Tamaris udnytter AI til prædiktiv prisfastsættelse: en samtale med 7Learnings på NRF Retail Big Show

Paris – På NRF Retail Big Show talte FashionUnited med Eiko van Hettinga, medstifter af den Berlin-baserede tech-virksomhed 7Learnings, der leverer AI-drevet prædiktiv prisfastsættelsessoftware til detailhandlere. Han forklarede, hvorfor prisfastsættelse er en af de største løftestænger for rentabilitet, hvordan prædiktiv prisfastsættelse fungerer i praksis, og hvordan brands som Tamaris ser resultater.

Hvorfor prædiktiv prisfastsættelse? "Prisfastsættelse er den største løftestang for rentabilitet. Mange virksomheder tænker på omkostningsbesparelser, når de taler om profit, men sandheden er, at prisbevægelser har en langt større effekt. Derfor kalder analytikere som Gartner prisoptimering for et af de mest attraktive AI-anvendelsestilfælde inden for detailhandel: det har den højeste forretningsmæssige effekt og er et af de mest realistiske."

"For detailhandlere, der spekulerer på, hvor de skal starte deres AI-rejse, bør prisoptimering være øverst på listen. Med prædiktiv prisfastsættelse bruger du data til at forudsige effekten af priser på dine KPI'er – som omsætning, margin og udsalg – og derefter optimere i overensstemmelse hermed. Det er præcis, hvad vi demonstrerer sammen med Tamaris."

Kan du fortælle os mere om Tamaris? "Hos Tamaris (en del af Wortmann Group) var udfordringen klar: de udvidede deres onlineforretning til 26 lande med enorm kompleksitet i prisfastsættelsen på tværs af markeder og kanaler, en masse manuelt arbejde og behovet for at optimere i hele produktets livscyklus."

"Sammen kørte vi et fem måneders proof of concept, og resultaterne var slående: rentabiliteten steg, deres gennemsnitlige rabat faldt med 5 procent, og den manuelle tid brugt på prisoptimering blev halveret. I dag kører Tamaris dette AI-drevne setup på tværs af alle deres markeder og styrer priser og marginer automatisk."

Så handler det ikke kun om rabatter? Handler det også om fleksibel prisfastsættelse? "Præcis. Det handler ikke bare om at sætte et stort rødt udsalgsskilt i vinduet. Du kan også sænke priserne strategisk og stadig bevare dine marginer. I modebranchen gør vi alt af modehensyn, så vi tænker bredere end blot rabatter."

Hvad gør online prisfastsættelse mere kompleks? "Online har du yderligere lag som vouchers og kuponer. Faren er, at hvis du begynder at stable for mange kampagner, kan du nemt miste kontrollen over din rentabilitet. Derfor indlæser vi også denne type data i systemet for at forudsige, hvor meget af disse kampagner der vil blive brugt, og hvilken effekt de vil have på profitten."

"I modebranchen forudsiger vi også returrater sammen med priser. På tværs af hele sortimentet når vores prognoser mere end 90 procents nøjagtighed, det er for en to-ugers horisont. Vi mener, at den rigtige tilgang er en kombination af meget præcise kortsigtede prognoser og langsigtet planlægning."

Hvorfor det? "Man kunne sige, hvorfor ikke bruge en 40-ugers prognose til at træffe alle beslutninger? Problemet er, at sådanne langsigtede prognoser er meget unøjagtige, du ved simpelthen ikke, hvad der vil ske så langt ude i fremtiden. Det er den store udfordring i modebranchen."

"Vi bruger langsigtede prognoser til at sætte grænser, ikke til at diktere hver eneste beslutning. For eksempel kan algoritmen beregne den pris, der optimerer den langsigtede profit, og derefter give os mulighed for at bevæge os inden for et 20 procents interval omkring dette punkt. Inden for dette interval kan vi træffe kortsigtede beslutninger, som at sælge hurtigere ud, men systemet forhindrer os også i at gå så langt, at vi skader den langsigtede rentabilitet. Teknisk set mener vi, at det er den bedste måde at løse det på – og praktikere i feltet bekræfter denne tilgang."

Er I også involveret i kollektionens udvikling, hvor I beslutter, hvilke styles og mængder? "Ikke rigtigt. Når kollektionen er ude, kan vi hjælpe med den indledende prisfastsættelse, men den del har normalt et mere menneskeligt præg. Hvis du har en kjole, der kommer på markedet for første gang, kan vi se på dens attributter og sammenligne den med lignende varer for at foreslå en pris. Men hvis du mener, at det er et enestående stykke tøj, så kommer den menneskelige vurdering ind i billedet, fordi maskinen ikke vil se det. Med tiden, efterhånden som produktet gennemgår sin livscyklus, lærer systemet mere og mere af transaktioner og attributter for at forbedre sine prisfastsættelsesbeslutninger."

Og har du en modebaggrund? "Vores CEO, Felix Hoffmann, har brugt hele sin karriere på prisfastsættelse. Han arbejdede først for konsulentfirmaer som A.T. Kearney og var senere ansvarlig for prisalgoritmen hos Zalando i Berlin. På et tidspunkt indså han, at man ikke bare kan arbejde med Excel for evigt – man har brug for noget mere teknisk. Sådan blev ideen til 7Learnings født. I dag er vi en uafhængig virksomhed."

7Learnings har også arbejdet med detailhandlere som Tom Tailor og Mister Spex og hjulpet dem med at implementere prædiktiv prisfastsættelse. Startup-virksomheden blev grundlagt i Berlin i 2019 af Felix Hoffman, Eiko van Hettinga og Martin Nowak.