Gewinn maximieren: Big Data für kleinere Shops

Big Data ist längst kein Buzzword mehr. Aber etabliert hat sich die Echtzeit-Datenanalyse im großen Stil im Onlinehandel noch lange nicht.

Mittelfristig stellt sich die Frage nach der Notwendigkeit von Big Data längst nicht mehr: Big Data ist keine Option, sondern ein künftiges Must-Have in Marketing, E-Commerce und sogar im stationären Handel. Wie und warum Onlineshops jetzt mit einer Big-Data-Strategie starten sollten und welche siebeneinhalb Big-Data-Trends in den kommenden Jahren ihr Marketing und ihren Verkauf verändern.

Gründe für die Implementierung professioneller Big-Data-Lösungen gibt es genug: Untersuchungen von McKinsey   und dem Massachusetts Institute of Technology   zeigen, dass Unternehmen, die mit Big Data und Analytics arbeiten, um fünf Prozent produktiver und um sechs Prozent profitabler sind als ihre Wettbewerber. Für den Handel und die Konsumgüterbranche dürfte das Potenzial laut den Analysten sogar noch höher sein. Unternehmen, bei denen die Daten-Strategie das Zentrum der Marketing- und Verkaufsaktivitäten darstellt, sollen ihren Marketing-POI sogar um 15 bis 20 Prozent erhöhen können.

"Während Big Data in Europa 2013 erst gestartet ist, wird es in diesem Jahr darauf ankommen, Strategien und Business Cases zu entwickeln", sagt Frank Buytendijk, Research Vice President vom Marktforscher Gartner  . Tatsächlich werden Big-Data-Strategien in den nächsten Monaten und Jahren in alle Bereiche von Marketing und Handel einziehen. Sie werden nicht nur die Kundenansprache und das Webdesign optimieren, sondern außerdem neue Preismodelle hervorbringen und sogar den immer digitaler werdenden stationären Handel umkrempeln. "Big Data wird einer der wichtigsten Game Changer in Vertrieb, Handel und Marketing", sagte Mirko Brinker, vom Big-Data-Software-Anbieter Pros   Anfang März auf der Branchenkonferenz Outperform 2014.

Big Data wird erst in zwei bis fünf Jahren Mainstream

Noch hat der Markt aber Nachholbedarf. Der Hype-Zyklus von Gartner  , der den Standpunkt von aktuellen Techniken einordnet, platziert Big Data auf den Höhepunkt des Hypes. Das Plateau der Produktivität wird der Markt laut Gartner-Prognosen erst in zwei bis fünf Jahren erreichen. Zwar gibt es einige prominente Beispiele wie das von Otto  , aber gerade unter den kleineren Onlinehändlern ist Big Data und Business Intelligence kaum verbreitet. Konkrete Zahlen dazu gibt es zwar nicht, aber Ralph Hünermann, CEO von Odoscope Technologies  , Anbieter von Big-Data-Lösungen für Internetunternehmen, ist der Meinung, dass fast ausschließlich die richtig großen Onlineshops Big Data professionell nutzen. Andres Reiner, CEO von Pros, sieht das ähnlich: "Wir schätzen, dass weniger als fünf Prozent der Onlinehändler Big Data, zum Beispiel für Pricing, einsetzen."

Zwar nutzen fast alle eine professionelle Webanalyse-Software, aber eine Big-Data-Lösung, die aus den bestehenden Datensätzen die relevanten Erkenntnisse extrahiert, nutze fast niemand, gibt Ralph Hünermann zu bedenken. Google Analytics zum Beispiel sei keine Alternative. Zum einen komme man nicht an die Rohdaten. Zum anderen serviert man als Händler Google damit alle seine Daten auf dem Silbertablett - "und nachher bucht man bei Google Werbung", erklärt er das Dilemma.

