Dynamic pricing
Auch: Dynamic pricing, Real time pricing, Surge pricing, Demand based pricing, Algorithmic pricing, Tarification dynamique
Preise automatisch und in Echtzeit anpassen, basierend auf Nachfrage, Wettbewerb oder Nutzerverhalten, um Umsatz, Marge oder Conversion zu optimieren.
Was es ist
Dynamic pricing bezeichnet die Praxis, den Preis eines Produkts oder einer Dienstleistung automatisch und oft häufig zu ändern, und zwar als Reaktion auf Live-Signale wie Nachfrage, verbleibenden Bestand, Wettbewerbspreise, Tageszeit oder Kundenkontext. Statt eines einzigen, im Vorfeld festgelegten Preises wird der Preis zu einer Variablen, die über Regeln oder Modelle berechnet wird.
Das Ganze bewegt sich auf einem Spektrum:
- Regelbasiert: explizite Geschäftslogik (zum Beispiel Preis um 10 % erhöhen, wenn der Bestand unter 20 Einheiten fällt).
- Modellbasiert: statistische oder Machine-Learning-Modelle, die Zahlungsbereitschaft und Preiselastizität schätzen.
- Real time bidding: Preise werden pro Anfrage neu berechnet, üblich in Reise, Ride Hailing und Online-Werbung.
Warum es zählt
Preisgestaltung ist eine der Entscheidungen mit der größten Hebelwirkung in einem Unternehmen. Eine kleine Verbesserung des durchschnittlich erzielten Preises fließt in der Regel fast vollständig in den Gewinn, weil die Kostenbasis unverändert bleibt. Dynamic pricing ermöglicht es einem Unternehmen:
- Mehr Wert abzuschöpfen, wenn die Nachfrage hoch ist, und Volumen zu schützen, wenn die Nachfrage niedrig ist.
- Innerhalb von Minuten auf Wettbewerber zu reagieren statt in Quartalsreviews.
- Verschwendung von verderblichen oder zeitgebundenen Beständen zu reduzieren (Flüge, Hotelzimmer, Veranstaltungsplätze).
Es bringt auch Risiken mit sich: Kunden empfinden die Preise als unfair, regulatorische Prüfung (Preistreiberei, Diskriminierung) und die Gefahr automatisierter Feedback-Schleifen, die außer Kontrolle geraten (algorithmische Kollusion oder unkontrollierte Preisabschläge).
Wie es in der Praxis eingesetzt wird
Eine typische Pipeline:
1. Signale sammeln: Nachfrage, Bestand, Wettbewerbsfeeds, Saisonalität, Nutzersegment.
2. Elastizität schätzen: wie das Volumen pro Segment oder SKU auf den Preis reagiert.
3. Optimieren: den Preis wählen, der das Ziel maximiert (Umsatz, Marge oder Conversion), innerhalb der Guardrails.
4. Guardrails anwenden: Untergrenzen, Obergrenzen, Fairness-Vorgaben, Markenregeln.
5. Monitoren und lernen: A/B-Tests und Bandits speisen die Ergebnisse zurück in die Modelle.
Rechenbeispiel
Eine Online-Hotelplattform hat 100 Zimmer für einen Samstag. Zwei Wochen vorher sind 30 Zimmer zu einem Basispreis von 120 EUR verkauft. Das Modell erkennt ein Konzert vor Ort und Buchungen, die schneller eingehen als prognostiziert. Es erhöht den Preis auf 165 EUR, was die Buchungen bremst, aber den durchschnittlichen Umsatz pro Zimmer steigert. Senkt ein Wettbewerber die Preise und das Tempo stockt, löst ein Guardrail einen Abschlag zurück in Richtung 130 EUR aus, um leere Zimmer zu vermeiden.
Ergebnis: durchschnittlich erzielter Preis von 148 EUR gegenüber 120 EUR fix, ein Umsatzplus von 23 % für diese Nacht, erreicht ohne neuen Bestand.
Siehe auch
Häufige Fragen
Was ist dynamic pricing?
Dynamic pricing bezeichnet die Praxis, einen Preis automatisch und oft häufig zu ändern, als Reaktion auf Live-Signale: Nachfrage, verbleibender Bestand, Wettbewerbspreise, Tageszeit oder Kundenkontext. Statt eines einzigen, im Vorfeld festgelegten Preises wird der Preis zu einer Variablen, die über Regeln oder Modelle berechnet wird. Üblich ist das in Reise, Hotellerie, Ride Hailing, Ticketing und Online-Werbung.
Was ist der Unterschied zwischen regelbasiertem und modellbasiertem dynamic pricing?
Regelbasierte Preisgestaltung wendet explizite, von einem Menschen geschriebene Geschäftslogik an, zum Beispiel: Preis um 10 % erhöhen, wenn der Bestand unter 20 Einheiten fällt. Modellbasierte Preisgestaltung nutzt statistische oder Machine-Learning-Modelle, die Zahlungsbereitschaft und Preiselastizität schätzen und dann den Preis berechnen, der das Ziel maximiert. Regeln sind transparent und leicht zu prüfen; Modelle erfassen mehr Nuancen, brauchen aber Daten, Tests und Guardrails. Eine dritte Stufe, real time bidding, berechnet den Preis pro Anfrage neu.
Warum hat ein kleiner Zugewinn beim durchschnittlichen Preis so einen großen Effekt auf den Gewinn?
Weil die Kostenbasis sich nicht verändert. Wenn Sie dasselbe Volumen zu einem etwas höheren erzielten Preis verkaufen, fließt der zusätzliche Umsatz fast vollständig ins Ergebnis, anders als bei einer Volumensteigerung, die zusätzliche Kosten mitbringt. Diese Asymmetrie ist der Grund, warum Preisgestaltung eine der Entscheidungen mit der größten Hebelwirkung ist und warum sie CFOs genauso interessiert wie Marketing-Teams.
Was sind die wichtigsten Risiken automatisierter Preise?
Drei fallen auf: Kunden empfinden die Preisänderungen als unfair, regulatorische Prüfung rund um Preistreiberei und Diskriminierung, und automatisierte Feedback-Schleifen, die außer Kontrolle geraten, sei es in Richtung algorithmische Kollusion zwischen konkurrierenden Systemen oder unkontrollierte Preisabschläge. Die übliche Antwort sind Guardrails: Preisunter- und -obergrenzen, Fairness-Vorgaben, Markenregeln, dazu laufendes Monitoring statt eines Deployments nach dem Prinzip einmal einstellen und vergessen.
Können Sie ein konkretes Beispiel für die Umsatzwirkung von dynamic pricing geben?
Nehmen Sie eine Hotelplattform mit 100 Zimmern für einen Samstag, Basispreis 120 EUR, 30 Zimmer zwei Wochen vorher verkauft. Das Modell erkennt ein Konzert vor Ort und ein Buchungstempo über Prognose, also hebt es den Preis auf 165 EUR; die Buchungen verlangsamen sich, aber der Umsatz pro Zimmer steigt. Senkt ein Wettbewerber die Preise und das Tempo stockt, setzt ein Guardrail den Preis zurück in Richtung 130 EUR, um leere Zimmer zu vermeiden. Der durchschnittlich erzielte Preis landet bei 148 EUR gegenüber 120 EUR fix, ein Umsatzplus von 23 % für diese Nacht ohne neuen Bestand.