Mehr Gewinn: Fünf Wege, wie Onlinehändler Big Data wirklich nutzen können

Die Omnipräsenz von Big Data in den Medien setzt Shopbetreiber unter Druck. Umfassende Datenanalyse - betreibt man sie nun mit professionellsten Mitteln oder nur im kleinen Stil - ist ein Muss für jeden, der in Zukunft noch erfolgreich verkaufen will. Da sind sich die Experten einig. Doch bei vielen Unternehmen, gerade bei kleineren, hinterlässt das Thema nicht viel mehr als Fragezeichen:

Muss ich als kleiner Händler auch Big Data machen? Verdiene ich damit wirklich mehr? Wenn ja, was soll ich untersuchen und welche wirklich relevanten Erkenntnisse kann ich daraus gewinnen? Das fragen sich die Unternehmen und machen erst einmal weiter wie bisher: abwarten und Google Analytics betreiben.

Verständlich auf der einen Seite, auf der anderen Seite ist das verschenkte Potenzial unter Umständen enorm. Schließlich zeigen Untersuchungen von Berater McKinsey   und dem Massachusetts Institute of Technology   (MIT), 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 sogar noch höher sein, schätzen die Analysten. Wie die iBusiness-Strategie-Empfehlungen für fünf beispielhafte Onlinehändler zeigen, kann jeder Händler Datenanalysen in Zukunft auf ein professionelles Niveau heben und wertsteigernd für sein Geschäft nutzen. Er muss nur wissen wie.

"Unternehmen, die mit Big Data und Analytics arbeiten, sind um fünf Prozent produktiver und um sechs Prozent profitabler"

Denn große Datenmengen sind nicht unbedingt ein Allheilmittel: Big-Data-Software wird zum Beispiel nicht automatisch bessere Antworten liefern, weil größere Datenmengen zur Verfügung stehen. Wer weiß, wonach er sucht, kann mit professioneller Datenanalyse aber mehr Datenquellen durchforsten und zusammenführen und hat deswegen die Chance, fündig zu werden. Die Auswertung und Schlussfolgerung muss der Mensch noch immer selbst machen, denn Big Data gibt Antworten, aber keine Erklärung. Das Potenzial besteht vor allem darin, dass komplizierte Zusammenhänge sichtbar werden, die bislang übersehen wurden.

iBusiness hat mithilfe von Datenanalyse-Experten Strategien für fünf beispielhafte ECommerce-Szenarien herausgearbeitet, wie unterschiedliche Shop-Arten heute, morgen und übermorgen das volle Potenzial ihrer Daten ausschöpfen:

Bild: cocoparisienne/Pixabay

1. Kleiner B2C-Pure-Player

Online-Weinversand im mittleren Preissegment, der nur den deutschen Markt beliefert und keine stationären Filialen betreibt. Umsatz: rund 5 Millionen Euro.

Der große Vorteil von Onlineshops jeglicher Größe ist, dass sie jede Menge an Daten produzieren, ohne diese mit Mühe erheben zu müssen. Doch gerade für kleine Shops ist die Auswertung ein enormer finanzieller und zeitlicher Aufwand, weshalb viele erst gar nicht damit anfangen. Das sei aber ein Fehler, sagt Klaas Bollhoefer, Chief Data Scientist bei The Unbelievable Machine Company   . "Ich kann nur allen empfehlen, die es sich leisten können, in Datenanalyse zu investieren."

Wichtigstes Ziel für den kleinen B2C-Onlinehändler ist es, seinen Kunden und dessen Vorlieben und Verhalten so gut wie möglich kennenzulernen. Folgende Fragen sollten hinter den Datenanalysen stehen:

• Wer sind meine Nutzer und was tun sie?
  
• Welche Transaktionen werden wie ausgeführt?
  
• Wie kann ich meinen Nutzer zufrieden stellen?
  
• Welche Maßnahme und Aktion korreliert mit welcher anderen?
  
• Wie kann ich meine Nutzergruppen identifizieren - Stichwort Customerprofiling?
  
• Welche Marketingkampagnen haben welchen Erfolg?
  
• Wie kann ich mehr Umsatz generieren?

