Ladenbestände automatisiert organisieren

0

Big Data hat längst Einzug in den Handel gehalten. Im Retail-Prozess kommen immer mehr Analyse-Tools zum Einsatz. Diese prognostizieren Trends, sagen treffsicher voraus wie hoch die Nachfrage nach bestimmten Produkten sein wird und passen die Preisstruktur in einer blitzschnellen Konkurrenzanalyse automatisch an. Sie identifizieren die Zielgruppe und finden heraus, wie Händler diese am besten ansprechen.

Social Media Posts werden durchkämmt, das Surfverhalten analysiert und Algorithmen entschlüsseln den Kontext, in welchem Produkte im Netz besprochen werden. In diesem Zuge steigt auch die Nachfrage nach benutzerfreundlichen Tools zur Analyse dieser Daten.

Retail-Analyse-Tools vermitteln passgenau und schnell Informationen

Kleine Unternehmen sind oft erst einmal zurückhaltend, wenn es um die Erhebung und Auswertung von Daten geht. Dabei verfügen die Händler bereits über viele Daten, die sie nur systematischer erfassen, kategorisieren und auswerten müssen. Damit lassen sich dann aus gekauften Produktmengen, demografischen Besonderheiten der Zielgruppe und saisonalen Trends Handlungsanweisungen ableiten.

Analysetools unterstützen Händlern die Antworten auf folgende Fragen zu erfassen und auszuwerten:

  • Haben meine Kunden ein Produkt in der Vergangenheit bereits mehrfach erworben?
  • Woher kommen meine Kunden? Wie alt sind sie?
  • Ist das Produkt zu bestimmten Jahreszeiten beliebter als zu anderen?
  • Was sind die beliebtesten Produkte des Shops?
  • Wie ist die Meinung der Kunden zum jeweiligen Produkt? Werden sie es wieder kaufen oder sich beim nächsten Mal anders entscheiden?

Für den Ladenbetreiber hat eine systematische Beantwortung dieser Fragen viele Vorteile. So kann er besser verfolgen, wie viele Kunden welchen Artikel zu welchen Zeitpunkten und über welche Zeiträume wie oft kaufen. Mithilfe dieser Daten kann der Händler dann planen wann er wie viele Produkte vorrätig haben sollte.

Die Analyse erschöpft sich  dabei nicht in der Erhebung von Zahlenwerten. Sie fördert auch ein tieferes Verständnis von Kundenwünschen, das wiederum eine konstruktive Feedback-Schleife möglich macht.

Der Prozess der Retail Analyse funktioniert folgendermaßen:

  1. Kundendaten nutzbar machen

Zunächst braucht der Händler ein System, das die aus dem Kundenverhalten gewonnen Daten, wie Informationen über Markenpräferenzen, Kaufintervalle, saisonale Trends und zusammen gekaufte Produkte, analytisch greifbar macht. Auf Grundlage dieser Daten werden dem Kunden neue Produkte empfohlen. Wer zum Beispiel im Sommer regelmäßig kurze, dezente Kleider kauft, könnte Interesse an farbintensiven Accessoires haben. Gleichzeitig ist es dem Händler möglich anhand seiner Kundenzahlen zu ermitteln, wie er seine Auslagen zu welcher Zeit bestücken muss.

  1. Kundenzufriedenheit erhöhen

„Eine gute Kundenbetreuung sollte zum Ziel haben die Kundenbedürfnisse ständig und konsequent zu übertreffen. Das ultimative Ziel sind demnach enthusiastische beziehungsweise emotional berührte und gebundene Kunden. Diese wirken als Multiplikatoren und sorgen auch für die Kundenerweiterung, zur Kundenbindung und schlussendlich Rentabilität der Kundenbeziehungen”, erklärt Marketing- und Vertriebsleiter Michael Richter.

Kundenbindung verteilt sich demnach auf Fürsprache (Advocacy Loyalty Index), Kaufbereitschaft (Purchasing Loyalty Index) und Treue (Retention Loyalty Index).  Ebenso wichtig ist es, die Erfolge zu messen, sie sichtbar und auswertbar zu machen und den Kundenservice mit den richtigen Kennzahlen messbar zu machen. Verschiedene Unternehmen wie zum Beispiel Honestly oder HappyOrNot haben sich der Optimierung des Kundenservices verschrieben, um Produktivität, Performance und Qualität eines Unternehmens zu steigern.

  1. Einen permanenten Prozess etablieren

Zuletzt geht es darum, auf Basis des veränderten Kundenverhaltens neue systematische Erkenntnisse zu gewinnen und anwendungsorientiert umzusetzen. Diese müssen immer wieder überprüft und bei Bedarf angepasst werden. So entsteht eine laufende Feedback-Schleife, in welcher der Service immer weiter verbessert werden kann.

Wichtig ist hierbei, alle Maßnahmen ausgewogen einzusetzen. Bei manchem Kunden löst es Verunsicherung aus, wenn ein Händler zu gut über seine Präferenzen Bescheid weiß. Unter diesem Aspekt weisen Retail-Analytics Ähnlichkeiten mit dem Retargeting auf.

Wie funktioniert die Datenerhebung und welche Analytics-Lösungen gibt es?

Zur Erhebung der Daten nutzt man eine POS-Software wie Lightspeed, Microsoft Dynamics RMS, Vend POS oder Revel Systems. Sie sammelt Verkaufsdaten, macht Trends sichtbar und stellt sie in grafisch ansprechender Form in einem Dashboard zusammen. Jedes Mal, wenn ein Kunde seinen Einkauf bezahlt, werden alle relevanten Daten erhoben und zur Kaufhistorie und seinem Profil hinzugefügt. Anhand der eingekauften Produkte werden demografische Profile erstellt, um Produkte zielgruppengerechter in das Sortiment mit aufzunehmen. Beim Bezahlvorgang werden Daten erhoben, die Verkaufsmengen, Bestände, Kundendaten und saisonale Trends grafisch darstellen und mit den Verkaufs- und Inventardaten abgleichen oder auf die Notwendigkeit nachzufüllen hinweisen.

„Mit einem durchgängigen System wollen wir unsere Arbeitsprozesse vom Auftragseingang bis zur Rechnungsstellung automatisieren und so unsere Mitarbeiter entlasten“, beschreibt Geschäftsführer Olaf Heinen von Business Visum seine Zielsetzung. Das Unternehmen Synalis entwickelte hierfür eine Komplettlösung: Mit Microsoft Dynamics CRM wurde die gesamte Kundenverwaltung, die operative Auftragsabwicklung und die automatische Dokumentengenerierung abgedeckt.

Für einen Überblick im Dschungel der zahlreichen Anbieter bietet die folgende Liste eine erste Orientierung und zeigt die derzeit wichtigsten Softwares in dem Bereich Retail Analytics:

  • Microsofts Dynamics RMS oder das aktuelle Cloud basierte Dynamics 365 mit direkter Verknüpfung zur Adobe Cloud
  • Vend POS
  • Revel Systems
  • ShopKeep
  • Retail Pro
  • AccuPOS
  • NCR Counterpoint
  • Bindo POS
  • Cashier Live

 

Artikel kommentieren