Datenschutz im Online-Shop: Wie der E-Commerce von datenschutzfreundlicher Analytik profitiert

Anbieter zum Thema

FIS Informationssysteme und Consulting GmbH

KNAPP AG

Arvato Systems GmbH

In den letzten Jahren setzte der E-Commerce vor dem Hintergrund angehobener Kundenerwartungen hohe Standards. Verbraucher erwarten ein qualitatives Mindestmaß an Konsum-Komfort über die gesamte Customer Journey hinweg, sowohl bei der Information, beim Kauf, beim Bezahlen als auch bei der Lieferung von Produkten. Zu diesen Standards zählt auch die Frage, wie Online-Shops mit Nutzerdaten umgehen.

Datenschutz im Online-Shop: User bei jedem Online-Shop setzen mittlerweile voraus, dass Kundenerwartungen – etwa der Schutz personenbezogener Daten oder das transparente Handling der Cookie-Policy – erfüllt werden. Enttäuschen diese Kundenerlebnisse, strafen Verbraucher dies ab. Denn der nächste Online-Shop ist nur einen Klick entfernt.

Datenschutz im Online-Shop: Komfortable User-Experiences benötigen Daten

Online-Shops stehen damit vor einer zentralen Herausforderung: komfortable User-Experiences sind erforderlich, um Kunden an Plattformen zu binden. Vor allem Online-Shops kommen nicht ohne die Erhebung und Analyse von Userdaten aus, um dies zu gewährleisten. Basierend auf der Datenanalyse erfüllen sie Erwartungen ihrer Kunden – etwa mit personalisiertem Content. Gleichzeitig müssen Shops selbstverständlich gesetzlichen Datenschutzanforderungen genügen sowie individuelle Präferenzen des Users, wie den Umgang mit personenbezogenen Daten, respektieren.

Datenschutzfreundliche Analytik für Performance-Optimierung nutzen

Der E-Commerce verfügt über eine Reihe von Methoden der datenschutzfreundlichen Analytik, die Daten sammeln, messen und analysieren. Denn Daten sind gerade für das Shop-Monitoring und die Performance-Optimierung von entscheidender Bedeutung. Sie bringen etwa in den folgenden fünf Kernbereichen aussagekräftige Insights hervor, die wiederum zu konkreten Schlussfolgerungen und Handlungen führen können und in der Summe zusätzliche Umsatzpotenziale erschließen:

1. Detaillierte User-Profil-Analyse
   Detaillierte Besucher-Profile von Usern, die Ihre Produkte kaufen, helfen dabei zu verstehen, wie Kunden vor dem Kauf agieren. Dieses Wissen lässt sich wiederum auf andere Besucher übertragen.
   
   

2. User-Informationen anreichern
   Besucherdaten lassen sich mit Werten anreichern und klassifizieren. Auf diese Weise bewerten Shop Betreiber solche Kennzahlen wie Traffic-Quellen oder Aktionen. Führt ein Shop-Besucher etwa einen Download durch, kann der Online-Shop dieser Aktion einen konkreten €-Wert mitgeben. Je höher dieser Wert ist, den ein Besucher durch Aktionen auf der Website erreicht, desto wahrscheinlicher wird eine Conversion. Diese Besucher lassen sich in der Folge mit speziellen (personalisierten) Angeboten adressieren.
   
   

3. Verlassene Warenkorb-Statistiken
   Verlassene Warenkörbe stellen immer noch einen der größten Schätze im E-Commerce dar, den es aus Sicht der Online-Shops zu bergen gilt. Um die Dimension zu erfassen, sollte die prozentuale Quote zurückgelassener Warenkörbe und die durchschnittliche Höhe der Bestellwerte ermittelt werden. Sie können etwa in Form von Retargeting-Kampagnen adressiert werden, um verloren geglaubte Umsätze doch noch zu erschließen.
   
   

4. Customer-Journey-Tracking
   User-Daten geben Aufschluss über die Customer Journey und unterstützen bei der Entwicklung des Sales-Funnels. Die Daten liefern zum Beispiel Erkenntnisse, wie viele Tage und Visits erforderlich sind, bis ein Besucher zu einem Kunden konvertiert oder, welche Referrals wertvollen Traffic auf die Website schicken.
   
   

5. Problematische Produkte identifizieren
   Durch die Datenanalyse lassen sich Produkte identifizieren, die entweder wenig gekauft werden oder eine häufige Ursache dafür sind, dass die Shop-Besucher Warenkörbe zurücklassen. Dadurch kann das Produktportfolio entsprechend angepasst werden, mit dem Ziel, Conversions zu erhöhen und Abbrüche zu minimieren.

Diese Liste ließe sich selbstverständlich endlos erweitern. Neben diesen fünf Analysebereichen existieren weitere Reports und Methoden, die im E-Commerce zur Shop-Analyse eingesetzt werden können. Die genannten Kernbereiche schaffen jedoch eine Basis, von der aus Analysen und Reportings kontinuierlich und bedarfsorientiert weiterentwickelt werden können. 

Google schon bald nicht mehr Analytik Nr. 1?

Google Analytics (GA) ist in diesem Zusammenhang immer noch einer der am meisten genutzten Analytik-Dienste. Aber auch der GA-Nachfolger, GA4, dürfte aufgrund des Widerspruchs zwischen EU- und US-Gesetzgebung bei Datenschutz im Online-Shop und Compliance auch und insbesondere für Online-Shops, die innerhalb der EU angesiedelt sind, schon bald nicht mehr das Tool der ersten Wahl sein.

Übrig bleiben also im Sinne der DSGVO datenschutzfreundliche Analytik-Dienste, welche individuelle Datenschutzrechte wahren und trotzdem relevante Erkenntnisse liefern. Und das ist keinesfalls schlecht. Denn diese Dienste bieten nicht nur ebenso gute datenbasierte Insights wie Google Analytics. Darüber hinaus geben sie betroffenen Usern und Verbrauchern die volle Kontrolle über ihre personenbezogenen Daten zurück, indem diese zu deren Erhebung ausdrücklich einwilligen. Datenschutzfreundliche Analytik-Dienste sammeln anonymisierte Daten und geben diese wie auch personenbezogene Daten vor allem nicht an Dritte weiter.

Datenkontrolle ist entscheidend: Nicht nur beim Datenschutz im Online-Shop

Kontrolle ist dabei entscheidend. Dem User gegenüber gelingt sie durch Transparenz. Sie gibt den Nutzern und Verbrauchern beim Shoppen das Gefühl von Sicherheit. Unter diesen Voraussetzungen sind User auch im E-Commerce-Kontext viel eher dazu bereit, ihre Daten zu teilen, da sie dem Anbieter vertrauen. Und dies ist ein Schlüsselfaktor für eine positive Customer Experience.

Die Autorin Magdalena Pawlitko ist Head of Sales bei Piwik PRO.