Revomo live erleben
Predictive Modeling

Wissen, wie Ihr Markt reagiert, bevor Sie einen Preis ändern.

Messen Sie die Preissensitivität, prognostizieren Sie die Nachfrage und erklären Sie Rabatte mit Modellen, die auf Ihre eigenen kommerziellen Daten angepasst sind und geprüft werden, bevor Sie sich darauf verlassen.

Ein Modell in Aktion sehenÜber Ihre Daten sprechen
Decision Optimization / Predictive Models / Price Elasticity on Invoice lines
Frage
Kann ein Distributor die Preise für Fittings erhöhen, ohne zu viel Volumen zu verlieren? Beispieldaten eines fiktiven Unternehmens.
Befund
Die 1/2"-Kupplung verliert je 1 % Preiserhöhung etwa 4,1 % Volumen; der 1"-Kugelhahn verliert etwa 0,74 % und verträgt also eine Erhöhung.
Grenze
Die 4"-Reinigungsöffnung hat nur 24 Preispunkte und einen Bereich, der die Null einschließt, ist also nicht signifikant. Ihr Wert ist nur ein grober Anhaltspunkt.
01 · Die Reaktion messen

Das Modell hinter der Antwort bauen.

Die Frage ist, wie das Fittings-Volumen auf den Preis reagiert. Das Modell ist deshalb eine Preiselastizität auf Rechnungszeilen: Typ wählen, Spalten zuordnen, und es sagt, wie es sich selbst prüft.

Modelltypen

Zehn Fragen, jede mit ihrem eigenen Modell.

Jeder Typ benennt die Frage, die er beantwortet, und wie er lernt: feste Regeln, eine statistische Anpassung oder maschinelles Lernen, das sich an Daten prüft, die es nicht gesehen hat.

Spalten

Spalten zuordnen, dann Treiber hinzufügen.

Jeder Typ fragt nach den Spalten, die er braucht. Zusätzliche Spalten können das Modell verändern, es in ein Modell je Wert aufteilen oder in die Ergebnisse mitlaufen.

So funktioniert es: Modelltypen und ihre Prüfungen
Ansätze
RFM Segmentation nutzt feste Regeln und trainiert nichts. Preis-, Kreuzpreis- und Aktionsmodelle passen bei jedem Lauf eine Formel in der Datenbank an. Prognosen, Clustering und Treiber trainieren im Hintergrund mit maschinellem Lernen.
Erst das Profil
Vor einem Lauf zeigt ein Datenprofil, was das Modell sehen wird, etwa wie viele Gruppen die Mindestzahl an Preispunkten erreichen, und empfiehlt Vorbereitung wie das Kappen extremer Preise.
Methoden
Wo ein Typ mehrere Methoden hat, etwa bei Prognosen, wählen Sie, welche versucht werden, das Maß, nach dem sie beurteilt werden, und ob die beste oder ein Durchschnitt behalten wird.
Verständliche Erklärungen
Jeder Typ erklärt die Modelle, die er nutzt, und wie er geprüft wird, bevor Sie ihn ausführen, in denselben Worten wie die Ergebnisse und der Bericht.
02 · Die Preisänderung testen

Die Erhöhung ausprobieren, bevor sie einen Kunden erreicht.

Bewerten Sie Preiskandidaten für dieselben Fittings gegen die angepassten Elastizitäten und lesen Sie ab, wo die Daten einen höheren Preis stützen und wo sie in die andere Richtung zeigen.

Decision Optimization / Predictive Models / Price Elasticity on Invoice lines

Der Score-Tab desselben Preiselastizitätsmodells. Zeilen mit Stückkosten zeigen Gewinn und Marge; die letzte Zeile ohne Produkt bewegt jedes Produkt mit klarem Preissignal um 2 %. Beispieldaten.

