- 1. Emerce eRetail 2014 Meer winst door dynamische pricing
o.b.v. prijselasticiteit Sander Roose 18 maart 2014
2. 2 Software voor retail kans 2: feed marketing (met dynamic
pricing als input) Software voor retail kans 1: dynamic pricing
Ontwikkelingen: Software is eating retail en toegenomen
prijstransparantie Agenda 3. 3 Software is eating the world 4. 4
RecruitmentBetaalverkeerEntertainmentTelecommunicatie Software
heeft al vele industrieen opgegeten 5. 5 Andreessen heeft ook
gelijk dat software retail zal opeten, maar dat zal waarschijnlijk
op een andere manier zijn dan hij zich voorstelt Andreessen: Retail
guys are going to go out of business and ecommerce will become the
place everyone buys. 6. 6 1850 - 1900 1900 -1950 1950 2000 2000 en
verder Geintroduceerde disruptieve verandering Warenhuizen Shopping
malls Supermarkten and category killers e-retail and cross-channel
retail Voorbeeld(en) Drivers Groei van steden Opkomst van het spoor
Massaal geproduceerde autos Buitenwijken Lagere kosten- structuur
door self- service, hogere turn x lager marge Internet Mobile
Software Big data Elke 50 jaar vindt er binnen retail een
disruptieve verandering plaats. De huidige golf wordt gedreven door
internet, software & mobile Bron: Gebaseerd op Harvard Business
Review artikel The future of Shopping, door Darrell Rigby 7. 7
Enkele voorbeelden die illustreren hoe algoritmen de winkelervaring
verbeteren 8. 8 Technologie komt ook naar de fysieke winkelvloer
(1/3): WiFi- enabled tracking van verkeer, conversie, bezoekduur,
etc. 9. 9 Technologie komt ook naar de fysieke winkelvloer (2/3):
Kinect technologie gebruiken om interactie met fysieke schap te
meten 10. 10 Technologie komt ook naar de fysieke winkelvloer
(3/3): relevante offers o.b.v. nabijheid bij schap door Bluetooth
Low Energy (iBeacon) 11. 11 Het concept van prijselasticiteit Wat
heeft dit voor impact op pricing? In principe is pricing nog steeds
hetzelfde als het 100 jaar geleden was 0% 50% 100% 150% 200% 250%
-20% -15% -10% -5% 0% 5% 10% 15% 20% Verkochtvolume
(volumebijgemmakrtprijs=100%) Prijsverschil met de gemiddelde
marktprijs Bron: werkelijke data van een ADPS klant 12. 12
Voorbeelden van vergelijkingssites In de praktijk is pricing
fundamenteel veranderd over de afgelopen jaren: shoppers hebben
volledige prijstransparantie online 13. 13 Voorbeelden van in-store
price-check tools: Amazon Price Check app en een comparison
shopping app voor Google Glass en in de fysieke winkel 14. 14 en
prijsveranderingen zijn veel frequenter 15. 15 Software voor retail
kans 2: feed marketing (met dynamic pricing als input) Software
voor retail kans 1: dynamic pricing Ontwikkelingen: Software is
eating retail en toegenomen prijstransparantie Agenda 16. 16
Voorbeeld 2: regionaal gedifferentieerde pricingVoorbeeld 1: unieke
prijs per stoel (bijv. vliegtickets) Dynamic pricing is een breed
begrip. Ik behandel niet prijsberekening van een stoel of
gedifferentieerde pricing obv segment/regio 17. 17 In consumer
goods retail is gedifferentieerde pricing per klant voor hetzelfde
product onverstandig. In 2000 ontdekte Amazon dat ook 18. 18 De
pricing complexiteit van retailers is wel het onderwerp van vandaag
VOORKANT ACHTERKANT 100.000 producten X 20 concurrenten = 2.000.000
prijspunten (die meerdere keren per dag kunnen veranderen)
inkoopprijzen achteraf-condities logistieke kosten per product
marketing kosten per product verkochte aantallen voorraadstanden
Monitoren, evalueren, berekenen en aanpassen 19. 19 20. 20 Denk
aan: Gebruiksvoorwaarden website Databankrecht Auteursrecht
Spidering in veel gevallen illegaal Voor elke concurrent een spider
instellen en onderhouden Onvolledigheid Typisch zon 80-90%
accuraat: EAN matching niet altijd mogelijk Bij aanpassing aan
webshop moet spider aangepast worden Onnauwkeurigheid Stap 1:
prijspunten van concurrenten binnenhalen. Waarom spidering data
niet voldoet voor dynamic pricing 21. 21 Zuivere data via
datakoppelingen met de databases van de vergelijkers De oplossing:
directe datakoppeling met grote vergelijkingssites. Matching
gebeurt voor 100% op EAN direct met database vergelijker
Datakoppeling (100% accuraat) Datakoppeling (100% accuraat)
Datakoppeling (100% accuraat) Klant Big data analytics 22. 22 In de
periode maart 2012 t/m februari 2013 zat Media Markt gemiddeld rond
positie 10 Per maart 2013 heeft Media Markt een beweging naar
beneden ingezet en zit zo rond de positie 4 in de markt, met