Um diese Transparenz herzustellen, bedarf es nicht einmal echter Big-Data-Tools. Denn die Datenmengen und der Analyseaufwand des kleinen B2C-Pure-Players halten sich noch in Grenzen. Hier reichen klassische Analyseverfahren - die bisher bei vielen kleinen Shops noch immer nicht zum Einsatz kommen. "Allgemein sehen wir, dass durch den Hype um Big Data viele Unternehmen jetzt erst mit Business-Analytics-Tools starten", berichtet Klaas Bollhoefer.

Für die einfache Analyse externer Daten bieten sich im ersten Schritt simple Webanalytics-Produkte wie Google Analytics aber auch Social-Media-Analysetools an. "Das Problem bisher ist nur, dass diese externen Daten oft nicht miteinander und mit den internen Daten zusammengeführt werden. Dabei bietet sich gerade hier das Potenzial", hat Bollhoefer beobachtet. Dafür ist im nächsten Schritt eine Datawarehouse-Lösung notwendig, die den Onlineshop über eine Schnittstelle mit den Daten von Google oder Facebook verbindet. Ein kleiner Händler, der ein Händchen für IT und Technik hat, könne sich eine solche Software sogar in einigen Tagen oder Wochen selbst programmieren.

Die strategischen Ziele:
Ziel des kleinen B2C-Pure-Players ist es schließlich, all die Informationen aus dem Onlinemarketing, den sozialen Netzwerken und dem Kundenverhalten auf der eigenen Website in Aktionen zu überführen: Kundenpersonalisierung, Empfehlungsmarketing, Wettbewerbsmonitoring stehen hier auf der Agenda. Sie werden dem Händler helfen, sich gegenüber dem Wettbewerb zu differenzieren und eine sinnvolle Nische zu finden, in der er sich langfristig und erfolgreich behaupten kann.

Ganz kleine Händler, die keinen Cent für Datenanalyse übrig haben, sollten zumindest ständig ein Auge auf den Markt werfen. "Sie sollten beobachten, worin die anderen Händler investieren, sie sollten sich Use Cases und Best Practices anschauen und daraus lernen", empfiehlt Klaas Bollhoefer. Das Wichtigste ist es, bei dem Thema am Ball zu bleiben, um in Zukunft schnell mit der richtigen Strategie einsteigen zu können, wenn der Bedarf wächst, das Budget lockerer sitzt oder die Preise für die Tools fallen.

Bild: keresi71/Pixabay

2. Größerer B2C-Pure-Player

Online-Möbelhändler im mittleren bis niedrigen Preissegment, der die DACH-Region liefert und nicht offline verkauft. Umsatz: rund 20 Millionen Euro.

Wie professionell Big-Data-Tools und -Strategien eines Onlinehändlers sein sollten, hängt zum großen Teil von der Reife seiner Digitalisierung ab. Viele mittlere und größere Shops werden auch heute noch bei Null mit einfachen Webanalytics-Produkten anfangen. Diejenigen, die schon so weit sind, sollten das nächste große Ziel verfolgen: die Zusammenführung aller Kennzahlen. Denn die Social-Media-Analyse, das CRM oder die Recommendation-Lösung sind bisher noch Insellösungen. Aber erst durch die Kombination aller Daten zeigen sich die interessantesten Zusammenhänge.

Wenn der Händler dies nicht mehr mit der eigenen Datawarehouse-Software bewältigen kann, wird es Zeit für eine professionelle Big-Data-Lösung. Ralph Hünermann, CEO von Odoscope Technologies  , schätzt, dass bereits 2015 immer mehr mittlere und kleinere Händler, jenseits von Amazon und Zalando, Big Data professionell nutzen. Schließlich sei der Preis für eine Full-Service-Lösung inzwischen auch für sie bezahlbar: Zwischen 10.000 und 50.000 Euro pro Jahr müsse man berappen.

Bisher aber ist die Zahl derer, die all ihre Daten in einem Topf zusammenführen, um daraus Antworten auf alle möglichen Marketingfragen zu extrahieren, noch sehr überschaubar. Andres Reiner , CEO vom Big-Data-Software-Anbieter Pros  , sieht das ähnlich: "Wir schätzen, dass weniger als fünf Prozent der Onlinehändler Big Data, zum Beispiel für Pricing, einsetzen."

