Best Price Prediction: Vorhersage von optimalen B2B-Angebotspreisen

Beschreibung

Inhaltsverzeichnis

Marge vs. Angebotsannahme: Wie KI helfen kann

Die Berechnung der Marge eines B2B-Angebots ist oft eine heikle Angelegenheit. Einerseits möchte man für das eigene Unternehmen den höchstmöglichen Umsatz erwirtschaften, andererseits natürlich auch die Kundenbeziehung pflegen und ein gutes Angebot machen.

Hinzu kommt der qualitative Faktor: Welche Marge bei welchem Kunden sinnvoll ist, führt oft zu Diskussion und kostet viel Zeit. Daher ist es nur logisch, nach neuen Wegen zu finden um die Vertriebsmitarbeiter bei der Endpreisschätzung zu unterstützen. Hierzu kommt künstliche Intelligenz ins Spiel.

Mit dem Einsatz von KI können Unternehmen optimale Angebotspreise vorhersagen lassen. Mehr noch: Durch einen schnellen und einfachen Prozess in der Vorhersage werden hohe Aufwände vermieden und die Angebotserstellung effizienter gestaltet.

Die Vorhersage von B2B-Angebotspreisen mit Kobold AI

Mit Kobold AI wird der Einsatz von Datenanalyse und künstlicher Intelligenz ohne Vorwissen möglich. Wir bieten Self-Service KI-Produkte, die einen klar definierten Anwendungsfall abdecken und bieten ihn als digitales Produkt an. Schnell, einfach und günstig den Mehrwert von KI genießen – mit Kobold AI.

Das Produkt “Best Price Prediction” wurde gemeinsam mit einem unserer Kunden entwickelt, um den B2B-Angebotsprozess schneller, effizienter und besser zu gestalten. Und nun steht das KI-Produkt für alle zur Verfügung – einfach bestellen, Daten hochladen und das Ergebnis bekommen.

Dabei durchläuft die Best-Price Prediction bis zu drei möglichen Phasen:

Model-Erstellung: Historische Daten als Grundlage

In der ersten Phase wird anhand der vom Kunden bereit gestellten Daten die KI trainiert. Diese KI lernt anhand der vergangenen Angebote, um eine möglichst genaue Preisvorhersage für neue, unbekannte Angebote abzugeben.

Vorhersage: Unbekannte Angebote mit optimalen Preisen versehen

Im zweiten Schritt werden neue Angebote vorhergesagt. Wird das Product als Ad-Hoc-Variante ohne Deployment bestellt, werden alle Angebotseinträge in der Datenlieferung ohne „Annahme“-Wert (group) vorhergesagt.

Somit kann ein Unternehmen schnell und einfach sich die optimale Preisspanne für viele verschiedene Angebote oder für die Varianz von einem einzelnen Angebot vorhersagen lassen.

Deployment: Ein Interface für die Mitarbeiter

Wurde hingegen ein Deployment mitbestellt, geschieht die Vorhersage direkt über ein automatisch generiertes Interface. Diese web-basierte Anwendung erlaubt es, alle beliebigen Parameter des Angebots zu modifizieren und eine entsprechende Preisspanne vorhersagen zu lassen.

Das Deployment ist besonders hilfreich, wenn die Best Price Prediction kontinuierlich und für alle Mitarbeiter zur Verfügung stehen soll. Denn damit können beliebig viele Angebote ohne technisches Vorwissen oder Aufwand abgefragt werden.

Case Study: Best Price Prediction bei einem Mittelständler

In unserer Case Study „Die Vorhersage von B2B Angebotspreisen: Mit KI zur optimalen Marge“ nutzt der B2B-Mittelständler Udo Bär GmbH die Best Price Prediction von Kobold AI. Dabei hat er drei Ziele:

a) Eine KI-basierte Vorhersage, um schnell und belastbare Preise zu definieren
b) Eine qualitative Kontrolle dieser Preise, um andere Faktoren (z.B. Neukunden) miteinzubeziehen
c) Ein einfacher Zugang ohne technische Anforderungen

“Im Zuge der digitalen Transformation sehe ich es als eine der größten Herausforderungen, Mensch und Maschine zusammenzubringen. Deshalb ist künstliche Intelligenz für mich auch wie ein Werkzeug, das unsere Mitarbeiter einsetzen. Und Kobold AI ist unser KI-Werkzeuglieferant, auf den wir vertrauen.”

Thomas Höllbacher, Managing Director, Udo Bär GmbH Österreich

Ob die Udo Bär GmbH mit dem Produkt von Kobold AI zufrieden war, erfährst du in unserer Case Study: „Die Vorhersage von B2B Angebotspreisen: Mit KI zur optimalen Marge“

Erwartete Daten und deren Struktur

Die erwartete Datenstruktur ist sehr einfach gehalten:

• Eine Zeile = Ein Angebot, historisch oder zur Vorhersage
• Beliebig viele Spalten: Attribute, die eine Vorhersage beeinflussen. Zum Beispiel Kundenbeziehung in Jahren, Durchschnittlicher Jahresumsatz, Anzahl Angebote pro Jahr, Artikel im Angebot, Kategorien im Angebot, Einkaufspreis
• Vorletzte Spalte „target“: Bei historischen Angeboten der angebotene Verkaufspreis. Bei Vorhersagen ein leeres Feld.
• Letzte Spalte „group“: Bei historischen Angeboten Annahme (1) oder Nicht-Annahme (0) des Angebots. Bei Vorhersagen ein leeres Feld.

Wie wird die Best Price Prediction operativ eingesetzt?

Einen Angebotspreis vorherzusagen kann auf verschiedene Arten eingesetzt werden:

• Bei B2B-Unternehmen mit sehr hohen Angebotszahlen, um automatisch Preise generieren zu lassen und damit Effizienz zu gewinnen
• Als Grundlage für Vertriebsmitarbeiter, um sich in der Margenfindung leiten zu lassen
• Als Post-Hoc Prüfung von abgegebenen Angeboten: Waren die Preise sinnvoll gewählt?

Sicherlich gibt es noch mehr Einsatzzwecke. Wichtig ist zu verstehen, dass man durch die Best Price Prediction von Kobold AI nicht nur automatisch optimale Preise vorhersagen kann, sondern auch Effizienz in der Angebotserstellung gewinnt und die menschlichen Ansätze („Bauchgefühl“) objektiv datenbasiert überprüfen lassen kann.

Fazit: Mehr Marge und höhere Effizienz durch Best Price Prediction von Kobold AI

Die Vorhersage eines optimalen Angebotspreises – die Best Price Prediction von Kobold AI – zeigt eindrucksvoll, wozu künstliche Intelligenz im Stande ist. Durch das Training anhand vergangener Angebote kann das Modell eine Angebotsspanne vorhersagen, die zu einem optimalen Angebot führt.

Neben dieser technischen Seite gibt es aber natürlich die menschliche: Als Werkzeug kann das KI-Produkt von Vertriebsmitarbeitern sehr schnell und effizient eingesetzt werden, um bessere Angebot in kürzerer Zeit zu erstellen. Ob als Ad-Hoc Produkt oder als kontinuierliches Interface – die Best Price Prediction sollte bei keinem B2B-Händler fehlen.