Dabei sind Google Analytics und andere Webanalyse-Programme die Tools, mit denen viele kleine Shops in das Thema Datenanalyse einsteigen. Doch irgendwann kommt der Punkt, an dem das bestehende Analysesystem an die Grenzen stößt, weil zum Beispiel das Marketing immer häufiger und immer komplexere Analyseauswertungen benötigt. "Oft beginnt man mit Recommendations, also automatisch generierten Empfehlungen für bestehende Kunden", sagt Ralph Hünermann. "Und dann geht es weiter mit Superpersonalisierung, bei der auch neue Besucher nach Wohnort, Endgerät et cetera individuell angesprochen werden."

Wer seine Daten nicht mehr selbst auswerten kann, braucht Unterstützung

Bei dieser Grenze - die Auswertung der Daten kann nicht mehr selbst geleistet werden und die Technik schreit nach einer professionellen Lösung - fängt Big Data an. Auf lange Sicht sei es wichtig, Geld und Zeit in gute Berater zu investieren, fügt Assaf Broitman hinzu. "Sie können einem die richtige Datenspeicher-Lösung für das eigene Geschäftsmodell empfehlen."

Für mittlere und kleine Shops empfiehlt sich hier eine intuitive Lösung, die auch der Marketing-Verantwortliche selbst bedienen kann. Schließlich sind Datenanalysten rar am Arbeitsmarkt. Sie kann im ersten Schritt halbautomatisierte Analysen erzeugen; sie zeigt Schwachstellen in der Kundenansprache auf und informiert den Shopbetreiber zum Beispiel darüber, an welchen Stellen der Bestellung der Großteil abspringt. Bei einer vollautomatisierten Lösung stellt der Shopbetreiber der Software Varianten zu Verfügung, mit denen er zum Beispiel die Website in Echtzeit optimieren kann. Das System lernt, die Kombinationen der Varianten auf das Nutzerprofil anzupassen.

"Bisher hatten nur die ganz großen Shops Interesse an einer solchen Lösung", sagt Ralph Hünermann. "Aber inzwischen sehen wir den Bedarf auch bei den Top-100- und Top-1000-Onlineshops". Er schätzt, dass bereits 2015 immer mehr kleinere Händler Big Data professionell nutzen. Schließlich sei der Preis für eine Full-Service-Lösung inzwischen auch für die bezahlbar: Zwischen 10.000 und 50.000 Euro pro Jahr müsse man berappen. Assaf Broitman ist derselben Meinung: "Wir können davon ausgehen, dass sich Big Data bis 2015 in der Online-Industrie als Status quo etablieren wird", sagt er. Und auch Pros stellt sich auf die stärkere Nachfrage von ECommerce-Händlern ein und hat mit Cameleon CPQ   eine neue Big-Data-Software für Produktkonfiguration und Preiskalkulation im Angebot.

Big Data wird den Unterschied im Überlebenskampf E-Commerce ausmachen

Auch kleinere und mittlere ECommerce-Händler kommen mittelfristig nicht um professionelle Big-Data-Lösungen herum, wenn sie ihre Kunden weiterhin effektiv ansprechen und mit der Konkurrenz mithalten wollen. Schließlich wird es der Großteil der Onlinehändler in Zukunft schwer haben, weil die Branche eine große Konsoldierungswelle erleben wird (iBusiness: Konsolidierung im deutschen E-Commerce: '80 Prozent der Online-Händler werden nicht überleben'). Wettbewerbsvorteile durch Big Data werden da den entscheidenden Unterschied machen.

Die Vorteile durch Big-Data-Analyse zeigen sich schon beim Relaunch der Webseite. Hier gilt: stufenweise Anpassung der Funktionen und des Designs - entsprechend den Analyseergebnissen - statt komplettem Neuanfang. Zum einen überfordert ein Relaunch den Nutzer (iBusiness: Relaunch-Lüge: Warum der Relaunch als Web-Wunderwaffe ausgedient hat), zum anderen gehen damit die gesammelten Informationen über die Nutzerpräferenzen bei der Website-Nutzung verloren und man beginnt mit der Shop-Optimierung wieder bei null.

