Klasse statt Masse – smarte Daten für Ihren Online-Shop
von Thorsten Mühling
Klasse statt Masse. Im E-Commerce kommt es nicht auf Big Data an, sondern auf Smart Data. Denn Unternehmen in dieser Branche brauchen nicht alle denk- und speicherbaren Informationen, um erfolgreich zu sein. Sie brauchen die richtigen. Mit den passenden Informationen klappt es dann auch mit der Personalisierung, was im Online-Handel ja erst besonders tolle Kundenerlebnisse ermöglicht. In beiden Fällen nimmt KI eine Schlüsselrolle ein.
Der E-Commerce wuchs zwischen 2019 und 2020 laut HDE Online Monitor 2021 (S.6) um beeindruckende 23 Prozent. Für 2021 prognostiziert die Untersuchung einen Anstieg um weitere 17 Prozent. Auch viele ältere Menschen haben – ausgelöst durch die Schließungen im stationären Handel – das Online-Shopping für sich entdeckt. Die wachsende Zahl der Web-Käufer bringt den Netz-Händlern nicht nur neue Kunden, sondern auch viele frische wichtige Daten über die Nutzer – sogenannte Big Data. Das zeichnet sich zum einen durch ihr Volumen, aber auch durch die Methoden und Technologien aus, die Händler verwenden, um einen Nutzen aus den Informationen zu ziehen. Besonders interessant ist dabei ein genauerer Blick auf die Frage, welche Daten der E-Commerce besonders gut gebrauchen kann.
Von Big Data zu Smart Data
Wichtige Informationen aus dem großen Big-Data-Pool sind beispielsweise solche, mit denen ein Unternehmen sein zukünftiges Agieren besser planen kann. Darunter fallen unter anderem Informationen aus dem Shopsystem, dem Warenwirtschaftssystem und dem Klick- und Kaufverhalten. Doch das Sammeln dieser Angaben allein reicht nicht aus. Um die Informationen nachhaltig nutzen zu können, sollte eine effektive und zielgerichtete Analyse erfolgen, an deren Ende zum Beispiel Muster und Korrelationen stehen. Aus dem vormaligen großen Volumen der Big Data erfolgt so also eine Extraktion von Smart Data. Letztere sind nützliche Informationen für bestimmte Anwendungsfälle im E-Commerce.
Unser Gastautor
Thorsten Mühling ist CEO und Co Founder der epoq internet services GmbH. Der studierte Betriebswirt gründete bereits 2003, gemeinsam mit seinem Partner Michael Bernhard, ein Tech-Unternehmen. Dieses entwickelte selbstlernende Systeme, die in verschiedenen Branchen zum Einsatz kamen. 2013 hat er zusammen mit Michael die epoq internet services GmbH gegründet und sich ganz der KI-gestützten 1:1-Personalisierung des digitalen Handels gewidmet. Er leitet seit der Gründung das operative Geschäft von epoq und ist für die strategische Weiterentwicklung des Unternehmens verantwortlich.
Der E-Commerce-Experte gestaltet und verfolgt den Aufstieg des Online-Handels seit fast zwei Jahrzehnten. Dabei versteht er es, erfolgreiche Prozesse des stationären Handels, mit beständigen Innovationen, in die digitale Welt zu transportieren. In seiner Freizeit ist Thorsten als Fußballtrainer sportlich aktiv und schwingt daneben gerne den Schläger als begeisterter Golfer.
Um Personalisierungsmaßnahmen durchzuführen sind z. B. Verhaltensdaten entscheidend, welche DSGVO-konform eingesetzt werden können. IP-Adressen oder andere personenbezogene Daten werden für die erfolgreiche Personalisierung eines Online-Shops nicht benötigt. Die Verhaltensdaten sind aber umso wertvoller, je „stabiler“ die Aggregation ist: Hat der Kunde ein Konto, können die Daten an eine stabile Customer-ID angehängt und in der Datenbank aggregiert werden. Aber auch ohne Kundenkonto kann personalisiert werden. Denn fortschrittliche Personalisierung nutzt keine Third-Party-Cookies mehr, sie stützt sich auf First-Party-Identifier im Rahmen des Online-Shops und gehört somit zu dem IT-Umfeld des Shop-Betreibers.
