Hallo und willkommen zurück hier live zur OMKB, weiterhin aus unserem schönen Studio mitten im Herzen von Berlin. Ich hoffe, dass euch der Facebook-Business-Partner-Vortrag gerade richtig gut gefallen hat, ihr viele inhaltliche Mehrwerte mitnehmen konntet und so soll es jetzt tatsächlich auch direkt weitergehen, denn wir starten durch mit unserer Agenda und ich freue mich auf unseren nächsten Company-to-Watch-Slot. Wir begrüßen – und da freue ich mich insbesondere immer sehr drüber, nämlich persönlich vor Ort – den lieben Felix Hoffmann hier bei uns auf der Main Stage bei der OMKB. Felix ist Gründer und Geschäftsführer von Seven Learnings. Servus, Felix. Schön, dass du bei uns bist. Ja, herzlichen Dank für die Einladung. Felix, wir haben gerade im Vorgespräch ein bisschen geschnackt, auch über Seven Learnings und habe ich festgestellt, ihr seid ein richtiges Berliner Startup. Das heißt, du hast selber früher in Mohabit gewohnt, hier unweit tatsächlich von unserem Konferenzhotel. Office Space ist auch irgendwo in unserer Hintergrundkulisse am Gendarmenmarkt früher zu finden. Und jetzt habt ihr ein Büro in Berlin-Mitte. Erzähl doch mal so ein bisschen aus den Anfängen von Seven Learnings. Ihr seid jetzt seit zwei Jahren am Markt. Wenn du eure Reise ein bisschen zusammenfassen magst, wie sieht die aus? Genau, vor drei Jahren war ich quasi noch Leiter des Preisoptimierungsteams von Zalando. Man muss ja wissen, dass Zalando schon relativ lange einen sehr ganzheitlichen Ansatz bei dem Thema Preisoptimierung fährt, also auch einen prognosegetriebenen Ansatz. Genau, ich hatte vorher, da war ich damals noch in diesem Office bei Karni gearbeitet und sehr viel Erfahrung auch im Beratermarkt gemacht mit dem Thema Pricing, wusste eben, die Realität sieht noch relativ schwarz aus, sage ich jetzt mal, bei den meisten Retailern. Das heißt, da geht es viel Excel-Files und Formeln in irgendwelchen Zeilen. Und aufgrund dieses Kontrasts war mir dann eigentlich klar, okay, da gibt es wirklich einen Markt, einfach diesen ganzheitlichen, prognosegetriebenden Ansatz mehreren Retainern auch zu ermöglichen. Und das war letztendlich auch der Startpunkt dann für Seven Learnings. Okay, wohin führt ihr euch dann seit eurem Start, eurer Reise? Also kannst du ein bisschen erzählen, wie viele Mitarbeiterinnen und Mitarbeiter seid ihr mittlerweile? Wie ist euer Unternehmen seitdem gewachsen? Hat sich entwickelt? Genau, wir sind mittlerweile fast 20 und sind super gewachsen, haben auch schon eine Seed-Runde gemacht und haben auch sehr viel mit großen Retailern gearbeitet. Genau, also ich bin sehr, sehr zufrieden. Okay, cool. Seed-Runde prä oder mittendrin in der COVID-19-Zeit? Leider mittendrin, genau. Also das war wirklich interessant. Das glaube ich dir. Steigen wir ein in das Thema Pricing. Das ist ja eure Kernkompetenz und auch das Thema, mit dem du für 7Learning entsprechend stehst und auch antrittst. Warum denkst du, sollten sie hinterher überhaupt mit dem Thema Pricing auseinandersetzen? Also Pricing ist eigentlich für alle Händler kurzfristig der Punkt, wo du am meisten Profitsteigung erreichen kannst. Man kann natürlich auch versuchen, irgendwie das Lager zu optimieren oder irgendwie in den Einkauf noch mal zu verbessern, aber im Pricing kannst du halt von heute auf morgen was ändern und es kann dir sehr viel Profit bringen. Also bei uns etwa zwischen fünf und 15% Profitsteigerung weisen wir nach. Okay, wow. Du hast gerade von ein bisschen der Old-School-Pricing-Welt erzählt, mit Excel-Files, mit