Aber auch darüber hinaus bieten Big-Data-Lösungen unzählige Vorteile für die Shopbetreiber und Markenartikler, die die Tools nutzen. Siebeneinhalb Trends zeigen, in welchen Bereichen Big Data den Handel und das Onlinemarketing verändert.

Siebeneinhalb Trends zeigen, wie Big Data den Handel und das Onlinemarketing verändert.

1. Mithilfe von Big Data werden Produktportfolios optimiert und reduziert

Bei vielen Onlinehändlern und Markenherstellern wachsen die Produktpaletten ins Unermessliche. So hat zum Beispiel Otto   mehr als 2.200 Damenpumps im Angebot. Bei Zalando   sind es sogar fast 2.500. Zalando beginnt bereits, unter dem immer breiter werdenden Portfolio zu leiden. In der Kundenzufriedenheits-Umfrage "Proposition Index 2013" von OC&C Strategy Consultants   verlor der Modehändler sechs Plätze im Vergleich zum Vorjahr und landete unter den Textilhändlern nur noch auf Platz neun. Die Kunden bewerteten den Modegrad (-2,8 Indexpunkte) und das Sortiment (Produkte, die zu mir passen -3,9 Indexpunkte) deutlich niedriger als im Vorjahr (iBusiness: Amazon verdrängt: Der beliebteste Händler Deutschlands ist erstmals ein stationärer).

Mithilfe von Big Data und umfangreichen Analysen der Zielgruppe und der Kundenvorlieben werden Hersteller und Händler dieses Problem in den Griff kriegen und trotzdem alle Kunden zufriedenstellen, ist sich Andres Reiner sicher. "Durch Big Data werden Unternehmen ihre Zielgruppen wesentlich besser analysieren können, um das Portfolio besser darauf abstimmen zu können", sagt er. Auch Markenartikler werden damit den Produktumfang anpassen und vorhersagen können, welche Produkte ein Verlustgeschäft wären.

Für wen relevant: Mittlere bis große Onlineshops, Markenhersteller
Durchsetzungswahrscheinlichkeit: 90 Prozent
Zeitfenster: 2 Jahre

2. Scientific Segmentation wird Standard in der Kundenansprache

Big Data hilft zwar auf der einen Seite, den Kunden individuell zu identifizieren und anzusprechen. Aber aus Marketingsicht ist eine Segmentierung der Zielgruppe sinnvoller, ausreichend und wesentlich einfacher. Die Datenmengen machen es möglich, sie nach Alter, Newsletternutzung, Retourenverhalten, Einkaufshäufigkeit, Social-Media-Engagement, Produktpräferenzen und mehr einzuteilen. Die klar definierten Kundengruppen erhalten auf sie zugeschnittene Angebote, Produktbundles, Serviceangebote oder Preisvorteile.

Diese Scientific Segmentation steigert nicht nur die Verkäufe und vergrößert die Kundenbindung. Sondern zudem lassen sich auf diese Weise unnötige und teure Verkaufs- und Marketingaktivitäten unterbinden und Händler identifizieren unlukrative Kunden, die in Zukunft anders - oder gar nicht mehr - beworben werden. Beides wird in Zukunft gerade für mittlere Onlineshops ein überlebenskritischer Faktor. Die Preise können auf diese Weise ebenfalls für bestimmte Gruppen angepasst werden.

Für wen relevant: Kleine, mittlere und große Onlineshops, Markenartikler, Interaktivagenturen
Durchsetzungswahrscheinlichkeit: 90 Prozent
Zeitfenster: 1 bis 2 Jahre

3. Scientific Selling: Durch Big Data wird alles persönlich

In Zukunft werden Webseiten noch dynamischer: Zum Beispiel sehen Männer eine andere Startseite eines Kleidungsshops als Frauen und Nutzer aus Hamburg, wo es regnet, eine andere als Münchner, die Schnee haben. Denn die Big-Data-Lösungen können nicht nur auf die Daten der eigenen Nutzer zugreifen, sondern zum Beispiel auch auf die Wettervorhersage und das Thermometer. Damit verbessern die Lösungen zum einen die User Experience und erhöhen zudem die Konversion von Onlinehsops, weil sie mit hoher Wahrscheinlichkeit den Geschmack des Nutzers treffen.

