Datengestützte Preisoptimierung
Kontext & Ziele

Ein internationaler Versicherer muss seine Preisgestaltungspraktiken ändern, um sie datengestützter zu gestalten.

Nutzung algorithmischer Preisgestaltungspraktiken, um Produktangebote, Preise und Werbeaktionen dynamisch festzulegen.

Ergebnis

Im Durchschnitt der gesamten Gruppe verbesserte sich der Umsatz um +10% und die Bottom Line um +2 pp

Unser Vorgehen

1. Schritt — Identifikation und Sammlung

  • Identifikation und Sammlung aller Daten: interne Daten, Kundendaten, Fahrzeugdaten, geokodierte Daten, andere externe Daten usw.
  • Aufteilung zwischen Projekten zur Vertragsverlängerung und zur Akquisition neuer Kunden

Schritt 2 — Bauen

  • Erstellung maschineller Lernwerte, um Folgendes vorherzusagen: Kundenrisiko, Kundenelastizitäten, Kundenverhalten, Marktwettbewerbsfähigkeit, Lebenszeitwert
  • Definition der Geschäftsziele sowie des Frameworks und des Solvers zur Preisoptimierung
  • Parallel: Entwurf der IT-Architektur, um die Lösung zu hosten (dynamische Optimierung der Preise in der Produktion). Bei jedem Schritt des Preisfindungsprozesses, Abschluss des Make-or-Buy-Verfahrens

Schritt 3 — Pilot

  • Zunächst Pilot für Verlängerungs- und Akquisitionsfälle mit einem bestimmten Unternehmen, danach die Einführung in 4 Unternehmen in 4 Regionen

Unsere Experten
Aime Lachapelle
Managing Partner
    OTHER CASE-STUDIES