sicherlich auch ausgeklügelten Formelansätzen dahinter, aber trotz allem natürlich im Managementbereich wahrscheinlich extrem komplex und auch eben nicht dynamisch steuerbar. Wo genau hilft denn AI, also Artificial Intelligence, im Preismanagement und geht dann auch echt über diese, ich nenne sie mal statistischen Ansätze, die du gerade beschrieben hast, hinaus? Genau, ich glaube, der große Unterschied, den muss man eigentlich machen zwischen den regelbasierten Systemen, die sind ja auch dynamisch, aber die basieren halt auf fixen Regeln. Und unser Ansatz ist halt prognosegetrieben. Das heißt, wir machen eine Prognose, wie sich ein Produkt abverkauft bei verschiedenen Preisen und dann kannst du im Anschluss dir diese Prognosen letztendlich anschauen und sagen: „Okay, jetzt weiß ich, was mein Optionsraum ist und über diesen Optionsraum hinweg kannst du dann optimieren. Und das hat halt sehr viel Vorteile, weil du halt ... Pricing ist auch immer so ein Thema, alle haben im Grunde auch im Unternehmen eine Meinung zum Thema Preis. Wenn ich jetzt jemanden frage im Lager, der weiß auch, was der beste Preis ist auf einmal. Aber oft stimmt das eben nicht. Die Leute glauben nur, das zu wissen und es wird halt nicht so überprüft. Und dieser regelbasierte Ansatz, der ist eben schwierig, weil die Leute eine Regel setzen und dann oft nicht überprüfen: Ist die Regel überhaupt gut? Also die Regel könnte zum Beispiel sein: „Ich möchte so teuer sein wie Amazon. Das kann gut sein, es kann aber auch schlecht sein. Die Frage ist – und das müssen sich, glaube ich, auch die Retailer noch mal selbstkritisch fragen: Wird das wirklich überprüft, die Regeln, die wir jetzt da laufen haben? Sind wir uns ganz sicher, dass das die richtigen Regeln sind? Und warum? Also wie überprüfen wir das eigentlich? Und das ist sozusagen das, was der vorhersagenbasierte Ansatz dir abnimmt. Der bewertet diese Regeln schon vorher. Du kannst auch Regeln setzen, aber du kriegst eine Bewertung für diese Regeln dann auch. Okay. Das heißt, du musst im Zweifel auch gar keinen regelbasierten Test fahren, sondern du weißt schon im Vorhinein letztendlich, was für ein Uplift in der Marge beispielsweise mit diesem Pricing möglich ist oder eben auch nicht. Das heißt, ich minimiere massiv mein Risiko im Hinblick auf das Setzen von vielleicht falschen Preisen und falschen Annahmen. Genau. Okay, cool. Wir haben hier in unserer Audience, OMKB, Online-Marketing, natürlich ganz viele Marketeers, auch vor Ort, vor den Bildschirmen, sicherlich auch der eine oder andere E-Commerceler mit dabei, aber insbesondere Personen, die sich auch mit digitalem Marketing auseinandersetzen, mit Online-Marketing auseinandersetzen. Wo siehst du persönlich die direkten Ankniffungspunkte zwischen Online-Marketing und Pricing?Also ich glaub, dass das oft in der Zukunft in also eigentlich ist es der Traum, das in einem Tool zu optimieren. Das heißt, eine Preisentscheidung hat ja zum Beispiel auch Einfluss auf meine Conversion, ne. Wenn ich also Traffic einkaufe und mein Preis ist sehr hoch, dann konvertiert der Traffic nicht. Wenn ich den Preis reduziere, dann konvertiert der Traffic, aber meine Marge sinkt, ne. Das heißt, ich kann eigentlich auch diese Preisentscheidung nicht gar nicht so unbedingt trennen von dieser Marketingentscheidung, wie viel Traffic und für welches Geld ich die einkaufen soll. Ähm, und deswegen ist es unsere Vision als Seven Learnings auch, das anzubieten, das beides in einem Tool zu, äh, zu machen. Also auch die