"Durch diesen wissenschaftlichen Verkaufsansatz - Scientific Selling - können auch die Preise automatisch an den Bedarf angepasst werden", fügt Mirko Brinker hinzu. Steigen die Temperaturen über 25 Grad Celsius, dann erhöhen sich gleichzeitig die Preise für Bikinis und Badehosen. Dies kann sogar so weit gehen, dass der Fashionshop mit einem Klatschportal verknüpft ist: Wenn Herzogin Kate dort auf dem Titel mit einem geblümten Kleid abgebildet ist, dann bietet der Shop auf der Startseite Blumenkleider feil.

Für wen relevant: Mittlere und große Onlineshops
Durchsetzungswahrscheinlichkeit: 70 Prozent
Zeitfenster: 5 Jahre

4. Big Data macht Preise gleichzeitig flexibel und konsistent

Big Data macht das Anpassen von Preisen in Echtzeit an die Umgebungsbedingungen, die Nachfrage und die Konkurrenz möglich. In Zukunft wird es die Herausforderung sein, bei der dynamischen Preisanpassung das Vertrauen des Nutzers nicht zu verlieren. "In den meisten Branchen muss das Pricing flexibler werden, um sich den veränderten Kundenbedürfnissen anzupassen. Gleichzeitig müssen die Preisstrukturen konsistent und für den Kunden nachvollziehbar sein", ermahnt Frank Frohmann, Business Coach und Preisspezialist von Evonik  .

Er geht davon aus, dass Preismodelle in Zukunft einfacher werden: "Preisdschungel bei Versicherungen, Telekommunikationsanbietern oder Energieversorgern wird es in Zukunft immer weniger geben."

Für wen relevant: Alle Onlineshops, vor allem mit komplizierteren Produkten, Mass Customization
Durchsetzungswahrscheinlichkeit: 70 Prozent
Zeitfenster: 4 Jahre

5. Dank Big Data entstehen neue Preismodelle

Um der Austauschbarkeit der Onlinehändler zu entgehen, werden sich manche von ihnen durch besondere Preismodelle eine neue Nische eröffnen. Bisherige Beispiele dafür sind Blacksocks  , die schwarze Herrensocken im Abo verschicken - also quasi eine Socken-Flatrate anbieten. "Zum Beispiel werden wir in verschiedenen Branchen immer weniger sehen, dass Anbieter ihre Leistungen pro Einheit oder Stück verkaufen. Innovative Preismodelle wie 'pay per use' oder 'pay as you go' erlauben es den Unternehmen, sich vom Wettbewerb abzuheben, ohne den Preis als solchen anzupassen", sagt Frank Frohmann. Das heißt zum Beispiel, Preis pro Lebensdauer statt pro Stück. Die Vorteile: Zum einen können Kunden die Preise nur noch schwer vergleichen, trotzdem sind sie transparent und das Unternehmen tritt vertrauenswürdig auf.

Beim Entwickeln neuartiger Preismodelle helfen vor allem die Kundendaten. "Zum Beispiel T-Mobile hat anhand einer Analyse der Kundendaten herausgefunden, dass die meisten Telefonkunden fast ausschließlich mit nur wenigen verschiedenen Personen telefonieren. Damit hat das Unternehmen einen Community-Tarif entwickelt, der einen Preisvorteil für Telefonate mit den fünf engsten Kontakten bietet." Für solche kreativen Preismodelle muss der Händler seine Kunden sehr gut kennen und genau wissen, was sie möchten. Das ist nur mit Big-Data-Analyse möglich.


