Big Data im Handel: Treasure Island

6. November 2013 Kommentar Link zu diesem Artikel –  Erschienen in: acquisa

Die Datenmengen, die bei Kaufvorgängen erhoben werden, steigen exponenziell – neuerdings bis hin zum Buzz in sozialen Netzwerken. Händler sitzen auf einem informationellen Schatz. Doch sind sie auch in der Lage, diesen Schatz zu heben?

Smartphones mit Ortsangaben. Soziale Netzwerke. Warenbons an der Ladenkasse. Und Online-Bestellungen. – Die dazugehörigen Datenmengen aktiv zu nutzen, stellt Händler vor eine Herkulesaufgabe. Beim Sammeln der Informationen überfordert allein die Infrastruktur viele Mittelständler und Großunternehmen. Im schlimmsten Fall fließen die verfügbaren Daten nicht zusammen und sind weder strukturiert aufbereitet noch intelligent verknüpft. Und das, obwohl Big Data – also sinnvoll aggregierte riesige Datenmengen – zusätzliche Einblicke in die Denkweisen der Verbraucher verheißen.

Mit dem laut Kundenkarte oder E-Shop-Navigation dokumentierten Einkaufsverhalten, dem mobilen Bezahlverhalten und dem Wissen um die Schwarmlogik im Social Web – um nur drei beispielhafte Datenquellen zu nennen – will der Handel möglichst dynamisch und industrialisiert seine Entscheidungsprozesse optimieren: Beschaffung, Sortimentsaussteuerung, Produktneuentwicklung und Marketingkampagnen sowie Store-Management und Logistikoptimierung gestalten sich mit dem Wissen aus Big Data präziser und zielgruppengerechter. Ohne dass sich Marketer im Vorfeld durch feste Strukturen in Analysemöglichkeiten eingrenzen müssen.

Daten sinnvoll nutzen

Die Bändigung heterogener Datenströme und -töpfe (Suche, Speicherung, Verteilung, Analyse, Visualisierung) unter Datenschutzwahrung erfolgt »einerseits durch neue Software, die in hoher Geschwindigkeit Datenauswertungen ermöglicht. Andererseits durch Analysten, die sich intensiv mit der Bewertung und Nutzung der Daten beschäftigen«, erläutert Andreas Frenkler, Direktor Business Intelligence bei Otto in Hamburg. »Im Gegensatz zu herkömmlich strukturierten Daten, die typischerweise in relationalen Datenbanken gespeichert werden, kann Big Data in Bezug auf Volumen, Geschwindigkeit und Vielfalt variieren und damit häufig auch unstrukturierte, qualitative Daten enthalten.« Flapsig könnte man sagen: Mit Big Data stillen Händler ihren Wissensdurst, ohne in Datenwirrwarr zu ertrinken. Zudem muss die Analytik komplett automatisiert geschehen, weil Menschen diese High-End-Auswertung manuell und in Echtzeit nicht mehr leisten können.

Daten für die beste Kundenoption

In Deutschland gelten nur wenige Händler als »High-End-Big-Data-aktiv« – darunter fallen neben Otto Firmen wie Dm-Drogeriemarkt oder Real. Im Ausland gehören zum merkantilen Big Data etwa Target und Kroger (beide USA), Kesko (Finnland), Tesco und Sainsbury’s (beide in Großbritannien) und Carrefour (Frankreich). Woran sie arbeiten, liegt auf der Hand: »Die nächste Entwicklungswelle des Handelsmarketing ist Shopper-Marketing auf Grundlage integrierter Consumer- und Shopper-Insights«, betont Thierry Afrigan, Global Customer Marketing Director bei Carrefour. Carrefour habe mithilfe von Big Data über eine Sortimentsoptimierung in der Tiefe und der Breite »signifikante Umsatzsteigerungen« erzielt und Verbundkäufe nicht nur von Speiseöl gesteigert, sondern beispielsweise auch eine Multikanal-Weinkampagne optimiert. Unter anderem flüsterten Big-Data-Erkenntnisse den Franzosen auch ein, welche Müsli-Eigenmarken entwickelt werden sollten, um den Cerealien-Verkauf anzukurbeln – um ein weiteres Anwendungsszenario zu nennen.

Aber auch der Online- bzw. Distanz- handel ist in Sachen Big Data umtrie- big. »Während die klassischen Retailer über Kundenkarten an Offline-Daten über das Kaufverhalten herankom- men, bieten sich gerade Internet-Pure- Playern (IPP) einfachere Möglichkeiten, vielschichtige Daten über registrier- te Kunden zu generieren«, skizziert

Gareth Locke, Head of Marketing beim Münchner Online-Tierbedarfs-Experten Zooplus. Um den einzelnen Kunden ausreichend zu verstehen, betrachtet das Team von Otto-Manager Frenkler hier die gesamte Customer Journey: Ein ganzheitlicher Prozess soll abbilden, welche Leistungen und Produkte das Unternehmen anbieten sollte und welche Daten, Modelle, Systeme und Arbeitsprozesse dafür notwendig sind. »Um von allen in Frage kommenden Aktionen die Beste für den einzelnen Besucher auszuwählen, muss man individuelle Kundeninteressen, Unternehmens- oder Produktstrategien gleichzeitig berücksichtigen«, betont Frenkler.

