Corona hat für viele technische Entwicklungen wie ein Katalysator gewirkt. Auch der Bereich des Einkaufs ist tangiert, sodass sich für den Retail-Bereich viele neue Herausforderungen ergeben. Diese Fragestellungen betreffen die strategische Ausrichtung des Geschäfts und haben direkte Auswirkungen darauf, ob sich die Händler gegen den Wettbewerb durchsetzen können.
Vor allem in den Jahren 2020 und 2021 konnten relevante Innovationen im Retail-Markt verzeichnet werden. Diese betrafen u.a. die Themenfelder des Social Commerce, des Influencer-Marketings und auch den Einsatz von Augmented-Reality beim Einkauf. Es verwundert daher nicht, dass Unternehmen aus dem Bereich des Handels nun auch verstärkt auf den Mehrwert datengesteuerter Geschäftsanalysen achten. Denn ihr Ziel ist es, individuelle Kundenerfahrungen zu ermöglichen, Prozesse zu rationalisieren sowie innovative Produkte und Services auf den Markt zu bringen.
Hierbei nutzen gerade Einzelhändler entsprechende Datenauswertungen, die den Wert ihres Business durch neue technologische Optionen erhöhen sollen. Dabei ist es irrelevant, ob der Fokus eher auf traditionellen Fragestellungen wie der Optimierung der Lieferkette liegt oder ob es um futuristische KI-basierte Ansätze geht. Alle Anwendungsbereiche haben eins gemeinsam: die Qualität der Daten, um Erkenntnisse mit Mehrwert zu erhalten, ist von höchster Relevanz.
Wertvolle Hinweise bekommen
Die Zusammenführung von Informationen aus unterschiedlichen Datenquellen bringt den Einzelhändlern viele neue Erkenntnisse. Diese betreffen die Kunden, den Vertrieb, verschiedene Marketing-Aktivitäten sowie auch interne Prozesse. In diesem Zusammenhang verbinden sie im Normalfall Informationen über das Kaufverhalten in den Geschäften mit den Aktivitäten beim Online-Shopping. Das Ziel ist, ein umfassendes Bild der Customer Journey zu erzeugen und auf dieser Basis gute Entscheidungen zu treffen. Hinzu kommt, dass es ständig neue Markt-Trends gibt.
Diese müssen von den Einzelhändlern stetig analysiert werden, um gegebenenfalls Anpassungen am Empfehlungsalgorithmus vornehmen zu können. Darüber hinaus unterstützen Offline-Daten, die Aufschluss über Ergebnisse einzelner Maßnahmen liefern, die Planung der Personalausstattung in den Läden. Man muss jedoch im Hinterkopf behalten, dass sich Probleme mit der Qualität der verwendeten Daten theoretisch jedes Mal vervielfachen können, je öfter sie kombiniert und umgewandelt werden. Aus diesem Grund muss die Qualität der Informationen fortwährend geprüft und Maßnahmen zur Verbesserung der Daten angewendet werden, bevor sie zur Gewinnung von Insights genutzt werden können.
Nur gute Daten führen zu guten Maßnahmen
Im Folgenden verdeutlichen einige Szenarien, warum Einzelhändler vor der Durchführung von Analysen oder KI/ML-Initiativen die Datenqualität bewerten müssen.
- Lieferketten optimieren
Zusatzleistungen wie kostenloser Versand sollen potenzielle Neukunden werben. Die Einzelhändler geben entsprechend viel Geld dafür aus, um sich vom Wettbewerb zu differenzieren. Grundsätzlich gut gemeinte Aktionen führen jedoch ins Leere, wenn die Datenqualität schlecht ist. Dies äußert sich dann in Form von Adressen, bei denen die Hausnummer fehlt oder die eine ungültige Postleitzahl enthalten. Verspätete oder fehlgeschlagene Lieferungen sorgen im Gegenteil für eine schlechte Kundenerfahrung und ziehen Produktrückgaben nach sich. Darüber hinaus unterstützen korrekte Kundenadressdaten den Einzelhändler auch dabei, den optimalen Standort für seinen Laden zu suchen. Durch die Analyse des Kundenverkehrs kann herausgearbeitet werden, in welchen Gebieten des Orts die meisten Bestellungen getätigt werden. Eine Kosten-Nutzen-Berechnung bringt dann die Erkenntnis, wo sich die Eröffnung eines Geschäfts am meisten lohnen wird. Hierzu können die bereits vorhandenen Informationen auch mit aktuellen Daten zu Konkurrenzgeschäften angereichert werden, um die eigenen Standorte in Spitzenzeiten effizient mit Personal zu besetzen. - Bestände optimieren und effizient verwalten
Einzelhändler müssen mit der immer schneller fortschreitenden Veränderung von Verbrauchertrends mithalten. Das bedeutet unter anderem, dass sie beispielsweise Saisonware in den richtigen Bestandsgrößen vorhalten müssen. Das trägt dazu bei, Verluste durch unverkaufte Waren oder unnötig starke Rabattierungen zu minimieren. Um hier entsprechende Prognosen zu erstellen, müssen die Kundendaten und die Informationen von Drittanbietern vollständig und akkurat sein. Zudem können Verkaufsdaten aus der Vergangenheit ebenfalls genutzt werden, um Hinweise auf Bestandsgrößen und Lagerkapazitäten zu erhalten. - Die Wirkung des Marketings erhöhen