Für wen relevant: Alle Onlineshops
Durchsetzungswahrscheinlichkeit: 30 Prozent
Zeitfenster: 2 Jahre

6. Preisagenten umgehen dynamisches Pricing

Dank immer besserer Datenanalyse kommt es zu einem Wettrüsten bei den Preisen: Während das Internet bisher von Preistransparenz und Vergleichbarkeit geprägt war, versuchen die Händler dies nun immer mehr mit dynamischer Preisanpassung zu umgehen. Doch auch der Kunde zieht nach und wird sich in Zukunft Agenten zunutze machen, die ihm die billigsten Preise suchen. "Zum Beispiel in der Reisebranche sind bereits die ersten Portale in den Startlöchern, die im Auftrag des Kunden die Preisschwankungen bei Hotels und Flügen analysieren und zum günstigsten Zeitpunkt zuschlagen", erzählt Björn Willemsens, Director von Deloitte Consulting   in Belgien, auf der Big-Data-Konferenz Outperform 2014 im iBusiness-Interview.

Für wen relevant: Mittlere und große Onlineshops
Durchsetzungswahrscheinlichkeit: 40 Prozent
Zeitfenster: 6 Jahre

7. Realtime Pricing erobert den Point of Sale

Dynamisches Pricing wird in Zukunft nicht nur dem Onlinehandel vorbehalten sein. Digitale Preisschilder findet man schon heute in einigen stationären Läden. Schließen Multichannelhändler sie an das Pricingsystem an, können sie ihre Preise online wie offline dynamisch anpassen. "In den USA, den Niederlanden und Frankreich ist dynamisches Pricing im Einzelhandel bereits angekommen", erzählt Nikolas Beutin, Partner Pricing, Sales & Marketing bei PwC Management Consulting  .

Der deutsche Einzelhandel sei dagegen noch zurückhaltend, geschuldet durch die notwendigen - teuren - Investitionen und die geringen Margen in einigen Branchen. "Doch in fünf Jahren wird man Realtime Pricing auch in Deutschland sehen", ist er sicher. Schließlich hätten die Verbraucher diese Praxis offline bei Tankstellen, und online ohnehin, ebenfalls akzeptiert.

Für wen relevant: Multichannelhändler
Durchsetzungswahrscheinlichkeit: 50 Prozent
Zeitfenster: 6 Jahre

7 1/2. Data Scientist wird DER Beruf des 21. Jahrhunderts

Aus den vorangegangenen Trends ergibt sich zwangsläufig ein weiterer, siebeneinhalbter Trend: Da jedes Unternehmen in Zukunft große Mengen an Daten analysieren können muss, wird es eine riesige Nachfrage nach Analysten und Big-Data-Experten geben. Die Harvard Business Review titelte bereits Ende 2012 Data Scientist: The Sexiest Job of the 21st Century  . Das wird in den kommenden Jahren auch für Deutschland zutreffen.

Laut einer aktuellen Umfrage vom Bitkom   anlässlich der Cebit setzt in Deutschland bereits heute fast jedes zehnte Unternehmen Big-Data-Lösungen ein. 31 Prozent haben konkrete Pläne, dies künftig zu tun und weitere 28 Prozent diskutieren die Nutzung. Deshalb führen 46 Prozent der befragten Unternehmen Analyse-Tools ein und 40 Prozent Cloud-Lösungen. Bitkom-Präsident Dieter Kempf: "Aktuell entstehen rund um Big Data viele neue Berufsbilder, zum Beispiel spezialisierte Informatiker und Experten, die neue Produkte oder Geschäftsmodelle auf Basis von Datenanalysen entwickeln."

Kein Wunder, schließlich stellt gut ein Viertel der Befragten (26 Prozent) Experten für Big Data ein. "Das Rekrutieren von Big-Data-Experten ist allerdings schwer", gibt Assaf Broitman zu bedenken. "Die Nachfrage an qualifiziertem Personal ist in diesem Bereich höher als das Angebot." Den Fachkräftemangel wird die Onlinebranche also auch hier deutlich spüren. Weiterbildungen können fürs erste Abhilfe schaffen.

Für wen relevant: Alle Shops und Unternehmen, die Big Data nutzen (wollen)
Durchsetzungswahrscheinlichkeit: 100 Prozent
Zeitfenster: sofort