Marketingoptimierung, äh, die Marketingentscheidungen auch mit einzubinden und das machen wir auch schon für einzelne Unternehmen. Du sagst, es ist eure Vision, das heißt, ihr erweitert euren Tech stack letztendlich eure Intelligence dahingehend, dass ihr das noch wesentlich besser in einem, in einem SaaS Produkt abbilden könnt, oder wie kann ich mir das vorstellen, wenn Du von einer Vision sprichst? Wie sieht die Reise aus? Genau, die Reise sieht im Monus aus, dass wir jetzt schon sagen können, okay, sollte man jetzt eher Coupon Investments vergrößern? Ist das am effizientesten oder sollte ich eher Discounts erhöhen oder sollte ich eher mehr in SEA investieren? Diese Entscheidung können wir schon treffen. Und woran wir noch entwickeln oder aber auch schon testen mit Einzelunternehmen ist eben diese Preisentscheidung dann zu übersetzen auf einzelne Kampagnen, ne. Am Ende kann ich wenn ich jetzt sage, okay, Marketing mehr, aber dann ist hier Frage, welche Kampagne, in welche Kampagne soll ich das jetzt investieren? Ähm, und diese Entscheidung kann auch aus dem Tool kommen und das machen wir auch schon mit einzelnen sogar schon auf Produktebenen, dass man sagen kann, welche Produkte sind grade sehr effizient, äh, welche, wo kann ich sozusagen mit meinem maximalen, äh, SEA Spend noch höher gehen? Ähm, du redest gerade auch von einigen Reference Cases, mit denen ihr eben entsprechend auch solche Probleme bereits jetzt löst. Für viele könnte das ein Stück weit ja auch son bisschen was wie der heilige Gral dann des digitalen Marketing und Pricings sein, weil wenn ich genau den Tipping Point in meinen unterschiedlichen Channeln erzielen kann mit dem korrekten Preis, der meine Conversion Rate entsprechend verbessert und damit den margenoptimierten Punkt pro Preis, ähm, und pro entsprechend auch Produkt natürlich identifizieren kann, löst das natürlich viele Probleme auf einen Schlag. Ähm, wie sieht es aus, wenn Du mal son Blick riskieren darfst, auch dann in den klassischen E-Commerce Laws, klassische Unternehmen, was euch jetzt schon einsetzt. Wer ist das? Wer setzt auf Seven Learnings bereits jetzt? Ähm, genau, so, wir haben mit ganz, ganz großen Unternehmen angefangen. Also einer der ersten Kunden war zum Beispiel About You. Dann, ähm, haben wir aber wirklich auch Kunden aus ganz unterschiedlichen Bereichen. Also das sind, ähm, wir arbeiten auch mit, ähm, Kunden aus dem Apothekenbereich zusammen. Ähm, ja, Fashion Bereich natürlich auch, da komm ich ja auch persönlich. Ähm, aber auch im Möbelbereich sind wir mittlerweile unterwegs. Also das sind wirklich, ähm, letztendlich ist es dem Algorithmus relativ egal, ähm, was es für 'n Produkt ist. Es funktioniert eigentlich produktübergreifend. Ähm, die Frage ist nur eigentlich, wie gut hat man seine Daten sozusagen, ähm, bereit? Und wenn wenn man die Daten gut zur Verfügung hat, dann, äh, funktioniert unser Produkt. Okay, Du sprichst es gerade an, ähm, welche technische Infrastruktur benötige ich eigentlich als Kunde, ja, um dann Preismanagement mit euch auf die Straße zu bringen? Reicht das, wenn ich meine Datenfeeds beherrsche entsprechend, die ich ja ohnehin auch benötige für unterschiedlichste Dinge, ob es jetzt irgendwie Preissuchmaschinen sind oder Ähnliches? Ja. Das heißt, wenn ich so was sauber zur Verfügung stellen kann irgendwie für euer System, dann bin ich sonst schon safe und kann ich ins Onboarding gehen? Oder ist es dann doch im Setup etwas komplexer? Nee, also genau, bei uns eigentlich brauchen wir wirklich nur ein