2011 ein fataler Fehler beziehungsweise ein potentieller Lucky Shot. Zwei Drittanbieter haben auf Amazon das gleiche Buch angeboten. Der simple Algorithmus konnte damals noch überlistet werden und das Buch kostete 23 Mio. US-Dollar. Mehr Abschlüsse durch Kompensation Sowas darf natürlich nicht passieren – aber es passierte – warum? Die ersten Algorithmen zu diesem Thema widmeten sich vor allem der Konkurrenz. Wie viel Geld wird verlangt, wie lange gilt das Angebot, gibt es Rabatte oder Aktionen? Nach dem man sich von dieser Denkweise gelöst hat, wendete man sich dem Käufer zu. Dynamische Preise wurden für verschiedene Segmente, meist basierend auf soziografischen Eigenschaften, ausgespielt. Falls man von diesen Algorithmen profitiert, hat man sicherlich nichts dagegen etwas zu sparen. Findet man sich aber auf der anderen Seite wieder und muss mehr bezahlen, findet man das ganze sicherlich nicht so spaßig. Denn dort, wo man Low-Segment-Käufer gewinnt (niedrigere Gewinne macht), muss man mehr aus den High-Segment-Käufern herausholen (um niedrigere Gewinne zu kompensieren). The Bigger Picture Zusammen mit der Entwicklung des persönlichen Home-Assistenten kann das ein spannendes Szenario werden. Wenn der Algorithmus lernt, dass einige Käufer wenig Zeit mit Preisvergleichen verbringen und lieber Produkte über den Home-Assistenten bestellen, wird er zum Pokerspieler. Er spekuliert auf ein bestimmtes Verhalten und macht einen guten Deal. Das Bestellen von Lebensmitteln wird dadurch auch zu einem Pokerspiel, wenn in der Zukunft automatisch bestimmte Produkte nachgekauft werden sollen. Interessant? Du fandest das spannend? Hier gibt es eine absolute Empfehlung zu einem Radio-Interview (englisch) mit Sven Brodmerkel (Professor, Bond University), Max Daniel (Executive Director, FRI Berlin) und Steve Wise (President, Nonhuman Rights Project) mit dem Titel: Dynamic pricing – and should AI be granted “legal personhood”. Außerdem wird es demnächst im Science Radar auch Updates zum Thema Dynamic Pricing geben.]]>