Z IELSETZUNG UND F RAGESTELLUNG DER A RBEIT

Im Rahmen dieser Arbeit werden drei Zielsetzungen verfolgt. Erstens werden die bisher in der Forschung entwickelten Ansätze aufgearbeitet, die zur Preisoptimierung Algorithmen einsetzen. Diese Ansätze werden dahin gehend überprüft, ob sie sich nur für Großunternehmen eignen oder auch für kleine und mittlere Unternehmen anwendbar sind. Die Unterscheidung wird daran vorgenommen, ob die Verfahren die Bedürfnisse von Unternehmen berücksichtigen, die nicht auf große historische Datenmengen zurückgreifen können oder nicht die Ressourcen haben, diese Datenmengen auszuwerten. Da dies primär kleine und mittlere Unternehmen betrifft und diese ihre Entscheidungen häufig aufgrund ihrer Erfahrungen treffen, wird des

18 Weiteren überprüft, ob bisherige Ansätze diese Erfahrungen mit in die Berechnungen aufnehmen. Sollten sich in diesem Zusammenhang Forschungslücken aufzeigen lassen, sollen diese mit dieser Arbeit ganz oder zum Teil geschlossen werden.

Folgende Forschungsfragen sollen beantwortet werden:

1. Wird in den bisherigen Ansätzen, die zur Preisoptimierung auf die Nutzung von Algorithmen zurückgreifen, auf historische Daten zur Bestimmung der Nachfragekurve zurückgegriffen?

2. Werden in den entwickelten Ansätzen subjektive Erfahrungen des Managements berücksichtigt?

Das zweite Ziel dieser Arbeit ist es, die wichtigsten Elemente zu ermitteln, die für den hier zu entwickelnden Preisoptimierungsalgorithmus zu berücksichtigen sind. Wie bereits erwähnt, haben viele kleine und mittlere Unternehmen für die Preisoptimierung nur limitierten Zugriff auf Ressourcen, wie z. B. Personal, Daten, finanzielle Mittel, etc.

(Roll & Achterberg, 2013, S. 17; Wolf, Paul & Zipse, 2009, S. 61; Rumler, 2002, S. 29) und basieren deshalb ihre Entscheidungen auf Erfahrung (Roll & Achterberg, 2013, S.

18). Ein Ziel dieser Arbeit ist es deshalb, die Erfahrungen der Manager in ein Optimierungsverfahren für das Pricing zu überführen. Anstatt einen weiteren Ansatz zu entwickeln, welcher die grundlegenden Elemente aus historischen Daten ermitteln muss, werden in diesem Ansatz die gesammelten Erfahrungen der Mitarbeiter eines Handelsunternehmen dazu dienen, die benötigten Parameter für einen Optimierungsalgorithmus zu entwickeln. Um dies zu gewährleisten, werden in einer explorativen Studie, an der Handelsunternehmen unterschiedlicher Größe teilgenommen haben, zunächst die grundlegenden Einflussfaktoren der Preisentscheidungen bestimmt und gemäß ihrer Wichtigkeit für die Unternehmen eingeordnet. Ebenso wird überprüft, ob es hierbei Unterschiede zwischen Großunternehmen und kleinen und mittleren Unternehmen gibt. Diese Einflussfaktoren bilden die Basis für den Ansatz, der in dieser Arbeit vorgestellt wird. Es soll die folgende Forschungsfrage beantwortet werden:

19 3. Was sind die wichtigsten Einflussfaktoren, die für den hier zu entwickelnden Optimierungsansatz benötigt werden, und gibt es bei diesen Einflussfaktoren Unterschiede zwischen großen sowie kleinen und mittleren Unternehmen?

Des Weiteren soll bestimmt werden, ob bei Handelsunternehmen im Allgemeinen und bei kleinen und mittleren Unternehmen im Besonderen ein Bedarf an Verfahren zur Preisoptimierung festgestellt werden kann. Der Bedarf wird ebenfalls mithilfe der zuvor angesprochenen explorativen Studie abgefragt. Es wird zum einen ermittelt, ob es Unternehmen gibt, die einen Bedarf an Preisoptimierungsverfahren explizit äußern oder Preisoptimierungsverfahren bereits nutzen. Zum anderen wird ermittelt, ob es Unternehmen gibt, die einen Bedarf nicht explizit äußern, aber die Situation der Unternehmen Potenzial zum Einsatz von Preisoptimierungsverfahren zeigt. Die folgende Forschungsfrage soll erörtert werden:

4. Nutzen Unternehmen bereits Preisoptimierungsverfahren oder lässt sich ein Bedarf für solche Lösungen feststellen und ist dieser wiederum unterschiedlich in Abhängigkeit von der Unternehmensgröße?

Das dritte Ziel dieser Arbeit ist auch zugleich das Hauptziel. In diesem Teil wird der Optimierungsalgorithmus entwickelt und in der Praxis getestet. Viele Ansätze, die explizit die Prognose zukünftiger Ereignisse mithilfe analytischer Verfahren abbilden, erlangen einen zu hohen Grad an Komplexität (Zielke, 2003, S. 247). Dies führt dazu, dass die Ansätze für die Anwendung wieder vereinfacht werden müssen und damit Gefahr laufen, an Aussagekraft einzubüßen, weil nicht mehr alle Faktoren berücksichtigt werden. Daher ist für ein Verfahren, das auf den Entscheidungen und Erfahrungen der Mitarbeiter aufsetzt, wichtig zu wissen, wie die verwendeten Einschätzungen übertragen werden können. Die Herausforderung ist es, den Komplexitätsgrad für die Anwendung nicht unnötig zu erhöhen, aber trotzdem umfassend genug zu halten, um die Praxis abbilden zu können. In Kooperation mit einem Unternehmen wird überprüft, wie mittels Expertenbefragungen die für den Algorithmus wichtigsten Einflussfaktoren zu bestimmen sind. Es soll die folgende Forschungsfrage beantwortet werden:

20 5. Lassen sich die für den Optimierungsalgorithmus benötigten Parameter

mittels Expertenbefragungen ermitteln und in den Ansatz überführen?

Des Weiteren soll der Optimierungsansatz in der Praxis überprüft werden. Das ermittelte Verfahren wird dafür in einer Fallstudie getestet. Ziel ist es zu überprüfen, inwiefern der Algorithmus zu einer signifikanten Verbesserung der Unternehmensziele beiträgt. Dabei folgt diese Arbeit der Unterteilung von Zielke (2006, S. 109), der Category Pricing Modelle in ein Optimierungsmodul und ein Prognosemodul unterteilt.

Der erste Bereich, das Optimierungsmodul, verändert die Preise so, dass bestimmte Unternehmensziele optimiert werden. Der andere Bereich, das Prognosemodul, prognostiziert auf Basis der optimierten Werte zukünftige Ergebnisse. Beide Bereiche müssen zusammen betrachtet werden. Während beispielsweise ein Algorithmus zur Optimierung der Unternehmensziele beitragen kann, kann es trotzdem bei der Prognosegenauigkeit zu starken Abweichungen kommen. Dieser Vorgang lässt sich mithilfe der folgenden Forschungsfragen erörtern:

6. Lässt sich mit einem Preisoptimierungsalgorithmus, welcher auf den subjektiven Entscheidungen des Managements aufbaut, signifikante Verbesserungen der Unternehmensziele erreichen?

7. Wie gut ist die Prognosegenauigkeit eines solchen Algorithmus bezüglich der optimierten Unternehmensziele?