An diesen Daten scheitern viele Webshops
© Pixabay / Tumisu
Die Herausforderung besteht in dem Zusammenführen der Daten aus unterschiedlichen Systemen und Quellen. Pure-Player haben hier gegenüber etablierten Multi-Channel-Händlern und Marken den Vorteil, dass sie das Setup online optimiert aufsetzen können und nicht historisch gewachsene Systeme und Datenbanken mit viel Aufwand adaptieren müssen.
Nur wenn der Betreiber eines Webshops Daten und Datennutzung als strategischen Wettbewerbsvorteil und nicht als Kostenfaktor einstuft, kann die datengetriebene Steuerung von Webshops erfolgreich betrieben werden. Eine integrierte Datenbasis setzt sich aus folgenden Informationen zusammen:
• Daten aus Online-Marketing-Kanälen (zum Beispiel Google Adwords: Kosten, Impressionen)
• Trackingdaten: Trafficquellen, (Micro-) Conversions, Absprungraten, Onpage-Nutzerverhalten
• Backend: Bestellungen, Umsätze, Retouren, Stornierung, Lieferzeit, Shipping&Handling-Kosten
• Technische Daten: Ladezeiten, Devices, Browser, IP-Location etc.
• CRM: Kundenart, Kundenwert/Customer Lifetime Value
• Einkaufsdaten: Bestand, Marge, Rabatte, Zahlungsziele
• PIM: Produktname, Länge der Produktbeschreibungen, Schlagwörter, Anzahl Produktbilder, Video, Anzahl Testberichte, durchschnittliche Kundenbewertung etc.
• Weitere Daten von Wirtschaftsauskunfteien, Social-Media-Netzwerken etc.
Auf Basis eines integrierten Datenpools kann die Steuerung des Webshops anhand von Regelwerken, Informationen zu Scores oder Handlungsalternativen optimiert werden. Allerdings müssen die Daten dazu zuverlässig und messmethodisch präzise erhoben worden sein. Die aktuellen Herausforderungen für die Entwicklung einer integrierten Datenbasis bestehen unter anderem darin, dass:
• ... es keine relevanten Daten gibt, da weder die verwendete Technik der Trackingsysteme noch die Messmethoden für den Anwender transparent sind
• ... die Trackingpixel gar nicht, nicht richtig oder nicht konsistent eingebaut sind – hier empfiehlt sich die Verwendung eines Tag-Managers
• ... Tags, Parameter, Kennungen nicht eineindeutig sind oder doppelt vergeben werden
• ... Definitionen für Messpunkte entweder unklar oder technisch falsch umgesetzt sind
• ... führende Systeme für Daten doch nicht führend im Prozess sind
• ... es viele Daten gibt, diese aber in vielen unterschiedlichen Systemen liegen und nicht miteinander verknüpft sind
• ... Grunddaten falsch zugeordnet oder kategorisiert (Produkte, Kunden etc.) sind
• ... Verantwortlichkeiten für die Datenqualität und Qualitätssicherung nicht geregelt sind
• ... es zur Auswertung und zur zielgerichteten Nutzung der Daten zu wenig Know-How oder Ressourcen gibt
Die Art und Weise, wie Daten erhoben werden, sollte jeder Mitarbeiter kennen, der für den unternehmerischen Erfolg eines Webshops verantwortlich ist. Erst dann können die Ergebnisse der Analyse auch entsprechend richtig interpretiert, Handlungsalternativen und Automatismen entwickelt werden. Die Daten müssen zeitnah zur Verfügung stehen. Wie zeitnah (near-real-time oder tagesaktuell) hängt vom Verwendungszweck der Daten ab.
Ein wichtiges Einsatzgebiet der erhobenen Daten ist das Kundenscoring. Seit jeher werden Kunden im klassischen Versandhandel auf der Basis von diversen Datenquellen bezüglich der Kreditwürdigkeit bewertet bzw. mit einem Score versehen. Die Kreditwürdigkeit des Users entscheidet darüber, welche Zahlungsarten überhaupt angeboten und akzeptiert werden. Heutzutage wird der Score in Realtime berechnet und gegebenenfalls werden dem User im Webshop bestimmte Zahlungsarten erst gar nicht angezeigt. Einige Webshops lassen beispielsweise bei einer Erstbestellung nur sichere Zahlungsarten oder eine Lieferadresse zu, die identisch mit der Rechnungsadresse ist, um Betrugsmöglichkeiten zu minimieren.
Die genaue Berechnung des Score-Wertes und die Datenauswahl sind für den Außenstehenden intransparent. Neben den vom User eingegebenen Informationen (Name, Adresse, Telefonnummer, ggf. Name des Kindes mit Geburtsdatum etc.) werden weitere Datenquellen genutzt, um die Daten auf Konsistenz und auf Betrugsmuster zu überprüfen (Orts-Straßen-Prüfung). Zudem lässt sich auch ohne das Geburtsdatum das Alter des Kindes auf der Basis des Vornamens oder des Bestellverhaltens zumindest grob einschätzen. Dies ist besonders bei Sortimenten für Kleinkinder wichtig, da somit die Produktempfehlungen besser ausgesteuert werden können. Des Weiteren werden Informationen von Wirtschaftsauskunfteien zur Berechnung der Kreditwürdigkeit des Users herangezogen. Handelt es sich dabei um jemanden, der bereits in diesem Webshop gekauft hat, so fließen Informationen zu seinem bisherigen Retouren- und Bezahlverhalten mit einer hohen Gewichtung in den Score.
