Big Data Analytics: So wird jeder Tag zum Black Friday

Vier Ansätze, wie Händler mit Big Data ihre Umsätze steigern.

Foto: iStock

In den letzten Jahren sind Diskussionen über den Erfolg des Black Friday aufgekommen. Gründe dafür waren erste Angebote schon Tage vor dem Verkaufs-Freitag und schließlich die Erkenntnis, dass die Schnäppchen gar nicht so günstig sind, wie sie von den Unternehmen beworben werden. Dazu hat sich das Einkaufsverhalten verändert: Mehr und mehr Kunden steigen auf Online-Shopping um. Dies ist für Konsumenten bequemer, der Preisvergleich fällt leichter und man erspart sich das Gedränge in den Shops. Für den Online-Handel und Betreiber von Ladengeschäften wird es daher immer wichtiger, auch über die heißen Tage von Black Friday bis Cyber Monday hinaus ihren Kunden ein personalisiertes Shopping-Erlebnis zu bieten. Was dafür benötigt wird: aktuelle Analysen zu Kunden und Märkten, die auch für Mitarbeiter in den Fachabteilungen per Mausklick schnell und einfach abrufbar sind.

Damit die Cyber Week und das darauf folgende Weihnachtsgeschäft ein Erfolg werden, sollten Unternehmen vier Maßnahmen umsetzen. Damit schaffen sie die Grundlagen für eine optimierte Sales-Strategie, die dem Kunden ein individuelles Einkaufserlebnis ermöglichen.

 

  1. Stimmige Kundendaten erhöhen die Abschlussrate

Wer über detaillierte Verkaufshistorien zu seinen Kunden verfügt, kann Angebote gezielter an Bestandskunden ausspielen. Voraussetzung dafür ist ein gepflegtes Kundenprofil und valide Daten aus der Einkaufshistorie, die Mitarbeiter in den Fachabteilungen per Echtzeit aufrufen können.

Woher kommen aber überhaupt die Bestandsdaten? Im einfachsten Fall aus vorangegangenen Käufen, die dazu verwendet werden, ein Kundenprofil zu erstellen. Aber auch aus den zahlreichen Recherchen, die Konsumenten vor einem Kauf auf der eigenen Homepage durchführen sowie aus Social-Media- und Diskussionsplattformen.

Bevor die heiße Shopping-Phase beginnt, sollte auch die Datenqualität geprüft werden. Hierfür stellen Anbieter wie Talend geeignete Lösungen für das Data Quality Management bereit. Wichtige Funktionen sind ein Profiling von Bestandsdaten sowie die Bereinigung und Maskierung von Daten für die Weiterverarbeitung. Weiterhin wird durch Deduplizierung, Validierung und Standardisierung eine saubere Datenbasis geschaffen, sodass die anschließenden Analysen fehlerfreier und damit schneller ablaufen. Optional sollten Unternehmen externe Referenzdatenquellen integrieren, zum Beispiel für die Adressvalidierung, Unternehmensidentifizierung und Beurteilung der Kreditwürdigkeit bei Neukunden. Wer eine Plattform mit offenen APIs für die Datenintegration betreibt, kann diese Quellen sehr rasch integrieren – andernfalls werden umständliche Integrationsprojekte notwendig.

 

  1. Dynamisches und personalisiertes Pricing

Die Preisfindung ist besonders kritisch für den Abverkauf rund um den Black Friday und Cyber Monday, da hier sehr viele Händler die Kunden mit Angeboten locken. In die Preisgestaltung müssen also dynamisch aktuelle Marktdaten einfließen, wie der Abverkauf der letzten Stunden, noch vorhandene Lagerbestände oder die Popularität eines Produkts basierend auf Sentiment-Analysen aus Social Media und Diskussionsforen. Dazu kommen vergleichsweise statische Daten wie die Gewinnmarge und die Verkaufshistorie eines Kunden. Eine Datenintegrationsplattform übernimmt hierbei die Aufgabe, die Informationen aus unterschiedlichen Quellen zusammenzuführen. So ausgestattet, können Mitarbeiter auch ohne Programmierkenntnisse und basierend auf aktuellen Daten eine wirtschaftlich attraktive Preiskalkulation vornehmen.

Big Data Analytics eignen sich aber auch, um die dynamische Preisgestaltung, wie sie aktuell beispielsweise bei Flugbuchungen stattfindet, weiter voranzutreiben. Heute ergeben sich die Preisdifferenzen bei Flügen vor allem aus der Auslastung. Künftig sollen auch persönliche Merkmale des Nutzers wie Standort, die IP-Adresse oder mehrfaches Anklicken bei der Preissetzung berücksichtigt werden können. Die Daten hierfür sind bereits vorhanden, die Unternehmen müssten sie nur sinnvoll analysieren und verwerten.

