Kundenanalyse: Neue Technologien revolutionieren den Handel

Share on facebook
Share on twitter
Share on linkedin
Share on xing
Share on whatsapp
Share on email
Share on print
Optimal kombiniert, haben Big Data, künstliche Intelligenz, Gesichtserkennung und Eyetracking das Potenzial, den Handel grundlegend zu verändern, indem sie die nächste Stufe der Kundenanalyse und Personalisierung einläuten.
KundenanalyseQuelle: Dragon Images - Shutterstock

Daten sind der Schmierstoff, der die Beziehung zwischen Händlern und Kunden reibungslos gestaltet. Nicht erst heute. Auch früher schon haben Händler Informationen genutzt, um die Kundenbindung zu stärken. Wirte kannten die Lieblingsgetränke ihrer Stammgäste. Hoteliers wussten, welche Zimmer ihre treuesten Kunden bevorzugen. Ein derartiger Service verschafft Kunden ein wohliges Gefühl, verstanden zu werden. Wenn Konsumenten merken, dass Händler ihre Bedürfnisse kennen und ihre Wünsche treffsicher vorausahnen können, fühlen sie sich unweigerlich gut betreut – und sind sehr viel eher bereit, auch mal tiefer in den Geldbeutel zu greifen.

Kundenanalyse: Informationen optimal verwerten

Die Grundlage für eine hoch individualisierte Kundenerfahrung sind Daten. Dank E-Commerce und Mobile-Commerce gibt es dank Kundenanalyse mehr Daten als je zuvor. Unter der Voraussetzung, dass Nutzer dem zugestimmt haben, können Online-Händler bei jedem Kundenbesuch eine Vielzahl relevanter Daten erheben:

  • Welches Geschlecht hat der Kunde?
  • Wie alt ist er?
  • Ist er Neu- oder Bestandskunde?
  • Wie lautet seine Geo-IP?
  • Über welches Gerät greift er auf den Shop zu?
  • Über welche Website gelangt er in den Shop?
  • Welche Seiten und Kategorien interessieren ihn besonders?
  • Welchen Wert hat der Warenkorb?

Diese Informationen fließen in die jeweilige Kundenhistorie ein und bilden die optimale Grundlage, um jeden einzelnen Kunden personalisiert ansprechen zu können, zum Beispiel mit persönlichen Angeboten und Empfehlungen, die auf seine Wünsche und Vorstellungen perfekt zugeschnitten sind.

Deep Retail: Die nächste Stufe der Personalisierung

Angetrieben durch den hohen Reifegrad vieler Technologien, steht ein entscheidender Schritt in der Evolution der Personalisierung bevor. Im Zusammenspiel ermöglichen Technologien, wie etwa Big-Data, künstliche Intelligenz im Allgemeinen und Machine-Learning im Speziellen, Gesichtserkennung und Eyetracking, personenbezogene Daten in einer gänzlich neuen und sehr leistungsfähigen Art und Weise zu generieren, zu analysieren und zu nutzen. Dieser als Deep Retail bezeichnete Ansatz der Kundenanalyse bietet dem Handel sehr vielversprechende Möglichkeiten der Personalisierung.

Die tragende Säule der Kundenanalyse: Big Data

Mit jeder Aktivität hinterlassen Nutzer im Web ihre Spuren. Sie informieren sich, kaufen ein und bewerten Produkte sowie Dienstleistungen auf Bewertungs-Plattformen, in den Social-Media, in Online-Shops und Blogs. Die Menge der verwertbaren Daten wird von Minute zu Minute größer. Darum sind Händler gut beraten, sich den vorhandenen Datenschatz zunutze zu machen, indem sie eigene Datenbestände aufbauen. Dabei können sie bedarfsgerecht entscheiden, welche Informationen aus welchen Quellen sie benötigen: Posts aus den sozialen Medien, Marketing-Surveys oder auch Anfragen an den Kundenservice.