Datenfeed und das sind auch Daten, die alle Unternehmen haben. Also das sind Daten wie die historischen Verkäufe oder die historischen Preise. Das ist eigentlich immer verfügbar. Ähm, trotzdem stellen wir immer wieder fest, dass einige Unternehmen noch länger brauchen. Ich würd mal sagen, wenn jetzt alle diese Daten schon in 'nem Data Lake sind, woran, glaub ich, viele Retailer auch arbeiten, dann kann das Setup auch, ähm, auf der Kundenseite vielleicht nur ein oder zwei Tage dauern. Ähm, und danach sind wir eigentlich dann die Dienstleister und wir machen dann die, die ganze harte Arbeit, sag ich jetzt mal, des Cleanings, des Machine Learnings und so weiter. Und wir stellen dann wirklich 'n finale Preise am Ende im Frontend zur Verfügung. Also da ist dann auf Grundseite keine Arbeit mehr. Okay, das klingt ja eigentlich nach 'nem Traum, vor allen Dingen, weil Du auch sagtest, dass ihr nachweislich eben entsprechend auch einen Uplift generieren könnt. Von was hast Du gesagt? Zehn bis fünfzehn Prozent? Also fünf, ich würde sagen fünf bis fünfzehn Prozent. Das variiert tatsächlich stark, weil es eben davon abhängt, wie elastisch sind die Produkte der Kunden und wie hoch ist auch aktuell die Marge, ne. Also wenn ich 'n sehr elastisches Produkt hab, ähm, also elastisch bedeutet eben, dass ich bei Preisänderung starke Änderungen im im Absatz sehe, ähm, dann lohnt sich 'n Pricingprodukt halt immer mehr. Das ist klar, ne. Da kann ich mit Pricing mehr machen. Ähm, und wenn es halt 'n geringere Margeigeprodukt ist, also 'n klassischer Fall wäre zwischen iPhone ist halt Pricing extrem wichtig, weil Du wahrscheinlich kein einziges iPhone verkaufst, ohne dass jemand mal 'n Preisvergleich gemacht hat, ne. Und dann gibt's andere Produkte, wo es eben weniger Sinn macht, genau. Aber trotzdem, also fünf Prozent haben wir bis jetzt immer geholt. Und das beweisen wir auch mit 'nem A/B-Test, also das ist wirklich, ähm, sicher. Mhm, mhm, mhm. Jetzt seid ihr nicht die Einzigen, die sich mit dem Thema auf dem Markt auseinandersetzen. Das gehört natürlich zur Wahrheit mit dazu. Was differenziert euch von der Konkurrenz? Warum ist Seven Learning im Ansatz gegebenenfalls besonders oder sogar unique? Also ich glaub tatsächlich, dass wir aktuell unique sind. Es gibt, ähm, eigentlich keinen, keine echten Konkurrenten, der das so macht wie wir, weil wir halt unsere Preisentscheidung auf Prognosen basieren. Und die anderen machen das eigentlich alle so, dass sie sagen, ähm, sie stellen Frontline zur Verfügung, wo der Kunde selber Regeln eintippen kann. Mhm. Ne, aber jetzt stellen wir uns vor, man hat irgendwie, weiß ich, eine Million Produkte online, ähm, und dann müssen wir alle möglichen Regeln setzen und das wird dann schnell, da hast Du hundert, zweihundert Regeln in diesem Frontend. Und da blickt keiner mehr durch eigentlich und kann da auch nicht überprüfen, ob diese Regeln überhaupt richtig sind. Bei uns ist es eher so, der durchschnittliche Kunde hat bei uns so zwei oder drei Regeln.Genau, so viel weniger, weil die Prognose an sich schon ähm eine Menge richtig macht, eigentlich so gut wie alles. Man braucht eigentlich Regeln nur noch, wenn man sagt: „Ich möchte jetzt aus strategischen Gründen einen bestimmten Konkurrenten mit dem Preis matchen, zum Beispiel. Kann man trotzdem eine Regel machen. Man weiß, es ist nicht profitoptimal, man möchte es trotzdem machen vielleicht dann und dann macht es auch Sinn, eine Regel zu setzen. Okay, du hast eine Regel gerade genannt: Preiosoptimierung im