Retail Analytics helfen dem Handel, ein besseres Bild der Wirkungszusammenhänge sämtlicher marktgerichteter Aktivitäten zu bekommen. Vom Tiefenverständnis des Besucherverhaltens und der Kundenaktivitäten bis zum Wareneinkauf – Retail Analytics machen heute den entscheidenden Unterschied im Marketing, Vertrieb und bei fast jedem strategischen Schritt, den ein Händler unternimmt. Die gute Nachricht ist, dass die meisten Einzelhändler seit Jahren verschiedenste Daten sammeln. Die schlechte, dass ein Großteil dieser Daten nicht genutzt wird.

Wie bekommt man nun als Einzelhändler das Management der Daten und die erforderliche Analytik in den Griff und schafft es dabei auf effiziente Art und Weise, möglichst viel Wert aus Daten und Insights zu generieren? Für manche Unternehmen ist bereits der Einstieg in diese Welt eine kaum zu bewältigende Aufgabe. Aber auch Händler, die bereits in Infrastruktur zum Konsolidieren der Daten investiert haben, sehen sich mit weiteren Herausforderungen konfrontiert, sei es ihre Strategien auf eine einheitliche Grundlage zu stellen oder im taktischen Bereich messbare Effekte durch Maßnahmen, die auf besseren Kundenverständnis fußen, zu erzielen. Wenig verwunderlich ist da, dass sich die erfolgreichen Händler nach erfolgter Etablierung ihrer Unternehmen zügig um Kundenwertsteigerungen aus Customer Insights bemühen. Dass dies entscheidende Wettbewerbsvorteile bietet, wurde auch auf der K5-Konferenz vor wenigen Monaten deutlich:

Wenn in 2016 personalisierte Kundenerfahrungen und Kundenwertsteigerungen zu den obersten Prioritäten der Marketiers gehören, wird es auch ebenso Zeit, die hierfür notwendigen Voraussetzungen zu schaffen.

Auf den Punkt gebracht nutzt Retail Analytics dem Handel bei drei wesentlichen Punkten:

  1. Customer Analytics: Durch tiefes Verständnis des Kaufverhaltens ihrer Kunden können Einzelhändler vor allem die Kundengewinnung, -entwicklung und -bindung entscheidend verbessern. Eine analysebasierte Segmentierung (z.B. Predicted Loyalty Segments) hilft zudem, maßgeschneiderte Angebote für jeden Kunden zu finden.
  1. Marketing Analytics: Die größten Treiber der Effektivität im Marketing stecken im Zuschnitt der (kanalübergreifenden) Kampagnen, Marketingausgaben und next best offer nach Kundenprofilen.
  1. Nachfrage & Supply-Chain: Händler, die über robuste Nachfrageprognosen verfügen, können Lieferketten, Lagerbestände optimieren und bestimmte Kannibalisierungseffekte vermeiden. Außerdem hilft Retail Analytics die Planung von Sortiment und Einkauf.

Bei Cloudspace Analytics haben wir analog hierzu sämtliche Analyse basierten Beratungsleistungen den Funktionalbereichen der Unternehmen zugeordnet. Unser Solution-Wheel umfasst daher die Bereiche Strategy & Planning, Merchandising, Supply Chain, Marketing und Sales.

CSA-Solution-Wheel-350x320

No-Nos bei Analytics
Auch wenn man auf den ersten Blick die Vorteile von Daten- bzw. Fakten-getriebenen Handeln und Entscheiden sofort nachvollziehen kann, ist die eigentliche Umsetzung nicht so einfach. Der erste Fehler liegt oft schon in der mangelnden Planung der infrage kommenden Initiativen, einer fehlenden konkreten Road-Map. Denn der Einsatz von Retail Analytics erfordert die Abschätzung des Nutzens in Form eines robusten Business Case, den klaren Umsetzungswillen auf Führungskräfte-Ebene, konkrete Verantwortliche die sämtliche Daten-Themen aktiv durch die Organisation tragen und Erfolge so für jeden begreifbar machen. Neben Investitionen in das Handling der Daten sind natürlich beim Thema Analytics auch Experten gefragt, die nicht jedes Unternehmen sofort vorhalten kann. Sei es aufgrund seiner Größe oder schlichtweg aufgrund fehlender Fähigkeiten in vorhandenen Abteilungen. Analytics bis hin zu Big Data erfordern wie jede andere neue Technologie eine sorgfältige Planung und Know-how zur richtigen Zeit.

Klein anfangen, dann kontinuierlich verbessern
Bevor man jedoch vor Investitionen in Analyse Technologien ganz zurückschreckt, müssen Einzelhändler wissen, dass die Vorteile von Retail Analytics auch schon mit bestehenden Dateninfrastrukturen (etwa Daten aus Kassen- oder Shopsystemen, der Warenwirtschaft oder Kundenkartendaten) umgesetzt werden können. Mit Insights aus solchen Transaktions- oder Treuedaten kann man bereits einen riesigen Schritt nach vorne machen. Denn Customer Lifecycle Marketing, Preisgestaltung, Werbeaktionen und das Management des Sortiments lassen sich auch ohne Big-Data-Technologien (etwa wie Hadoop) umsetzen. Solche Big Data-Technologien kommen erst dann ins Spiel, wenn Einzelhändler weitere Arten von Daten integrieren wollen; wenn sie über die reine Transaktionsdatensicht hinaus einfach mehr benötigen. Für den Einstieg in Retail Analytics müssen zunächst drei einfache Fragen geklärt werden:

  1. Welche Umsatzsteigerungs- oder Effizienzpotenziale stecken in den den Daten?
  2. Bis zu welchem Grad sind diese lohnend erschließbar?
  3. Welche Maßnahmen eignen sich für die Erschließung der Potenziale? In welcher Abfolge?

 

Im Zentrum stehen Customer Insights
Wie eine durch solche zentralen Fragen geleitete Einführung von Retail Analytics im Marketing aussehen kann, zeigt „Customer Revenue MAX“ – unsere Methodik zur Erschließung der maximalen Wertschöpfung aus dem Kundenbestand. Denn gerade im Kundenbereich liegen die größten Umsatzpotenziale, die durch effizientes Lifecycle Marketing vergleichsweise günstig erschlossen werden können. Auch wenn fortgeschrittene Spieler im E-Commerce bereits über ausgefeilte Strategien zur Kundengewinnung verfügen, die sie durch Web Analytics optimieren, fehlen ihnen aber gleichzeitig entsprechenden Customer Insights und entscheidende Fähigkeiten im Kundenmanagement. Für die überwiegende Mehrheit der Händler liegt der Weg darin, mit einer wenig aufwändigen Analyse-Manufaktur zu starten und dann sukzessive zu verbessern. Wichtig ist es, einen Plan zum Aufbau kritischer Fähigkeiten zu entwickeln und auf dieser Basis notwendige Technologien und Prozesse zu implementieren.