  • Ein Produkt oder alleNennen Sie ein Produkt und einen Preis, oder lassen Sie das Produkt leer, um jedes Produkt mit klarem Signal um denselben Prozentsatz zu bewegen.
  • Warnungen, wo die Daten dünn sindEin Preis, zu dem das Produkt nie verkauft wurde, oder eine Elastizität ohne klares Signal wird neben dem Ergebnis markiert.
  • Viele Zeilen auf einmalFügen Sie Zeilen einzeln hinzu oder kopieren Sie sie aus einer Tabelle, bis zu 5.000 auf einmal.
Preisoptimierung

Den gewinnmaximierenden Preis finden, wo die Daten einen stützen.

Ein Price-Optimization-Modell liest Elastizität und Kosten jedes Produkts und gibt den Preis, der den Gewinn maximiert, nahe an den Preisen, die Sie tatsächlich verlangt haben.

Was die Preismodelle annehmen

Das Ergebnis mit seinen Grenzen lesen.

  • Gemessen an Ihrer HistorieElastizitäten ergeben sich daraus, wie sich das Volumen bewegt hat, als sich Ihre eigenen Preise bewegt haben. Wo sich Preise kaum geändert haben, wird das Ergebnis markiert, statt es zu raten.
  • Alles andere bleibt gleichDie Modelle nehmen an, dass Wettbewerbspreise und Aktionen konstant geblieben sind, und sie sind am wenigsten verlässlich weit außerhalb der Preise, die Sie verlangt haben.
  • Gewinn, nicht Ihre StrategieDer Optimalpreis ignoriert Volumenziele, Preispunkte und Effekte zwischen Produkten. Diese entscheiden Sie in Decision Optimization.
Decision Optimization
So funktioniert es: Bewertung und Optimalpreis
Bewertung
Score nutzt die aktive Version. Die erwarteten Stückzahlen skalieren mit der Preisänderung hoch der Elastizität des Produkts, über einen Zeitraum so lang wie die Daten, aus denen das Modell gelernt hat. Gewinn und Marge brauchen Stückkosten, in der Zeile eingetragen oder vom Modell mitgeführt.
Optimalpreis
Das Optimum ist Kosten × e ÷ (e + 1), nur angegeben, wo die Elastizität signifikant und klar elastisch ist, und bleibt im beobachteten Preisbereich, erweitert um einen zulässigen Spielraum (10 %, sofern Sie ihn nicht ändern).
Kein Preis wird geändert
Bewertungen und Optimalpreise sind Ergebnisse zur Prüfung. Nichts wird in eine Preisliste geschrieben, bis jemand in Price Management danach handelt.
Kein Constraint-Solver
Hier gibt es keine Preisuntergrenzen, Preisbänder oder Deal-Regeln. Die gehören zu Decision Optimization.
03 · Finden, wo Marge verloren geht

Prüfen, wo Rabatte die Erhöhung zunichtemachen würden.

Ein höherer Preis hält nur, wenn Rabatte im Rahmen bleiben. Ridgeway Plumbing kauft das preissensibelste Produkt, bekommt mehr Rabatt als in seiner Gruppe üblich und hat zuletzt nicht bestellt.

Rabatttreiber

Finden, wer Rabatt bekommt und wo er zu tief geht.

Das Modell lernt, welche Kunden-, Produkt- und Auftragsmerkmale Rabatte erklären, als lesbare Regeln, und beziffert den Umsatz oberhalb des üblichen Bereichs jeder Gruppe.

Kundensegmente

Kunden danach gruppieren, wie sie kaufen.

Bewerten Sie jeden Kunden danach, wie kürzlich, wie oft und wie viel er kauft, oder lassen Sie das Clustering die Gruppen in den Daten finden.

So funktioniert es: Treiber und Segmente
Treiber erklären, sie beweisen nicht
Rabatt- und Transaktionstreiber stammen aus einem lesbaren Entscheidungsbaum, geprüft an Kunden oder Transaktionen, die er nicht gesehen hat. Sie zeigen, welche Merkmale mit tieferen Rabatten einhergehen, nicht, dass das Merkmal sie verursacht hat.
Gefährdeter Umsatz
Jede Gruppe bekommt eine Schwelle (Tail Threshold), den Punkt, ab dem ein Rabatt für diese Gruppe als zu tief gilt. Der gefährdete Umsatz ist der überschießende Rabatt mal Umsatz zum Listenpreis.
Segmente
RFM bewertet jeden Kunden von 1 bis 5 gegen den Rest des Kundenstamms und benennt das Segment mit festen Regeln. Customer und Transaction Clustering finden die Gruppen stattdessen in den Daten und berichten, wie gut sie getrennt sind.
Ebenfalls verfügbar
Cross-Price Elasticity zeigt, welche Produkte sich gegenseitig Absatz nehmen oder stützen. Promo Uplift misst, ob Aktionen zusätzliches Volumen gebracht haben und was sie an Marge gekostet haben.
04 · Planen und aktuell halten

