Zu frühe Preissenkungen vernichten Marge bei noch vorhandener Nachfrage. Zu späte hinterlassen Überbestand. Wie führende Fashion-Retailer den optimalen Markdown-Zeitpunkt datenbasiert bestimmen.
Seasonal Pricing im Fashion-Retail ist eine der anspruchsvollsten Pricing-Aufgaben überhaupt: Jede Kollektion hat ein definiertes Verkaufsfenster, das nicht verlängerbar ist. Wer zu spät mit Preissenkungen beginnt, sitzt am Saisonende auf Überbestand. Wer zu früh senkt, vernichtet Marge bei Kunden, die auch zum vollen Preis gekauft hätten.
Das Markdown-Timing-Problem
Klassisches Markdown-Management: Preissenkungen nach festem Kalender (z.B. immer in Woche 8 der Saison, dann Woche 12). Das Problem: Dieses Vorgehen ignoriert den tatsächlichen Abverkauf der jeweiligen SKU. Ein Bestseller in Woche 8 zu reduzieren ist Marge-Vernichtung. Ein Slow-Mover, der schon in Woche 4 lahmt, früher zu reduzieren würde mehr Gesamterlös erzielen.
Datenbasiertes Markdown-Management
Führende Händler (Inditex/Zara, H&M, About You) steuern Markdowns heute SKU-individuell auf Basis von Abverkaufsgeschwindigkeit und Restlaufzeit. Die Schlüsselkennzahl: Sell-Through-Rate (STR) – welcher Prozentsatz des Anfangsbestands wurde bis Woche X verkauft? Liegt die STR deutlich unter dem historischen Durchschnitt für diese SKU-Gruppe, wird früher reduziert. Liegt sie über Durchschnitt, wird gehalten. Das ergibt automatisch niedrigere durchschnittliche Markdowns bei gleichem oder höherem Abverkauf.
AI-gestützte Markdown-Optimierung
Tools wie EDITED, Nextail und Relex bieten automatisierte Markdown-Optimierung: Der Algorithmus berechnet für jede SKU den erlösmaximierenden Markdown-Zeitpunkt und -Tiefe unter Berücksichtigung von Restlaufzeit, aktuellem Bestand, historischer Preiselastizität und Wettbewerbspreisen. Pilotprojekte zeigen konsistent 10–20 % höhere Saisonerlöse bei gleichem Abverkauf gegenüber kalenderbasiertem Markdown.