Einleitung
Für 59 % der Bevölkerung spielt der günstigere Preis im Onlinehandel im Vergleich zum Offlinehandel eine große Rolle[1] und ist damit der häufigste Grund zum Onlinekauf[2]. Folglich ist der Onlinehandel ein stark nach dem Preis ausgerichteter Markt. Auch die Individualisierung ist lange im E-Commerce verwurzelt und in personalisierten Gutscheinen und Werbung in Form von E-Mails oder Post zu finden. Dadurch können Zielpersonen auf für sie interessante Angebote hingewiesen werden. Wenn das Preismanagement und die Individualisierung passend kombiniert werden, entsteht die Möglichkeit der individuellen Preissetzung. Das Konzept der kundenspezifischen Preise ist in der freien Marktwirtschaft durchaus üblich. „Es ist […] ein Wesensmerkmal der Marktwirtschaft, dass Preise zwischen Verkäufer und Käufer individuell verhandelt bzw. vom Verkäufer an die Nachfrage angepasst werden“[3]. Daten über einen potenziellen Kunden und dessen Entscheidungsprozess können bereits durch seine Webseitenaufrufe gesammelt werden und können nach einer Auswertung genutzt werden, „um Preise an die persönliche „Schmerzgrenze“ [des Kunden] anzupassen.“[4]
In meiner Seminararbeit versuchte ich mittels eines Crawlers und verschiedenen emulierten Benutzerprofilen zu ermitteln, inwiefern schon heute individuelle Verbrauchermerkmale zur Preisdifferenzierung im regulären Onlinehandel zum Einsatz kommen. Dazu wurden 100 Artikel von acht der in Deutschland umsatzstärksten Onlineshops mit unterschiedlichen nutzerbezogenen und technischen Merkmalen auf den Einsatz von individuellen Preisen verglichen.
Personalisierte Preisgestaltung
Die personalisierte Preisgestaltung passt die Preise an persönliche Eigenschaften des Kunden an. Die Preise eines Artikels sind demzufolge auf eine gewisse Person und dessen Internetverhalten personalisiert und auch nur für sie einsehbar.
Für viele Verbraucher mag es im ersten Augenblick für Verwirrung sorgen, wenn sie erfahren, dass jeder einen individuellen Preis erhält. Allerdings entwickeln sich dadurch auch bis dato verborgene Chancen für Verbraucher.
Es gibt ein „soziale[s] Potential“[5] für personalisierte Preise. Es könnten Verbrauchern mit einem höheren Einkommen und hoher Preisakzeptanzschwelle Produkte mit einer größeren Marge verkauft werden, um im Umkehrschluss wiederum anderen Verbrauchern mit einem geringeren Einkommen die gleichen Produkte günstiger zu verkaufen.[6] So würde dem Unternehmen kein finanzieller Schaden entstehen und es könnte ein höherer Absatz generiert werden.
Andererseits profitiert ohne eine Personalisierung der Preise die Mehrheit der Verbraucher von denjenigen Kunden, die ein preissensibles Einkaufsverhalten aufweisen und deswegen vor dem Kauf die Preise vergleichen. „Durch eine Personalisierung des Marktes kann dieses solidarische Prinzip verschwinden.“[7] Außerdem kann der Mangel an Wissen zu den technischen Möglichkeiten der Preisdifferenzierung zu erhöhten Preisen führen.[8] Die Preisfairness wäre nicht mehr gegeben.
Für Onlineshops bestehen viele Möglichkeiten, das Kaufverhalten und weitere persönliche Eigenschaften des Kunden zu analysieren. Die personenbezogenen Daten, die ein Onlinehändler dafür auslesen kann, sind „unter anderem Informationen über die genutzte Hard- und Software, die IP-Adresse, Informationen über bereits besuchte Seiten (übermittelt über Cookies, Browserhistorie usw.), den Standort usw., […] und genutztem Einsprung auf die jeweilige Angebotsseite.“[9]
Umsetzung der Testumgebung
Die Testumgebung wurde mithilfe eines lokalen Webservers (XAMPP) von einem Computer eingerichtet. Es wurden mit der Testumgebung 100 verschiedene Artikel je Onlineshop mit 13 unterschiedlichen Nutzerprofilen auf ihre Preisgleichheit überprüft. Insgesamt wurden folgende acht Onlineshops mit in den Test einbezogen:
- https://www.misterspex.de/
- https://www.zalando.de/
- http://www.mediamarkt.de/
- https://www.baur.de/
- https://www.hagebau.de/
- https://www.mytoys.de/
- https://www.galeria-kaufhof.de/
- https://www.buecher.de/
Für die Emulation der Nutzer wurden 13 Profile erstellt, die sich in zwei spezifische Surfverhalten und sechs unterschiedliche Hardwarespezifikationen aufteilen, die miteinander gekreuzt wurden. Die Hardwarespezifikation wurde mittels eines angepassten User-Agent-String, Displayauflösungen und einer angepassten Fenstergröße simuliert.
