0
Emerce eRetail 2014
Meer winst door dynamische pricing o.b.v. prijselasticiteit
Sander Roose
18 maart 2014
2
Software voor retail kans 2: feed marketing (met dynamic pricing als input)
Software voor retail kans 1: dynamic pricing...
3
“Software is
eating the
world”
4
RecruitmentBetaalverkeerEntertainmentTelecommunicatie
Software heeft al vele industrieen “opgegeten”…
5
Andreessen heeft ook gelijk dat software retail zal opeten, maar dat
zal waarschijnlijk op een andere manier zijn dan hi...
6
1850 - 1900 1900 -1950 1950 – 2000 2000 en verder
Geintroduceerde
disruptieve
verandering
Warenhuizen Shopping malls Sup...
7
Enkele voorbeelden die illustreren hoe algoritmen de winkelervaring
verbeteren
8
Technologie komt ook naar de fysieke winkelvloer (1/3): WiFi-
enabled tracking van verkeer, conversie, bezoekduur, etc.
9
Technologie komt ook naar de fysieke winkelvloer (2/3): Kinect
technologie gebruiken om interactie met fysieke schap te ...
10
Technologie komt ook naar de fysieke winkelvloer (3/3): relevante
offers o.b.v. nabijheid bij schap door Bluetooth Low ...
11
Het concept van prijselasticiteit
Wat heeft dit voor impact op pricing? In principe is pricing nog
steeds hetzelfde als...
12
Voorbeelden van vergelijkingssites
In de praktijk is pricing fundamenteel veranderd over de afgelopen
jaren: shoppers h...
13
Voorbeelden van in-store price-check tools: Amazon Price Check app en een comparison shopping app voor Google Glass
…en...
14
…en prijsveranderingen zijn veel frequenter
15
Software voor retail kans 2: feed marketing (met dynamic pricing als input)
Software voor retail kans 1: dynamic pricin...
16
Voorbeeld 2: regionaal gedifferentieerde pricingVoorbeeld 1: unieke prijs per stoel (bijv. vliegtickets)
Dynamic pricin...
17
In consumer goods retail is gedifferentieerde pricing per klant voor
hetzelfde product onverstandig. In 2000 ontdekte A...
18
De pricing complexiteit van retailers is wel het onderwerp van
vandaag
VOORKANT ACHTERKANT
100.000 producten
X
20 concu...
19
20
Denk aan:
• Gebruiksvoorwaarden
website
• Databankrecht
• Auteursrecht
Spidering in veel gevallen illegaal
Voor elke
co...
21
Zuivere data via datakoppelingen met de databases van de vergelijkers
De oplossing: directe datakoppeling met grote ver...
22
 In de periode maart
2012 t/m februari 2013
zat Media Markt
gemiddeld rond positie
10
 Per maart 2013 heeft
Media Mar...
23
Voorbeelden van business rules die gebruikt worden in eenvoudige dynamische pricing systemen
De meeste dynamische prici...
24
Verschillende categorieen hebben verschillende prijselasticiteiten
Geavanceerde pricing systemen berekenen de
prijselas...
25
Pmax = profit maximizing price
Markupfactor is afhankelijk van de
elasticiteit: hoe elastischer het
product hoe lager d...
26
Het teruginvesteer-percentage dat gekozen wordt door de category manager bepaalt het uiteindelijke prijspunt
De profit ...
27
Software voor retail kans 2: feed marketing (met dynamic pricing als input)
Software voor retail kans 1: dynamic pricin...
28
Feed-gedreven Adwords
verkopen
 Product Listing Ads
 Feed-based search
campaigns
Feed-driven display
advertenties
 D...
29
Alleen producten feeden
waarop je een
competitieve prijs hebt
verhoogt je CTR
Deze verhoogde CTR leidt
tot een betere q...
30
 De marges per
producten bij deze
klanten in deze
categorie liepen uiteen
van +€193 t/m -€194
 Marketing budget
versc...
31
sander@adps.nl
-
06-53809790
Upcoming SlideShare
Loading in...5
×

