Diese blinden Flecken bremsen das Wachstum in Ihrem Shop

Leicht werden sie übersehen: die blinden Flecken im Unternehmen. Oft sind es Denkfehler, die sich einschleichen, weil unser Gehirn vereinfachte und vorschnelle Entscheidungen trifft. Werden aufgrund dieser Denkfehler wichtige Kennziffern falsch interpretiert oder Fehler zu spät entdeckt, kann dies schwerwiegende Folgen für jeden Onlinehändler haben.

Im folgenden zeigen wir typische blinde Flecken aus den Bereichen Big Data und dem Supply Chain Management, die häufiger vorkommen, als Sie vielleicht denken.

1. Die versteckten Kosten in den Retouren

Der deutsche Onlinehandel ist nach wie vor Spitzenreiter bei der Retourenquote in Europa  . Nach Händlereinschätzung werden ca. 15 Prozent der online bestellten Waren zurückgeschickt und mehr als 50 Prozent der Händler berichten von steigenden Kosten durch diese Rückgaben.

Doch das eigentliche Problem sind meist nicht die Retouren an sich, sondern

1. die Berechnung der Retourenquote bezogen auf die verschiedenen Marketing-Kanäle und
   
2. die Frage, welchen Einfluss Retouren auf den Customer Lifetime Value (CLV) haben.

Retouren werden oft ausschließlich unter Kostengesichtspunkten betrachtet, obwohl sie eine immense Auswirkung sowohl auf die Akquise, das Kundenerlebnis und die Markentreue haben. Folgende vier Arten von Retouren wirken sich unterschiedlich auf den CLV und somit auf die Profitabilität Ihres Geschäfts aus:

Der Umtausch (gleiches Produkt, andere Größe oder Farbe)

Fast 60 Prozent der KundInnen   retournieren ein Produkt, weil etwa die Größe nicht passt oder zur Auswahl bestellt wurde. Dies bedeutet, dass mehr als die Hälfte der Rücksendungen mit einem einfachen Umtausch gelöst ist. Es geht kein Umsatz verloren. Auch die Kundenbeziehung wird fortgesetzt, wenn die KundInnen eine positive Erfahrung gemacht haben.



Der Austausch (neues Produkt)

Ein Produktaustausch bietet dieselben Vorteile wie ein Produktumtausch, schafft jedoch zusätzlich Upselling-Potenzial, da sich die Kundin bzw. der Kunde beim Kauf eines neuen Produkts auch für einen teureren Artikel entscheiden kann.



Die Gutschrift

Eine Gutschrift führt dazu, dass der Umsatz in die Zukunft verlagert wird. Sie bietet allerdings weiterhin die Chance, die Kundenbeziehung korrekt aufzubauen und schafft weiteres Potenzial für künftige Markentreue.



Die Rückerstattung

Lediglich bei einer Rückerstattung ist der Kunde oder die Kundin mit dem gelieferten Produkt in der Regel unzufrieden und das Ende der Kundenbeziehung - die mit Umsatzeinbußen verbunden ist - steht wahrscheinlich bevor. Und dennoch bietet eine Rückerstattung die Möglichkeit, bei KundInnen einen positiven Eindruck von Ihrer Marke zu hinterlassen.

Händler, die es nicht schaffen, den CLV um die Retourenquote zu bereinigen, werden früher oder später Probleme mit der Profitabilität bekommen. Kritisch wird es vor allem, wenn Maßnahmen zur Neukundengewinnung auf Basis einer solchen eingeschränkten Betrachtung optimiert werden.

Denn als Faustregel gilt: Die Customer Acquisition Costs (CAC) sollten nie höher sein als der Customer Lifetime Value (CLV). Ein zu hohes CAC/CLV-Verhältnis ist ein sicheres Zeichen dafür, dass Onlinehändler zu viel Geld ausgeben, um NeukundInnen zu gewinnen, die eigentlich keinen so hohen Wert haben. Eine solche Fehlkalkulation führt dazu, dass Marketingkampagnen unrentabel werden oder auf Kosten von möglicherweise profitableren KäuferInnen ein unrentables Publikum anziehen.

