Veel retailers maken gebruik van prijsdata om zicht te krijgen in het prijsniveau van andere spelers in de markt waarin ze zelf ook actief zijn. Ofwel: een aanzienlijk deel van de (web-)winkels houdt bij wat het eigen prijsniveau is ten opzichte van andere spelers in de markt. Dit gebeurt door offline spelers die willen weten hoe hun prijsniveau stand houdt ten opzichte van de online aanbieders, maar ook wat is de bandbreedte van de prijsniveaus en waar zit ik binnen deze bandbreedte. Uiteraard gaat dit op het niveau van het totale assortiment, maar met name op (sub-)categorie niveau en tot aan individueel productniveau. De bronnen die daarbij worden gebruikt verschillen in kwaliteit. De kwaliteit komt tot uiting in verschillende indicatoren: Zo is er de breedte en diepte van de verschillende prijsniveaus: ofwel welke winkels worden in ogenschouw genomen. Daarbij wordt vaak uitgegaan van het feit dat een winkel zelf een goed beeld heeft van de andere aanbieders. Dit klopt tot op zekere hoogte ook. Echter is er altijd verloop in de aanbieders, ofwel er komen nieuwe aanbieders bij of aanbieders verwijderen artikelen juist uit hun assortiment. Daarbij is ook van belang of een artikel leverbaar is (binnen afzienbare termijn) of volledig ‘out-of-stock’ is (ook bij leveranciers). Dus gecombineerd is te zeggen dat het aantal prijspunten van belang is, maar daarmee samenhangend dus ook de frequentie van updates van de prijsniveaus. Dit om zeker te weten dat het eigen prijsniveau eventueel wordt afgestemd op het aanbod van werkelijke aanbieders en niet op basis van ‘spook aanbod’ dat inmiddels al niet meer van toepassing is. Denk aan een kortingsweek van een aanbieder, of zelfs een tijdslot waarop een bepaalde korting geldt.

Door gebruik te maken van data van bronnen die zelf een redelijk tijdrovend traject volgen mbt het verwerven van de data en de verwerking ervan tot aan de export ervan, loop je het risico gebruik te maken van achterhaalde prijspunten en ‘spookprijzen’. Aangezien jezelf ook enige tijd nodig hebt om het prijsniveau aan te passen en live te zetten op de eigen website en diverse kanalen wordt dit aspect versterkt. Soms is het zo dat fluctuaties op korte termijn juist door enige rust (tijd) te gunnen worden geabsorbeerd en daarmee niet meer van toepassing zijn. Dit is echter niet het geval met prijsniveau data. Hoe langer ermee gewacht wordt, hoe meer partijen al zijn meegegaan in echt van belang zijnde prijsupdates en dit heeft direct effect op de omzet en margerealisatie van jou als winkelier.

Wist je dat er in kanalen zoals Google shopping tussen de 8-20% verouderde prijzen staan? Als jouw bronnen hiervan uit gaan dan heb jij dus echt een vraagstukje ten aanzien van op basis van welke data je de eigen prijzen vaststelt.

Dataedis heeft een techniek ontwikkeld waarmee de prijspunten van nieuwe aanbieders zeer frequent worden geactualiseerd. De prijzen van reeds bekende aanbieders worden daarbij uiteraard ook steeds actueel beschikbaar gesteld. Daarmee is dus een unieke en ideale mix van markt scan (wie biedt een artikel aan, tegen welke prijs) en actualiteit (zonder vertragingen door verwerken en live zetten op diverse kanalen naast de eigen website) geboden. Er kan worden gekozen om niet de volledige markt te willen overzien, maar dan slechts een selectie van aanbieders. Ook dan is het een groot voordeel met de juiste data te werken om de spookprijzen te voorkomen en de verkeerde beslissingen te maken die een direct op omzet en marge zullen hebben.

Neem contact met ons op over deze unieke dienst.