Kundenanalyse: Zentrale Anlaufstelle für alle Service-Aktivitäten

Registriert sich ein Neukunde in einem Online-Shop, gibt er eine Reihe relevanter Daten in ein Formular ein. In einer SAP C/4HANA-Umgebung werden diese Daten in der SAP Customer Data Cloud gespeichert. Sollte sich der Kunde später über seinen Social-Media-Log-in im Shop anmelden, lassen sich Social-Media-Profile und Bestandsdaten miteinander verknüpfen, sofern der Nutzer zugestimmt hat. In einer SAP C/4HANA-Umgebung werden dann all seine Posts, Likes und Kommentare in der SAP Customer Data Cloud gespeichert und analysiert.

Durch diese Kundenanalyse entsteht ein aussagefähiges Profil des jeweiligen Kunden. In der SAP Customer Data Cloud kann auch das Consent-Management erfolgen, die Verwaltung der Zustimmung zur Nutzung kundenbezogener Daten. Auch für den Service ist das Tool eine wertvolle Unterstützung. Senden Kunden eine Anfrage an den Kundenservice, wird die entsprechende E-Mail automatisch an die SAP Service Cloud weitergeleitet, kategorisiert, im Arbeitsvorrat des jeweiligen Serviceteams abgelegt und – im Idealfall – sogar vollständig automatisch bearbeitet. Das macht die SAP Service Cloud zum zentralen Anlaufpunkt für alle Service-Aktivitäten.

Der nächste Schritt bei der Kundenanalyse: Künstliche Intelligenz

So entstehen Unmengen an Daten, die gewinnbringend analysiert und eingesetzt sein möchten. Genau das ermöglichen die Verfahren der künstlichen Intelligenz. Die Unternehmensberatung Gartner hat in ihrer Studie „Artificial Intelligence Set to Transform Digital Commerce Marketing“  von 2017 prognostiziert, dass schon 2020 30 Prozent des weltweiten Umsatzwachstums im digitalen Handel auf KI-basierte Technologien zurückzuführen sein werden. Bezogen auf den stationären Handel in Deutschland, kam PwC in seiner Studie „Künstliche Intelligenz im Handel 2018“  zu dem Ergebnis, dass 44 Prozent der Deutschen durch den Einsatz von KI attraktivere Einkaufserlebnisse erwarten.

KundenanalyseQuelle: AdobeStock
Laut einer PwC-Studie erwarten 44 Prozent der Konsumenten durch KI-Einsatz attraktivere Einkaufserlebnisse.

Kundenanalyse: Mit KI datenbasierte Entscheidungen treffen

Vor diesem Hintergrund bietet SAP mit SAP Leonardo eine KI-basierte Plattform, die Händler auf Basis von Machine-Learning und neuronalen Netzen dabei unterstützt, aus Big-Data präzise Erkenntnisse schnell abzuleiten und die Geschäftsprozesse entsprechend zu optimieren. Machine-Learning versetzt Systeme in die Lage, aus der Erfahrung zu lernen und sich fortlaufend zu verbessern. Das erforderliche Wissen generiert die KI aus unstrukturierten Daten, wie etwa Kommentaren und E-Mails, völlig automatisch. Dabei sucht sie nach wiederkehrenden Mustern, die es erlauben, computerbasierte Vorhersagen zu treffen – mit dem Ziel, dass Computer ohne menschliche Eingriffe oder Hilfe lernen und damit die Basis für bessere Entscheidungen schaffen.

So kann ein Machine-Learning-System beispielsweise Social-Media-Beiträge analysieren und erkennen, ob ein Kunde in Urlaubsstimmung ist und nach Neuseeland fliegen möchte. Daraufhin bekommt er bei seinem nächsten Shop-Besuch automatisch passende Produkte präsentiert. Zudem können Händler über die sogenannte Anomaly-Detection feststellen, ob Abweichungen auftreten. Verkauft sich ein Produkt in einer bestimmten Region oder Zielgruppe plötzlich besonders gut? Indem sie diese Vorgänge analysieren, können sie passende Aktionen entwickeln, um den Trend weiter zu befeuern und/oder in andere Regionen sowie Zielgruppen auszuweiten.

