Höhere Margen im Vertrieb. Mit Data Science und Künstlicher Intelligenz

In einer Welt, in der Produktvielfalt und Kundenansprüche stetig zunehmen, reicht traditionelle Preisgestaltung oft nicht mehr aus. Moderne, digitale Tools bieten Unternehmen die Möglichkeit, Preise dynamisch anzupassen und höhere Margen zu erzielen. Das folgende Beispiel macht deutlich, wie Anbieter durch den Einsatz von Künstlicher Intelligenz ihre Profitabilität innerhalb kürzester Zeit steigern können.

Praxisbeispiel Pricing und höhere Margen mit KI

Ein Versandhaus in Süddeutschland mit mehr als 10.000 Artikelnummern in seinem Katalog und mehr als 200.000 Kunden im Monat kalkulierte bislang seine Verkaufspreise – etwas vereinfacht dargestellt – auf Basis der Einkaufspreise, auf die es einen prozentualen Gewinn aufschlug. Dabei war dem Management bewusst, dass die Profitabilität der Produkte unterschiedlich ist, je nachdem, ob es sich um ein Markenprodukt, ein No-Name-Produkt oder die eigene Handelsmarke handelte.

Mit Hilfe der Negotiation Advisory Group (NAG) wollte das Versandhaus nun die Preisgestaltung optimieren, mit dem Ziel einer höheren Produktprofitabilität.

Dies gelang durch die Verknüpfung der Preisgestaltung mit Künstlicher Intelligenz.

In einer sechswöchigen Testphase analysierten wir durch Experimente eine Unmenge an Daten, um herauszufinden, wie verschiedene Preise die Kundenpräferenzen beeinflussen. So konnten wir das Nachfrageverhalten und die Preissensibilität der Kunden berechnen. Daraufhin passte das Versandhaus die Verkaufspreise an die Zahlungsbereitschaft der Kunden an.

Zehn Prozent höhere Marge im Versandhandel

Zum anderen entwickelten wir auch eine Methode zur dynamischen Preisgestaltung für das Unternehmen. Mit Hilfe von Künstlicher Intelligenz passen sich die Preise flexibel an, abhängig von Kostenänderungen, saisonalen Schwankungen oder den Preisen der Wettbewerber. Das positive Ergebnis nach einem halben Jahr: Dank der Anpassung der Preise an die Preissensibilität der Kunden und die dynamischen Faktoren konnte die Produktprofitabilität um über zehn Prozent gesteigert werden.

Tausende Produkte und unzählige Kunden mit unterschiedlichen Vorlieben – Unternehmen wie der Versandhandel müssen eine hohe Komplexität und Flexibilität im Vertrieb meistern. Dabei stehen sie vor Herausforderungen wie schwankenden Preisen, plötzlichen Marktveränderungen, globalen Unsicherheiten und Risiken in Liefer- und Logistikketten.

Pricing mit Hilfe von Data Science Tools

Diese Komplexität kann der Vertrieb nicht mehr mit Excel-Tabellen oder Dreisatz-Rechnungen bewältigen. Preisentscheidungen basierend auf Erfahrungen der Vergangenheit oder Daumenregeln, wie einem prozentualen Gewinnaufschlag, schöpft das Gewinnpotenzial bei weitem nicht aus.

Unternehmen mit vielen Produkten und Kunden müssen Kosten und Preise in diesem hochkomplexen Umfeld optimieren, dabei aber auch Faktoren wie Versorgungssicherheit, Risikominimierung und Nachhaltigkeit beachten. Änderungen bei den Einkaufspreisen oder überteuerte Produkte müssen genauso schnell und zuverlässig erkannt werden wie Schwankungen bei den Verkaufspreisen oder Preisaktionen der Konkurrenz.

Bewältigen lässt sich diese Aufgabe nur mit innovativen Tools – Software in Verbindung mit Künstlicher Intelligenz und Machine Learning. Diese müssen immer auf die konkreten Bedingungen eines Unternehmens – hier des süddeutschen Versandhändlers – angepasst werden.

Die Software-Tools Smart Allocations und Smart Restrictions ermöglichen Unternehmen die Verarbeitung gigantischer Datenmengen, so dass diese realistische Prognosen über zukünftige Bedarfe und Nachfrageverhalten der Kunden erhalten.

Silodenken in Einkauf und Vertrieb verhindert optimale Preisgestaltung

Immer noch operieren Einkauf und Vertrieb häufig weitgehend unabhängig voneinander. Dieses Silodenken beeinträchtigt jedoch die Marge.

Welches immense Potenzial für bessere Margen diese Data-Science-Tools haben, zeigt sich besonders, wenn sie gleichzeitig in Einkauf und Vertrieb genutzt werden. Mit ihrer Hilfe lassen sich Preisverhandlungen im Einkauf und das Pricing im Vertrieb gemeinsam steuern. Das sorgt nicht nur für mehr Transparenz in bereichsübergreifenden Diskussionen und Entscheidungen, sondern verbessert auch die Margen im Vertrieb.

