Skip to main content

15.03.2023 | Pricing | Interview | Online-Artikel

Value Pricing als Chance nutzen

verfasst von: Eva-Susanne Krah

4 Min. Lesedauer
share
TEILEN
print
DRUCKEN
insite
SUCHEN

Künstliche Intelligenz ist Trendthema in vielen Branchen. Auch Vertrieblern kann sie dabei helfen, Muster bei Kundendaten zu erkennen und etwa das Pricing zu erleichtern. Wie das genau funktioniert, erklärt KI- und Vertriebsexperte Kai Pastuch im Interview mit Springer Professional.

Springer Professional: Herr Pastuch, Preissensibilität und die richtige Preisstrategie sind in diesen Zeiten im Kundenmanagement zum zentralen Thema für den Vertrieb geworden, etwa im Ersatzteilkauf. Welche Unterstützung kann Künstliche Intelligenz leisten, um beispielsweise Daten zum Kaufverhalten oder zu anderen Parametern im Pricing optimal nutzen zu können?

Empfehlung der Redaktion

01.03.2023 | Praxis & Prozesse

Preissensible Kunden durch Künstliche Intelligenz entdecken

Aus Kundensicht relativ hohe Ersatzteilpreise führen dazu, dass sich am Markt immer mehr Anbieter etablieren, die günstigere Nachbauten vertreiben.

Kai Pastuch: Künstliche Intelligenz kann vor allem dann ihre Stärken ausspielen, wenn die schiere Menge an Daten für eine unmittelbare Interpretation durch den Menschen zu groß wird. Das Beispiel der Ersatzteile ist sehr gut gewählt, da hier mehrere Komplexitätstreiber zusammenkommen. Ersatzteilportfolios sind meist sehr groß. Im Maschinen- und Anlagenbau, aber auch im Bereich Automotive sind Preislisten von mehr als 100.000 Teilen keine Seltenheit. Gleichzeitig treffen wir auf sehr viele Kunden und Einzeltransaktionen, die in ihrer Häufigkeit das Erstgeschäft bei weitem übertreffen. Mit reiner Intuition und scharfem Hinsehen ist diesen Datenmengen kaum zu begegnen.

Welche Hauptvorteile hat aus Ihrer Sicht denn der Einsatz von KI im Vertrieb bereits?

Methoden der KI helfen, die in den Daten verborgenen Informationen für den Vertrieb und das Preismanagement transparent zu machen.

  • Wo zum Beispiel sind Kunden zu Drittanbietern gewechselt?
  • Welche Produkte sind dabei besonders betroffen?
  • Woran lässt sich die Preissensibilität der Kunden bei bestimmten Produkten festmachen – gibt es zum Beispiel Muster bei Produkteigenschaften?

Verbessert der Einsatz Künstlicher Intelligenz im Vertriebsbereich wirklich entscheidend die Datengrundlagen, etwa für Prognosemodelle?

KI kann tatsächlich genutzt werden, um Daten automatisiert zu verbessern, etwa indem sie Anomalien in Geschäftsdaten erkennt. Hier setzen wir aber oft auch ganz konventionelle Methoden aus der Statistik ein. Was die Künstliche Intelligenz wirklich besonders macht ist die Fähigkeit, weitgehend eigenständig Muster aus den Daten zu extrahieren. Mithilfe von KI kann man so zu Erkenntnissen gelangen, die ansonsten vermutlich übersehen worden wären. 

Ist KI also der neue Zauberweg für Vertriebe?

KI kann nicht zaubern – eine weitgehend solide Datenqualität ist jedoch oft der Schlüssel für das erfolgreiche Generieren von Einsichten.

Wie lässt sich Maschinelles Lernen im Pricingprozess konkret nutzen – können Sie uns ein Beispiel geben?

Wir haben in den vergangenen Jahren Maschinelles Lernen vor allem im Bereich der Absatzprognosen eingesetzt. Dabei geht es weniger um eine Vorhersage der Gesamtvolumina, sondern vor allem darum, Produkt- und Kundenpotenziale offenzulegen. Wenn ich eine hinreichende Datenqualität habe, kann ich Bedarfe der Kunden relativ genau prognostizieren. Gelingt es mir nicht, die prognostizierten Bedarfe in einem angemessenen Umfang zu heben, ist dies eine gute Indikation für Handlungsbedarf im Pricing und im Vertrieb.

Auch bei ganz banalen Aufgaben kann KI im Pricing helfen. Einer unserer Kunden stand vor der Herausforderung, sein Portfolio in eine rein technisch strukturierte Produkthierarchie einzusortieren, als Voraussetzung für ein differenziertes Pricing. Wir konnten die manuelle Klassifikation durch einen KI-Ansatz unterstützen, der für tausende Teile alleine auf Grund der Artikelbeschreibung automatisiert die richtige Produktgruppe ausgewählt hat.  

Wie können Vertriebsteams durch Lernalgorithmen profitieren, etwa bei Preisanpassungen in bestimmten Warengruppen, und wie lässt sich dies für ein Value Pricing-Konzept nutzen?

Die bereits erwähnten Absatz- und Potenzialprognosen bieten die Möglichkeit, ‚Hunting-Listen‘ für den Vertrieb zu generieren. Der Mitarbeiter erhält dabei einen klaren Auftrag, mit welchen Produkten er auf welchen Kunden zugehen soll. Die Effizienz im Vertrieb kann so erheblich gesteigert werden.

Auch Peer Pricing ist ein gutes Beispiel für die Nutzung von KI. Der Vertrieb erhält hier Preisempfehlungen auf Basis von ähnlichen Transaktionen aus der Vergangenheit. Dabei ist nicht einmal der Einsatz von Spezialsoftware notwendig. Peer-Pricing-Lösungen lassen sich bereits mit Standard-Office-Tools wie Power BI implementieren.

Echtes Value Pricing ist heute noch primär eine Aufgabe der menschlichen Intelligenz. Gelingt es aber, die Preissensibilität des Kunden mit den Produkteigenschaften und der Verkaufssituation zu verbinden, kann dies spannende Einblicke bieten, die auch im Value Pricing genutzt werden können. Dies kann sich in ganz unterschiedlichen Aspekten wie Aufschlägen für Expresslieferungen oder dem Bundling von Produkten widerspiegeln.

Vortragstipp 
Kai Pastuch ist Referent bei der diesjährigen Digitalkonferenz Zukunftswerkstatt Sales Excellence "Better Value - Better Sales"

Am 25. Mai 2023 spricht Kai Pastuch bei der Zukunftswerkstatt Sales Excellence zum Thema:
"Value Pricing – Gewinne optimieren am Beispiel hybrider Produkte".
Mehr Informationen zur Veranstaltung, Anmeldung und Programm


share
TEILEN
print
DRUCKEN

Weiterführende Themen

Die Hintergründe zu diesem Inhalt

2023 | OriginalPaper | Buchkapitel

Digitalisierung im Preismanagement

Quelle:
Digitalisierung im Vertrieb

2022 | OriginalPaper | Buchkapitel Zur Zeit gratis

Maschinelles Lernen

Gewinnung von Erkenntnissen aus Daten
Quelle:
Grundlagen der Künstlichen Intelligenz

Das könnte Sie auch interessieren