Das erste Nutzerprofil „Clean“ mit der UserID 1 ist ein „sauberes“ Profil ohne Cookies und mit dem standardmäßigen User-Agent-String von PhantomJS mit einer Displayauflösung von 1920×1080. Die anderen Nutzer können der Tabelle entnommen werden:
Ergebnis
Das Surfverhalten wurde durch Cookies simuliert. Zunächst wurde überlegt, welche besuchten Seiten die einzelnen Surfverhalten auszeichnen. Dann wurden diese mit einem User besucht, die Cookies extrahiert und abgespeichert. Bei einem Aufruf eines Artikels von einer der Onlineshops wurden dann die von der Webseite benötigten Cookies aus unserem Surfverhalten mit verschickt, sodass, falls es zu einer Zuordnung kommt, diese stattfinden kann. Das Neuerstellen von Cookies wurde für die Artikelwebseite erlaubt, allerdings wurden die Cookies beim nächsten Artikelaufruf wieder zurückgesetzt, sodass die Artikel immer nur mit einem unveränderten Surfprofil abgeglichen wurden.
Es konnten mit der Testumgebung bei der Untersuchung von 100 Artikeln auf acht unterschiedlichen Onlineshops keine Preisdifferenzierungen durch unterschiedliche HTTP-Cookies und veränderte Hardwarespezifikationen festgestellt werden, was aber nicht bedeuten muss, dass es im E-Commerce keine personalisierte Preisgestaltung gibt. Die Testumgebung könnte aus mehreren Gründen keine Preisdifferenzierung ersten Grades festgestellt haben:
Die für das Surfverhalten angelegten Browserverläufe beziehungsweise Cookies könnten nicht ausreichend gewesen sein, um ein eindeutiges Profil für einen der emulierten User zu bilden. Dieses könnte sich eventuell durch „echte“ Cookies verbessern lassen, wofür die „echten“ Cookies aus dem Browser exportiert und für die Testumgebung zur Verfügung gestellt werden müssten. Das ist bei den gängigsten Internetbrowsern aus Sicherheitsgründen nicht möglich.
Eventuell geschieht schon vor den eigentlichen Artikelaufrufen, zum Beispiel im Kategoriemenü, die Zuordnung eines Userprofils und der eigentliche Artikellink verändert sich entsprechend pro User. Das könnte beispielsweise mittels GET-Parametern geschehen. Dieses wurde aus laufzeittechnischen Gründen in der Testumgebung unberücksichtigt gelassen.
Die vermutlich größte Schwachstelle des Crawlers ist, dass durch unterschiedliche JavaScript Abfragen erkannt werden kann, dass es sich bei der Testumgebung um einen „Headless-Browser“ handelt, wodurch eventuell andere „standardisierte“ Preise angezeigt werden.
Obwohl das Thema bereits bei vielen Unternehmen präsent ist, kann es dennoch sein, dass die negativen Aspekte der personalisierten Preisgestaltung für einige Unternehmen überwiegen oder das Prinzip noch nicht umgesetzt wurde beziehungsweise erst in der Entwicklung steht. Technisch, denke ich, dass die personalisierte Preisgestaltung bereits jetzt möglich ist. Vereinzelnd werden auch schon Preisdifferenzierungen durch Gruppenzugehörigkeiten getätigt. Allerdings denke ich, dass aus Angst vor Kundenreaktionen und durch den stetigen preislichen Wettbewerb höchstens sehr treue Kunden von einer personalisierten Preisgestaltung betroffen sein könnten, da andere Kunden ihren Kauf in einem günstigeren Onlineshop tätigen würden. Dennoch besteht ein großes Potential, sowohl für Unternehmer, als auch für einige Verbraucher in den personalisierten Preisen. Die Umsetzung sollte langsam und mit Bedacht stattfinden, um den Verbraucher erst an die individuellen Preise zu gewöhnen und nicht zu verschrecken.
Quellen:
[1] Vgl. Statista: lieber im Internet , 2018
[2] Vgl. Statista: lieber im Internet , 2018
[3] Schmidt, Felix: Personalisierte Preise, 2016
[4] Schmidt, Felix: Personalisierte Preise, 2016
[5] Österreichisches Institut für angewandte Telekommunikation: Dynamic Pricing, 2015, S.20
[6] Vgl. Knowledge@Wharton: Dynamic Pricing, 2005
[7] Vgl. Österreichisches Institut für angewandte Telekommunikation: Dynamic Pricing, 2015, S.20
[8] Vgl. Turow,Joseph/Feldman, Lauren/Meltzer, Kimberly: America’s Shoppers Online, 2005, S.30
[9] Schleusener, Michael: Personalisierung im Handel, 2016, S.74