Da der größere B2C-Pure-Player quasi die Weiterentwicklung des kleinen B2C-Händlers ist, gelten dessen Fragen auch für ihn. Einige weitere kommen hinzu. Etwa:

• Welche Preise und Produkte bietet meine Konkurrenz an?
  
• Wie kann ich meinen Checkout verbessern?
  
• Wen spricht mein Onlinemarketing an?
  
• Für welche Produkte interessieren sich Kunden, die bestimmte Produkte kaufen, noch?

Neben diesen Basisfragen können Onlineshops mit einer professionellen Big-Data-Lösung zahlreiche weitere Fragen, die aus der Marketingabteilung kommen, beantworten. Aber Vorsicht: Die Antworten werden nicht immer unbedingt bequem sein. Oft entlarvt Big Data im Nachhinein, welche Marketingmaßnahmen nach hinten losgegangen sind und wo Geld in den Sand gesetzt wird.

Die strategischen Ziele:
Das Wichtigste für den B2C-Händler der größeren Dimension ist ebenfalls, seinen Kunden kennenzulernen und dessen Verhalten zu verstehen, um ihm maßgeschneiderte Angebote vorsetzten zu können. Das sollte in automatisierter Dynamik münden, unter anderem bei der Website-Gestaltung, dem Pricing, Produktempfehlungen und dem Marketing allgemein.

Bild: BitchBuzz Flickr

3. B2C-Markenartikler mit Shop

Die deutsche Niederlassung eines internationalen Luxus-Bekleidungsherstellers. Er betreibt einen Onlineshop und verkauft seine Waren in stationären Filialen, über Online-Generalisten sowie Offline-Kaufhäuser. Umsatz: 2 Milliarden Euro.

Die Big-Data-Analysen von Multikanal-Unternehmen sind wesentlich komplexer, als die von Pure-Playern. Beispiel ist hier ein Markenartikler mit eigenem Vertrieb. Erst durch den kürzlich gestarteten Direktverkauf erhält er überhaupt die Chance, seinen Kunden persönlich kennenzulernen - bisher hatten nur seine Vertriebspartner direkten Kontakt zum Endkunden. Die große Herausforderung bei ihm ist es, die Daten aus allen Kanälen zusammenzuführen, um den Kunden an allen Touchpoints wiederzuerkennen und richtig ansprechen zu können.

Whitepaper: Big-Data-Projekte mit Open Source erfolgreich realisieren Das iBusiness-Whitepaper erklärt Marketing- und Vertriebsentscheidern, wie man die eigenen Datenschätze mit Open-Source-Software heben kann.

Bei einem Unternehmen dieser Größe kann man davon ausgehen, dass die Digitalisierung weit fortgeschritten und entsprechendes Budget vorhanden ist: Wer noch nicht so weit ist, sollte deshalb in den nächsten Monaten in eine professionelle Big-Data-Lösung inklusive Hardware, Software und Beratung investieren. Ralph Hünermann ist der Ansicht, dass ein online und offline tätiger Markenartikler rund ein Prozent seines Umsatzes in Big Data mit allem Drum und Dran investieren sollte.

Er zählt die wichtigsten Fragen auf, die sich jeder Markenhersteller für seine Big-Data-Strategie stellen sollte:

• Wer ist überhaupt mein Kunde?
  
• Wer redet in Social Media wie über meine Produkte? Welche Produkte wünschen sich die Kunden?
  
• Wer kauft was in den Offlinefilialen und bei meinen Offlinehändlern?
  
• Welche Kunden kaufen bevorzugt in welchen Kanälen ein?
  
• Wie gut ist mein Checkout-Prozess? Wo wird abgebrochen?
  
• Für welche Produkte interessieren sich Online- und Offline-Kunden, die bestimmte Produkte kaufen, noch?

Die strategischen Ziele:
Ziel der Big-Data-Strategie ist unter anderem, das Multichannel-Verhalten der Kunden zu verstehen. Wenn das Unternehmen weiß, wer wann auf welchem Kanal einkauft, kann es dem Kunden zu jeder Zeit die richtigen Produkte, Empfehlungen und Marketingmaßnahmen anzeigen. Diese angestrebte Personalisierung sollte unter anderem eine dynamische Webseite, individuelle Produktempfehlungen und dynamisches Pricing beinhalten. Das übergeordnete Ziel ist es, die Absprungrate zu minimieren und die Kundenbindung zu erhöhen.

