IT-Lösungen für Fachabteilungen im Unternehmen

Big Data im Einzelhandel

Kundenverständnis – der Schlüssel zum Erfolg

Quelle: Hortonworks

Der stationäre Handel hat es nicht einfach. Die Bindung der Kunden an Marken und Anbieter befindet sich im Sinkflug, und über Margen aus dem normalen Verkauf mag der Einzelhändler kaum mehr nachdenken. Dies gilt für alle Sparten, sei es der Lebensmittelhandel, die Elektronikmärkte oder Autohäuser. Der Aufstieg der Internetplattformen wie Amazon oder Zalando hat diese Situation weiter verschärft. Zudem können die Online-Händler kostengünstiger und zielgerichteter anbieten, da sie keine Warengeschäfte benötigen und auch einen großen Teil der Lagerhaltung an die Hersteller und Großhändler geben können.

Große Datenmengen

Quelle: Hortonworks

Lange Zeit hatten die Ladengeschäfte einen großen Vorteil: Sie kannten ihre Kunden und haben direkt mit ihnen kommuniziert. Doch auch das ist passé – im Gegenteil. Durch die immer weiter ansteigende Online-Zeit und damit auch auf den Seiten der Internet-Händler, haben diese die Chance, weitreichende Kenntnis über die Wünsche und Befindlichkeiten des Kunden zu gewinnen. Aufgrund des Surfverhaltens, der Klicks und der jeweiligen Verweildauer auf den einzelnen Seiten, können Betreiber detailliert analysieren, welche Angebote den Interessen der Kunden besonders entgegenkommen, auch wenn diese Produkte nicht angeklickt werden.

Dies erzeugt eine große Menge an Daten, insbesondere bei den großen, bekannten Handelsplattformen. Herkömmliche Systeme sind damit oft überfordert. Aber die Händler benötigen die Analyse der Daten in Echtzeit, um den (potenziellen) Kunden auf seinen Seiten zu halten, und durch permanente Analyse der Klicks und Aufenthaltsdauer wirklich sofort auf die möglichen Vorlieben des Surfers zu reagieren.

Diese Daten liegen in den verschiedensten Formaten vor und werden auch oft in isolierten Datensilos hinterlegt. Möchten Händler nun beispielsweise eine Marketingaktion durchführen, steht ein Teil der dafür benötigten Informationen nicht sofort zur Verfügung. Doch wie lässt sich dieses Problem lösen?

Unterschiedliche Quellen

Als sinnvollster Ansatz erscheint die Zusammenfassung der unterschiedlichen Datenquellen zu einem Big-Data-System. Denn im Gegensatz zu gängigen Lösungen verarbeiten Big-Data-Systeme die Informationen in unterschiedlichsten Formaten – sei es strukturiert oder unstrukturiert – und aus unterschiedlichen Quellen. Für den Handel ist dabei von besonderer Bedeutung, dass diese Connected-Data-Plattformen nicht nur die Daten der Unternehmens-IT verarbeiten und analysieren können, sondern auch soziale Medien wie Twitter, Facebook, LinkedIn, Xing oder relevante Foren oder Blogs von Influencern.

Dabei ist besonders für den Vertrieb von Markenartikeln sowohl für den Handel als auch für den Hersteller ein umfassendes Bild vom Markengefühl der Konsumenten wichtig. Die Wahrnehmung eines Markenimages lässt sich jedoch nur über Plattform-übergreifende Analysen bestimmen. Und welche Rolle Werbung, die Vorgehensweise des Wettbewerbs oder Produktinnovationen spielen, bleibt ohne valides Datenmaterial weitgehend ungeklärt. Eigene Marketingstudien sind zeitaufwändig und teuer – und kommen dabei nicht immer zum korrekten Ergebnis.

Eine immer wichtigere Rolle spielt daher das Wissen über die Stimmung („Mood“) der Konsumenten auf digitalen Plattformen. So können Unternehmen Stimmungsschwankungen frühzeitig bemerken und dann mit passenden Kommunikationsmaßnahmen beispielsweise einem Abwärtstrend entsprechend begegnen. Besonders bei der Planung von Sonderangeboten, ob nun Online oder vor Ort im Handel, zahlt sich die rechtzeitige Erfassung von Moods aus.

Zwar ist die Erfassung der Kundenstimmung ein wichtiges Element für die Entwicklung der optimalen Kundenansprache, aber keineswegs das einzige. So sind natürlich auch Informationen über die aktuelle Affinität der Zielgruppe für einen Anbieter und beispielsweise ein neues Produkt für den Geschäftserfolg entscheidend.

Und noch ein weiterer Aspekt kann entscheidend zum Erfolg einer Promo-Aktion beitragen: Das Wissen um den aktuellen Aufenthaltsort der potenziellen Kunden. Bei Nutzung entsprechender Dienste kann dieser analysiert und entsprechende Angebote in den Werbeplätzen mobiler Apps ausgespielt werden. So können Filialisten ihre Angebote in Echtzeit über Couponaktionen steuern.

Zusätzliche Analysen

Daniel Metzger ist Regional Vice President Central & Eastern Europe bei Hortonworks; Quelle: Hortonworks

Der ein oder andere Online-Shopping-Anbieter hat die Vorteile von Big Data mittlerweile erkannt und analysiert keineswegs nur das reine Kaufverhalten. Konsumenten, die sich online über ein Produkt oder verwandte Produktkategorien informieren, hinterlassen viele Clickstream-Daten. Über den Klickverlauf wissen die Online-Händler, welche Webseiten attraktiv sind und wo ihre potenziellen Kunden besonders lange verweilen.

Um das daraus entstehende, riesige Volumen an Daten sinnvoll auszuwerten, bringt eine Connected-Data-Plattform diese unstrukturierten Daten zusammen und führt eine Analyse in Echtzeit durch. Das schließt allerdings nicht nur das Surfverhalten der Webseitenbesucher ein, sondern auch andere Elemente wie etwa den Warenkorb. Die dort enthaltenen – wie auch die hinzugefügten, aber dann wieder entfernten – Produkte verhelfen ebenfalls zur Entscheidungsfindung für die Gestalter des Online-Shops oder der Gestaltung von Werbemaßnahmen.

Aufgrund des immer weiter steigenden Wettbewerbsdrucks auf Handel und Hersteller ist die Analyse somit keineswegs nur eine Randerscheinung, sondern das zentrale Element einer erfolgreichen Positionierung des Unternehmens und der Produkte auf dem Markt. Rund 90 Prozent der dafür notwendigen Daten beziehen sich dabei nicht auf die klassischen Geschäftstransaktionen.

Überdies sind diese Daten sehr dynamisch, und auch die Zahl der Datentypen nimmt immer weiter zu. Mit Informationen, die sich vermehrt aus sozialen Medien, Telemetrie ergeben oder aus Sensoren stammen, sind nun Systeme gefragt, die mir einer schieren Anzahl an solchen Daten umgehen können und über tiefgehende Analysen unterschiedlicher Datenquellen Muster und Verhaltensweisen nicht nur erkennen, sondern auch stichhaltige Prognosen für kommendes Kundenverhalten liefern. Nur diese Big-Data-Lösungen werden sich auf Dauer auf dem Markt durchsetzen können.

Daniel Metzger

ist Regional Vice President Central & Eastern Europe bei Hortonworks.

Hier geht es zu Hortonworks