ISPO.com Logo
Author:
ISPO.com

Kunden binden und gewinnen können Sportunternehmen mit großen Datensätzen

Big Data: Wie der Sporthandel von Online- und Offline-Daten profitiert

Um Kunden optimal an ein Sportunternehmen zu binden, hilft auch Big Data. Sind die wichtigsten Datenquellen erst einmal identifiziert, lässt sich jeder einzelne Kunde im Sporthandel umso besser bedienen. Dabei sind jedoch umfangreiche Vorarbeiten nötig – und es helfen nicht nur Online-Daten. Ein Gastartikel von Harald Mühlbacher, der auf dem ISPO Digitize Summit (28./29. Juni) den Workshop „Datenanalyse und Digital Health Check“ leitet.

Dank Big Data können Unternehmen ihre Kunden noch gezielter ansprechen
Dank Big Data können Unternehmen ihre Kunden noch gezielter ansprechen

Vor allem für handelsorientierte Unternehmen sind Datenanalysen entscheidend, um mit den Methoden und Werkzeugen von Advanced Analytics eine segmentspezifische Kommunikation und eine kundenindividuelle Ansprache über alle Vertriebskanäle hinweg zu gewährleisten.

Der Weg zu einer verbesserten Kundenorientierung ist damit geebnet. Um das zu verwirklichen, müssen sich Unternehmen auf drei Fragestellungen konzentrieren:

  • Wie kann die Reise eines Kunden über alle Touchpoints hinweg optimal geleitet werden und wie führt sie zu einer Customer-Experience, die Zufriedenheit und Loyalität über den gesamten Lebenszyklus erzielt?
  • Kennt das Unternehmen seine Kunden und die potenziellen Zielgruppen für die Produktgruppen?
  • Wie gut ist das Unternehmen in der Lage, für jeden individuellen Kunden und Lead eine relevante und konsistente Omnichannel-Kommunikation zu steuern und eine entsprechende Customer-Experience sicherzustellen?

Vorarbeiten sind in jedem Unternehmen nötig

Kundendaten sind in den meisten Fällen in unterschiedlichen Systemen und Datenbanken verteilt und müssen zuerst zusammengeführt werden, um daraus ein möglichst vollständiges Kundenprofil aus dem Design des Kundendatenmodells zu formen. Bei dieser Datenbewirtschaftung werden unterschiedlichste Datentypen wie Warenkorbdaten, Logfiles oder Webtracking-Daten verarbeitet.

Durch Transformation, also beispielsweise indem die Kaufhistorie eines Kunden in Monats- und Jahressummen unterschieden wird, bringt man die Daten in Form. So kann das Marketing mit Segmentdaten Zielgruppen ermitteln und selektieren. Dieser Schritt ist notwendig, um homogene Kundengruppen zu erkennen, Kommunikationsmaßnahmen anzustoßen und eine Kontaktstrategie umzusetzen, welche idealerweise auf einem Regelwerk basiert.

Datenquellen identifizieren

Wenn wir über Big Data für den Handel sprechen, sind speziell Web-Shop-Daten gemeint, die in den Bereich der Echtzeit-Datenübertragung bzw. der Nahezu-Echtzeit-Datenintegration fallen. Auch beim Tracking der Customer-Journey in den Online- und Social-Media-Kanälen werden sehr große Datenmengen produziert, welche die Grundlage für weitreichende Entscheidungen schaffen, wie zum Beispiel die Budgetverteilungen zwischen den Marketing- und Vertriebskanälen

Mit Off- und Online-Daten zur optimalen Prognose

Dabei unterscheidet man bekannte, wiederkehrende Stammkunden und Interessenten, deren Customer-Journey mittels Cookies abgebildet wird. Die Interessenten können auch in anonymisierte Segmente eingeordnet werden, um ihr Verhaltensmuster zu analysieren. Die neuesten Analysewerkzeuge ermöglichen mittlerweile sogar das Erkennen von detaillierten Online-Bewegungsdaten der Kunden und bilden eine digitale Körpersprache ab.

Nicht nur in den digitalen Touchpoints ist das Erkennen dieser Muster relevant, sondern vor allem in Kombination mit den Daten aus Offline-Kontaktkanälen. Dabei ist es wichtig, den einzelnen Kunden über eine Kunden-ID eindeutig zu identifizieren. Darüber hinaus sind für das Kundenprofil auch Telefonnummern, E-Mail-Adressen und eine Haushalts-ID relevant.