Hinblick auf die Konkurrenz. Was sind so klassische weitere Regeln, die dann eingesetzt werden? Also eine Sache, die ganz entscheidend ist, glaube ich, was halt heute ... Ich würde sagen, der Markt macht zu 90% ah price Matching. Das heißt, es gibt einen Crawler, der den Konkurrenten crawlt und dann hat man Regeln, die darauf basierenden Preis setzen. Und was da vergessen wird, ist, dass du ja auch ein Lager hast, ähm was auch immer wichtiger wird in der Zeit gerade. Das Ding ist ja auch irgendwann leer manchmal das Lager. Und ähm es macht ja keinen Sinn, zu einem super konkurrenzfähigen Preis sein Lager leer zu verkaufen und dann den letzten Rest und die hälfte der Saison hast du das Produkt nicht mehr da. Und da machen prognosebasierte Ansätze eben auch total Sinn, weil du vorher weißt: „Okay, ich verkaufe das Produkt gerade aus. Ähm Und dann muss ich auch nicht mehr konkurrenzbasiert preisen eigentlich, ne, weil ich habe das, das ist halt eh nicht mehr zur Verfügung im Lager weiter. Ähm Und dieses ah also dieses, ich will es jetzt mal sagen, Inventory Pricing, das macht total viel Sinn für ganz, ganz viele Retailer. Ja, vielen Dank für dein Insight. Felix, blicken wir in die Zukunft von Seven Learnings. Wir haben ein bisschen darüber gesprochen, zwei, drei Jahre am Markt, gut zwanzig Mitarbeiterinnen und Mitarbeiter, erstes Heat Rundenfinanzierungen absolviert und wie ich finde, ein wahnsinnig spannendes Tool, was letztendlich ein No Brainer in der Entscheidungsfindung ist, wenn das direkt mit dem Uplift entsprechend einhergeht, den du gerade skizziert hast. Ah Was kommt auf uns zu? Was können wir von Seven Learnings erwarten in den nächsten Quartalen und oder Jahren? Ähm Ich glaube, dass alle ähm uns oder ein ähnliches prognosebasiertes Tool nutzen werden für das Thema Pricing, aber auch für das Thema Marketing. Einfach weil diese Entscheidungen sind sehr schwierig ähm und sehr komplex und hängen eben auch alle miteinander zusammen. Und deswegen ist so ein prognosebasierter Ansatz schön und ich glaube, da können sich alle Retailer drauf einstellen. Die Konkurrenz wird das jetzt gerade anfangen zu nutzen oder anfangen, in diese Richtung zu entwickeln. Das ist die Zukunft. Alle werden das machen, ähm weil die eben auch – du hast es selber gesagt – auch ganz viel Risiko abnehmen. Ich kann mir halt, bevor ich irgendwas live schalte, bevor ich mein CS-Band ausgegeben habe, kann ich schon sehen, was der Impact sein wird. Und ähm die Prognose, ähm wird natürlich immer besser mit den Jahren, aber wir sind jetzt an einem Punkt, wo diese Prognosen schon ziemlich gut sind und wo die einfach diese menschlichen Entscheidungen schon echt stark unterstützen können. Und das ähm wollen wir halt immer mehr machen. Was heißt ziemlich gut konkret? Was würdest du sagen? Kannst du das denn zahlen? Also kannst du da eine Wahrscheinlichkeit irgendwie statistisch herleiten? Was bedeutet ziemlich gut? Genau, wir machen ja Prognosen auf sehr detaillierter Ebene. Also wir machen Prognosen auf Produkt und Tag eben. Das heißt, ich sag vorher, wie sich deine Sportschuhe morgen in deiner Größe in dieser Farbe verkaufen werden bei einem Shop und dann sage ich es auch noch pro Shop vorher. Das heißt, das ist ein super speziell. Wenn das jetzt High Seller sind, dann ist die ... Sind sie nicht, glaube ich. Sind keine High Seller, okay. (lachen) Dann, ähm wenn es High Selller sind, dann sind die natürlich sehr akkurat, die Vorhersagen. Bei Low Sellern sind die weniger akkurat, aber trotzdem ist die ähm