Viele Händler sprechen über Big Data, doch in der Praxis profitieren davon oft erst wenige Unternehmen. Zu sehr vertrauen viele Händler weiter ihrem Bauchgefühl und verschenken damit Potenzial. Dabei existieren Lösungen mit denen man von Big Data ganz einfach profitiert.
Nahezu alle Einzel- oder Versandhändler haben ein Data Warehouse mit meist sehr interessanten und nützlichen Informationen über das Kaufverhalten ihrer Kunden. Die wenigsten Unternehmen ziehen heute aber wirklich praktischen Nutzen daraus. Zu versteckt und unter Umständen auch komplex sind die Daten, als dass man viel mehr als Umsatzschwerpunkte pro Warengruppe und Kalenderwoche, Gesamtumsatz pro Kunden und das letzte Kaufdatum eines Kunden herausbekommen kann. Sicher, ein wenig zugespitzt mag diese These sein, tendenziell ist aber in fast allen Unternehmen der Nutzen des Data Warehouses beschränkt.
Möglichkeiten zur präzisen Planung von Werbeaktionen existieren
Es ist oft immer noch so, dass heute genauso wie vor zehn Jahren nicht die Kundenwünsche sondern die Einkäufer und der Lagerbestand bestimmen, was wie angeboten wird. Damit wird aber eine große Chance vertan, eine größere Kundenzufriedenheit bei gleichzeitiger Umsatzsteigerung zu erreichen.
Die Möglichkeiten zur präzisen, interaktiven Planung von Werbeaktionen, egal ob E-Mail-Kampagne, Katalog oder Handzettel, existieren. Es kommt nur darauf an, dieses Handwerkszeug so zu nutzen, dass mehr Umsatz generiert wird. Heute wird bei der Auswahl der richtigen Produkte, ihrer Darstellung in Katalogen und der Bestimmung von Preisen weitgehend auf die Erfahrung und das Bauchgefühl der zuständigen Mitarbeiter gesetzt. Zwar sind die langjährigen Erfahrungen dieser Personen sehr wertvoll und führen auch oftmals zu guten Ergebnissen, allerdings werden sie häufig quasi unersetzbar und jeder Personalwechsel führt erst einmal zu einer deutlich geringeren Trefferquote. Neue Vorgehensweisen können kaum ausprobiert werden.
Die Software berechnet automatisch den zu erwartenden Absatz
Hier kann eine Methode hilfreich sein, die aufgrund von historischen Daten und aktualisierten Erfolgsberechnungen eine sofortige Aussage über den Erfolg einer Aktion geben kann. Eine solche Funktion bietet comosoft in seinem Multichannel-Medienproduktionssystem LAGO an. Am Beispiel eines Flyers wird die Funktion deutlich: LAGO weiß, für welche Kalenderwoche eine Werbeaktion geplant ist. Deswegen wird eine Vorauswahl von Artikeln getroffen, die für diese Woche geeignet sind. Wenn ein Artikel ausgewählt und auf ein bestimmtes Rasterfeld im Flyer gezogen wird, errechnet LAGO über Standardverkaufszahlen und historische Daten ähnlicher Artikel automatisch den zu erwartenden Absatz in der Aktionswoche.
Bei einer Platzierung an einer anderen Position (z. B. Titelseite statt Innenteil) würden sich andere Faktoren ergeben. Sollte der Artikel nun noch mit einem besonderen Preis angeboten werden, ergibt sich ein weiterer Uplift. Voraussetzung sind lediglich die durchschnittlichen Verkaufszahlen von allen Produkten pro Woche und pro Markt oder Region. Im Versandhandel kommen natürlich weitere Faktoren wie Saisonzeiten und Lagerbestände bei der Prognose hinzu.
Kunden segmentieren, Streuverluste vermeiden
Bei Erstangeboten kann das System naturgemäß keine Empfehlung für die beste Produktabbildung geben, bei Nachfasskatalogen oder Folgeangeboten jedoch schon. Es werden einfach die Erfolgsquoten der bisherigen Angebote analysiert und so Empfehlungen abgeleitet. Mit den Daten aus dem Data Warehouse ist es auch möglich, eigene Kunden besser zu differenzieren und jeweils passende Angebote zu unterbreiten. Hier ist nicht nur die Kategorisierung in Premiumkunden, Gelegenheitskunden und Ex-Kunden gemeint, sondern eine wirkliche Segmentierung in – je nach Sortiment – sechs bis zwölf Kategorien.
So ist es beispielsweise möglich, für jedes Kundensegment spezifische Angebote zu unterbreiten und damit Streuverluste zu vermeiden und die Attraktivität von Werbemitteln für Kunden zu erhöhen. Das alles ist keine Zukunftsmusik. Es handelt sich dabei um die ganz praktischen Anwendungsgebiete, die sonst mit dem wenig aussagekräftigen Begriff „Big Data“ umschrieben werden.
