Opinie | Van den Eijnden: Onbedoelde kartelvorming door artificial intelligence
Veel fleetowners kiezen bij leasing voor multi-supply, ofwel voor meerdere leveranciers (meestal twee). Het uitgangspunt is dat beide leveranciers elkaar in deze constructie tijdens de contractperiode beconcurreren op prijs om zoveel mogelijk orders binnen te halen. En in het verleden werkte dat prima. De bonus van de accountmanager van de leasemaatschappij hing af van het aantal orders en er waren geen systemen om de winstgevendheid van de order te controleren.
Dat laatste is in de loop der jaren echter veranderd. Leasemaatschappijen zijn door de grote hoeveel data als geen ander in staat om allerlei analyses te maken en de winstgevendheid per klant, segment, merk en zelfs per model te bepalen. In eerste instantie achteraf, maar met alle systemen en risicomodellen van vandaag de dag ook steeds vaker vooraf.
Realistischer
Al meer dan tien jaar geleden werden er systemen gebruikt die in staat waren om de winstgevendheid van één enkele order te voorspellen. Vanzelfsprekend ging het hierbij om schattingen, maar de informatie werd steeds beter en de voorspelling dus steeds realistischer.
Dankzij die kennis van de marge per order verandert ook de scope in een multi-supply-situatie: van zoveel mogelijk orders scoren naar niet meer dan de helft. In multi-supply krijg je immers alleen die opdrachten waarin je goedkoper bent, omdat je net iets andere inschattingen maakt dan je concurrent. En dat betekent in de meeste gevallen een minder gunstige marge. Sommige orders moet je dus juist niet binnen halen en dat kan door een paar procenten hoger te offreren dan de concurrent.
Je kunt als leasemaatschappij het beste sturen op 45 procent van de opdrachten
Feitelijk moet je dus als leasemaatschappij niet meer dan 50 procent van de opdrachten van deze leverancier willen, want dat kost te veel marge. Als je echter te weinig orders haalt, dan word je de volgende keer niet meer uitgenodigd (want je bent niet concurrerend). Als je te veel binnenhaalt, geldt dit voor die andere leverancier – en daar komt er dan een voor in de plaats die kennelijk scherper kan offreren. Voor beide leveranciers is het dus gunstiger om rond het midden te blijven zitten.
Als je het prijsverschil ziet dat nodig is om 55 procent van het vlootaandeel te halen ten opzichte van het niveau dat je 45 procent aandeel geeft, dan kan het maar zo zijn dat de totale brutomarge in beide gevallen gelijk is. Maar je hebt wel minder auto’s en minder balanstotaal, waardoor belangrijke KPI’s als rendement op eigen vermogen stijgen. Je moet dus eigenlijk op 45 procent sturen.
Artificial intelligence
En hier schuilt het gevaar van artificial intelligence. Zolang wij mensen samen zitten in het accountteam kijken we ook naar de aantallen en spelen er allerlei subjectieve overwegingen een rol om toch zeker voor minstens 50 procent vlootaandeel te gaan. Maar wat als wij deze beslissing uit handen geven aan de computer die alleen maar rekent. Die stuurt bij de volgende offerte een iets hoger tarief want die wil nu juist onder de 50 procent vlootaandeel blijven.Autofabrikanten Renault, Nissan, PSA, FCA en Jaguar Landrover werden er in 2019 van verdacht kunstmatig de prijzen van onderdelen op te drijven met behulp van de speciale pricingsoftware Partneo.
Een interessante ontwikkeling, want de concurrent is ongetwijfeld ook een professional, met een soortgelijk programma dat ook berekent hoe hij onder de 50 procent kan blijven. Dus bij de volgende offerte doet ook hij de prijs een beetje omhoog…en zo wordt de langzaam stijgende prijsspiraal geboren. De fleetowner meent een concurrerende situatie te hebben maar de computers spelen onder een hoedje, en dat zonder ooit contact met elkaar gehad te hebben.
Het lijkt misschien vergezocht, maar ik weet uit eigen ervaring dat ook al toen er alleen mensenhanden aan te pas kwamen, werd geëxperimenteerd met het “defensiever prijzen”, met soortgelijk resultaat. Nog niet iedere leasemaatschappij biedt geautomatiseerd aan op basis van rendementscalculaties maar de data en de rekenmodellen om dit allemaal door computers af te laten handelen zijn er al.
