und fehlerbehafteten Informationen und basieren Sie Ihre unternehmerischen Entscheidungen ausschließlich auf erstklassigen Daten.

Nutzen Sie Künstliche Intelligenz, Machine Learning und neuronale Netze als state-of-the-art Technologien für die taktisch-kompetitive Preisgestaltung, eine umfangreiche Wettbewerbsanalyse und für Preisoptimierungen gegenüber dem Wettbewerb. Alles andere ist ab sofort von gestern.

Als Marke, als Händler, als Onlineportal oder als Hersteller verbessern sich Ihr Profit und Ihre Marktposition dadurch nachhaltig.

Download als PDF