uitschieters naar beneden tijdens BTW weken Een vergelijkbare trend
zien we bij andere grote elektronica retailers
OpmerkingenGemiddelde positie Media Markt in de markt, zeer grote
selectie elektronica producten Waar enkele jaren terug met name
kleine zolderkamer partijen de topposities domineerden, zijn dat nu
vaak de grote spelers: MM vb Bron: pricing data afkomstig van de
grote vergelijkers in NL 0.0 2.0 4.0 6.0 8.0 10.0 12.0 14.0 16.0
18.0 20.0 AvgMediaMarktPosition 23. 23 Voorbeelden van business
rules die gebruikt worden in eenvoudige dynamische pricing systemen
De meeste dynamische pricing systemen (zowel third party als door
retailers zelf gebouwd) werken o.b.v. simpele business rules 1. Zet
de prijs gelijk aan going prijs (= meest voorkomende prijs in de
top A retailers) 2. Zet de prijs, zodat ik altijd op positie B in
de markt sta 3. Stel de prijs in op het gemiddelde van een lijstje
vooraf gedefinieerde concurrenten 4. Prijs producten waarvoor ik
meer dan X weken voorraad heb af met Y% 5. Stel de prijs zo in dat
ik Z% marge maak 6. Stel de prijs zo in dat ik altijd net iets
goedkoper ben dan belangrijkste concurrent XYZ 24. 24 Verschillende
categorieen hebben verschillende prijselasticiteiten Geavanceerde
pricing systemen berekenen de prijselasticiteiten, welke cruciaal
zijn om optimale prijspunten te berekenen Bron: werkelijke data van
een retailer, geanonimiseerd Prijs-ratio van retailer vs gemiddelde
marktprijs Volumeupliftvsvolumebijmarktgemiddelde 0% 50% 100% 150%
200% 250% 300% 350% 400% 450% -15% -10% -5% 0% 5% 10% 15% High
Elastic Category Medium Elastic Category Low Elastic Category 25.
25 Pmax = profit maximizing price Markupfactor is afhankelijk van
de elasticiteit: hoe elastischer het product hoe lager de marge
boven marginale kosten MK = marginale kosten = net-net inkoopprijs
+ marketing kosten + logistieke kosten Waarbij Met een nauwkeurig
schatting voor de prijselasticiteit kan de profit maximizing price
(in euros onderaan de streep) worden berekend pmax = markupfactorMK
26. 26 Het teruginvesteer-percentage dat gekozen wordt door de
category manager bepaalt het uiteindelijke prijspunt De profit
maximizing price is niet noodzakelijkerwijs het advies: de afweging
tussen omzet en winst kan direct ingesteld worden Bron: werkelijke
data van een product bij een grote online retailer Average Price 0
50,000 100,000 150,000 200,000 250,000 300,000 350,000 400,000
450,000 0 1,000,000 2,000,000 3,000,000 4,000,000 5,000,000
6,000,000 7,000,000 310 320 330 340 350 360 370 380 390 Sales
Profit Omzet Winst Profit maximizing price point Advies bij 25%
teruginvestering in top-line groei -25% +67% 27. 27 Software voor
retail kans 2: feed marketing (met dynamic pricing als input)
Software voor retail kans 1: dynamic pricing Ontwikkelingen:
Software is eating retail en toegenomen prijstransparantie Agenda
28. 28 Feed-gedreven Adwords verkopen Product Listing Ads
Feed-based search campaigns Feed-driven display advertenties
Dynamic retargeting VoorbeeldPercentage van de verkopen gedreven
door feed marketing, per kanaal Een significant en snelgroeiend
deel van de verkopen wordt gedreven door feed marketing: een slimme
feed manager is cruciaal Bron: Traffic4U rapport, oktober 2013
28.5% 50.0% 70.0% 85.0% 71.5% 50.0% 30.0% 15.0% Google Adwords
Affiliate marketing Display advertisingVergelijkingssites en
marktplaatsen Niet product feed gedreven Product feed gedreven 29.
29 Alleen producten feeden waarop je een competitieve prijs hebt
verhoogt je CTR Deze verhoogde CTR leidt tot een betere quality
score Deze betere quality score zal de ROI van je Product Listing
Ads spend verhogen Waarom het werkt Prijs-posities zijn waardevolle
input voor feed management: bijvoorbeeld PLAs alleen inzetten bij
prijspositie =< 5 30. 30 De marges per producten bij deze
klanten in deze categorie liepen uiteen van +193 t/m -194 Marketing
budget verschuiven naar de meest winstgevende producten leidt
uiteraard tot grote totale winstgevendheid OpmerkingenWerkelijke
netto-netto marges per product in een bepaalde categorie Een
dynamisch pricing systeem geeft ook inzicht in netto-netto marges:
aansturing marketing kanalen o.b.v. productniveau marges Bron:
werkelijke data van een ADPS klant, geanonimseerd - 250.00 - 200.00
- 150.00 - 100.00 - 50.00 0.00 50.00 100.00 150.00 200.00 250.00 1
7 13 19 25 31 37 43 49 55 61 67 73 79 85 91 97 103 109 115 121 127
133 139 145 151 157 163 169 175 181 187 193 199 205 211 217 223 229
31. 31 [email protected] - 06-53809790
