Vinster:
- Förmåga att producera prispositioneringsscenarier genom att samla in och sammanfatta konkurrentprisdata med artificiell intelligens
- Förmåga att konstruera dynamisk prissättnings- och omprissättningslogik inom ramen för marginal-, kostnads- och algoritmregler
- Förmåga att respektera plattforms-/juridiska gränser vid prisuppgörelse, vilseledande rabatter och insamling av konkurrentdata, och överlåta det slutliga prisbeslutet till människor
Priset är det mest känsliga beslutet inom e-handel. Ett öre fel pris kommer antingen att tära på din vinst eller driva bort kunden till en konkurrent. På marknadsplatser där dussintals säljare säljer samma produkt förändras priskonkurrensen inom några minuter; Många säljare använder system som automatiskt uppdaterar priset (omprissättning). Artificiell intelligens (AI) är ett kraftfullt hjälpmedel på detta område: den sammanfattar konkurrentprisdata, genererar prispositioneringsscenarier, påskyndar beräkningen av "vad blir marginalen vid detta pris?" Men låt oss dra en linje från början: priset är inte ett beslut som AI kommer att fatta på egen hand. Det är ett affärsbeslut där pris, kostnad, marginalmål, kampanj, lager och konkurrensregler korsas; Det slutliga godkännandet tillhör alltid människan. Dessutom finns det juridiska fallgropar i prissättning som AI inte kan se.
Låt oss definiera de två termerna. Marginal är marginalen för skillnaden mellan försäljningspriset och kostnaden; vanligtvis uttryckt i procent. Att sätta ett pris utan att veta marginalen är att gå i mörkret. Återprissättning är den automatiska uppdateringen av priset enligt fördefinierade regler (enligt konkurrentens pris, lager, efterfrågan). Dynamisk prissättning är när priset förändras med tid, efterfrågan och förutsättningar.
Komponenter i prisbeslut
Ett bra prisbeslut utvärderar minst fem ingångar:
- Kostnad: Produktkostnad, provision, frakt, returkostnad, reklamkostnad. Detta är golvet under vilket du inte kan gå under priset.
- Marginalmål: Hur mycket vinst förväntar du dig av den här produkten? Förlustledare — produkt som avsiktligt driver trafik med låga marginaler eller produkt med hög marginal?
- Konkurrentpris: Hur mycket säljs samma/liknande produkt på marknaden? Var står du i Buy Box-tävlingen?
- Efterfrågan och lager: Om efterfrågan är hög/lagret är lågt ökar priselasticiteten; Om lagret är stort kan smältpris krävas.
- Algoritm- och plattformsregler: Regler för marknadsplatspris/rabatt, minimipris, vilseledande rabattförbud.
Följande tabell sammanfattar prissättningsstrategierna:
Strategi
logik
när
Risk
Kostnad + marginal
Fast marginal över kostnad
stabil produkt
Kan ignorera motståndare
Konkurrenten fokuserad
Positionering i förhållande till motståndaren
hård konkurrens
Kan smälta marginalen
värdeorienterad
Enligt upplevt värde
Differentierad produkt
Rätt plats är svårt
Dynamisk / omprissättning
automatiskt enligt regel
Många produkter, snabb marknad
Skada om det inte kontrolleras
förlustledare
Lågt pris för trafik
Om det finns korsförsäljning
Skador orsakade av fel produkt
Konkurrentspårning och scenariogenerering med AI
AI kan snabbt sammanfatta och tolka den konkurrentprisdata du har (oavsett om den samlats in själv eller från ett tillåtet verktyg). Den ger en tabell som "Det finns 12 säljare för denna produkt, medianpriset är här, vi står här, den med lägst pris har längst leveranstid." Ännu mer värdefullt, det genererar ett scenario: "Om jag sänker priset med 5% går min marginal ner till här, mina köpboxchanser ändras så här, men jag kommer så här nära förlustgränsen." Dessa scenarier påskyndar ditt beslutsfattande; Men du ger det slutliga priset utifrån ett öga på kostnad och strategi.