Das Quartal prognostizieren und das Modell aktuell halten.

Prognostizieren Sie die Nachfrage nach den Fittings für das nächste Quartal und lassen Sie das Elastizitätsmodell neu trainieren, wenn neue Rechnungen eintreffen, damit die nächste Preisprüfung mit aktuellen Daten beginnt.

Nachfrageprognose

Das Quartal für dieselben Fittings prognostizieren.

Jedes Produkt wird aus seiner eigenen Historie prognostiziert, mit einem wahrscheinlichen Bereich, und der Lauf schreibt einen Bericht, der das Ergebnis in Diagrammen und in verständlicher Sprache erklärt.

Versionen

Mit neuen Daten neu trainieren und das bessere Modell behalten.

Das Elastizitätsmodell trainiert neu, wenn seine Quelle aktualisiert wird. Eine neue Version ersetzt die aktive Version nur, wenn sie nicht weniger genau ist.

So funktioniert es: Prognosen, Versionen und Berichte
Prognosen
Je Reihe probiert das Modell Glättung, Holt-Winters, ARIMA, Prophet und Gradient Boosting sowie ein Modell, das über alle Reihen trainiert ist, und behält das beste aus rollierenden Backtests. Der wahrscheinliche Bereich wird an den Fehlern dieser Backtests kalibriert.
Versionen
Die zehn jüngsten Versionen werden mit ihren Ergebnissen behalten. Ein Lauf, den Sie starten, wird zur aktiven Version; ein durch eine Aktualisierung gestartetes Training nur, wenn es nicht weniger genau ist. Sie können jederzeit auf eine frühere Version zurückwechseln.
Methoden
Wo ein Typ mehrere Kurven oder Methoden anpassen kann, bewertet jeder Lauf sie nach dem Maß Ihrer Wahl und behält die beste oder einen Durchschnitt.
Berichte, Copilot und Export
Erzeugen Sie einen schriftlichen Bericht zu jedem Lauf, bitten Sie Copilot, ein Modell zu erstellen, auszuführen, zu vergleichen oder zu bewerten, und exportieren Sie Ergebnisse als CSV. Die Herkunft (Lineage) zeigt, welche Modelle von einem Dataset oder einer View abhängen.
05 · Was enthalten ist

Was enthalten ist.

Was Predictive Modeling Ihnen bietet, was jedes Abonnement hinzufügt und was Sie später ergänzen können.

In Predictive Modeling

  • Zehn ModelltypenPrognosen, Preisreaktion, Treiber und Segmente, jeweils mit eigenen Prüfungen.
  • Score und OptimalpreisPreise gegen ein angepasstes Modell testen, bevor Sie einen ändern.
  • Versionen und BerichteGüte je Version, Neutraining bei Aktualisierung und ein schriftlicher Bericht zu jedem Lauf.

In jedem Abonnement

Bei Bedarf ergänzen

Unterstützte Lösungen: Umsatz- & Margenplanung, Angebote & Deal-Pricing verwalten, Preisdurchsetzung & Margenverluste.

FAQ

Häufige Fragen

Was macht Predictive Modeling?

Es passt Modelle an Ihre eigenen kommerziellen Daten an, um konkrete Fragen zu beantworten: wie das Volumen auf den Preis reagiert, wie viel Sie in der nächsten Periode verkaufen werden, welche Kunden ähnlich kaufen und was erklärt, wer Rabatt bekommt. Heute gibt es zehn Modelltypen, jeder mit eigenen Prüfungen, und die Ergebnisse fließen in Planungs-, Preis- und Angebotsentscheidungen ein.

