Tamaris und KI-basierte Preisgestaltung: Im Gespräch mit 7Learnings auf der NRF Retail Big Show

Das Berliner Technologieunternehmen 7Learnings bietet KI-gestützte Software für die vorausschauende Preisgestaltung für Einzelhändler:innen an. Auf der NRF Retail Big Show sprach FashionUnited mit Eiko van Hettinga, Mitgründer des Unternehmens. Van Hettinga erklärte, warum die Preisgestaltung einer der wichtigsten Hebel für die Rentabilität ist. Er erläuterte auch, wie vorausschauende Preisgestaltung in der Praxis funktioniert und wie Modeunternehmen wie etwa die zur Wortmann Gruppe gehörende Marke Tamaris Ergebnisse erzielen.

Warum sollten Marken eine vorausschauende Preisgestaltung praktizieren?

Die Preisgestaltung ist der größte Hebel für die Rentabilität. Viele Unternehmen denken an Kostensenkungen, wenn sie über Gewinn sprechen. Die Wahrheit ist jedoch, dass Preisbewegungen einen viel größeren Einfluss haben. Deshalb bezeichnen Analyst:innen wie Gartner die Preisoptimierung als einen der attraktivsten KI-Anwendungsfälle im Einzelhandel: Sie hat die größte geschäftliche Wirkung und ist eine der praktikabelsten.

Für Einzelhändler:innen, die sich fragen, wo sie ihre KI-Reise beginnen sollen, sollte die Preisoptimierung ganz oben auf der Liste stehen. Mit vorausschauender Preisgestaltung nutzen Sie Daten, um die Auswirkungen von Preisen auf Ihre KPIs zu prognostizieren – wie Umsatz, Marge und Abverkauf – und optimieren dann entsprechend. Genau das demonstrieren wir gemeinsam mit Tamaris.

Wie genau funktionierte das bei Tamaris?

Bei Tamaris war die Herausforderung klar: Sie expandierten ihr Online-Geschäft in 26 Länder. Die Komplexität bei der Festlegung von Preisen über Märkte und Kanäle hinweg war enorm. Es gab viel manuelle Arbeit und die Notwendigkeit, entlang des gesamten Produktlebenszyklus zu optimieren.

Gemeinsam führten wir einen fünfmonatigen Proof of Concept durch. Die Ergebnisse waren beeindruckend: Die Rentabilität stieg, die durchschnittliche Rabattquote sank um fünf Prozent. Der manuelle Zeitaufwand für die Preisoptimierung wurde halbiert. Heute nutzt Tamaris dieses KI-gesteuerte Setup in allen Märkten und steuert Preise und Margen automatisch.

Also ist eine flexible Preisgestaltung statt nur Rabatten vorzuziehen?

Genau. Es geht nicht nur darum, ein großes rotes Verkaufsschild ins Fenster zu hängen. Man kann die Preise auch strategisch senken und trotzdem seine Margen halten. Im Modeeinzelhandel tun wir alles aus modischen Gründen, deshalb denken wir weiter als nur an Rabatte.

Was können Sie zur Komplexität und den Herausforderungen bei der Online-Preisgestaltung sagen?

Online gibt es zusätzliche Ebenen wie Gutscheine und Coupons. Die Gefahr besteht darin, dass man leicht die Kontrolle über seine Rentabilität verliert, wenn man zu viele Werbeaktionen stapelt. Deshalb speisen wir auch diese Art von Daten in das System ein, um vorherzusagen, wie viele dieser Werbeaktionen genutzt werden und welche Auswirkungen sie auf den Gewinn haben.

Im Modeeinzelhandel prognostizieren wir auch die Rückgabequoten zusammen mit den Preisen. Über das gesamte Sortiment erreichen unsere Prognosen eine Genauigkeit von mehr als 90 Prozent, und das für einen zweiwöchigen Horizont. Wir glauben, dass der richtige Ansatz eine Kombination aus hochgenauen kurzfristigen Prognosen und längerfristiger Planung ist.

Wie verhält es sich mit kurzfristigen vs. langfristigen Prognosen?

Man könnte sagen: Warum nicht jede Entscheidung anhand einer 40-wöchigen Prognose treffen? Das Problem ist, dass solche langfristigen Prognosen sehr ungenau sind. Man weiß einfach nicht, was so weit im Voraus passieren wird. Das ist die große Herausforderung in der Mode.

Wir verwenden langfristige Prognosen, um Grenzen zu setzen, nicht um jede Entscheidung zu diktieren. Der Algorithmus könnte beispielsweise den Preis berechnen, der den langfristigen Gewinn optimiert, und uns dann erlauben, innerhalb einer 20-prozentigen Spanne um diesen Punkt herum zu agieren. Innerhalb dieser Spanne können wir kurzfristige Entscheidungen treffen, wie zum Beispiel den Verkauf schneller anzukurbeln. Das System verhindert aber auch, dass wir so weit gehen, dass wir die langfristige Rentabilität beeinträchtigen. Technisch gesehen glauben wir, dass dies der beste Weg ist, das Problem zu lösen – und Praktizierende in diesem Bereich bestätigen diesen Ansatz.

Lässt sich die Kollektionsentwicklung mit KI bestimmen?

Nicht wirklich. Sobald die Kollektion auf dem Markt ist, können wir bei der anfänglichen Preisgestaltung helfen, aber dieser Teil hat normalerweise mehr menschliche Einflüsse. Wenn ein Kleid zum ersten Mal auf den Markt kommt, können wir uns seine Eigenschaften ansehen und es mit ähnlichen Artikeln vergleichen, um einen Preis vorzuschlagen. Aber wenn Sie glauben, dass es sich um ein herausragendes Stück handelt, dann kommt das menschliche Urteilsvermögen ins Spiel, denn die Maschine wird das nicht sehen. Im Laufe der Zeit, während das Produkt seinen Lebenszyklus durchläuft, lernt das System immer mehr aus Transaktionen und Attributen, um seine Preisentscheidungen zu verbessern.

Wie kam es zur Gründung von 7Learnings?

Unser CEO, Felix Hoffmann, hat seine gesamte Karriere im Bereich Pricing verbracht. Er arbeitete zunächst für Beratungsunternehmen wie A.T. Kearney und war später für den Preisalgorithmus bei Zalando in Berlin verantwortlich. Irgendwann erkannte er, dass man nicht ewig mit Excel arbeiten kann – man braucht etwas Technischeres. So entstand die Idee für 7Learnings. Heute sind wir ein unabhängiges Unternehmen.

7Learnings hat auch mit Einzelhandelsunternehmen wie Tom Tailor und Mister Spex zusammengearbeitet und ihnen bei der Implementierung von vorausschauender Preisgestaltung geholfen. Das Start-up wurde 2019 in Berlin von Felix Hoffmann, Eiko van Hettinga und Martin Nowak gegründet.

Dieser Artikel wurde mithilfe von digitalen Tools übersetzt.

FashionUnited nutzt Künstliche Intelligenz, um die Übersetzung von Artikeln zu beschleunigen und das Endergebnis zu verbessern. Sie helfen uns, die internationale Berichterstattung von FashionUnited einer deutschsprachigen Leserschaft schnell und umfassend zugänglich zu machen. Artikel, die mithilfe von KI-basierten Tools übersetzt wurden, werden von unseren Redakteur:innen Korrektur gelesen und sorgfältig bearbeitet, bevor sie veröffentlicht werden. Bei Fragen oder Anmerkungen wenden Sie sich bitte per E-Mail an info@fashionunited.com