Marktführer im Bereich B2B-Großhandel investieren viele Ressourcen und Fachkräfte in fortschrittliche KI-Technologien, um ihre Preise dynamisch zu setzen. Wie können mittelständische Großhandelsunternehmen ebenfalls von dynamischer Preissetzung profitieren?
Eine Optimierung der Preissetzung im B2B-Großhandel ist ein großes Thema. Kein Wunder, denn die Preissetzung hat einen großen Hebel auf die Marge. Im Privaten haben wir alle schon Erfahrungen mit Dynamic Pricing gemacht. Zum Beispiel verändert Amazon zu Spitzenzeiten manche Produktpreise bis zu 70-mal pro Woche.
Inzwischen ist die dynamische Preissetzung auch im B2B-Geschäft angekommen. Marktführer im deutschen Großhandel, wie z.B. Sonepar, investieren stark in intelligente Preissetzungstechnologien. Und das, um besonders einen wichtigen Anhaltspunkt in die Preissetzung miteinfließen zu lassen: das bisherige Kundenverhalten.
In diesem Artikel diskutieren wir, was dynamische Preissetzung bedeutet und ob auch mittelständische Großhandelsunternehmen ihre Preissetzungsstrategie mit Hilfe von neuen KI-Technologien ergänzen können.
Was bedeutet dynamische Preissetzung im B2B-Bereich?
Dynamische Preissetzung, oder auf englisch „dynamic pricing“ ist eine Strategie, mit der Unternehmen ihre Verkaufspreise an aktuelle Marktsituationen anpassen.
Das ist natürlich relativ, denn kein Preis bleibt ewig gleich. Schon allein der Bäcker von nebenan bietet die Brötchen am Abend günstiger an, um sie noch zu verkaufen, bevor er sie wegwerfen muss. Man könnte also sagen, dass alle Preise dynamisch sind. Einige sind nur dynamischer als andere.
Doch in der heutigen Zeit, in der es viele Daten gibt, bezieht sich die dynamische Preissetzung darauf, dass die Preise – sobald neue Informationen (in Form von neuen Daten) auftauchen – unmittelbar angepasst werden. Dafür stehen viele Methoden und Technologien zur Verfügung.
Besonders Algorithmen, die auf maschinellem Lernen (ein Teilbereich der künstlichen Intelligenz) basieren, steigern die Leistung von Preisoptimierungen erheblich.
Die fortschrittlichsten Pricing-Lösungen prognostizieren die Auswirkungen von Preisänderungen bereits, bevor diese in Kraft treten.
Tatsächlich ergab eine „Umfrage zur Bedeutung von Dynamic Pricing im stationären Handel 2021“ durch Statista, dass 47 Prozent aller Händler eine solche Strategie als bedeutend für die Zukunft ansehen.
The Old Way – Traditionelle Preissetzung im B2B-Geschäft
Einige B2B-Großhandelsunternehmen tun sich schwer, automatische Preissetzungsempfehlungen anzunehmen. Das liegt daran, dass die B2B-Händler sehr an traditionellen Preisfindungsmethoden festhalten. Deren Ziel ist es, die bestmögliche Marge und gleichzeitig ein hohes Auftragsvolumen zu erreichen.
Die Preisfindung im B2B-Großhandel ist also stark von manuellen und regelbasierten Kriterien geprägt, die das gesamte Pricing sehr komplex machen. Die Komplexität zeigt sich in den vielen Kriterien, die eine Rolle spielen, wie beispielsweise: die Entwicklung der Einkaufspreise, individuelle Verträge, Listenpreise, strategische Überlegungen und Wettbewerbspreise. Ich bin mir sicher, wenn Sie vom Fach sind, fallen Ihnen auf Anhieb mindestens zwei Ergänzungen zu diesen Beispielen ein.
Dabei gibt es allerdings zwei essentielle Probleme:
1. Das bisherige individuelle Kundenverhalten wird bei der Preissetzung kaum bis gar nicht beachtet.
2. Eine solche komplexe Preissetzung ist sehr fehleranfällig und zeitaufwendig – besonders bei tausenden von Kunden und Produkten. Preisanpassungen werden vergessen, individuelle Potenziale können nicht ausgeschöpft werden und es ist schwer einen Überblick zu behalten.
Im Gegensatz dazu, geschieht eine automatische Preisanpassung durch Algorithmen in erster Linie auf Basis von historischen Verkaufsdaten. Die Algorithmen finden ihre eignen Regeln und Muster im Zahlungsverhalten der Kunden, nach denen sie Preisvorschläge erstellen. Es ist eine völlig andere Art Preise zu setzen. Wie nutzen das große B2B-Handelsunternehmen?
Dynamische Preissetzung – Wie machen es die großen B2B-Unternehmen?
Erfolgreiche Unternehmen im Großhandel, wie Sonepar, haben ihre Preisfindung adaptiert. Sie verwenden mächtige und teure Business Intelligence Programme, um automatische Preisempfehlungen pro Kunde und Produkt zu generieren. Diese Preisempfehlungen richten sich nach dem individuellen Kundenverhalten, bzw. der Kundensituation.
