Anbieter zum Thema

Arvato Systems GmbH

Packsize

Descartes Systems (Germany) GmbH

Mathematische Optimierung im Handel – ein Best Practice

Man stelle sich einen Modehändler vor, der neben seinem Filialgeschäft auch einen eigenen Online-Marktplatz für Mode betreibt. Zu Beginn der Sommersaison trifft eine Vielzahl neuer Produkte für warmes Wetter von unterschiedlichen Marken, Lieferanten und Partnern ein. Gleichzeitig steigt die Nachfrage der Kunden nach genau diesen Artikeln deutlich an. Innerhalb dieses Sortiments kann es etwa ein bestimmtes Modell eines Badeanzugs geben, das sich besonders großer Beliebtheit erfreut. Dieser Artikel muss im Onlineshop korrekt platziert, wettbewerbsfähig bepreist und in die Filialen sowie Lager verteilt werden, die den potenziellen Kunden am nächsten sind. 

Im Verlauf der Saison – rund um Verkaufsanlässe und Aktionszeiträume – muss der Preis zudem laufend angepasst werden, etwa an Rabattaktionen, verfügbare Bestände, schwankende Nachfrage und Kundenbewertungen. Mit jedem zusätzlichen Einflussfaktor wird der Verkauf dieses Badeanzugs ein Stück komplexer. Überträgt man diesen Prozess auf das gesamte Sommersortiment – von T-Shirts über Flip-Flops bis hin zu Sonnenbrillen –, entsteht ein dichtes und sich ständig veränderndes Geflecht an Verkaufsentscheidungen, das Händler kontinuierlich steuern müssen.

Erheblicher Aufwand im Bestandsmanagement

Preise und Bestände für alle Produkte manuell zu steuern wäre grundsätzlich möglich, würde jedoch nicht nur einen erheblichen Zeit- und Ressourcenaufwand erfordern, sondern auch nicht zur bestmöglichen Steuerung führen. Mathematische Optimierung kann diesen Prozess deutlich vereinfachen und weitgehend automatisieren. In Kombination mit Machine-Learning entsteht zusätzlicher Mehrwert: Prognosen zu Bestandsmengen, Wettbewerbspreisen oder Kundeninteresse dienen als Eingangsgrößen für Optimierungsmodelle, mit deren Hilfe sich Preisstrategien und Rabatte gezielt berechnen lassen. Auf diese Weise können Händler wettbewerbsfähige Preise anbieten und ihre operativen Prozesse insbesondere beim Bestandsmanagement effizient steuern. Mathematische Optimierung ermöglicht es damit, Preise dynamisch, auch kundenspezifisch, anzupassen und Bestände flexibel zu managen, sobald sich die Rahmenbedingungen ändern.

Ein konkretes Fallbeispiel veranschaulicht das enorme Potenzial dieses Vorgehens: Das Unternehmen Birchbox versendet im Abonnement Überraschungsboxen mit Beauty-Produktproben, mit dem Ziel, dass Kunden anschließend die vorgestellten Produkte kaufen. Entscheidend für den Erfolg ist dabei die passgenaue Zusammenstellung der Boxen nach Zielgruppen und individueller Nutzungshistorie. Birchbox setzt hierfür seit Jahren auf mathematische Optimierung im Bestandsmanagement. Mit dem Wachstum des Geschäfts stieß das bestehende Modell jedoch an seine Grenzen: Die Berechnungszeit lag zuletzt bei über 30 Stunden. Durch die die Verbesserung des Models und Konfigurations und Anpassung des Optimierungsverfahrens konnte die Laufzeit um 99 Prozent auf rund zehn Minuten reduziert werden.

Das neue Normal im Onlinehandel

Diese Form der Optimierung im E-Commerce mag auf den ersten Blick abstrakt wirken. Tatsächlich haben viele Konsumenten sie jedoch längst erlebt, ohne es bewusst wahrzunehmen. Zahlreiche Händler setzen bereits heute Optimierungsverfahren im Bestandsmanagement, Preisgestaltung und Logistik ein. Mit der weiteren Ausweitung und zunehmenden Komplexität des Onlinehandels wird diese Praxis künftig weiter an Bedeutung gewinnen. Inmitten einer komplexen Gemengelage wachsender Sortimente und wirtschaftlicher Unsicherheiten werden jene Händler erfolgreich sein, die alle verfügbaren Werkzeuge konsequent nutzen, um ihre Prozesse zu optimieren und das Einkaufserlebnis für die Kunden möglichst reibungslos zu gestalten.