Können Kundinnen und Kunden allerdings anhand ihren Retouren gruppiert werden, dann können diese Segmente viel genauer an der tatsächlichen Rentabilität ausgerichtet und die Marketingausgaben effizienter gesteuert werden.

2. Rabattaktionen und der Bullwhip-Effekt

Jeder erinnert sich wohl an die Lieferengpässe beim Toilettenpapier zu Beginn der Corona-Pandemie. Und auch fast zwei Jahre später sind zahlreiche Rohstoffe wie Holz oder Aluminium aber auch Halbleiterchips, Spielekonsolen oder Venenkatheter ein knappes Gut geworden.

Durchaus verlockend ist es nun, die VerbraucherInnen für die Klopapier-Krise verantwortlich zu machen. Jedoch war der Auslöser hierfür vielmehr der Bullwhip-Effekt, auch Peitscheneffekt genannt, ein oft übersehener blinder Fleck innerhalb des Supply Chain Management.

Dieser Effekt beschreibt, wie sich Fehlannahmen potenzieren und ein sich aufschaukelnder Effekt innerhalb der Lieferketten zwischen Endkunde bzw. Endkundin und Zulieferer entsteht. So können bereits kleine Veränderungen der Endkunden-Nachfrage zu Schwankungen der Bestellmengen führen, die sich entlang der logistischen Kette, wie ein Peitschenhieb, aufschaukeln.

Die Ursachen sind vielfältig: Zeitlicher Verzug bei der Weitergabe von Informationen, falsches Bestellverhalten, Bündelung der Aufträge, Hamsterkäufe aber auch Mengenrabatte. Doch fast alle Ursachen resultieren aus einer mangelhaften Kommunikation. Denn je länger es dauert, die benötigten Informationen an die nächste Handelsstufe weiterzugeben, desto stärker ist der Bullwhip-Effekt. Sobald es nicht möglich ist, einen guten Überblick über die Vorgänge sämtlicher Lieferanten innerhalb der gesamten Lieferkette zu haben, kann dies schwerwiegende Folgen nach sich ziehen.

Denn Lieferkettenprobleme wirken sich nicht nur negativ auf das Konsumverhalten aus, wenn die einst so schwer (und teuer!) gewonnene Kundenloyalität schwindet. In Panik geratene Einzelhändler machen alles noch schlimmer, indem sie (zum Beispiel für die kommenden Feiertage) früher als sonst oder einfach zu viel bestellen. Dies signalisiert die nächste Handelsstufe, dass die Verbrauchernachfrage steigt, auch wenn dies nicht der Fall ist.

Aber auch Schnäppchenangebote und Rabattaktionen begünstigen den Bullwhip-Effekt, denn sie führen zu einem Boom-Bust-Zyklus. Auf "Boom" folgt "Bust" (Pleite) und auf "Bust" folgt "Boom". Phasen hoher Nachfrage werden gefolgt von Phasen geringer Nachfrage. Diese Nachfrageschwankungen werden dann durch jede Stufe der Lieferkette verstärkt.

Dieser typische blinde Fleck kann zu fatalen Fehlentscheidungen führen. Ein erster Schritt, dies zu umgehen, kann darin liegen, mithilfe von Feedback bestehende Situationen auf einer Metaebene zu hinterfragen, zu analysieren und neu einzuschätzen. Die gewonnenen Erkenntnisse nicht auf die lange Bank schieben, sondern zeitnah umsetzen und vor allem die Informationstransparenz an die erste Stelle setzen.

3. Big Data führt nicht automatisch zu besseren Entscheidungen

Je mehr man über das Kundenverhalten weiß, desto gezielter können Maßnahmen ergriffen werden. Deswegen setzen viele Unternehmen auf Big-Data-Initiativen. Sie wollen genau wissen, was jemand getan, geklickt, gekauft oder retourniert hat. Diese Daten geben uns eine ziemlich exakte Antwort auf fünf W-Fragen: Wer? Wann? Was? Wo? Wieviele?