Bild: Jarmoluk/Pixabay

4. B2C-Multichannel-Händler mit Stationär-DNA

Ein deutsches Modehaus mit zehn regionalen Kaufhäusern und seit 2011 einem Onlineshop. Umsatz: 200 Millionen Euro, davon 20 Prozent Versandhandel.

Bei diesem Händler ist die digitale Reise traditionell nicht sehr weit fortgeschritten, da er aus dem stationären Handel kommt und erst seit Kurzem im E-Commerce unterwegs ist. Wer über eine Kundenkarte Kundendaten erhebt, sollte diese unbedingt mit den Onlinedaten zusammenführen. Wer noch kein Treueprogramm betreibt, sollte es aus Datenanalysegründen schleunigst einführen.

Multichannel-Händler, die aus dem stationären Handel kommen, sollten sich zu Beginn ihrer Online-Aktivitäten langsam an das Thema Datenanalyse herantasten. Mit einigen Analysetools steigen sie ein und führen die Daten aus unterschiedlichen Quellen schließlich mit einer Datawarehouse-Software zusammen. Wenn sie in der Dimension des beschriebenen Modehauses angekommen sind und bereits 20 Prozent eines 200-Millionen-Euro-Umsatzes online generieren, sollten sie langsam in eine professionelle Big-Data-Lösung investieren. Folgende Fragen sollten sich solche Händler in ihrer Strategie stellen:

• Wie wirksam sind meine Online- und Offline-Werbemaßnahmen?
  
• Welche Kunden kaufen was kanalübergreifend ein?
  
• Wer redet in Social Media wie über meine Produkte? Welche Produkte wünschen sich die Kunden?
  
• Welche Produkte müssen im Laden wo positioniert werden, damit sie erfolgreich verkauft werden?
  
• Wie gut ist mein Checkout-Prozess? Wo wird abgebrochen?
  
• Für welche Produkte interessieren sich Kunden, die bestimmte Produkte kaufen, noch?
  
• Welchen Einfluss hat der Onlineshop auf mein Stationärgeschäft und umgekehrt? Wie kann ich den jeweils anderen Kanal am erfolgreichsten bewerben?
  
• Wonach suchen Kunden mobil, wenn sie im Laden sind? Was kann ich daraus für mein Sortiment schlussfolgern?

Die strategischen Ziele:
"Der Crosschannel-Händler sollte sich das Ziel setzen, dass möglichst viele Touchpoints zwischen Kunde und Unternehmen mithilfe einer präskriptiven Analyse entscheiden, was dem Kunden wie präsentiert wird", empfiehlt Ralph Hünermann. Online- und Offlinehandel sollten zukünftig in Einklang gebracht werden, sich in Bezug auf Produkte und Zielgruppe gegenseitig ergänzen und so effektiv wie möglich arbeiten: Wenn die Freizeitkleidung für Herren vor allem online gut geht - und das Kaufhaus bisher vor allem aus Gründen der Vollständigkeit eine ganze Etage damit bestückt hat - wird das Offlinesortiment in dem Bereich jetzt reduziert und ins Netz verschoben. Umgekehrt gilt: Wenn Kunden online T-Shirt XY oft mit Hose AB zusammen kauften, sollten die beiden Teile auch im Laden nebeneinander hängen.

Das übergeordnete Ziel des B2C-Multichannel-Händlers ist es, die Kundenbindung zu erhöhen und Kunden im Netz nicht an Amazon und Zalando zu verlieren, sondern mit dem eigenen Onlineshop abzufangen.

Bild: Weinstock/Pixabay

5. B2B-Händler/Pure Player

Ein deutscher Großhändler für Bürobedarf, der über Online- und Katalog-Versandhandel ausschließlich Gewerbe beliefert. Umsatz: 50 Millionen Euro.

Den B2B-Händler beschäftigen für seine Datenanalyse-Strategie andere Fragen als einen Shop, der direkt den Konsumenten adressiert. In seinem Webshop surfen zum Großteil eingeloggte Nutzer, die vorher einen ausführlichen Registrierungsprozess durchlaufen haben. Deshalb kennt er seine Nutzer wesentlich besser als der B2C-Händler und es geht ihm weniger um Customerprofiling und mehr um Prozesstransparenz.