Ein gutes Beispiel ist ein Autoteilehändler aus dem Ruhrgebiet, der 5000 Artikelnummern von fast tausend Lieferanten weltweit bezieht und an über 6000 Kunden im deutschsprachigen Raum verkauft. Ein entscheidender Hebel zur Gewinnsteigerung liegt darin, die Margen im Einkauf und Vertrieb zu verbinden. Das funktioniert, indem man die Verhandlungen über Einkaufspreise mit Maßnahmen im Vertrieb verknüpft, die den Verkauf eines Produkts fördern oder bremsen – je nach Preisgestaltung.

Kalkulation realistischer Absatzprognosen für unterschiedliche Szenarien

Der Ersatzteil-Händler kann selbst steuern, wie attraktiv die Produkte eines Lieferanten im Vergleich zu anderen angeboten werden – etwa durch günstigere Verkaufspreise oder spezielle Werbung. So beeinflusst der Vertrieb die Preisverhandlungen und erzielt höhere Gewinne.

Die KI-gestützte Software „Smart Allocations“ hilft dabei, realistische Absatzprognosen für verschiedene Preisszenarien zu erstellen. Zum Beispiel lässt sich berechnen, um wieviel Prozent der Absatz steigt, wenn der Lieferant preisliche Zugeständnisse macht. Das ermöglicht dem Händler, bessere Konditionen oder gezielte Werbung anzubieten. Am Ende profitieren sowohl der Händler als auch der Lieferant – eine echte Win-win-Situation.

Interne Restriktionen im Vertriebsinteresse überprüfen

In der Beschaffung geht es aber nicht nur um den günstigsten Preis. Der Einkauf muss auch Faktoren wie Versorgungssicherheit, Risikominimierung und Nachhaltigkeit berücksichtigen, was oft zu höheren Kosten führt, die im Unternehmen nicht immer klar ersichtlich sind.

Beim Automotive-Ersatzteil-Händler galt zum Beispiel die Vorgabe, dass kein Lieferant mehr als 30 Prozent einer Produktgruppe liefern sollte, und aus Compliance-Gründen durfte ein chinesischer Hersteller nur 25 Prozent beisteuern. Diese Einschränkungen führten zu höheren Einkaufskosten.

Hier galt es, die Lieferantenrestriktionen im Interesse der Vertriebspräferenzen zu überprüfen. Durch eine sinnvolle Modifikation dieser Bedingungen konnten dann kostengünstigere Lösungen erreicht werden. So erbrachte die digitale Optimierung dieser komplexen Aufgabe mit Hilfe der Software schon vor Verhandlungsbeginn Einsparpotenziale, die zuvor nicht gesehen wurden.

Durch eine Überprüfung und Anpassung dieser Vorgaben konnten jedoch kostengünstigere Lösungen gefunden werden. Die digitale Optimierung mit spezieller Software zeigte bereits vor den Verhandlungen Einsparpotenziale, die vorher nicht erkannt wurden.

So konnten die Einkaufskosten um acht Prozent gesenkt werden, was zu besseren Konditionen für die Endkunden und einem höheren Verkaufsvolumen führte. Zudem ermöglichte Smart Allocations eine weitere Preisoptimierung im Vertrieb, was den Ebit um sieben Prozent steigerte.

Fazit der Expertin

Optimale Steuerung mehrdimensionaler Prozesse nur mit Data Science

Vertriebsprofis haben sich lange gegen moderne Technologien gewehrt. In einfachen Fällen können Lösungen mit Excel und Entscheidungsbäumen gefunden werden. Aber bei vielen Produkten, Lieferanten und Kunden reichen diese Methoden nicht aus. Komplexe Prozesse wie die optimale Preisgestaltung und das Management von Preisverhandlungen zwischen Einkauf und Vertrieb lassen sich nur mit Data Science und Künstlicher Intelligenz effektiv lösen.

Zur Person

Katharina Weber ist Gründungsmitglied und CEO der Negotiation Advisory Group (NAG). Sie hat Volkswirtschaft mit Schwerpunkt auf Wettbewerbsökonomie und Spieltheorie studiert und verfügt über langjährige Beratungserfahrung in großvolumigen und hochkomplexen Verhandlungen in Einkauf und Vertrieb sowie Auktionen. Die NAG ist die führende Verhandlungsberatung in Europa und hat mit mehr als 50 internationalen Expertinnen und Experten mehr als 2.900 Verhandlungsprojekte durchgeführt und verhandelt jährlich ein Volumen von derzeit etwa 27 Milliarden Euro. Zu ihren Kunden zählen internationale Konzerne sowie große mittelständische Unternehmen.  https://www.n-advisory.com/