Aus diesem Grund beobachtet Zooplus auch statistische Ausschläge beim Kaufverhalten von Kunden: Welche Produkte werden überdurchschnittlich häufig von denselben Konsumenten gekauft? Welche gerade nicht? – »Wir arbeiten sehr daten- und zahlengetrieben, weil wir uns in einem extrem kompetitiven Markt bewegen«, erklärt Zooplus- Manager Locke. Daten zu verstehen sei der Schlüssel, um operativ effizient arbeiten zu können. Ein Beispiel: Bei den Hunde- und Katzenbesitzern im Kundenportfolio konzentrieren sich die Münchner in der Kommunikation auf jeweils acht unterschiedliche Kunden-Cluster. »Damit werden wir variantenreicher und vor allem auch relevanter für unsere Kunden», erläutert Locke. Die Varianten unterscheiden sich je nach Halterverhalten, weniger nach Soziodemografie – also je nachdem, ob der Kunde beispielsweise will, dass sich sein Hund mit Spielzeug selbst beschäftigt. Oder ob er seinen Hund spielerisch mithilfe von pädagogischem Spielzeug erzieht. Um passende Angebote an diese Cluster richten zu können, kommt das Potenzial für seltene Investitionen (Kauf des passenden Hundebetts) je nach regelmäßigem Verbraucherverhalten (Hundefutterkauf) unter die Lupe. »Verbundkäufe sind da nur ein Anhaltspunkt unter vielen«, skizziert Locke. Die Kür bestehe darin, relevante Produkte für den Kunden herauszufinden (siehe Interview). »Die relevanten Key-Performance-Indikatoren ändern sich dabei ständig – und die Ziele, die damit verknüpft sind, entsprechend mit«, erläutert Locke.

Flexibilität für neue Fragen erhalten

Der Cloud-Dienst Amazon Web Services unterstützt Unternehmen mit Rechenkapazitäten und Managed-Umgebungen für die Verheiratung mit Algorithmen. So schaffen es Händler beispielsweise, Empfehlungsmechanismen auszusteuern, Online-Werbung mit höchster Click-Through-Rate zu platzieren sowie aus großen Datenmengen Erkenntnisse für das Retouren-Management und die Lieferkette sowie die Warenverfügbarkeit abzuleiten. »Es macht den Charme von Big Data aus, dass man die fehlerbereinigten Quelldaten nicht mehr verdichten muss, bevor man sie ins System einspeist«, betont Steffen Krause, Technical Evangelist bei AWS. Früher wäre das Verdichten einem Informationsverlust gleichgekommen. »Mit Big Data behält man die vollen Inhalte, die man später für komplett neue Fragestellungen nutzen kann«, schwärmt Krause. Die technischen Möglichkeiten machten nicht zwingend einen Echtzeitbetrieb erforderlich, ergänzt Krause: »Die Verarbeitung erfolgt immer im Batch-Betrieb (Anm. d. Red.: Stapelbetrieb), mit Verarbeitungsphasen, Rechenschritten und abermals Modelloptimierungen.« In der Praxis bereiten viele Internet-Händler täglich ihre Daten auf (der stationäre Handel tendenziell auf Wochenbasis), untersuchen die Wirkung von Deeplinks und Suchbegriffen, Surf- und Klickverhalten. »Je mehr sich die Handelswelt digitalisiert – Stichwort Multichannel –, desto mehr kommt das Daten- und damit das Kundenverständnis durch Big Data voran«, skizziert Patrick Rohrbasser, Geschäftsführer der Payback-Schwester Emnos in München. Zum einen wird die Medien- und Touchpoint-Nutzung der Konsumenten komplexer. Zum anderen gilt: Je mehr Daten Händlern über Kunden (teilweise aus Datenschutzgründen auch in anonymisierter Form) zur Verfügung stehen – Wetterinformationen, Verkehrsströme, Mobile Nutzung, nicht-personenbezogene Social-Daten etc. –, desto mehr Möglichkeiten haben Händler bei ihrer Strategie. »Gleichzeitig können Unternehmen mit Big Data binnen Sekunden lernen und testen. Das verheißt paradiesische Zustände fürs Online-Geschäft und bietet einer Experimentierkultur mehr Chancen«, schwärmt Rohrbasser. Big Data hält Benefits für alle Abteilungen bereit, indem die Analytik Entscheidungsprozesse unterstützt und das Unternehmen näher an ihre mannigfaltig tickenden Kunden bringt. Entsprechend streben zahlreiche Unternehmen danach, ihr Big-Data-Potenzial zu entfalten: Systeme verarbeiten heterogene Daten in mächtigen Mengen schnell und semantisch. »So fließen schon bei einer Standortplanung am Ort X mit den Produktgruppen Y und Z Trendfaktoren und lokale Passantenfrequenzen, außerdem Konsummuster sowie Wetter- und Veranstaltungsdaten ein«, erläutert Dirk Hecker, Leiter Mobility Mining beim Fraunhofer Institut IAIS in Sankt Augustin. Aus dieser Masse lassen sich Erkenntnisse für Location-Based-Services beim Filialmarketing ziehen. »Allerdings dürfen aus datenschutzrechtlichen Gründen keine Rückschlüsse auf einzelne Personen möglich sein«, betont Hecker.

Emotionen und Algorithmen

Es gibt aber auch Big-Data-Skeptiker unter den Merkantilen: Der Multikanalhändler und innerstädtische Filialist Butlers will kein Big-Data-Unternehmen werden: »Wir glauben, dass im Handel Emotionen vor den Algorithmen rangieren müssen und wir Konzept und Marke nur über Emotionen Seele einhauchen können«, begründet Jörg Arndt, Leiter E- Commerce bei den Kölnern. Ein Internet- Pure-Player funktioniere hingegen über Big Data.

Dieser Artikel ist in acquisa erschienen.

Schreiben Sie einen Kommentar

Ihre E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.