Neuere Ansätze berücksichtigen in der Berechnung des Scores zudem die E-Mail-Adresse, die IP und den Zeitpunkt des Kaufs. Diese Informationen werden mit Verhaltensmustern der bestehenden Kundenbasis abgeglichen und fließen dann in die Berechnung ein.
Daten als strategischer Wettbewerbsvorteil
Nur wenn der Betreiber eines Webshops Daten und Datennutzung als strategischen Wettbewerbsvorteil und nicht als Kostenfaktor einstuft, kann die datengetriebene Steuerung von Webshops erfolgreich betrieben werden. Eine integrierte Datenbasis setzt sich aus folgenden Informationen zusammen:
• Daten aus Online-Marketing-Kanälen (zum Beispiel Google Adwords: Kosten, Impressionen)
• Trackingdaten: Trafficquellen, (Micro-) Conversions, Absprungraten, Onpage-Nutzerverhalten
• Backend: Bestellungen, Umsätze, Retouren, Stornierung, Lieferzeit, Shipping&Handling-Kosten
• Technische Daten: Ladezeiten, Devices, Browser, IP-Location etc.
• CRM: Kundenart, Kundenwert/Customer Lifetime Value
• Einkaufsdaten: Bestand, Marge, Rabatte, Zahlungsziele
• PIM: Produktname, Länge der Produktbeschreibungen, Schlagwörter, Anzahl Produktbilder, Video, Anzahl Testberichte, durchschnittliche Kundenbewertung etc.
• Weitere Daten von Wirtschaftsauskunfteien, Social-Media-Netzwerken etc.
Webshop-Steuerung auf Basis eines Datenpools
Auf Basis eines integrierten Datenpools kann die Steuerung des Webshops anhand von Regelwerken, Informationen zu Scores oder Handlungsalternativen optimiert werden. Allerdings müssen die Daten dazu zuverlässig und messmethodisch präzise erhoben worden sein. Die aktuellen Herausforderungen für die Entwicklung einer integrierten Datenbasis bestehen unter anderem darin, dass:
• ... es keine relevanten Daten gibt, da weder die verwendete Technik der Trackingsysteme noch die Messmethoden für den Anwender transparent sind
• ... die Trackingpixel gar nicht, nicht richtig oder nicht konsistent eingebaut sind – hier empfiehlt sich die Verwendung eines Tag-Managers
• ... Tags, Parameter, Kennungen nicht eineindeutig sind oder doppelt vergeben werden
• ... Definitionen für Messpunkte entweder unklar oder technisch falsch umgesetzt sind
• ... führende Systeme für Daten doch nicht führend im Prozess sind
• ... es viele Daten gibt, diese aber in vielen unterschiedlichen Systemen liegen und nicht miteinander verknüpft sind
• ... Grunddaten falsch zugeordnet oder kategorisiert (Produkte, Kunden etc.) sind
• ... Verantwortlichkeiten für die Datenqualität und Qualitätssicherung nicht geregelt sind
• ... es zur Auswertung und zur zielgerichteten Nutzung der Daten zu wenig Know-How oder Ressourcen gibt
Die Art und Weise, wie Daten erhoben werden, sollte jeder Mitarbeiter kennen, der für den unternehmerischen Erfolg eines Webshops verantwortlich ist. Erst dann können die Ergebnisse der Analyse auch entsprechend richtig interpretiert, Handlungsalternativen und Automatismen entwickelt werden. Die Daten müssen zeitnah zur Verfügung stehen. Wie zeitnah (near-real-time oder tagesaktuell) hängt vom Verwendungszweck der Daten ab.
Einsatzgebiet Kundenscoring
Ein wichtiges Einsatzgebiet der erhobenen Daten ist das Kundenscoring. Seit jeher werden Kunden im klassischen Versandhandel auf der Basis von diversen Datenquellen bezüglich der Kreditwürdigkeit bewertet bzw. mit einem Score versehen. Die Kreditwürdigkeit des Users entscheidet darüber, welche Zahlungsarten überhaupt angeboten und akzeptiert werden. Heutzutage wird der Score in Realtime berechnet und gegebenenfalls werden dem User im Webshop bestimmte Zahlungsarten erst gar nicht angezeigt. Einige Webshops lassen beispielsweise bei einer Erstbestellung nur sichere Zahlungsarten oder eine Lieferadresse zu, die identisch mit der Rechnungsadresse ist, um Betrugsmöglichkeiten zu minimieren.
Die genaue Berechnung des Score-Wertes und die Datenauswahl sind für den Außenstehenden intransparent. Neben den vom User eingegebenen Informationen (Name, Adresse, Telefonnummer, ggf. Name des Kindes mit Geburtsdatum etc.) werden weitere Datenquellen genutzt, um die Daten auf Konsistenz und auf Betrugsmuster zu überprüfen (Orts-Straßen-Prüfung). Zudem lässt sich auch ohne das Geburtsdatum das Alter des Kindes auf der Basis des Vornamens oder des Bestellverhaltens zumindest grob einschätzen. Dies ist besonders bei Sortimenten für Kleinkinder wichtig, da somit die Produktempfehlungen besser ausgesteuert werden können. Des Weiteren werden Informationen von Wirtschaftsauskunfteien zur Berechnung der Kreditwürdigkeit des Users herangezogen. Handelt es sich dabei um jemanden, der bereits in diesem Webshop gekauft hat, so fließen Informationen zu seinem bisherigen Retouren- und Bezahlverhalten mit einer hohen Gewichtung in den Score.
Neuere Ansätze berücksichtigen in der Berechnung des Scores zudem die E-Mail-Adresse, die IP und den Zeitpunkt des Kaufs. Diese Informationen werden mit Verhaltensmustern der bestehenden Kundenbasis abgeglichen und fließen dann in die Berechnung ein.