Trotzdem sind viele Investitionen in Big Data nicht rentabel. Die MitarbeiterInnen treffen dadurch keine besseren Entscheidungen und erzielen keine besseren Ergebnisse. Denn eines liefert Big Data nicht: Den Warum-Kontext. Je mehr Zahlen man sammelt, desto leichter lassen sich Muster und Korrelationen finden. Wenn man Wetterdaten und Smartphoneverkäufe weltweit analysiert, wird man sicherlich Muster entdecken. Nur: Es gibt einfach keinen Zusammenhang zwischen den iPhone-Verkäufen in New York und den Regentagen in Brasilien - egal wie eng sich die Korrelation auf dem Papier darstellt.

Einen Zusammenhang gibt es nur, wenn es auch ein Motiv gibt. Am Ende beziffern und bewerten alle vorhandenen Zahlen und Daten daher vor allem Emotionen. Denn Motive werden durch Emotionen gesteuert und erst diese erlauben uns, den Warum-Kontext zu verstehen.

Am Ende sind es Emotionen, die unsere Aufmerksamkeit steuern, unser Denken und Handeln bestimmen. Big Data weist lediglich eine Richtung, in der es sich zu forschen lohnt. Eine Erklärung wird die Datenanalyse nicht liefern. Um diese Fragen zu finden, bilden traditionelle Marktforschungsmethoden wie Umfragen immer noch den Grundstein für jedes Unternehmen. Auch wenn sie manch einem noch so langweilig erscheinen. Durch Zuhören und Beobachten können wertvolle Human Insights verwendet werden, um die Punkte zwischen dem, was die Kundin oder der Kunde denkt, fühlt, sagt und tut, zu verbinden. Dann kann echte Kundenloyalität entstehen.

4. Big Data schafft nur kurzfristig Abhilfe

Datengesteuerte Unternehmen haben nicht nur mit der Herausforderung zu kämpfen, einen richtigen Umgang mit den Daten zu finden. Big-Data-Analysen verleiten Marketingverantwortliche auch zu sehr kurzsichtigem, unterkomplexem Handeln.

Big-Data basierte Analyseansätze, wie beispielsweise die Attributionsmodellierung, können lediglich die kurzfristigen Auswirkungen von Marketingmaßnahmen erkennen. Denn zu oft wird nur analysiert:

• welche Kanäle beteiligt sind,
  
• in welcher Reihenfolge diese Kanäle genutzt werden und
  
• welche Bedeutung der jeweilige Kanal für die Kaufentscheidung hat.

Allerdings haben die meisten Marketingaktivitäten sowohl eine kurz- als auch eine langfristige Auswirkung auf den Umsatz. Die kurzfristige Wirkung (dem Kunden bzw. der Kundin das anzubieten, was er/sie gerade braucht) ist in der Regel nur für zehn bis dreißig Prozent des Gesamtumsatzes verantwortlich, während die langfristige. markenbildende Wirkung zwei- bis dreimal größer, aber sehr viel schwerer messbar ist.

Ein einfacher Test, mit dem sich diese langfristigen Auswirkungen verstehen lassen, besteht in der der Schätzung des Umsatzrückgangs, der eintreten würde, wenn alle Marketingaktivitäten eingestellt werden. Bei einem gesunden Unternehmen sollten trotzdem 70 bis 90 Prozent erhalten bleiben - der langfristigen Markenführung sei Dank!

Da die meisten durch Big Data gesteuerten digitalen Aktivitäten nur kurzfristige Handlungsaufforderungen sind und wenig zum Aufbau der Marken- und Kundenbindung beitragen, sollten Marketer ihre Big Data Modelle mit Analysen dieser langfristigen Effekte in ihre Zukunftsprognosen mit einbeziehen.

---

iBusiness-Autorin Diana Versteege berät seit mehr als 15 Jahren Onlinehändler zu strategischen und konzeptionellen Fragen. Ihre Schwerpunkte liegen in den Bereichen Positionierung, Kommunikation und der Conversion-Optimierung mittels psychologischer Strategien und Modelle. Mit der Gründung ihrer eigenen Marke SHEcommerce im Jahr 2012 steht die Zielgruppe Frau im Fokus.