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.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Notes
- 1.
Es gibt nur drei Hebel der Profitabilität, und zwar Preis, Menge und Kosten. Diese ergeben sich aus folgender Formel: Profit = Preis x Menge – Kosten.
- 2.
Unterschiedliche Zahlungsbereitschaften sind sowohl auf verschiedene Marktsegmente als auch auf unterschiedliche Kanäle oder Produkt-Zyklusphasen bzw. Kaufentscheidungssituationen bezogen.
- 3.
Literatur
Belobaba, P. P. (1989). Application of a probabilistic decision model to airline seat inventory control. Operations Research, 37(2), 183–197.
Charnsirisakskul, K., Griffin, P. M., & Keskinocak, P. (2006). Pricing and scheduling decisions with leadtime flexibility. European Journal of Operations Research, 171(1), 153–169.
Defregger, F., & Kuhn, H. (2007). Revenue management for a make-to-order company with limited inventory capacity. OR Spectrum, 29(1), 137–156.
Kahneman, D., Slovic, P., & Tversky, A. (1982). Judgment under uncertainty: Heuristics and biases (S. 223). Cambridge: Cambridge University Press.
Kimms, A., & Müller-Bungart, M. (2003). Revenue Management beim Verkauf auftragsorientierter Sachleistungen. Arbeitspapier, Lehrstuhl für Produktion und Logistik, Technischen Universität Bergakademie Freiberg.
Klein, R. (2001). Revenue Management: Quantitative Methoden zur Erlösmaximierung in der Dienstleistungsproduktion. Betriebswirtschaftliche Forschung und Praxis, 53(3), 245–259.
Klein, R., & Steinhardt, C. (2008). Revenue Management: Grundlagen und Mathematische Methoden. Berlin: Springer.
Klophaus, R., & Pölt, S. (2007). Airline overbooking with dynamic spoilage costs. Journal of Revenue Management & Pricing, 6(1), 9–18.
Kolisch, R., & Zatta, D. (2009). Stand und Perspektiven des Einsatzes von Revenue Management in der Prozessindustrie. Berlin: Springer.
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.
Lindenmeier, J., & Tscheulin, D. K. (2003). Yield Management – Ein State-of-The-Art. Zeitschrift für Betriebswirtschaft, 73(6), 629–662.
Littlewood, K. (1972). Forecasting and control of passenger bookings. AGIFORS Symposium Proceedings, 12, 95–117.
Mohammed, R. (2017). The 1% windfall. New York: Harper Collins.
Rothstein, M. (1971). An airline overbooking model. Transportation Science, 5(2), 180–192.
Schroeck, M., Shockley, R., Smart, J., Romero-Morales D., & Tufano P. (2012). Analytics: Big Data in der Praxis. Said Business School and IBM: Oxford.
Smith, B. C., Leimkuhler, J. F., & Darrow, R. M. (1992). Yield management at American Airlines. Interfaces, 22(1), 8–31.
Spengler, T., & Rehkopf, S. (2005). Revenue Management Konzepte zur Entscheidungsunterstützung bei der Annahme von Kundenaufträgen. Zeitschrift für Planung, 16(2), 123–146.
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.
Talluri, K. T., & Ryzin, G. J. van. (2004). Revenue management. Boston: Kluwer.
Watanapa, B., & Techanitasawad, A. (2005a). Simultaneous price and due date settings for multiple customer classes. European Journal of Operational Research, 166(2), 351–368.
Watanapa, B., & Techanitasawad, A. (2005b). A genetic algorithm for the multi-class contingent bidding model. OR Spectrum, 27(4), 425–549.
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.
Zatta, D. (2016). Revenue management in manufacturing: State of the art, application and profit impact in the process industry. Berlin: Springer.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2019 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Zatta, D. (2019). Agiles Pricing. In: Olbert, S., Prodoehl, H. (eds) Überlebenselixier Agilität . Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-18897-9_6
Download citation
DOI: https://doi.org/10.1007/978-3-658-18897-9_6
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-18896-2
Online ISBN: 978-3-658-18897-9
eBook Packages: Business and Economics (German Language)