Und nun folgt der spannende Teil: die Daten mehrerer Einkäufe zusammenbringen!
Hierbei handelt es sich jedoch häufig um ein strukturelles Problem. Warum? Die Anfänge des kommerziellen und skalierbaren eCommerce bauten auf vorkonfigurierten Shop-Systemen wie beispielsweise Magento auf. Die Funktionsweise dieser Systeme beruhte jedoch vornehmlich auf der Verarbeitung von Daten auf Auftragsbasis.
Die Funktionsweise der früheren Shop-Systeme beruhte auf dem Fokus der Bestelldaten. Kundenkonten ließen sich nur durch externe Tools oder Exporte zusammenführen.
Jeder Einkauf stellte einen neuen Auftrag dar. Wesentlich war die entsprechende Auftragsnummer und der Inhalt des Auftrags. Der jeweilige Auftrag war zwar durchaus einem Kundenkonto zugeordnet, aber die Anlayse eines durchgängigen Kundendatensatzes mit allen dazugehören Aufträgen war häufig nicht möglich.
Hier mein Versuch der grafischen Verdeutlichung:
Ist Lisa zum Beispiel Kunde 002 und hat offenbar bereits mehrfach bestellt, ließen sich nicht nur die Daten von Lisa als Kundin nutzen, sondern auch alle Daten, die mit ihren jeweiligen Bestellungen/Aufträgen verknüpft sind.
Klingt nicht revolutionär? Ist es aber!
Klassischer Handel
Lisa kauft ein T-Shirt. Lisa bleibt jedoch für Händler anonym. Keine Nachfolgeaktionen.
Auftragsbasierter Online-Handel
Lisa kauft ein T-Shirt. Lisa tätigt dafür eine Bestellung mit ihren Kundendaten (u.a. E-Mail-Adresse). Das höchste der Gefühle an Nachfolgeaktionen: Lisa erhält zukünftig wöchentlich den Standard-Newsletter des Onlinehändlers.
Bestandsdatenbasierter Online-Handel
Lisa kauft ein T-Shirt. Lisa tätigt diese Bestellung innerhalb ihres Kundenkontos. Die Analyse von Lisas Bestandsdaten, also die Zusammenführung ihrer gesamten Aufträge ergibt:
- Lisa bestellt Oberteile immer in Größe M, außer vom Hersteller Adidas, dort immer in L.
- Lisa bestellt Oberteile immer in den Farben blau und weiß. Die meisten bestellten Teile sind der Kategorie “maritimer Stil” zuordnenbar.
- Lisa bestellt Produkte im Preisbereich 20 bis 150 Euro. In jeder Bestellung war bisher ein Sale-Artikel vorhanden, jedoch immer Markenware.
Mehr Personalisierung dank Kundendaten statt Auftragsdaten
Und das ist nun der entscheidende Vorteil! Zukünftig erhält Lisa also nicht mehr den klassischen 0815-Newsletter, der nichts mit ihren Präferenzen zu tun hat, sondern ausgewählte Artikel, die sie wirklich interessieren. So könnte ein auf Lisa personalisierter Newsletter Artikel aus dem Segment “Maritimes” enthalten, auf Sale-Produkte von bestimmten Präferenzmarken hinweisen und Restbestände des mittleren Preissegments von blauen/weißen Oberteilen in Größe M abverkaufen. Ein deutlicher Anstieg in der Conversion Rate des personalisierten Newsletters ist die Folge.
Aus diesem einzigen Beispiel und den unzähligen weiteren ableitbaren Möglichkeiten, sollten Unternehmen schließen, dass sie ihren Digitalisierungsgrad insbesondere hinsichtlich der Zusammenführung relevanter Daten und hinsichtlicher der Kundenkonzentration vorantreiben müssen.
In diesem Zusammenhang hat Prof. Dr. Frank Thomas Meyer von der MediaDesign Hochschule in seiner Studie “Überlebensfaktor Kundenorientierung. Wie Unternehmen die Digitalisierung meistern” interessante Feststellungen gemacht:
Das Credo sollte also sein, die Qualität der genutzten Maßnahmen (zum Beispiel durch die Verbesserung der Datenlage) zu stärken, statt Quantität oder Frequenz zu erhöhen – auch wenn es im ersten Moment verlockend klingt. An dieser Stelle sei auch auf einen Kolumnenartikel meines Kollegen Sebastian Gebert verwiesen, der seine Erfahrungen mit verschiedenen Anbietern im Online-Wein-Handel schildert, in dem sehr direkt deutlich wird, welche gravierenden Unterschiede das Analysieren von Bestandsdaten und deren Berücksichtigung auf Wiederverkaufsprozesse hat.
3 Tipps zur besseren Arbeit mit Bestandsdaten
Zum Abschluss hier noch drei Tipps, die bei der praktischen Arbeit mit Bestandskundendaten helfen.
1. Erhebe Daten!
Jeder Kontaktpunkt zählt. Führe Interaktionen eines Nutzers mit dem entsprechenden Kundenkonto zusammen. Gleiche im Zuge von Newslettereintragungen oder sonstigen Lead-Abschlüssen die Email-Adresse. Vermeide Duplikate, bilde unique Konten. Nutze auch externe Daten (Bonuskarten, Login-Dienste, Social Media Daten, Location Data, etc.) und führe sie – im Rahmen des datzenschutzrechtlich Zulässigen – zusammen.
2. Matche Daten!
Baue auf dem Kunden auf, nicht auf einzelnen Aufträgen. Verbinde die oben genannten Datenquellen dauerhaft miteinander (keine unregelmäßigen Exporte/Importe), erstelle Regeln und entwerfe Automatismen. Arbeite auch ältere Bestandsdaten auf.
3. Nutze Daten!
Sei Berater, nicht Verkäufer. Versuche Dich in die Lage des Nutzers zu versetzen: Welche Informationen benötigt er? Welche Produkte findet er interessant? Baue verschiedene Maßnahmen aufeinander auf – das heißt: ständige Analyse. Jede Interaktion wird wieder ausgewertet und fließt in automatisierte Personalisierungsregeln ein.
Hol‘ dir für die Planung und Umsetzung am besten einen erfahrenen Experten zur Seite. Planinja hat sich auf datengetriebenes Inbound Marketing spezialisiert. Wir begleiten Dich gerne bei diesen Schritten! Hast Du Interesse oder nur eine Frage zu dem Thema, buch doch einen Termin direkt in unserem Kalender. Wir freuen uns, von Dir zu hören!