Ein bereits etablierter B2B-Fachhändler hat im Normalfall eine ganze Menge an Daten über die Webseite, die Katalogbestellungen und den Telefonsupport gesammelt. "Aber auch hier hat bisher kaum jemand die Daten der unterschiedlichen Quellen auf einer Plattform zusammengeführt", sagt Klaas Bollhoefer. "Das ist jetzt der nächste Schritt." Ihnen empfiehlt er, jetzt in professionelle Big-Data-Technologien zu investieren, um die Massen an Daten, die sich über die Jahre hinweg angesammelt haben, zum eigenen Vorteil nutzen zu können.

Fragen, die sich der B2B-Pure-Player stellen sollte, lauten:

• Welche Stückzahlen wollen meine Kunden abnehmen?
  
• In welchen Warenwirtschaftsbereichen liegen weitere Potenziale?
  
• Für welche Produkte interessieren sich Kunden, die bestimmte Produkte kaufen, noch?
  
• Wie gestalte ich meinen Katalog, um die beste Konversionsrate zu erreichen?
  
• Welche weiteren Produkte wünscht sich mein Kunde in meinem Portfolio?

Die strategischen Ziele:
Der Anspruch von B2B-Kunden an den Kundenservice ist besonders hoch. Deshalb sind guter Kundenservice, optimale Usability und minimaler Aufwand für den Kunden die wichtigsten Ziele, die der B2B-Onlinehändler durch Big Data erreichen will. Dazu gehört auch, das eigene Portfolio zu optimieren und um die Produktsparten zu erweitern, die der Kunde wünscht - und somit die Warenkorbgröße auszubauen. "Durch eine dynamische Webseite, Marketing-Automation und eine individuelle Produktauswahl auf der Auftaktseite, erhöht er die Kundenbindung und die Wiederkehrrate", fügt Ralph Hünermann hinzu. "Auch dynamisches Pricing in Form von individuellen Discounts ist gerade im B2B-Umfeld wichtig."

Die Zukunftsstrategien der fünf Händlertypen in der Übersicht:

Händlertyp	Zu erhebende Daten	Ziele/Optimierungspotenzial
Kleiner B2C-Pure-Player	Social-Media-Kommunikation, Kundendaten allgemein, Customer Journey, Konversionsraten vom Marketing, Abbruchursachen	Customerprofiling, persönliche Kundenansprache, Konversionsoptimierung, Kundenbindung, Nische finden, gegen Konkurrenz absetzen
Größerer B2C-Pure-Player	Social-Media-Kommunikation, Kundendaten allgemein, Customer Journey, Konversionsraten vom Marketing, Abbruchursachen, Produktkorrelationen	Customerprofiling, persönliche Kundenansprache, Konversionsoptimierung, Kundenbindung, Marketing-Automation, dynamische Website, dynamisches Pricing, Produktempfehlungen
B2C-Markenartikler mit Shop	Social-Media-Kommunikation, Kundendaten allgemein, kanaübergreifendes Kaufverhalten, Konversionsraten vom Marketing, Produktkorrelationen	Customerprofiling, Produktempfehlungen, kanalübergreifend individuelle Kundenansprache, Crosschannel-Sortimensoptimierung, Konversionsrate, Branding, dynamische Webseite, dynamisches Pricing, Erkenntnisse für den Vertrieb auf allen Kanälen
B2C-Multichannel-Händler	Offline-Kaufverhalten durch Treueprogramm, Social-Media-Kommunikation, Konversionsraten vom Marketing, Online- und Offline-Customer-Journey, Abbruchursachen, Produktkorrelationen, mobiles Suchverhalten, Crosschannel-Verhalten	Produktempfehlungen, kanalübergreifend individuelle Kundenansprache, Crosschannel-Sortimensoptimierung, Kundenbindung, der Konkurrenz von Amazon und Zalando trotzen
B2B-Händler/Pure Player	Bedarf der Kunden, Produktkorrelationen,	Kundenservice, Usability, Prozessoptimierung, Portfoliooptimierung, Marketing-Automation, dynamisches Pricing