Advertisement

Agiles Pricing

Profitsteigerung durch einen innovativen und dynamischen Pricing-Ansatz
  • Danilo Zatta
Chapter

Zusammenfassung

In diesem Kapitel werden die gestiegenen Anforderungen an das Management von Preisen und Konditionen in der VUCA-Welt durch die zunehmende Dynamisierung der Nachfrage, gekoppelt mit der digitalen Revolution, beleuchtet. Für ein agiles Pricing sind nach Auffassung des Autors vor allem drei Elemente relevant: Ertragsmanagement (Revenue Management), psychologisches Pricing (Behavioural Pricing) und Big Data Pricing. Durch eine Kombination dieser Elemente kann das Pricing agilisiert werden und sich den immer schneller wandelnden Kundenbedürfnissen und Marktgegebenheiten anpassen. Somit nimmt das Pricing eine tragende Rolle in Programmen zur kontinuierlichen Optimierung und Wandlung eines Unternehmens ein. Der Autor veranschaulicht die Pricing Agilität anhand von zahlreichen Praxisbeispielen aus der Dienstleistungs- wie der Prozessindustrie.

Literatur

  1. Belobaba, P. P. (1989). Application of a probabilistic decision model to airline seat inventory control. Operations Research, 37(2), 183–197.CrossRefGoogle Scholar
  2. Charnsirisakskul, K., Griffin, P. M., & Keskinocak, P. (2006). Pricing and scheduling decisions with leadtime flexibility. European Journal of Operations Research, 171(1), 153–169.CrossRefGoogle Scholar
  3. Defregger, F., & Kuhn, H. (2007). Revenue management for a make-to-order company with limited inventory capacity. OR Spectrum, 29(1), 137–156.CrossRefGoogle Scholar
  4. Kahneman, D., Slovic, P., & Tversky, A. (1982). Judgment under uncertainty: Heuristics and biases (S. 223). Cambridge: Cambridge University Press.CrossRefGoogle Scholar
  5. Kimms, A., & Müller-Bungart, M. (2003). Revenue Management beim Verkauf auftragsorientierter Sachleistungen. Arbeitspapier, Lehrstuhl für Produktion und Logistik, Technischen Universität Bergakademie Freiberg.Google Scholar
  6. Klein, R. (2001). Revenue Management: Quantitative Methoden zur Erlösmaximierung in der Dienstleistungsproduktion. Betriebswirtschaftliche Forschung und Praxis, 53(3), 245–259.Google Scholar
  7. Klein, R., & Steinhardt, C. (2008). Revenue Management: Grundlagen und Mathematische Methoden. Berlin: Springer.Google Scholar
  8. Klophaus, R., & Pölt, S. (2007). Airline overbooking with dynamic spoilage costs. Journal of Revenue Management & Pricing, 6(1), 9–18.CrossRefGoogle Scholar
  9. Kolisch, R., & Zatta, D. (2009). Stand und Perspektiven des Einsatzes von Revenue Management in der Prozessindustrie. Berlin: Springer.Google Scholar
  10. Kuhn, H., & Defregger, F. (2005). Revenue Management in der Sachleistungswirtschaft: Eine empirische Untersuchung am Beispiel der Papier-, Stahl- und Aluminiumindustrie. Diskussionsbeiträge der Wirtschaftswissenschaftlichen Fakultät Ingolstadt, Katholische Universität Eichstätt-Ingolstadt, Nr. 171.Google Scholar
  11. Lindenmeier, J., & Tscheulin, D. K. (2003). Yield Management – Ein State-of-The-Art. Zeitschrift für Betriebswirtschaft, 73(6), 629–662.Google Scholar
  12. Littlewood, K. (1972). Forecasting and control of passenger bookings. AGIFORS Symposium Proceedings, 12, 95–117.Google Scholar
  13. Mohammed, R. (2017). The 1% windfall. New York: Harper Collins.Google Scholar
  14. Rothstein, M. (1971). An airline overbooking model. Transportation Science, 5(2), 180–192.CrossRefGoogle Scholar
  15. Schroeck, M., Shockley, R., Smart, J., Romero-Morales D., & Tufano P. (2012). Analytics: Big Data in der Praxis. Said Business School and IBM: Oxford.Google Scholar
  16. Smith, B. C., Leimkuhler, J. F., & Darrow, R. M. (1992). Yield management at American Airlines. Interfaces, 22(1), 8–31.CrossRefGoogle Scholar
  17. Spengler, T., & Rehkopf, S. (2005). Revenue Management Konzepte zur Entscheidungsunterstützung bei der Annahme von Kundenaufträgen. Zeitschrift für Planung, 16(2), 123–146.CrossRefGoogle Scholar
  18. Spengler, T., Rehkopf, S., & Volling, T. (2007). Revenue management in make-to-order manufacturing – An application to the iron and steel industry. OR Spectrum, 29(1), 157–171.CrossRefGoogle Scholar
  19. Talluri, K. T., & Ryzin, G. J. van. (2004). Revenue management. Boston: Kluwer.Google Scholar
  20. Watanapa, B., & Techanitasawad, A. (2005a). Simultaneous price and due date settings for multiple customer classes. European Journal of Operational Research, 166(2), 351–368.CrossRefGoogle Scholar
  21. Watanapa, B., & Techanitasawad, A. (2005b). A genetic algorithm for the multi-class contingent bidding model. OR Spectrum, 27(4), 425–549.CrossRefGoogle Scholar
  22. Weatherford, L. R., & Bodily, S. E. (1992). A taxonomy and research overview of perishable-asset revenue management: Yield management, overbooking, and pricing. Operations Research, 40(5), 831–844.CrossRefGoogle Scholar
  23. Zatta, D. (2016). Revenue management in manufacturing: State of the art, application and profit impact in the process industry. Berlin: Springer.CrossRefGoogle Scholar

Copyright information

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019

Authors and Affiliations

  1. 1.Management ConsultantMünchenDeutschland

Personalised recommendations