Die meisten KI-basierten Pricing-Tools haben einen einzigen Modus: eine Empfehlung ausgeben. Daten eingeben, eine Zahl erhalten, anwenden. Die Frage, ob die zugrunde liegende Analyse belastbar genug ist, um darauf zu handeln, wird in der Regel nicht gestellt. Die Zahl kommt trotzdem heraus.
Wir haben Pricing Intelligence mit einem anderen Grundprinzip entwickelt. In unserem Pilotprojekt mit vier Tankstellen haben sieben von acht Produktlinien statistisch validierte Preisempfehlungen geliefert. Die achte — Standort 2, Diesel — nicht.
Deshalb haben wir sie zurückgehalten.
Was die Daten gezeigt haben
Der statistische Test für Diesel an Standort 2 ergab einen p-Wert von 0,41. Auf den Punkt gebracht: Die Daten konnten den Preiseffekt nicht zuverlässig vom zufälligen Rauschen unterscheiden. Die gemessene Sensitivität war leicht negativ (-0,69), was auf eine moderate Absatzreaktion auf den Preis hindeutete, aber das Konfidenzintervall schloss null ein — was bedeutet, dass ein tatsächlicher Preiseffekt nicht ausgeschlossen werden konnte.
Standort 2 bedient vor allem Flottenkundinnen und -kunden. Flottenverträge sind von Natur aus preisunempfindlich. Dieser Kontext ist mit dem statistischen Ergebnis konsistent. Aber Kontext allein ist kein Beweis.
Die Daten sagten, wir können es nicht beweisen. Also haben wir nicht gepreist.
Warum es sich lohnt, darüber zu schreiben
Für einen Betreiber ist eine zurückgehaltene Empfehlung kein Scheitern. Es ist eine Information. Der Diesel an Standort 2 ist preisunempfindlich — oder zumindest können die aktuellen Daten das Gegenteil nicht belegen. Das verändert, wie man über diese Produktlinie denkt: Sie ist kein Kandidat für Margenoptimierung über den Preis, und sie als solchen zu behandeln, wäre Raterei.
Für uns ist das zurückgehaltene Ergebnis auch ein Designprinzip. Ein Pricing-System, das unabhängig von der Qualität der Evidenz eine Zahl produziert, ist kein sichereres System — es ist ein System, das seine eigene Unsicherheit im Output versteckt. Die verantwortliche Person sieht eine Empfehlung. Sie sieht nicht, ob die zugrunde liegende Analyse einen Signifikanztest bestanden hat oder nicht.
Pricing Intelligence trennt diese beiden Dinge. Sieben Produktlinien haben die Hürde genommen; eine nicht. Die sieben erhalten eine tägliche Empfehlung. Die eine erhält ein Flag und eine Erklärung.
Die weitergehende Schlussfolgerung
Statistische Signifikanzschwellen sind derselbe Standard, der zur Validierung von A/B-Tests in führenden Technologie- und E-Commerce-Unternehmen verwendet wird. Die Hürde — ein p-Wert unter 0,05, ein 95-Prozent-Konfidenzintervall, das null ausschließt — ist nicht exklusiv für die akademische Forschung. Es ist die Konvention, die Unternehmen täglich für Pricing- und Produktentscheidungen verwenden.
Diesen Standard auf die Kraftstoffpreisgestaltung anzuwenden — je Tankstelle und Kraftstoffsorte — bedeutet, dass jede von Pricing Intelligence produzierte Empfehlung dagegen getestet wurde. Und es bedeutet, dass die Empfehlung zurückgehalten wird, wenn der Test nicht bestanden wird — nicht versteckt, nicht geglättet, nicht geschätzt.
Acht Möglichkeiten. Sieben bewiesen. Eine zurückgehalten. So sieht evidenzbasiertes Pricing in der Praxis aus.
Pilotdaten: Backwell-Tech-Netzwerk mit 4 Tankstellen, Backtest über 110 Wochen. p-Werte und Konfidenzintervalle entsprechen den Messungen aus dem live durchgeführten Pilotprojekt. Ergebnisse sind Orientierungswerte, keine Garantie zukünftiger Leistung.
Statistischer Standard: Wasserstein, R. & Lazar, N. (2016). The ASA Statement on p-Values. The American Statistician 70(2), 129-133.
Über Backwell Tech
Backwell Tech ist ein High-Tech-Unternehmen mit Sitz in Berlin, das sich auf prädiktive Lösungen auf Basis künstlicher Intelligenz spezialisiert hat. Die Plattform bietet Unternehmen skalierbare KI-Modelle zur Gewinnmaximierung, wobei historische Daten und Echtzeitdaten genutzt und die Datenintegrität gewährleistet werden. Seit seiner Gründung im Jahr 2019 verbindet Backwell Tech bahnbrechende Forschung mit praktischer Innovation im Bereich der erklärbaren Algorithmen. Das Unternehmen konzentriert sich auf die ethische Entwicklung von KI und liefert zuverlässige und interpretierbare Prognosen, die fundierte Geschäftsentscheidungen ermöglichen. Weitere Informationen finden Sie unter www.backwelltechcorp.com.
Kontakt Backwell Tech Corp:
Maximilian Gismondi
Quellen
- Pilotdaten: Backwell Tech, internes Pilotprojekt, 4 Tankstellen, 110-Wochen-Backtest. Ergebnisse sind Orientierungswerte, keine Garantie zukünftiger Leistung.
- Statistischer Standard: Wasserstein, R. & Lazar, N. (2016). The American Statistician 70(2), 129-133.
- A/B-Testing-Konvention: Kohavi, R., Tang, D. & Xu, Y. (2020). Trustworthy Online Controlled Experiments. Cambridge University Press.