Loyalität oder Abwanderungsgefährdung lassen sich berechnen

Das individuelle Kundenprofil erweitert sich, sobald der Kunde zum ersten Mal einen Kauf tätigt. Aus der Zusammensetzung des digitalen Warenkorbs lässt sich bereits ein Bedarfsmuster erkennen und der Kunde kann einem Bedürfnissegment zugeordnet werden. Dadurch wird ein Vorhersagemodell erstellt, das die Berechnung der Wiederkaufswahrscheinlichkeit ermöglicht sowie das Abgeben von Produktempfehlungen.

Die Kaufhistorie jedes einzelnen Kunden zeigt die zeitlichen Abstände zwischen den Käufen, den Besuchen des Online-Shops oder der Produktseiten. Daraus lassen sich Informationen zur Kaufhäufigkeit, zu den Artikeln, Warengruppen, Preisen und Rabatten sowie zu den Kaufsummen ableiten. Auf Basis des individuellen Verhaltens kann der zukünftige Kundenwert mittels Prognosemodell vorhergesagt werden. Auch die Loyalität oder die Abwanderungsgefährdung lassen sich berechnen.

Kundenorientierung durch exakte Kampagnenplanung und -analyse

All dieses Wissen über die Kunden sollte bestmöglich genutzt werden, um den unterschiedlichen Zielgruppen und Kundenprofilen maßgeschneiderte und relevante Angebote zu kommunizieren. Entscheidend für den Erfolg von zentral ausgespielten Omnikanal-Kampagnen ist die Datenübertragung möglichst in Echtzeit und speziell, wenn der Kontakt vom Kunden ausgeht.

Entlang des kompletten Sales-Funnels und des Lebenszyklus werden für jeden einzelnen Lead oder Kunden individuelle Kampagnen und Kontaktstrategien hinterlegt. Die Reaktionen und Antworten sind dabei lückenlos zu tracken, die Folgeangebote und -aktionen werden davon abhängig ausgesteuert.

Mit Warenkorbanalysen erhält man eine sehr detaillierte Bedarfsanalyse

Auch der finanzielle Erfolg der Kampagnen in Form von Umsatz oder Deckungsbeitrag lässt sich kontinuierlich optimieren und durchtesten. Mithilfe von Testverfahren, zum Beispiel multivariat oder durch einfache A/B-Varianten, können unterschiedliche Ansprachen und Angebote miteinander verglichen werden. Neben den kurzfristigen Tests sind vor allem auch Langzeittests wichtig, da Veränderungen im Konsumentenverhalten oftmals erst mit einer Zeitverzögerung messbar sind.

Mit Warenkorbanalysen erhält man eine sehr detaillierte Bedarfsanalyse pro Kunden- oder Bedürfnissegment auf Artikel- sowie Produktgruppenebene. Diese Bedarfsdaten ermöglichen im Category-Management eine sehr exakte Bestell- oder Produktionsplanung, wodurch Supply-Chain- und Logistikprozesse optimierbar sind.

Außerdem können die Sortimente spezifisch für die einzelnen Zielgruppen ausgewählt und designt werden. Ein hohes Potenzial für Unternehmen, um ihre Produkte und Angebote den Bedürfnissen der Kunden bestmöglich anzupassen.

Im Mittelpunkt aller Kampagnenanalysen steht eine Vielzahl von Kennzahlen, die die Profitabilität der einzelnen Vertriebs- und Marketingkanäle vergleichbar machen. Um die optimale Allokation der Marketingbudgets zu planen, hilft ein Attributionsmodell, das alle Kundenbestellungen auf Basis der realen Customer-Journeys aller Kunden anteilsmäßig auf die Kanäle aufschlüsselt.

Mit Datenanalysen zu einem besseren Kundenverständnis

In Zukunft wird es für Kunden immer mehr zur Selbstverständlichkeit, dass sie jederzeit über ihre präferierten Kanäle mit einem Unternehmen interagieren können. Richtig eingesetzt, leisten CRM und Big Data einen entscheidenden Beitrag, Kundenaktivitäten zu verstehen und durch ein optimiertes kanalübergreifendes Kontaktmanagement die Customer-Experience zu verbessern.

Entscheidend dabei ist, dass Unternehmen so verantwortungsvoll wie möglich mit den persönlichen Kundendaten und Opt-ins umgehen – schließlich leisten die Kunden damit einen Vertrauensvorschuss. Die künftige Treue und das Kaufverhalten der Kunden werden immer stärker davon abhängen.

Dieser Artikel erscheint im „Handbuch Handel mit Zukunft". Weitere Artikel aus der Veröffentlichung: 

ISPO.com Logo
Author:
ISPO.com
Comments