En viktig teknisk punkt: hur du samlar in konkurrentdata gör en juridisk skillnad. Att skrapa en webbplatss data med en automatisk bot, i strid med användarvillkoren, kan orsaka juridiska och kontraktuella problem. De flesta marknadsplatser tillhandahåller prisdata via sin egen instrumentpanel eller tillåtet API; Använd auktoriserade källor.
Observera: Låt inte AI:en etablera en regel som "ge det lägsta priset, vi kommer alltid att vara billigast". Den ändlösa nedåtgående prisspiralen (priskrig) minskar marginalen till noll. Se till att inkludera ett golvpris (som går under detta pris) och marginalskydd i omprissättningsregeln.
Lagliga gränser för prissättning
Priset är det område man ska vara mest försiktig med AI eftersom vissa beteenden är kriminella.
Prissättning / kartell: Att fastställa gemensamma priser genom att komma överens med konkurrenter är strängt förbjudet i konkurrenslagstiftningen och leder till höga administrativa böter. Det är legitimt att observera konkurrentens angivna pris; men samordning med konkurrenter är olagligt. Ditt prisbeslut bör vara oberoende och ensidigt. Om flera säljare använder samma AI/algoritmverktyg och synkroniserar sina priser kan detta till och med betraktas som ett konkurrensproblem.
Vilseledande rabatt: Att ge en falsk rabatt genom att visa det "gamla priset" som ett belopp som faktiskt aldrig tillämpades är en vilseledande affärspraxis. Vid rabatterade försäljningar i Türkiye är det obligatoriskt att visa referenspriset (det lägsta pris som tillämpats under en viss period före rabatten) korrekt. Om AI producerar ett förslag som "gör det gamla priset högre så att det ser mer attraktivt ut", är detta mot lagen.
Orimligt pris/lager: Överdrivna prishöjningar och lageruppbyggnad under extraordinära perioder är föremål för administrativa sanktioner.
Fyra kopierbara mallar
1) Sammanfattning av konkurrentpriser:
Din roll: assisterande prisanalytiker. Nedan finns konkurrentpriser för en produkt på marknadsplatsen (anonyma säljarkoder, pris, ledtid, poäng). Data: [tabell]. Uppgift: beräkna median, lägsta, högsta pris; kommentera vår position ([vårt pris]); Skriv 3 observationer, ta hänsyn till leverans och poäng. Obs: Jag kommer att fatta det slutgiltiga prisbeslutet.
2) Marginal och scenarioberäkning:
Produktkostnad: [X]. Provision: [%]. Last: [Y]. Returfrekvens: [%]. Annonsmarginal: [Z]. Aktuellt försäljningspris: [F]. Uppgift: beräkna aktuell marginal. Tabellera sedan marginalen och avståndet till förlustgränsen i scenarierna där jag sänkte priset med 3 %, 5 % och 8 %. Visa beräkningsstegen så att jag kan verifiera dem.
3) Utkast till omprissättningsregel:
Uppgift: utarbeta en säker omprissättningsregel för följande produktgrupp. Restriktioner: gå inte under golvpriset [T]; marginal under [%M]; konkurrenten är högst [k]% under den lägsta; sänk inte priset om lagret är lågt. Output: ange regeluppsättningen punkt för artikel och förklara syftet med varje regel.
4) Granskning av efterlevnad av rabatt:
Kontrollera följande rabattplan för efterlevnad av lagar. Plan: gammalt pris [E], nytt pris [Y], rabattperiod [S]. Uppgift: utvärdera om referenspriset (gammalt) visas korrekt, risken för missvisande rabatter och nödvändig information. Markera den juridiska punkt som du inte är säker på som [KONSULTERA LEGAL].
tre minifodral
Fall 1 – Kontrollerad prissättning. En tillbehörssäljare kunde inte manuellt prissätta 900 produkter. Med YZ designade han en omprissättningsregeluppsättning med baspris och marginalskydd: "inte mer än 2% ned från konkurrentens lägsta, men marginalen går under 18%, prissänkning om aktien är under 5". Priserna var fortsatt konkurrenskraftiga, marginalerna bibehölls, inga produkter såldes med förlust.
