Du hast deinen AdBlocker an?

Es wäre ein Traum, wenn du ihn für t3n.de deaktivierst. Wir zeigen dir gerne, wie das geht. Und natürlich erklären wir dir auch, warum uns das so wichtig ist. Digitales High-five, deine t3n-Redaktion

E-Commerce

Zauberformel Predictive Analytics: Warum der E-Commerce aus Big Data Smart Data machen sollte

    Zauberformel Predictive Analytics: Warum der E-Commerce aus Big Data Smart Data machen sollte
(Foto: Shutterstock / Rawpixel)

Zukunftsprognosen sind so alt wie die Menschheit und haben nichts von ihrer Faszination verloren. Mit Hilfe von Predictive Analytics können Onlineshops aus ihren Datenmengen komplexe Zusammenhänge vorhersagen und dieses Wissen dazu nutzen, Geschäftsprozesse zu optimieren.

Predictive Analytics: Die riesigen Datenmengen filtern

facebook_rechenzentrum_14
Weltweit fallen immer schneller immer mehr Datenmengen an. (Foto: Facebook)

Die immer weiter und schneller fortschreitende Digitalisierung bringt es mit sich: Vom Auto zur Kaffeemaschine, von der Industrieanlage zum Smartphone, vom Herzschrittmacher zum Browser – überall fallen Daten an und zwar in sehr großen Mengen. Große Datenmengen gab es schon immer, aber die Wachstumsgeschwindigkeit erreicht aufgrund der immer engmaschigeren Vernetzung eine neue Dimension. IDC meldet ein Datenwachstum von 40 Prozent pro Jahr bis 2020. Die schier unvorstellbare Datenmenge von 44 Zettabyte soll sich bis dahin angesammelt haben, das ist Big Data mit all seinen Merkmalen: Datenmenge, Geschwindigkeit, in der die Daten anfallen, Unsicherheit der Daten und Datenvielfalt. IBM bezeichnet das als die vier „V“: Volume, Velocity, Veracity und Variety.

„Kunden sind Wiederholungs-Täter, und ein Gruppenverhalten lässt sich durchaus auf einzelne Personen runterbrechen.“

Die Datenflut überschwemmt auch den E-Commerce, mobile Zugriffe auf die Onlineshops verstärken den Effekt. Wie aber können sich Shops das Big-Data-Aufkommen zu Nutze machen? Das Always-Online-Prinzip führt zu einem geänderten Kundenverhalten, die Informationsquellen werden vor einem Kauf intensiv genutzt. Ob nun Social Media, Suchmaschine, Produkttests – alles fließt in die Kaufentscheidung mit ein. Deswegen ist es wichtig, die Customer-Journey bis zum Check-Out-Prozess zu begleiten. Das Idealszenario: Man weiß schon vorher, was der Kunde kaufen will – und am besten auch noch warum. Die allseits beliebte Glaskugel vom Jahrmarkt aber hilft bei der Optimierung von E-Commerce-Prozessen leider nicht weiter, wohl aber die historischen Daten. Kunden sind Nachmacher, Wiederholungstäter, und ein Gruppenverhalten lässt sich durchaus auf einzelne Personen runterbrechen. Man muss den Kunden nur der richtigen Zielgruppe zuordnen und seine Gewohnheiten und Bedürfnisse kennen.

Individuelle Sortimentsgestaltung

(Screenshot: ACID21)
Mit einem großen Datensatz und Predictive Analytics kann man individuell für den Kunden den „eigenen“ Onlineshop kreieren. (Screenshot: ACID21)

Die passende Technik hierfür ist Predictive Analytics, eine Kombination aus Statistik, Data-Mining und Operations-Research. Sie fügt sich optimal in eine bestehende Business-Intelligence-Landschaft ein. Auf der Basis von Prognosemodellen können Vorhersagen getroffen werden, mit denen sich beispielsweise begrenztes Marketingbudget zielgerichtet einsetzen lässt. Das lässt sich auch auf den Onlineshop übertragen, um ein großes Dilemma zu lösen: Um die Zahl der potentiellen Kunden zu maximieren, wird eine breitgefächerte Produktpalette benötigt. Für den einzelnen Kunden kann die Angebotsvielfalt aber auch erdrückend, wenn nicht gar abschreckend wirken. Die Produktauswahl könnte für einzelne Kunden zugeschnitten werden, das geht aber nur, wenn man den Kunden gut kennt.