Die Datenqualität kann auch durch die Ergänzung von relevantem Kontext verbessert werden. Solche Informationen enthalten dann Aussagen über das Kundenverhalten, das Einkaufsbudget oder auch präferierte Einkaufszeiten. Das hilft Einzelhändlern dabei, die richtigen Zielgruppen zur optimalen Zeit anzusprechen, was die Kosten für Marketing-Aktionen reduziert und gleichzeitig den ROI erhöht. Zudem tragen angereicherte Daten zu den Kunden-Präferenzen auch dazu bei, maßgeschneiderte Dienstleistungen anzubieten und neue Produkte zu entwickeln. Auch hinsichtlich der Preisoptimierung ergeben sich Möglichkeiten. So können Einblicke in die Demografie und Kaufkraft von Verbrauchern dabei helfen, Produkte zu einem optimalen Preis zu verkaufen. - Kundenrezensionen verbessern Produkte
Einzelhändler sollten unbedingt das Feedback ihrer Kunden zu Produkten aufnehmen und verarbeiten. Denn viele von ihnen treffen ihre Kaufentscheidung auf Basis von Produktbewertungen. Der Einzelhändler kann durch die Analyse Produktverbesserungen vornehmen und auch seine Produktstrategie verändern. Jedoch müssen mögliche Unstimmigkeiten in den Bewertungen erkannt und beseitigt werden, bevor sie als Basis für Veränderungen genutzt werden. Es ist nämlich durchaus möglich, dass ein einzelner unzufriedener Kunde zahlreiche negative Bewertungen auf unterschiedlichen Kanälen abgibt. Das wirkt sich dann wiederum fälschlich auf das Urteil des Produktmanagers aus. Daher müssen die Bewertungen zumindest auf Einzigartigkeit geprüft werden, damit die korrekte Menge an Feedback erfasst und entsprechend gewichtet wird. - Datenkonsistenz verbessert den Markenwert
Verbraucher erwarten ein konsistentes Einkaufserlebnis über alle Marketing Touchpoints des Unternehmens hinweg. Einzelhändler müssen also sicherstellen, dass die Einblicke oder Informationen, die den Verbrauchern durch verschiedene Datenanalysetechniken zur Verfügung stehen, über alle Kanäle hinweg zumindest ähnlich sind. Denn es kann für Verbraucher verwirrend sein, wenn online und offline unterschiedliche Visuals verwendet werden. Deshalb müssen alle Produktinformationen oder sogar Kundendaten wie Bestellungen, Lieblingsprodukte oder personalisierte Ansichten über alle Kanäle hinweg ähnlich aufbereitet sein.
Einzelhändler können darüber hinaus Echtzeit-Streaming-Daten von verschiedenen Social-Media-Kanälen nutzen, um den Verbrauchern Stimmungsanalysen zu einzelnen Produkten und Dienstleistungen zur Verfügung zu stellen. Auch hier müssen sie jedoch sicherstellen, dass die Daten konsistent, vollständig und genau sind. Die Datenkonsistenz ist ein wichtiger Faktor für die Datenqualität, um Kunden ein einheitliches Omnichannel-Erlebnis zu bieten.
Fazit
Die Aufrechterhaltung der Datenqualität ist eine kontinuierliche Aufgabe, die auch die Datenquellen selbst berücksichtigen sollte. Andernfalls müssen Einzelhändler am Ende höhere Preise zahlen, um diese zu einem späteren Zeitpunkt zu korrigieren. Dabei beschränkt sich die Notwendigkeit der Bewertung der Datenqualität nicht nur auf die Verbesserung des Kundenerlebnisses oder die Steigerung des Umsatzes. Die Aufrechterhaltung der Datenqualität wird das gesamte Geschäftsergebnis verbessern. Denn auch Lieferantenbeziehungen sind beispielsweise integraler Bestandteil jedes Einzelhandelsunternehmens. Nicht von ungefähr wählen sie die besten Anbieter für die Beschaffung ihrer Rohstoffe oder die Lieferung und den Vertrieb ihrer Produkte mit großer Sorgfalt aus. Aktuelle, genaue und vollständige Daten über jeden Lieferanten helfen Einzelhändlern dabei, die Spreu vom Weizen zu trennen.
Autor: Christian Geckeis ist seit September 2021 als General Manager DACH für Informatica, einem der Anbieter für Enterprise Cloud Data Management, tätig. Zuvor war der studierte Wirtschaftsinformatiker unter anderem bei IBM, SAP, Microsoft und Amazon, zuletzt in der Rolle des Head of Enterprise Customer Acquisition DACH engagiert. Zu seinen Kernkompetenzen zählen die Entwicklung und Führung von Unternehmen im Zuge der digitalen Transformation, Cloud Business Development sowie Sales- & Peoplemanagement.
