Toepassingen
.

Prijszetting

Van theorie naar praktijk

AI kan je bijstaan in het vaststellen van een productprijs die je winstmarge maximaliseert. Dit kan door de prijs af te stellen op externe factoren, de verwachtte verkoop, of eigenschappen van het product zelf. Prijszetting is natuurlijk niets nieuw, maar door AI toe te passen, kun je meer factoren in rekening nemen, alsook meer complexe berekeningen doen. Dit alles kan resulteren in hogere verkoopcijfers, een winstverhoging, en minder afval.

Toepassingen

Wanneer je online producten verkoopt, heb je veel ruimte om productprijzen aan te passen op basis van externe factoren. Dit kan zowel een prijstoeslag als een prijsreductie betekenen. Denk hierbij aan bijvoorbeeld actieprijzen voor voedingsproducten die hun vervaldag naderen, verhoogde prijzen van opblaasbare zwembaden in de zomer, of verlaagde prijzen voor nieuwe klanten in de webshop.

Zeker bij het verkopen van verse producten is het bepalen van de juiste prijs zeer belangrijk. Wanneer je een ongunstige prijs bepaalt, loop je snel het risico dat veel klanten het product te duur vinden. Het product bederft dan terwijl het in de winkelrekken ligt. Dit maakt het alsmaar moeilijker om het product te verkopen, waardoor het uiteindelijk niet verkocht geraakt. AI kan je helpen om op basis van de kwaliteit van het product, samen met de juiste communicatie naar de klant, de prijs van verse producten geleidelijk aan te verminderen afhankelijk van de kwaliteit. Dit laat je toe om je winst te verhogen alsook minder afval te genereren. Indien je reeds sensoren gebruikt om je producten te beheren (bijvoorbeeld temperatuur in een koelcel), kan de data uit deze sensoren je verder bijstaan in de juiste prijszetting.

De prijs van een product is natuurlijk ook afhankelijk van de prijzen die concurrenten vragen voor een gelijkaardig product. Indien deze concurrenten een veel lagere prijs vragen dan jouw prijs, wordt het nog moeilijk om jouw product te verkopen. AI kan je daarom helpen om niet enkel de ideale prijs voor jouw eigen product te voorspellen, maar ook de prijs die concurrenten zullen aanrekening. Op basis van deze informatie, kun je dan betere keuzes maken voor je eigen prijszetting.

Indien je reeds experten omtrent prijsbepaling in je team hebt, kun je hun kennis formaliseren in een zogenaamd AI-expertsysteem. In een dergelijk systeem trainen experten een AI op basis van hun kennis. De AI neemt deze kennis dan over, en bootst deze vervolgens na. In een case omtrent de prijszetting van witte rijst, gaf een expertsysteem bijvoorbeeld suggesties die tot 92% gelijkaardig waren aan die van experts. Hoewel je belangrijke suggesties toch best eerst even aftoetst met experts, geven dergelijke systemen je meer flexibiliteit (bijvoorbeeld wanneer experts niet beschikbaar zijn) en laten ze je toe sneller tot diepere inzichten te komen.

Vereisten

Data

  • Historische verkoopcijfers
  • Historische prijszetting
  • Shopgedrag van de klant (bijv. clicks of visits in webshop)  
  • Seasonal changes  
  • Informatie over weer en klimaat
  • Informatie over product karakteristieken
  • Informatie over klantenkarakteristieken
  • Informatie over voorraadniveaus en beschikbaarheden
  • Informatie over historische marketingcampagnes
  • Informatie over concurrenten en substituten
  • ~Marketingcampagnes
  • ~Historische prijszetting

Hardware

  • Standaard dataopslag en -verwerkingscapaciteit

Algoritme

  • Regressie-algoritme
  • ~Lineaire regressie voor eenvoudige modellen waarvoor weinig data beschikbaar is
  • ~Support vector machine voor meer complexe modellen
  • ~Neurale netwerken wanneer veel datapunten voorhanden zijn
  • Optimalisatiealgoritme

Aandachtspunten

  • Dynamische prijszetting is voornamelijk interessant wanneer je beschikt over een webshop. Een webshop heeft namelijk 2 belangrijke voordelen (1) het laat je toe om een gepersonaliseerde prijs te afficheren en (2) je kan grote hoeveelheden data verzamelen over producten die de klant koopt, bekijkt maar niet koopt en aangeboden krijgt maar niet eens bekijkt. Deze detailinformatie is vaak niet beschikbaar voor fysieke aankopen.
  • Prijszetting draait niet noodzakelijk om winstoptimalisatie. De doelstellingen van een bedrijf kunnen ook zijn: veroveren van een zo groot mogelijk marktaandeel of het specifiek targetten van bepaalde klantensegmenten.

Stappenplan

  • Bepalen hoe automatische prijszetting past in bedrijfsproces
  • ~Inpassen in bedrijfsproces
  • ~Vastleggen van vereisten en verwachtingen: graad van personalisatie, update frequentie, voorspellingshorizon...
  • ~Vastleggen van doelstellingen prijsoptimalisatie
  • Verzamelen en ontsluiten van benodigde datasets
  • ~Identificeren van factoren met mogelijke impact op prijs, rekening houdend met beschikbaarheid op moment van voorspelling
  • ~Ontsluiten van data via koppeling en/of aankoop
  • Voorverwerken van data
  • ~Aggregeren van datasets
  • ~Opdelen in training en test set
  • ~Normaliseren van data
  • Bouwen van predictief model i.f.v. te optimaliseren doelstelling
  • ~Train een model dat winst, volume.... voorspelt op basis van beschikbare input data, inclusief historische prijs
  • ~Finetune model op basis van performantie op validatieset
  • ~Beoordeel performantie op trainingsset  
  • Optimaliseer prijsparameter in gebouwd predictief model
  • ~Bepaal constraints/ongecontrolleerde inputparamters
  • ~Optimaliseer prijs voor een zo goed mogelijke uitkomst van het predictief model
  • ~Valideer optimalisatieoplossing
  • Operationaliseren van oplossing
  • ~Bouwen data pipeline
  • ~Deployen van modellen
  • ~Integreren in bedrijfsproces

Partners

Hulp nodig bij de implementatie van deze AI-toepassingen?
Ontdek hier enkele technologiepartners.