Sander Roose - ADPS - eRetail 2014

194

Published on

Published in: Business
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
194
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
9
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide
  • Altijdgewerkt in retailPraktijk: P&GConsultingNu: consulting & software
  • 2 trends waar we met ADPS op inspringen
  • Mosaic / NetscapeAndreessen Horowitz portfolio inludes: Facebook, Twitter and Pinterest. Sold investment Skype to Microsoft
  • Welveelverstand van online en software, minder van retail
  • Each wave of change doesnʼt eliminate what came before it, but it reshapes the landscape and redefines consumer expectations, often beyond recognition.Retailers relying on earlier formats either adapt or die out as the new ones pull volume from their stores and make the remaining volume less profitable.1952: eerstezelfbedieningswinkel van Albert Heijn (Schiedam)
  • Netflix's Recommendation Engine Drives 75% Of Viewership. Netflix call it “one of the most valued Netflix assets” on their blog
  • Walkbase
  • Meetbaarheid 1 van de mooiedingen van e-commerce, nu ook offline mogelijk
  • Startup EstimoteSummarizing: software is eating retail
  • Automatisering van pricing, maar eerstontwikkeling pricing
  • 2e trendIn practice pricing has fundamentally changed over the last years: shoppers have full transparency online…
  • Price changes up to 8 times a day in US
  • 2 trends waar we met ADPS op inspringen
  • Voorwaardenvoorditsoort dynamic pricing:1. Customers must have a difference in their willingness-to-pay.2. The market must be segmentable.3. Limited potential for arbitrage.4. Cost of segmenting and policing must not exceed revenue increases due to customization.5. Must not breed violations of perceived fairness.
  • Is nietmeerhandmatigbijtehouden
  • Grote hoeveelheden data verwerken en berekeningen met veelvariabelen is nu juistietswaar computers goed in zijn1997versloeg IBM’s Deep Blue Kasparov
  • Zuivere pricing data is stap 1 voor dynamic pricing, maar deze data levertookinteressanteinzichten op zichzelf
  • Voordelen: elke dag schakelen op bijvoorbeeld 150k producten. Beterdanhandmatig op onderbuikgevoelalleen de hardloperspricenNadelen: marktdicteertjouwprijzen. Marktvaakonverstandiggeprijsd (o.a. door emoties) elke retailer heeftandereselasticiteiten en condities
  • Ikkan het belang van rekenen met marginalekostennietgenoegbenadrukken
  • Transcript of "Sander Roose - ADPS - eRetail 2014"

    1. 1. Emerce eRetail 2014 Meer winst door dynamische pricing o.b.v. prijselasticiteit Sander Roose 18 maart 2014
    2. 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. 3 “Software is eating the world”
    4. 4. 4 RecruitmentBetaalverkeerEntertainmentTelecommunicatie Software heeft al vele industrieen “opgegeten”…
    5. 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. 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 auto’s  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. 7 Enkele voorbeelden die illustreren hoe algoritmen de winkelervaring verbeteren
    8. 8. 8 Technologie komt ook naar de fysieke winkelvloer (1/3): WiFi- enabled tracking van verkeer, conversie, bezoekduur, etc.
    9. 9. 9 Technologie komt ook naar de fysieke winkelvloer (2/3): Kinect technologie gebruiken om interactie met fysieke schap te meten
    10. 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. 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. 12 Voorbeelden van vergelijkingssites In de praktijk is pricing fundamenteel veranderd over de afgelopen jaren: shoppers hebben volledige prijstransparantie online
    13. 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. 14 …en prijsveranderingen zijn veel frequenter
    15. 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. 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. 17 In consumer goods retail is gedifferentieerde pricing per klant voor hetzelfde product onverstandig. In 2000 ontdekte Amazon dat ook
    18. 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. 19
    20. 20. 20 Denk aan: • Gebruiksvoorwaarden website • Databankrecht • Auteursrecht Spidering in veel gevallen illegaal Voor elke concurrent een spider instellen en onderhouden Onvolledigheid Typisch zo’n 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. 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. 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. 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. 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. 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 euro’s onderaan de streep) worden berekend pmax = markupfactor´MK
    26. 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. 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. 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. 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. 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. 31 sander@adps.nl - 06-53809790
    1. A particular slide catching your eye?

      Clipping is a handy way to collect important slides you want to go back to later.

    ×