Hoe Tamaris AI gebruikt voor voorspellende prijsbepaling: een gesprek met 7Learnings op de NRF Retail Big Show

Parijs - Tijdens de NRF Retail Big Show sprak FashionUnited met Eiko van Hettinga, medeoprichter van het Berlijnse technologiebedrijf 7Learnings. 7Learnings levert AI-gedreven voorspellende prijssoftware voor retailers. Hij legde uit waarom prijsbepaling een van de grootste hefbomen is voor winstgevendheid, hoe voorspellende prijsbepaling in de praktijk werkt en hoe merken zoals Tamaris resultaten zien.

Waarom voorspellende prijsbepaling?

“Prijsbepaling is de grootste hefboom voor winstgevendheid. Veel bedrijven denken aan kostenbesparing als ze het over winst hebben, maar prijswijzigingen hebben een veel grotere impact. Daarom noemen analisten zoals Gartner prijsoptimalisatie een van de aantrekkelijkste AI-toepassingen in de detailhandel: het heeft de grootste zakelijke impact en is een van de meest haalbare.”

“Voor retailers die zich afvragen waar ze hun AI-reis moeten beginnen, zou prijsoptimalisatie bovenaan de lijst moeten staan. Met voorspellende prijsbepaling gebruik je data om de impact van prijzen op je KPI's te voorspellen - zoals omzet, marge en sell-through - en vervolgens te optimaliseren. Dat is precies wat we samen met Tamaris demonstreren.”

Kunt u ons meer vertellen over Tamaris?

“Bij Tamaris (onderdeel van de Wortmann Groep) was de uitdaging duidelijk: ze breidden hun online business uit naar zesentwintig landen, met enorme complexiteit in het vaststellen van prijzen over markten en kanalen, veel handmatig werk en de noodzaak om te optimaliseren gedurende de hele productlevenscyclus.”

“Samen hebben we een vijf maanden durende proof of concept uitgevoerd en de resultaten waren opvallend: de winstgevendheid nam toe, hun gemiddelde kortingspercentage daalde met vijf procent en de handmatige tijd die aan prijsoptimalisatie werd besteed, werd gehalveerd. Tegenwoordig gebruikt Tamaris deze AI-gedreven setup in al hun markten, waarbij prijzen en marges automatisch worden gestuurd.”

Dus het gaat niet alleen om korting geven? Gaat het ook om flexibele prijzen?

“Precies. Het gaat niet alleen om een groot rood uitverkoopbord in de etalage. Je kunt ook strategisch prijzen verlagen en toch je marges behouden. In de mode-industrie doen we alles om modische redenen, dus we denken breder dan alleen kortingen.”

Wat maakt online prijsbepaling complexer?

“Online heb je extra lagen zoals vouchers en coupons. Het gevaar is dat als je te veel promoties gaat stapelen, je gemakkelijk de controle over je winstgevendheid kunt verliezen. Daarom voeren we ook dit soort data in het systeem om te voorspellen hoeveel van deze promoties gebruikt zullen worden en welke impact ze zullen hebben op de winst.”

“In de mode-industrie voorspellen we ook retourpercentages samen met prijzen. Over het volledige assortiment bereiken onze voorspellingen een nauwkeurigheid van meer dan negentig procent, dat is voor een horizon van twee weken. Wij geloven dat de juiste aanpak een combinatie is van zeer nauwkeurige kortetermijnvoorspellingen en langetermijnplanning.”

Waarom is dat?

“Je zou kunnen zeggen, waarom niet een veertig weken durende voorspelling gebruiken om elke beslissing te nemen? Het probleem is dat dergelijke langetermijnvoorspellingen zeer onnauwkeurig zijn, je weet gewoon niet wat er zo ver vooruit zal gebeuren. Dat is de grote uitdaging in de mode.”

“We gebruiken langetermijnvoorspellingen om grenzen te stellen, niet om elke beslissing te dicteren. Het algoritme kan bijvoorbeeld de prijs berekenen die de winst op lange termijn optimaliseert en ons vervolgens toestaan om binnen een twintig procent marge rond dat punt te bewegen. Binnen dit bereik kunnen we kortetermijnbeslissingen nemen, zoals de verkoop sneller stimuleren, maar het systeem voorkomt ook dat we zo ver gaan dat we de winstgevendheid op lange termijn schaden. Technisch gezien geloven we dat dit de beste manier is om het op te lossen - en professionals in het veld bevestigen deze aanpak.”

Bent u ook betrokken bij de ontwikkeling van collecties, het bepalen van welke stijlen en hoeveelheden?

“Niet echt. Zodra de collectie er is, kunnen we helpen met de initiële prijsbepaling, maar dat deel heeft meestal meer een menselijke touch. Als je een jurk hebt die voor het eerst op de markt komt, kunnen we naar de kenmerken kijken en deze vergelijken met vergelijkbare items om een prijs te suggereren. Maar als je gelooft dat het een uniek stuk is, dan komt het menselijk oordeel om de hoek kijken, want de machine zal dat niet zien. Na verloop van tijd, naarmate het product zijn levenscyclus doorloopt, leert het systeem steeds meer van transacties en attributen om zijn prijsbeslissingen te verbeteren.”

En heeft u een modeachtergrond?

“Onze CEO, Felix Hoffmann, heeft zijn hele carrière in de prijsbepaling doorgebracht. Hij werkte eerst voor adviesbureaus zoals A.T. Kearney en was later verantwoordelijk voor het prijsalgoritme bij Zalando in Berlijn. Op een gegeven moment realiseerde hij zich dat je niet eeuwig met Excel kunt werken - je hebt iets technischers nodig. Zo is het idee voor 7Learnings ontstaan. Vandaag de dag zijn we een onafhankelijk bedrijf.”

7Learnings heeft ook samengewerkt met retailers zoals Tom Tailor en Mister Spex, om hen te helpen bij de implementatie van voorspellende prijsbepaling. De startup werd in 2019 in Berlijn opgericht door Felix Hoffman, Eiko van Hettinga en Martin Nowak.

Dit artikel is in het Nederlands vertaald met behulp van een AI-tool.

FashionUnited gebruikt AI taaltools om het vertalen van (nieuws)artikelen te versnellen en de vertalingen te proeflezen om het eindresultaat te verbeteren. Dit bespaart onze menselijke journalisten tijd die ze kunnen besteden aan onderzoek en het schrijven van eigen artikelen. Artikelen die met behulp van AI zijn vertaald, worden gecontroleerd en geredigeerd door een menselijke bureauredacteur voordat ze online gaan. Als je vragen of opmerkingen hebt over dit proces, stuur dan een e-mail naar info@fashionunited.com.