Doch Vorsicht: Bei Kunden kann das dynamische Pricing auf Unverständnis stoßen, da die Preisgestaltung nach außen manchmal wenig nachvollziehbar erscheint. Der Schweizer Einzelhändler Coop beispielsweise hatte in der Vergangenheit einen Test mit personalisierten Rabatten in seinem virtuellen Supermarkt Coop@home durchgeführt. Konkret ermöglicht das System Folgendes: Wer ständig eine günstige Biersorte kauft, wird mit einem hohen Rabatt für ein teures Markenbier geködert. Der regelmäßige Käufer des Premiumbiers zahlt hingegen den vollen Preis. Die Strategie ging nicht auf, da viele Kunden unterschiedliche Preise für dieselben Produkte als unfair empfanden.

 

  1. Realtime Analytics helfen dabei, Trading Patterns zu erkennen

Ein Online-Shop mit Realtime-Analytics-Anwendung erlaubt besonders schnelle Reaktionen auf das Käuferverhalten. Erkennt das System ein Trading Pattern, bei dem der Kunde bald seinen Warenkorb löschen könnte, kann das System speziell zugeschnittene Rabatte ins Spiel bringen und so die Erfolgsrate erhöhen. Besonders wirksam: Über einen eingeblendeten Timer erhält ein Kunde ein individuelles Angebot für nur 30 Minuten reserviert. Ein Countdown zeigt die verbleibende Zeit für das Angebot und soll so eine rasche Entscheidung herbeiführen. Gleichzeitig wird dem Nutzer gezeigt, dass man ihn und seine Präferenzen kennt und in der Lage ist, persönliche Angebote zu unterbreiten. Ein Verkäufer in einem Ladengeschäft würde ähnlich handeln, um einen Kunden umzustimmen.

Ebenfalls sehr wirksam sind schnelle Lieferzeiten am gleichen Tag. So bieten in Großstädten erste Händler und große Elektronikmärkte bereits eine Lieferung innerhalb von Stunden an. Alternativ dazu bietet sich für kleinere Händler die Zusammenarbeit mit spezialisierten Logistikdienstleistern an, um innerhalb von Metropolen eine rasche Auslieferung am gleichen Tag zu realisieren. Wer auch hier eine offene IT-Infrastruktur mit standardisierten APIs betreibt, hat es deutlich leichter, die E-Commerce-Plattform eines externen Dienstleisters zu integrieren.

 

  1. Follow-the-sun-Strategie zur Sales-Optimierung

Ein Beispiel für Realtime-Analysen liefern große Handelsketten in den USA. Diese nutzen die drei Stunden Zeitdifferenz zwischen der Ost- und Westküste, um die später öffnenden Shops oder später aufstehenden Online-Kunden im Westen mit Angeboten zu überzeugen, die auf aktuellen Datenauswertungen von New York bis Miami resultieren.

Dies funktioniert in Europa zwar eher weniger, da die Zielgruppen in den Ländern meist zu unterschiedlich sind und es nicht diese großen Zeitzonen gibt. Eher noch könnten US-Anbieter auf Trends aus Großbritannien und Zentraleuropa zurückgreifen, um hier die Strategien für die Ostküste anzupassen. Aber auch ohne tagesaktuelle Aktualisierung zeigt diese Entwicklung, in welche Richtung sich Handelsketten bewegen sollten: nämlich mit Echtzeitanalysen möglichst zeitnah auf Kundenwünsche zu reagieren und nicht erst, nachdem der Monatsabschluss aus allen Verkaufsfilialen vorliegt.

 

Fazit: Mit Big-Data-Lösungen wird jeder Tag zum Black Friday

Das Online-Shopping hat den Black Friday erweitert: Viele Händler bieten rund um die Cyber Week und bis kurz vor Weihnachten immer wieder attraktive Schnäppchen für die Kunden. Big-Data-Analysen unterstützen den Vertrieb und das Marketing aber auch außerhalb vom saisonalen Abverkauf sehr wirkungsvoll. Voraussetzung ist eine IT-Infrastruktur, die die Integration von Daten aus verschiedenen Quellen unterstützt und auch den Anwendern in den Fachbereichen die Möglichkeit bietet, ohne Programmierkenntnisse neue Erkenntnisse aus aktuellen Daten zu beziehen. Das Ziel: individuelle und attraktive Angebote zu erstellen.

So werden aus Konsumenten glückliche Kunden mit hoher Markenbindung. Dies wusste schon Bo Derek, weiblicher Kinostar und Traum pubertierender männlicher Teenager in den 80er Jahren: »Whoever said money can’t buy happiness simply didn’t know where to go shopping.«

Otto Neuer

Otto Neuer, Vice President Sales EMEA Central bei Talend

 


 

Hier folgt eine Auswahl an Fachbeiträgen, Studien, Stories und Statistiken die zu diesem Thema passen. Geben Sie in der »Artikelsuche…« rechts oben Ihre Suchbegriffe ein und lassen sich überraschen, welche weiteren Treffer Sie auf unserer Webseite finden.

 

Big Data Analytics erfordert eine verlässliche Datenbasis

Studie zu Big Data Analytics deckt Defizite und Potenziale bei der Digitalen Transformation auf

Wie positionieren sich die Anbieter von Big Data Analytics im Schweizer Markt?

Unternehmen fordern die nächste Stufe für Big Data Analytics

Die Trends 2017 für Analytics, künstliche Intelligenz und Big Data