ja insgesamt der Mehrwert extrem hoch. Ne, gerade bei Schuhen, kann man sich vorstellen, macht es auch Sinn, zum Beispiel ähm im Pricing abzuweichen bei verschiedenen Größen. Wenn die eine Größe noch gar nicht ausverkauft ist und die anderen sind schon fast weg, dann kann ich auch da sozusagen mit Discounts noch mal ähm einen Anreiz setzen. Okay, ähm eine Frage, die gar nicht mehr direkt was mit Dynamic Pricing zu tun hat, aber ich schaue natürlich etwas Neid auf dein Cap, auf dein Merchandise von Seven Learnings. Woher kommt eigentlich euer Branding-Name? Was ist die Idee dahinter? Wie ist das entstanden? Genau, also ähm ja Seven Learnings. Also Learnings einfach aufgrund des Machine Learnings, was dahinter steht. Ähm Und ähm ja Seven, weil wir halt jeden Tag lernen, ne. Also unsere Modelle. Seven days a week quasi? Ja, seven days a week. Und ähm das ist besonders, weil die meisten, wenn die Machine Learning Live haben, ähm selbst Unternehmen wie Zalando haben sozusagen ein fixiertes Modell, das irgendwann mal gelernt wurde und das wird aber nicht so oft aktualisiert. Ähm Und wir aktualisieren jeden Tag diese Modelle automatisch, sozusagen. Das ist auch wirklich tatsächlich ähm relativ kompliziert, das so zu machen. Ähm Und das bringt aber dann den Vorteil, dass du jeden Tag von deinen Sales von gestern lernst, ne und jedes Mal die Preise wieder verbessern kannst. Okay, fantastisch. Wenn ich jetzt E-Commercler bin, Marketeer und mich genau dafür interessiere, bessere Prognosen zu bekommen, wie ich mein Digital-Marketing-Budget investieren kann, wie ich dann eben entsprechend auch den passenden Pricing-Punkt finde im Hinblick auf Conversion Rate und Co. Ähm Wie ist der einfachste Weg, einfach dich persönlich ansprechen? Oder wie kann man sich bei euch melden? Ja, sehr gerne über LinkedIn oder ähm über unsere Website, ähm wo wir sicherlich auch ein bisschen Content haben, was das ein bisschen erklärt, noch mal auch die Technologie. Wir sind ein relativ komplexes Produkt, sicherlich, aber wir versuchen natürlich, ähm sozusagen einen sehr hohen Mehrwert, einen sehr krassen Ansatz sozusagen so einfach wie möglich an diese Kunden, an unsere Kunden rüberzubringen. Und das ähm ja ist wirklich ein End-to-End-Produkt. Das heißt, der Kunde merkt von dieser Komplexität am Ende eigentlich nichts mehr, sondern kriegt direkt die optimierten Preise und ähm genau kann die hochladen und eben sehen, wie es funktioniert. Okay, cool. Felix, ganz herzlichen Dank, dass du die Zeit genommen hast, hier persönlich vorbeizuschauen und über die spannende Geschichte und insbesondere die Anwendungsfälle und Mehrwerte von Seven Learnings mit mir zu sprechen und natürlich unsere OMKB Community darüber zu informieren. Du bist mit dem Rad hier, du hast es nah. Wie geht der Tag für dich weiter? Geht es gleich ins Homeoffice, in den nächsten Call, zurück in euer Büro? Ich habe ja gleich bei euch, glaube ich, auch noch einen Präsentationsslot. Das werde ich auf jeden Fall noch machen. Ähm Und dann um sechzehn Uhr muss ich meine Kinder abholen von der Kita. Okay, das klingt doch nach einem guten restlichen Tag. Ja Dann wünsche ich dir ganz, ganz viel Spaß bei deinem Slot auf der Session Stage, heute bei uns hier bei der OMKB und einen ganz entspannten Nachmittag dann mit den Kiddies nachher. Und ja, ganz herzlichen Dank an dich, lieber Felix. Schön, dass du hier gewesen bist. Vielen Dank, das war sehr nett. Super cool.
Automatisch erstellt & redaktionell aufbereitet — kann vereinzelt Fehler enthalten.