Die bisherigen Preissetzungsstrategien, werden natürlich nicht von jetzt auf nachher über Bord geworfen, sondern die kundenspezifischen Empfehlungen werden einfach ebenfalls berücksichtigt. Zum Beispiel wird eine Preiserhöhung der Hersteller nicht direkt 1:1 an jeden Kunden weitergegeben, sondern gezielt bei den Kunden, die am wahrscheinlichsten akzeptieren.
Die Unternehmen haben das enorme Potenzial der KI-basierten Preisgestaltung erkannt und nutzen diese nicht als einziges, sondern als zusätzliches Entscheidungstool.
Großhändler, die auf KI-gesteuerte Preisgestaltungslösungen umsteigen, erzielen erwiesenermaßen höhere Gewinne und übertreffen ihre Wettbewerber.
Empfehlung für mittelständische B2B-Großhandelsunternehmen zu einer modernen Preissetzungspolitik
Gerade für die mittelständischen B2B-Großhändler ist der Druck enorm: Geringe Margen, Lieferengpässe, Konkurrenz durch den eCommerce und die zunehmende Transparenz für die Kunden sind einige Faktoren dafür.
Aus diesem Grund sollten sie ihre starre und traditionelle Preissetzungspolitik überdenken. Änderungen in der Preissetzung haben direkten Einfluss auf die Marge. Gezielte und datenbasierte Preisänderungen, bei bestimmten Produkten und Kunden, die eine hohe Akzeptanzwahrscheinlichkeit haben, sind somit wertvoll und bergen viel Potenzial. Außerdem sollte das Merkmal „Kundenverhalten“ ebenfalls eine Rolle in der Preissetzung spielen. Das bedeutet also „weg vom Gießkannenprinzip“!
Ein häufiger und verständlicher Grund für das Zögern von Großhandelsunternehmen, ist der hohe Ressourcen-Aufwand für datenbasierte Preisfindungen: Entweder müssen aufwendige Business Intelligence Systeme für das Pricing eingerichtet werden, die nicht nur teuer sind, sondern auch IT-Fachkräfte zur Bedienung erfordern. Oder Sie bauen sich selbst ein KI-System mit automatischen Preisempfehlungen. Beide Optionen sind für mittelständige Großhandelsunternehmen nicht oder nur sehr schwer finanzierbar.
Es gibt allerdings noch eine dritte und finanzierbare Möglichkeit: eine standardisierte KI-basierte Vertriebsprognosesoftware – wie z.B. Qymatix. Die Software as a Service gibt pro Kunde und Produkt eine Preisrange an, die am wahrscheinlichsten akzeptiert wird. Die Prognosen basieren auf den historischen Verkaufsdaten. So werden Preisunstimmigkeiten sichtbar und das Vertriebsteam hat eine zusätzliche Entscheidungsgrundlage für die Preissetzung. In ihren historischen Verkaufsdaten ist auch das bisherige Kaufverhalten ihrer Kunden zu sehen. Es sind alles Transaktionen, denen Ihre Kunden bereits zugestimmt haben. So können die KI-Algorithmen Ähnlichkeiten zwischen Ihren Kunden und deren Kaufverhalten finden und je Produkt Preisranges prognostizieren.
Für die Nutzung eines solchen Tools benötigen Sie also keine wertvollen IT-Fachkräfte, da die Opportunities direkt an den Vertrieb ausgespielt werden.
BERECHNEN SIE JETZT DEN ROI VON QYMATIX PREDICTIVE SALES SOFTWARE
Ist dynamische Preissetzung im B2B-Großhandel finanzierbar? – Fazit
Ja, auch für mittelständische Großhandelsunternehmen ist eine dynamische Preissetzung finanzierbar. Es ist sogar essenziell die Potenziale in den eigenen Daten für die Preissetzung zu nutzen, um wettbewerbsfähig zu bleiben. Im B2C-Markt ist es schon Standard und auch die großen B2B-Händler investieren stark in eine datenbasierte und individuelle Preisfindung.
Künstliche Intelligenz für dynamische Preissetzung ist inzwischen auch für mittelständische Großhandelsunternehmen durch entsprechende Predictive Sales Software Anbieter bezahlbar. Es ist also nur eine Frage der Zeit, bis Ihre Konkurrenz damit startet.
Unser Tipp: Seien Sie offen für KI-Technologien, die Ihre Preissetzungsstrategie kundenzentriert unterstützen können. Analysieren Sie Ihre Daten und finden Sie heraus inwieweit Preissetzungspotenziale vorhanden sind.
Gerne helfen wir Ihnen dabei mit einer kostenlose Einmalanalyse durch unsere KI-Prognosesoftware.
ICH MÖCHTE PREDICTIVE ANALYTICS FÜR DEN B2B-VERTRIEB
Literaturnachweis:
eClear (2021): Was bedeutet Dynamic Pricing?
Eva-Susanne Krah (2019): Mit dynamischem Pricing auf Kundenfang. Hg.: Springer Professional