Online-Shops sammeln von ihren Kunden eine Unmenge von Daten. Persönliche Informationen, Bestellhistorie sowie das Klick- und Kaufverhalten verraten, welche zukünftigen Angebote eine hohe Kaufwahrscheinlichkeit garantieren. Das Sammeln von Daten (Big Data) und deren Auswertung und Erkennung von Mustern (Data Mining) sind deshalb für Online-Shops wichtige Marketing-Instrumente.
In einem Fachgeschäft kennt der Ladeninhaber seine Stammkunden schon seit vielen Jahren. Er weiß, wohin der Kunde gerne in den Urlaub fährt, wann die Kinder eingeschult werden und dass er regelmäßig eine halbe Stunde im Park shoppt. Solche Informationen erfährt der Shop-Betreiber bei persönlichen Gesprächen. Je häufiger der Stammkunde im Geschäft einkauft, desto schärfer wird sein Profil. Gute Verkäufer nutzen diese persönlichen Gespräche zur Kundenbindung. Aber auch dafür, um den Kunden persönliche Kaufempfehlungen zu unterbreiten.
Predictive Analytics im lokalen Handel
„Ich habe hier neue gelenkschonende Jogging-Schuhe. Die wären perfekt für Sie!“ Oder: „Schauen Sie einmal, wäre das nicht das ideale Geschenk für Ihre Tochter zur Einschulung?“ Das Sammeln von Informationen und deren Auswertung nutzt der Ladeninhaber, um seinen Kunden personalisierte Kaufempfehlungen zu unterbreiten. Im E-Commerce kennt man diese Technik auch und nennt sie „Predictive Analytics“.
Was guten Verkäufern im stationären Handel durch persönliche Kommunikation, gutem Zuhören und wirklichem Interesse am Kunden gelingt, ist im E-Commerce ungleich schwieriger. Hier erzählt Herr Mustermann Amazon & Co. leider nicht, dass er überlegt, sich einen neuen Rasierer zu kaufen, weil der alte inzwischen so kneift. Zumindest nicht direkt. Tatsächlich erfahren Online-Shops von ihren Kunden im Laufe der Zeit nämlich sogar noch viel mehr als die meisten lokalen Händler je erfahren werden.
Jeder Online-Shop sollte seinen Datenschatz heben
Online-Shops können von ihren Kunden jede Menge Daten sammeln. Und das ohne allzu großen Aufwand. Die Basis sind die persönlichen Daten, die der Kunde bei einer Bestellung und der Einrichtung eines Kundenkontos eingibt. Erweitert wird die Datenmenge durch jede Folgebestellung, jeden Besuch auf der Shop-Seite und jede Reaktion auf eine Mail an den Kunden. Was schaut er sich wie lange an? Auf welche Angebote reagiert er? Aus diesen Informationen entsteht ein Wust von Daten: Big Data.
Wie gehören Big Data und Data Mining zusammen?
Mit dem Sammeln von Informationen alleine kann aber kein Online-Shop seine Kunden bin und seinen Umsatz steigern. Hierfür müssen die Daten ausgewertet und analysiert und daraus konkrete Handlungsempfehlungen (Anzeige relevanter Anzeigen im Newsletter, Zusendung von Gutschein-Codes bei konkreter Kaufabsicht) abgeleitet werden. Und genau hier kommt das Data Mining Marketing ins Spiel, das spezialisierte Dienstleister für Online-Shops übernehmen. Ein einfaches Beispiel. Herr Mustermann hat im Januar 2014 erstmals Baby-Windeln gekauft, merkt sich Big Data. Ebenfalls merkt sich Big Data, dass Herr Stammkunde und Frau Test im Januar 2013 erstmals Windeln gekauft haben. Außerdem hat Big Data registriert, dass beide im Oktober 2013 anschließend einen Baby-Hochstuhl gekauft haben. Data Mining würde hieraus nun ein Muster erkennen und aus den Daten ableiten, dass sich Herr Mustermann im Oktober 2014 mit hoher Wahrscheinlichkeit für einen Baby-Hochstuhl interessieren wird. Also bekommt er eine Werbe-Mail, in der ihm ein Markenhochstuhl zu einem stark reduzierten Preis angeboten wird.
Das Beispiel zeigt sehr vereinfacht, warum die Kombination Big Data und Data Mining für Online-Shops so wertvoll ist. In der Praxis sind die Daten und die Muster, die daraus erkannt werden können, natürlich viel komplexer. Hier lassen sich aus allen erdenklichen Daten und Kombinationen Kaufwahrscheinlichkeiten auf den Prozentpunkt genau bestimmen. Sie sollten also auch im E-Commerce Ihren Kunden gut zuhören und aus den Informationen Ihre Schlüsse ziehen!
Bildquelle: Tim Reckmann / pixelio.de