Fall 2 — Priskrigsfälla. En leverantör satte upp en regel för AI att "alltid vara 1 TL billigare än konkurrenten". När den motsatta säljaren använde en liknande regel föll priset under kostnaden och jagade varandra hela dagen; Båda sidor led förluster. Spiralen stannade när golvpriset sattes. Lektion: den obegränsade "vara billigast"-regeln förstör marginalen.
Fall 3 – Vilseledande rabattpåföljd. En butik gjorde anspråk på 60 % rabatt genom att visa ett högt "gammalt pris" som den aldrig tog ut. Vid revisionen upptäcktes ett brott mot referensprisregeln och administrativa sanktioner utdömdes. Det korrekta sättet: var att visa det verkliga referenspriset.
Svag prompt / Stark prompt
Svag uppmaning:
Du bestämmer det bästa priset för att sälja denna produkt billigare än dina konkurrenter.
Modellen känner inte till kostnad, marginal och underlag; kan "föreslå" ett pris som leder till en förlust.
Kraftfull uppmaning:
Din roll: prisanalytiker. Produktkostnad är 148 TL, provision är 12%, frakt är 25 TL, returfrekvens är 6%. Konkurrentens medianpris är 349 TL, lägsta är 319 TL (lång leverans). Mitt marginalmål är minst 20 %. Mitt grundpris är 289 TL. Uppgift: generera 3 prisscenarier som överensstämmer med golv- och marginalbegränsningen; Kommentera marginalen för varje scenario och dess inverkan på köpboxchanser. Visa konto. Jag kommer att fatta det slutgiltiga beslutet.
Vanliga misstag
- Be om ett pris utan att ange kostnad och marginal. Ett förslag som leder till skada görs.
- Obegränsad "vara billigast"-regeln. Ett priskrig återställer marginalen; grundpris krävs.
- Samordning med tävlande. Prissättning är ett brott; Beslutet måste vara ensidigt.
- Vilseledande gammalt pris. Falska rabatter leder till sanktioner; Referenspriset måste visas korrekt.
- Obehörig dataskrapning. Att samla in konkurrentdata med hjälp av illegala bots medför juridiska risker.
- Lämnar priset helt automatiskt. Om omprissättningen är okontrollerad kommer en enda felaktig regel att orsaka stor skada.
Sammanfattningsvis
Pris är det mest känsliga beslutet inom e-handel och AI kan inte fatta det ensam. Ett bra prisbeslut utvärderar kostnad, marginal, konkurrent, efterfrågan/lager och plattformsregler tillsammans. AI sammanfattar konkurrentdata, genererar marginalscenarier, utarbetar regler för omprissättning; Men folk ger slutpriset. Se till att inkludera ett golvpris och marginalskydd i omprissättningen. Prissättning (kartell) är ett brott; Undvik samordning med motståndaren. Vilseledande rabatter och prissänkning är sanktionerade; Visa referenspriset ärligt.
Applikationsuppgift
Subtrahera den faktiska kostnaden, provisionen, frakten och returkostnaden för din produkt. Beräkna din nuvarande marginal och tre rabattscenarier med mallen "Beräkning av marginal och scenario" och verifiera varje beräkning manuellt. Skriv sedan en regeluppsättning med golvpris och marginalskydd med mallen "Repricing rule draft". Slutligen, kontrollera din rabattplan för vilseledande rabatter med mallen "Kontroll av efterlevnad av rabatter".
checklista
- [ ] Jag inkorporerade regler för kostnad, marginal, konkurrent, lager och plattform i prisbeslutet.
- [ ] Jag verifierade varje marginalberäkning manuellt; Jag litade inte blint på AI:s siffror.
- [ ] Jag lade till ett minimipris- och marginalskydd till min omprissättningsregel.
- [ ] Jag deltog inte i någon prissamordning med konkurrenten; Mitt beslut är ensidigt.
- [ ] Jag visade referenspriset ärligt i försäljningen; Jag gav ingen vilseledande rabatt.
- [ ] Jag samlar endast in konkurrentdata från auktoriserade källor.