Dynamic pricing nella moda: dove l'IA aiuta e dove danneggia il brand?

Nel pricing della moda l'IA aiuta soprattutto in ribassi, saldi e pianificazione delle promozioni, dove decide quanto e quando scontare lo stock che non vende. Danneggia il brand quando i prezzi cambiano così spesso, in modo così visibile o così personalizzato che i clienti imparano ad aspettare, a confrontare o a diffidare. La differenza sta meno nell'algoritmo che nei paletti che un brand gli pone attorno.

Che cos'è il dynamic pricing nella moda?

Dynamic pricing significa modificare spesso i prezzi in base a domanda, stock, prezzi dei concorrenti o tempo rimanente nella stagione. Nella moda va da una cadenza di ribassi graduale e basata su regole fino a variazioni quasi in tempo reale nei canali online. Conviene distinguere tre varianti, perché i loro rischi sono molto diversi.

• Ottimizzazione dei ribassi: decidere tempistica e profondità degli sconti sullo stock stagionale.
• Variazioni di prezzo basate sulla domanda: alzare o abbassare i prezzi in stagione in funzione del sell-through.
• Pricing personalizzato: clienti diversi vedono prezzi diversi per lo stesso articolo in base ai loro dati.

Dove aiuta il pricing con l'IA le aziende della moda?

Il caso meglio documentato è quello dei saldi. Caro e Gallien, lavorando con il team pricing di Zara e pubblicando su Operations Research nel 2012, hanno sostituito un processo di ribasso manuale e informale con un modello formale di previsione e ottimizzazione dei prezzi. In un esperimento sul campo controllato in tutti i negozi belgi e irlandesi nella stagione autunno-inverno 2008, il nuovo processo ha aumentato i ricavi da saldi di circa il 6%, e Zara lo ha poi adottato in tutto il mondo per le decisioni sui ribassi di fine stagione.

Online, una ricerca con il retailer di vendite flash Rue La La ha rilevato che la domanda di un articolo dipendeva dai prezzi degli altri articoli della stessa categoria, per cui i prezzi dovevano essere ottimizzati insieme. Working Knowledge della Harvard Business School riporta che un esperimento sul campo condotto a gennaio 2014 ha aumentato i ricavi sui prodotti testati di circa il 9,7% con un impatto minimo sulle unità vendute. In entrambi i casi l'algoritmo operava all'interno di un modello di business che già accettava la variazione dei prezzi.

Leggi anche

Marketplace per i brand di moda: modelli, compromessi e controllo

Come può il dynamic pricing danneggiare un brand di moda?

I brand di moda vendono un'idea di valore tanto quanto un prodotto. Quando i prezzi cambiano di continuo, emergono diversi rischi.

Per i brand premium e del lusso il rischio è maggiore, perché la coerenza dei prezzi è di per sé un segnale di qualità. Un brand che sconta automaticamente per smaltire lo stock può guadagnare margine in questa stagione e indebolire il sell-through a prezzo pieno della prossima. Questo compromesso compare raramente nella funzione obiettivo dell'algoritmo, a meno che qualcuno non ve lo inserisca.

I brand che vendono attraverso il wholesale affrontano un rischio aggiuntivo. Se un algoritmo abbassa i prezzi nell'online store del brand, i partner retail che vendono gli stessi prodotti ai prezzi consigliati perdono vendite e margine, e possono reagire riducendo gli ordini o scontando a loro volta. Le variazioni di prezzo nei canali diretti vanno quindi coordinate con le condizioni wholesale e con i venditori sui marketplace, altrimenti il canale del brand stesso diventa la causa dell'erosione del suo posizionamento di prezzo sul mercato.

Che cosa dicono le autorità di regolamentazione sul pricing dinamico e personalizzato?

Nell'UE, la direttiva Omnibus (UE) 2019/2161 ha inserito l'articolo 6 bis nella direttiva sull'indicazione dei prezzi: ogni annuncio di riduzione di prezzo deve indicare il prezzo precedente, definito come il prezzo più basso applicato in un periodo non inferiore a 30 giorni prima della riduzione. Gli Stati membri dovevano applicare le norme a partire dal 28 maggio 2022. Un pricing con rapidi rialzi e ribassi incide quindi direttamente sul prezzo di riferimento che un retailer può mostrare accanto a uno sconto.

La stessa direttiva ha modificato la direttiva sui diritti dei consumatori, stabilendo che i professionisti devono informare i consumatori, ove applicabile, che un prezzo è stato personalizzato sulla base di un processo decisionale automatizzato. Negli Stati Uniti, a gennaio 2025 la Federal Trade Commission ha pubblicato i primi risultati del suo studio sul surveillance pricing, osservando che gli intermediari possono attingere a un'ampia gamma di dati dei consumatori per influenzare i prezzi che le persone vedono. L'American Bar Association riferisce che lo Stato di New York ha approvato un Algorithmic Pricing Disclosure Act che impone un'etichetta quando un algoritmo fissa un prezzo usando dati personali, e che a ottobre 2025 un giudice federale ha respinto un ricorso del settore retail contro questa legge.

Dove dovrebbe tracciare il confine un brand di moda?

Una policy praticabile parte dal posizionamento del brand, non dalla tecnologia. La maggior parte delle aziende della moda può giustificare il supporto algoritmico per profondità e tempistica dei ribassi sullo stock stagionale, per la pianificazione delle promozioni e per test di prezzo controllati sui nuovi prodotti. Molte sceglieranno di tenere fuori dall'automazione, o di escludere del tutto, le variazioni del prezzo pieno sulle linee continuative, gli aumenti di prezzo sui bestseller scarsi e qualsiasi forma di personalizzazione individuale del prezzo.

1. Definire quali categorie, canali e mercati l'algoritmo può prezzare e quali no.
2. Fissare prezzi minimi, prezzi massimi e una frequenza massima di variazione per articolo.
3. Aggiungere all'obiettivo metriche di brand, come la quota di sell-through a prezzo pieno, e non solo i ricavi.
4. Registrare ogni variazione di prezzo automatizzata con il prezzo di riferimento richiesto dalla legge.
5. Rivedere i risultati ogni stagione insieme ai team di merchandising, brand e legale.

Leggi anche

Architettura dei prezzi: prezzo all'ingrosso, prezzo consigliato e listini in valuta

Il dynamic pricing è adatto a tutti i brand di moda?

No. I retailer off-price, di vendite flash e di fascia economica competono già sulla variazione dei prezzi, quindi il pricing algoritmico è in linea con il loro modello. I brand costruiti sull'integrità del prezzo pieno traggono maggior beneficio dall'usare l'IA per fissare il giusto prezzo iniziale e acquistare la giusta profondità, riducendo in partenza la necessità di ribassi. Il dynamic pricing è uno strumento per gestire tanto gli errori quanto le opportunità; migliori sono le decisioni a monte, meno un brand ne ha bisogno.

Qualunque sia il modello, la decisione su quanto gli algoritmi possano muovere i prezzi è una questione di governance. Spetta alle persone responsabili di brand, margine e conformità legale, e andrebbe messa per iscritto prima che un sistema entri in funzione, non scoperta dopo in un reclamo di un cliente o in una lettera di un'autorità di regolamentazione.