Mit einem großen Datensatz und Predictive Analytics kann man individuell für den Kunden den „eigenen“ Onlineshop kreieren und schafft für ihn ein optimales Einkaufserlebnis. Nicht nur die passende Produktauswahl lässt sich hier präsentieren, auch ein Upselling gestaltet sich effizienter: Mit den passenden personalisierten Empfehlungen wird erreicht, dass der Warenkorb beim Check-Out mehr Produkte enthält, als der hoch zufriedene Kunde eigentlich zu Anfang kaufen wollte. Zu so einem Shop wird der Kunde auch gerne wieder zurückkehren.

Optimierungspotenzial Pricing, Retouren, Logistik

(Foto:  Shutterstock / Rawpixel)
Es gibt noch viel zu tun für den E-Commerce. (Foto: Shutterstock / Rawpixel)

„Mit der Zeit wird das System immer besser und schafft Mehrwert für den Kunden und auch für den Onlineshop.“

Ob ein Kunde ein Produkt bei einem bestimmten Händler kauft oder eben nicht kauft, hängt von einigen Faktoren ab. Ein entscheidender Faktor ist mit Sicherheit der Preis. Am POS ist der Griff zum Smartphone längst Alltag, um schnell den Preis mit Online-Händlern zu vergleichen. Online sind es die Preissuchmaschinen, die schnell den günstigsten Preis ausspucken und den potenziellen Kunden mit Link zum entsprechenden Onlineshop führen. Durch eine gut kombinierte Datenbasis lassen sich Preise vorhersagen und somit auch anpassen. Damit kommt man dem Optimum sehr nahe: den richtigen Preis, zum richtigen Zeitpunkt, und schon endet die Customer Journey im Onlineshop. Mit steigender Kenntnis über den Kunden steigen auch die Möglichkeiten für zielgerichtete Predictive Analytics, zum Beispiel für Retouren. Warum nicht die Warenkörbe analysieren und potenzielle Retouren identifizieren und gegensteuern? Entweder durch Mechanismen, die den Kunden dazu bringen, nicht direkt Retouren einzuplanen oder durch eine optimierte Planung des Logistikpersonals.

Sobald man Daten verknüpft und Prognosemodelle darauf aufbaut, wandelt man die Big-Data-Sammlung in eine wertvolle Smart-Data-Sammlung um. Wichtig ist, sich nicht komplett auf Predictive Analytics zu verlassen, sondern die Vorhersagen zu überprüfen und dann auch die Prognosemodelle entsprechend anzupassen. Mit der Zeit wird das System immer besser und schafft Mehrwert für den Kunden und auch für den Onlineshop. Der Markt für Lösungen zu Predictive Analytics ist stark in Bewegung und deswegen empfiehlt es sich, eher klein anzufangen – mit direkt messbaren Zielen. Damit auch die IT-Entscheidung „smart“ bleibt.

Mehr zum Thema Smart Data im E-Commerce gibt es auch auf dem Internet World Kongress beim Panel „Smart Data“: Dienstag, 24. März 2015, 11:30 bis 15:30 Uhr, „Innovations- und Personalisierungsstrategien mit Smart Data“.

Finde einen Job, den du liebst zum Thema Magento, Online Marketing

Schreib den ersten Kommentar!

Melde dich mit deinem t3n-Account an oder fülle die unteren Felder aus.

Abbrechen