Zusammenfassung
Das algorithmenbasierte Pricing ist auf dem Vormarsch – dank der Vielzahl an Daten zum Kundenverhalten, die vor allem online verfügbar sind. Algorithmen werden immer besser darin, auf Basis dieser Daten zum einen Preisbereitschaften abzuschätzen und zum anderen Preisentscheidungen vollautomatisiert durchzuführen. Dabei lässt sich Dynamic Pricing mit unterschiedlichen Preisen im Zeitablauf vom personalisierten Pricing mit seinen individuellen Preisen abgrenzen. Auf Kundenseite und aus verbraucherpolitischer Sicht ergeben sich neue Fragen und Anforderungen an algorithmische Preisentscheidungen. Vor diesem Hintergrund stellen sich zahlreiche Herausforderungen an das Pricing-Management, die vom zielführenden Einsatz dieser Methoden bis zur Sicherstellung der gesellschaftlichen Akzeptanz reichen.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Similar content being viewed by others
Literatur
Bandi, C., Moreno, A., Ngwe, D., & Xu, Z. (2018). Opportunistic Returns and Dynamic Pricing: Empirical Evidence from Online Retailing in Emerging Markets. Working Paper 19–030, Harvard Business School.
Calvano, E., Calzolari, G., Denicolò, V., & Pastorello, S. (2019). Algorithmic Pricing What Implications for Competition Policy? Review of Industrial Organization, 55, 155–171. https://doi.org/10.1007/s11151-019-09689-3.
Choe, C., King, S., & Matsushima, N. (2017). Pricing with Cookies: Behavior-Based Price Discrimination and Spatial Competition. Management Science, 64(12), 5669–5687. https://doi.org/10.1287/mnsc.2017.2873.
Cosguner, K., Chan, T., & Seetharaman, P. B. (2017). Behavioral Price Discrimination in the Presence of Switching Costs. Marketing Science, 36(3), 426–435. https://doi.org/10.1287/mksc.2016.1024.
Ebers, M. (2018). Beeinflussung und Manipulation von Kunden durch „Behavioral Microtargeting“: Verhaltenssteuerung durch Algorithmen aus der Sicht des Zivilrechts. MMR, 7, 423–428.
Elmaghraby, W., & Keskinocak, P. (2003). Dynamic Pricing in the Presence of Inventory Considerations: Research Overview, Current Practices, and Future Directions. Management Science, 49(10), 1287–1309.
Fisher, M., Gallino, S., & Li, J. (2017). Competition-Based Dynamic Pricing in Online Retailing: A Methodology Validated with Field Experiments. Management Science 64(6), 2496–2514. https://doi.org/10.1287/mnsc.2017.2753.
Gerlick, J. A., & Liozu, S. M. (2020). Ethical and legal considerations of artificial intelligence and algorithmic decision-making in personalized pricing. Journal of Revenue and Pricing Management, 19, 85–98. https://doi.org/10.1057/s41272-019-00225-2.
Jullien, B., Reisinger, M., & Rey, P. (2019). Personalized Pricing and Brand Distribution. Working Paper TSE – 995. Toulouse School of Economics.
Kimes, S. E., & Wirtz, J. (2015). Revenue Management: Advanced Strategies and Tools to Enhance Firm Profitability. Foundations and Trends in Marketing, 8(1), 1–68. https://doi.org/10.1561/1700000037.
Reinartz, W., Haucap, J., Wiegand, N., & Hunold, M. (2018). Preisdifferenzierung und -dispersion im Handel. IFH White Paper (6), Köln.
Reinartz, W., & Wiegand, N. (2019). The Perils of Retail Price Differentiation: Why Nobody Wins When Customers Lose. NIM Marketing Intelligence Review, 11(1), 31–35. https://doi.org/10.2478/nimmir-2019-0005.
Rossi, P. E., McCulloch, R. E., & Allenby, G. M. (1996). The Value of Purchase History Data in Target Marketing. Marketing Science, 15(4), 321–340.
Schleusener, M. (2017). Personalisierte Preise im Handel – Chancen und Herausforderungen. In E. Stüber & K. Hudetz (Hrsg.), Personalisierung im Handel (S. 71–89). Springer Gabler.
Seara, J., Biscarini, L., Bianchi, F., Todescan, S., Callersten, J., & Dodero, L. (2020). The Advanced Analytics behind Fashion Company Markdowns. Boston Consulting Group.
Seele, P., Dierksmeier, C., Hofstetter, R., & Schultz, M. D. (2021). Mapping the Ethicality of Algorithmic Pricing: A Review of Dynamic and Personalized Pricing. Journal of Business Ethics, 170, 697–719. https://doi.org/10.1007/s10551-019-04371-w.
Spann, M., & Skiera, B. (2020). Dynamische Preisgestaltung in der digitalisierten Welt. Schmalenbachs Zeitschrift für betriebswirtschaftliche Forschung, 72(3), 321–342.
Tillmann, T. J., & Vogt, V. (2018). Personalisierte Preise – Diskriminierung 2.0? ABIDA-Dossier September 2018.
van der Rest, J.-P. I., Sears, A. M., Miao, L., & Wang, L. (2020). A note on the future of personalized pricing: Cause for concern. Journal of Revenue and Pricing Management, 19, 113–118. https://doi.org/10.1057/s41272-020-00234-6.
Verbraucherzentrale Brandenburg e. V. (Hrsg.) (2018). Individuelle Preisdifferenzierung im deutschen Online-Handel. Eine Untersuchung der Verbraucherzentralen – November 2018.
Xia, L., Monroe, K. B., & Cox, J. L. (2004). The Price Is Unfair! A Conceptual Framework of Price Fairness Perceptions. Journal of Marketing, 68(October), 1–15.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2022 Der/die Autor(en), exklusiv lizenziert durch Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Schleusener, M. (2022). Algorithmenbasiertes Pricing. In: Halfmann, M., Schüller, K. (eds) Marketing Analytics. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-33809-1_14
Download citation
DOI: https://doi.org/10.1007/978-3-658-33809-1_14
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-33808-4
Online ISBN: 978-3-658-33809-1
eBook Packages: Business and Economics (German Language)