KI im E-Commerce: Pricing & Empfehlungen, KI Schulung

Dynamic Pricing und Recommendation Engines entscheiden im Online-Handel zunehmend über Umsatz, Marge und Kundenbindung – oft im Hintergrund und ohne dass Fachbereiche die Logik dahinter vollständig durchschauen. Dieses zweitägige Seminar schließt diese Lücke: Du lernst, wie datengetriebene Preis- und Empfehlungssysteme funktionieren, welche Datenbasis sie benötigen und wo ihre Grenzen und Risiken liegen.

Im Mittelpunkt stehen praxisnahe Fragen: Wie unterscheiden sich regelbasierte und Machine-Learning-basierte Pricing-Strategien? Welche Guardrails verhindern Preisspiralen oder Kannibalisierung? Wie bewertest Du die Qualität von Empfehlungen anhand von KPIs wie Precision, Recall, CTR oder Profit? Du arbeitest Dich durch die gesamte Kette von der Datenbasis über Modellansätze bis zu Evaluation, Rollout und Betrieb – inklusive organisatorischer Fragen wie Drift-Erkennung, Retraining und Roadmap-Planung.

Das Seminar richtet sich bewusst an Fach- und Verantwortungsträger, nicht an Entwicklerinnen und Entwickler: Du musst keine Modelle selbst bauen, sondern lernst, fundierte Entscheidungen zu treffen, Anbieter und Dienstleister kritisch zu befragen und die Wirkung von Pricing- und Empfehlungssystemen im eigenen Shop realistisch einzuschätzen.

Use Cases, Grenzen und Risiken

• Dynamic Pricing versus Promotion-Logik

• Umsatzhebel von Recommendation Engines

• Preisspiralen und Kannibalisierung

• Filterblasen und Sortimentsverzerrungen

• Transparenz und Fairness-Aspekte

• Wettbewerbsrechtliche Sensibilisierung

Datenbasis, Tracking und Feature-Design

• Shop-Events und Session-Signale

• Views, Warenkörbe und Käufe

• Retouren und Verfügbarkeitseffekte

• Produktattribute und Katalogqualität

• Nachfrage, Saison und Wettbewerb

• Kontext, Affinitäten und Kundensegmente

Dynamic Pricing mit Regeln und Guardrails

• Preisanker und Elastizität

• Margenlogik und Mindestpreise

• Regelbasierte Pricing-Strategien

• Machine-Learning-basierte Preisprognosen

• Preisänderungsfrequenz und Rundungen

• Monitoring von Profit und Beschwerden

Recommendation Engines und Shop-Architektur

• Candidate Generation und Ranking

• Collaborative Filtering im Shop

• Content-based Recommendations

• Hybride Empfehlungslogiken

• Cold Start bei Produkten

• Erklärbarkeit von Empfehlungen

Evaluation, Experimente und KPI-Steuerung

• Precision, Recall und NDCG

• CTR, CVR und AOV

• Profit, Marge und LTV

• A/B-Tests und Holdouts

• Guardrail-KPIs für Experimente

• Bias, Leakage und Messfehler

Rollout, Betrieb und Organisation

• Batch-Verarbeitung versus Realtime-Logik

• Latenz, Kosten und Komplexität

• Versionierung und Retraining

• Drift-Erkennung im Modellbetrieb

• Merchandising und Kampagnensteuerung

• Roadmap mit Quick Wins

Das Seminar richtet sich an E-Commerce-Managerinnen und -Manager mit Verantwortung für Umsatz, Marge, Conversion Rate oder Warenkorbwert sowie an Product Owner für Shop, Personalisierung, Suche, Empfehlungen oder Pricing-Systeme.

Angesprochen sind außerdem Data Analysts, BI-Verantwortliche und CRM-Teams im Handel mit Schnittstelle zu Marketing, Sortiment oder IT sowie Marketing-, Performance- und Category-Verantwortliche, die Dynamic Pricing und Recommendation Engines fachlich bewerten oder steuern möchten.

Du solltest ein Grundverständnis zentraler E-Commerce-KPIs wie Conversion Rate, Marge, Warenkorbwert und Retourenquote mitbringen sowie Interesse an datenbasierter Optimierung, Experimentlogik und KPI-Steuerung haben. Programmierkenntnisse sind für die Teilnahme nicht erforderlich.