Welche Daten brauche ich?

Das hängt vom Modell ab. Die Preiselastizität braucht Preis und Menge je Verkauf, eine Nachfrageprognose ein Datum und einen Wert, Kundensegmente einen Kunden, ein Datum und den Umsatz, Rabatttreiber den Rabatt und den Umsatz, auf den er angewendet wurde. Fügen Sie eine Kostenspalte für Gewinn und Marge hinzu. Die Daten kommen aus Datasets und Views im Data & Context Studio.

Data & Context Studio →

Woher weiß ich, ob ich einem Ergebnis vertrauen kann?

Jeder Modelltyp erklärt, wie er geprüft wird, und die Ergebnisse zeigen es. Elastizitäten tragen einen p-Wert und einen 95-%-Bereich, Gruppen mit zu wenigen Preispunkten werden markiert, Prognosen werden an zurückgehaltenen Perioden getestet, und jede Version hält ihre Gütezahl fest. Ein Ergebnis, das die Daten nicht stützen, bleibt leer, statt geraten zu werden.

Kann es Preise empfehlen?

Teilweise. Ein Price-Optimization-Modell gibt je Produkt den gewinnmaximierenden Preis aus der gemessenen Elastizität, nur wo die Daten einen stützen und nahe an den Preisen, die Sie tatsächlich verlangt haben. Es wendet keine Preisuntergrenzen, Preisbänder oder Freigaben an. Preise innerhalb dieser Grenzen zu wählen ist Decision Optimization, sie zu ändern ist Price Management.

Decision Optimization →

Zeigt es, was eine Veränderung verursacht?

Nein. Elastizitäten und Treiber messen, wie sich Dinge in Ihrer Historie gemeinsam bewegt haben. Das ist ein nützlicher Befund, aber kein Beweis für eine Ursache. Die Preismodelle nehmen an, dass Wettbewerbspreise und Aktionen gleich geblieben sind, und jeder Bericht listet die Annahmen und Grenzen seines Laufs, damit Sie beurteilen können, wie weit Sie sich darauf verlassen.

Wie bleiben Modelle aktuell?

Führen Sie ein Modell erneut aus, aktualisieren Sie es mit den neuesten Daten, oder schalten Sie das Neutraining ein, damit es bei jeder Aktualisierung seiner Quelle eine neue Version trainiert. Eine neu trainierte Version ersetzt die aktive Version nur, wenn sie nicht weniger genau ist. Die jüngsten Versionen werden behalten, sodass Sie zwei vergleichen und zurückwechseln können.

Werden unsere Daten zum Trainieren von Modellen verwendet?

Ihre Daten werden verwendet, um den Service bereitzustellen, zu unterstützen, abzusichern und zu verbessern. Davon getrennt erlaubt die Vereinbarung Revomo, aggregierte und de-identifizierte Daten zu verwenden, auch zum Trainieren und Verbessern von Modellen, nur in einer Form, die weder Sie noch Ihre Nutzer oder Ihre Kunden identifizieren kann. Modelle Dritter werden zur Inferenz über Amazon Bedrock genutzt, einen gelisteten Unterauftragsverarbeiter.

Ändern Vorhersagen Preise von selbst?

Nein. Die Ergebnisse eines Modells sind eine Grundlage für eine Entscheidung, keine Aktion. Konfigurierte Grenzen gelten für Empfehlungen, Ausnahmen gehen in die Prüfung, und Aktionen laufen über Freigabe-Workflows, jeweils mit Herkunft (Lineage) und Prüfpfad. Eine Aktion, die die Freigabe einer Person braucht, braucht sie auch dann, wenn ein Agent sie vorschlägt.

Sehen Sie, wie Ihre Kunden auf Preise reagieren.

Gehen Sie diese Modelle mit Beispieldaten durch und besprechen Sie, welche Fragen Ihre eigenen Daten beantworten können.

Modeling-Walkthrough buchenPlattform entdecken
Plate B2 · Series 2026