Blog Job van den Berg
De juiste prijsstrategie (tijdens de feestdagen) door middel van AI en Machine Learning
Afgelopen vrijdag was het Black Friday. In een tijdperk waarin consuminderen misschien een beter idee zou zijn, staan nut en noodzaak van Black Friday ter discussie. In deze blog gaat data-expert Job van den Berg in op de trucs die worden gebruikt om consumenten te verleiden tot nog meer aankopen; en dat gaat veelal over het toepassen van de juiste prijsstrategie door middel van AI en Machine Learning.
Job van den Berg
Chief Data & Insights Officer bij Blue Field Agency en Never Too Much Data
Job van den Berg maakt de kansen van data en AI voor iedereen begrijpelijk en toepasbaar en helpt bedrijven om waarde uit data te halen. Dat doet hij vanuit zijn rol als Chief Data & Insights Officer bij Blue Field Agency maar ook vanuit zijn platform Never Too Much Data waar je concrete inspiratie op kunt doen om datagedreven werken van de grond te krijgen. Hij is een veelgevraagd keynote spreker, podcast host en data-content maker. Zo is Job expert-blogger bij De Ondernemer en heeft hij een wekelijkse Data Column bij De Ondernemer Live.
Want welke data en Machine Learning toepassingen zijn er om de beste prijs te bepalen ten einde meer omzet te generen? Er zijn een aantal data benaderingen waarin ik je graag meeneem:
Psychologische benadering: prijsperceptie
Wat heeft de consument over voor een specifiek product? Dit meet je door een vragenlijst te sturen naar je doelgroep en verschillende prijzen voor te leggen en te kijken bij welk omslagpunt consumenten het te duur vinden. Het punt waarbij consumenten nog bereid zijn te betalen en het prijspunt waar ze het te duur vinden, dat is je ideale prijs. Dit is volledig gedreven vanuit de perceptie van de consument zonder de kosten en de ideale marge voor het product mee te nemen. Dat is meteen een nadeel van deze benadering. Voordeel: de consument staat centraal en bepaalt de prijs.
Lees ook: Vershal Boontjes: het succes van een 'goedkope uitstraling' tijdens de inflatiecrisis
Economische benadering: optimale prijspunt vanuit vraag en aanbod
Misschien is deze benadering wel relevanter dan ooit gegeven de hoge energiekosten en inflatie. De ruimte om te dalen in prijs is kleiner geworden door de stijgende kosten en kleinere marges. De prijs verhogen is noodzakelijk maar ook daar zit een grens aan. Kortom, je wil je winst maximaliseren. Maar hoe doe je dat? Je pakt alle prijsdata van je product in een bepaalde periode en relateert deze aan de omzet en winst die dit heeft opgeleverd. Vervolgens kun je met Machine Learning voorspellingen modelleren, op basis van deze data uit het verleden, om te voorspellen wat het break-even-point is: het punt waarbij de afzet en winst op de producten het hoogst is. Hier zie je de kracht van Machine Learning: gegevens uit het verleden helpen je om betere keuzes te maken voor in de toekomst. Voordeel: zowel vraag en aanbod bepalen je prijs. Nadeel: je moet veel historische data hebben.
Lees ook: Toekomst voorspellen: in deze 6 stappen helpen data je om vooruit te kijken
Marketing benadering: Marketing Mix Modelling
De laatste Machine Learning toepassing is vanuit een marketingbenadering. Want je zet media en promoties in om de aantrekkelijkheid en bekendheid van je product te vergroten ten einde een hogere omzet en winst te behalen. Denk aan een radio- of TV-spotje advertenties etc. Dat kost geld dus je wilt weten met welke factor je investering terug krijgt. Kortom, hoeveel extra omzet levert dat TV-spotje of die radiocommercial op? Met een Marketing Mix Model kun je je omzet verklaren aan de hand van al deze marketing en media-inspanningen waarbij je kijkt welk deel van de omzet echt te danken is aan deze inzet gecontroleerd voor andere externe factoren zoals bijvoorbeeld het weer dat vaak ook van invloed is. Voordeel: je neemt marketing- en media-inverstering mee. Nadeel: je moet veel data hebben en het is lastig om het van alle activiteiten goed mee te nemen.
Tips voor het bepalen van de juiste prijs
Terug naar Black Friday, dat is net geweest en wellicht iets over the top. Maar hoe kunnen de besproken modellen jou nu al helpen helpen om de juiste prijs te bepalen en je omzet te maximaliseren zonder in een red ocean te belanden? Hier een aantal tips:
- Black Friday is voor veel bedrijven het moment om de marketing- en media-inzet te verhogen. Veel reclames en advertenties. Dat zijn kosten. Wegen die wel op tegen de extra afzet die je genereert? Is het geen broekzak, vestzak?
- De prijsperceptie van consumenten is tijdens Black Friday totaal vertekend. De vraag is dan of een datamodel ontwikkelen en inzetten wel zin heeft. De situatie is niet representatief voor de werkelijkheid. Misschien moet je Black Friday niet als extra omzet generator beschouwen maar als een marketingkanaal, een kostcenter om producten te promoten om op een later moment meer omzet te genereren door het inzetten van ML t.b.v. de beste prijsstrategie
- Black Friday wordt beschouwd als een specifiek moment, bijna losstaand van de rest van het jaar. Doe dat niet, relateer het aan andere promotieactiviteiten en kijk dan wat het uiteindelijk oplevert, dus in het totaalplaatje van alle activiteiten die je onderneemt.