Use Case
Agiert ein Konsument also mit der Webseite eines Online-Shops, erhält der Betreiber erstmal Big Data. Durch die Datenanalyse wir daraus Smart Data. Sie beantworten Fragen wie: Auf welche Links hat der Kunde geklickt? Welche Artikel hat er in den Warenkorb gelegt? Und wie lange hielt sich der User wo auf? Anhand eines KI-unterstützen Modells erfolgt anschließend eine Berechnung darüber, welche der extrahierten Informationen zur Verbesserung des Shopping-Erlebnisses für den aktuellen Kunden und für ein mögliches aktuelles Problem – wie zum Beispiel der fehlenden Conversion – führen kann. Der Data Scientist legt somit fest, welche Daten im Shop entscheidend sind, um beispielsweise für Empfehlungen eine Vorhersage zu treffen, die dann mit hoher Wahrscheinlichkeit zum Kauf führt. Das sind dann Smart Data. Diese Daten werden schließlich von den Algorithmen weiterverwendet. Dieser Personalisierungsprozess hat eine bessere und erfolgreichere User Experience des Nutzers zur Folge.
Mit Personalisierung durch KI zur erfolgreichen Customer Journey
Im stationären Handel gibt es den Fachverkäufer, der potentielle Käufer im Idealfall so gut betreuen kann, dass sie genau das finden, was sie suchen. Außerdem kennt er seine Kundschaft so genau, dass er ihnen auch gezielt weitere Produkte vorschlagen kann. Viele Konsumenten schätzen dieses persönliche Erlebnis, das dem stationären Handel bisher immer einen Vorteil verschafft hat. Allerdings gibt es diese Art der Personalisierung jetzt auch für Online-Shops.
Mit Hilfe von KI sind wir mittlerweile in der Lage, sehr gute Prognosen abzugeben, für welche weiteren Artikel sich ein Online-Shopper ziemlich sicher interessiert. Wir können heute zum Teil sogar ein besseres Einkaufserlebnis bieten als der stationäre Fachhandel. Und dabei geht es um die gesamte Customer Journey. Das Ziel ist es, zu verhindern, dass der Kunde seine Meinung irgendwo zwischen Kauf-Idee und Abschluss noch ändert. Mit der passenden KI-gestützten Software schaffen es Online-Händler auch, nicht nur die Conversion-Raten, den Traffic, die Wiederkaufrate oder den Warenwert im Einkaufkorb zu erhöhen, sondern auch die Zahl der Retouren zu minimieren. Denn erhalten Kunden schon vor dem Kauf genau die Empfehlung zu den Produkten, die sie auch wirklich suchen, gibt es keinen Grund mehr, sie zurück zu schicken.
Algorithmen helfen dabei, dass Online-Händler dem Kunden genau auf seine Bedürfnisse und Interessen abgestimmte Inhalte anzeigen können. So erfährt auch die emotionale Komponente eines Einkaufserlebnisses durch die Personalisierung eine Steigerung gegenüber dem stationären Handel. Bei der Wahl der richtigen Tools, um eine durchdachte, authentische und 1:1 personalisierte Strategie im Online-Shop umzusetzen, dürfen die Richtlinien der DSGVO nicht außen vor bleiben. Denn es sind ausschließlich pseudonymisierte Daten für die Personalisierung nötig.
Use Case
Ein gutes Beispiel ist Outletcity in Metzingen. Bereits seit einiger Zeit setzte der Online-Shop auf eine Recommendation Engine für die Personalisierung von Produkt-Empfehlungen. Dr. Stefan Hoffmann, Managing Director bei Outletcity Metzingen, erklärt dazu: „Unsere Premium- und Luxus-Kunden erwarten, insbesondere von uns als geschlossenem Online-Shop, personalisierte Angebote und Empfehlungen, basierend auf Markenpräferenz, der eigenen Kleidergröße oder dem Geschmack.“ Nach der Verbesserung der Personalisierungsstrategie durch die Integration eines neuen Personalisierungs-Tools, stieg der Umsatz des Shops pro Session um 5,04 Prozent.
Die Conversion-Rate erhöhte sich um 2,1 Prozent. Im Detail erhielt zum Beispiel die Produktdetailseite zwei Widgets (Produktkarten) mit Alternativ- und Cross-Selling Empfehlungen. Außerdem zeigen jetzt die Bestellbestätigungsseiten und die Log-Out Seiten jeweils ein Widget mit Empfehlungen zu Produktkategorien, die von Kunden noch nicht angesehen wurden. Die Ausspielung der Produkte in den Widgets erfolgt für jeden Kunden individuell und führen dadurch zu einem gesteigerten Shoppingerlebnis.
Der E-Commerce wächst stetig weiter. Neben Konsumenten, die sowohl im stationären wie auch im Online-Handel shoppen, gibt es immer mehr Kunden, die nur noch rein digital unterwegs sind. Und sie erwarten auch hier ein tolles Shopping-Erlebnis. Die vorgestellten Beispiele zeigen anschaulich, dass Web-Händler gute Möglichkeiten haben, um aktiv nachzusteuern und ihr Wachstum mit der nachhaltigen Nutzung von Smart Data und guten Personalisierungs-Tools voranzutreiben.
Aufmacherbild / Quelle / Lizenz
Bild von yatsusimnetcojp auf Pixabay