Sentiment-Analyse erfasst das Stimmungsbild

Benutzergenerierte Inhalte auszuwerten, bietet einen weiteren Vorteil: Aus den Stimmungen und den Meinungen der Nutzer können Händler wertvolle Erkenntnisse im Hinblick auf jene Produkte und Services ableiten, die ihre Kunden als gut oder weniger gut bewerten – und ihr Angebot zielführend weiterentwickeln. Hierfür prüft die Lösung, ob eine Aussage als positiv oder negativ einzustufen ist. So können Händler dann passende Angebote oder Maßnahmen konzipieren. In einer SAP-Umgebung wird die Sentiment-Analyse an die SAP Cloud Platform angebunden und in die SAP Marketing Cloud sowie die SAP Service Cloud integriert.

Kundenanalyse mit SAP C/4HANA
Mit der Auswertung benutzergenerierter Inhalte können Händler passende Angebote für Kunden konzipieren.

Gesichtserkennung für eine verbesserte Customer Experience

Daneben gibt es weitere Möglichkeiten, um personenbezogene Daten zu generieren. So verfügen zum Beispiel viele Smartphones über Technologien für die Gesichtserkennung. Bislang dient diese Technologie insbesondere dem Zweck, das jeweilige Gerät zu entsperren. Doch es liegt nahe, die Vorteile dieser Funktion auch anderweitig zu nutzen. So können sich iPhone-Nutzer bereits per Face ID für Apple Pay authentifizieren.

In Zukunft wird es darüber hinaus möglich sein, die momentane Stimmung der Nutzer über die Gesichtserkennungs-Funktion zu erfassen und ihnen entsprechende Shopping-Angebote zu unterbreiten. Entsprechend groß ist das Interesse des Handels an der Gesichtserkennungs-Technologie – etwa als Basis für die Optimierung der Customer-Experience. So hat Walmart ein Patent für eine Technologie angemeldet, das die emotionale Verfassung der Käufer beim Einkaufen im stationären Markt erkennt.

Personalisiertes Shopping-Erlebnis dank Eyetracking

Großes Potenzial sieht der Handel auch im Eyetracking. War die Technologie bislang nur an speziellen Bildschirmen verfügbar, etwa im Spielebereich oder für Usability-Tests, gibt es mittlerweile Geräte, die sich an normale Bildschirme montieren lassen und so ein professionelles Eyetracking ermöglichen. Im Zuge von Augmented-Reality hat sich Eyetracking als Bestandteil verschiedener Apps etabliert, genutzt wird die Selfie-Kamera des Smartphones. Wenn Händler wissen, welche Bereiche und damit Angebote die Besucher ihres Shops besonders intensiv betrachten, kann das System die weitere Kundenerfahrung personalisiert gestalten, indem es beispielsweise passende Produkte empfiehlt.

Kundenanalyse im Spannungsfeld mit Datenschutz

Bei der Implementierung solcher Verfahren ist es entscheidend, vorhandene Datenschutzbedenken der Nutzer ernst zu nehmen. Die Datenschutzskandale der letzten Zeit haben schließlich zu einer spürbaren Sensibilisierung geführt. Sowohl Kunden als auch Händler bewegen sich hier im Spannungsfeld zwischen dem Wunsch nach hochgradig personalisierten Einkaufserlebnissen und dem berechtigten Interesse am Schutz personenbezogener Daten.

Darum gilt: Händler, die sich mit den Möglichkeiten des Deep Retail für die Kundenanalyse beschäftigen, sollten verinnerlichen, dass im Hinblick auf die Nutzung von Kundendaten absolute Transparenz sichergestellt sein muss. Sie müssen transparent darlegen, welche Daten sie wofür sammeln, wie sie diese speichern und schützen. Die Europäische Datenschutzgrundverordnung (DSGVO) stellt hier das entsprechende Rahmenwerk zur Verfügung. Sie bietet Händlern die Chance, das Vertrauen ihrer Kunden zu erhöhen, indem sie einen seriösen Umgang mit deren Daten pflegen. Das stärkt nicht zuletzt die Kundenbindung.

Smarte Händler kennen ihre Kunden besser als diese sich selbst. Es geht nicht mehr darum, die Verbraucher zu fragen, was sie wollen, sondern ihre tiefsten Wünsche frühzeitig zu erkennen – und zu erfüllen. So lässt sich der Umsatz kurzfristig steigern, während Händler langfristig von einer nachhaltig gefestigten Kundenbindung profitieren.

Über den Autor: Frank Brinkmann ist Vice President SAP Consulting bei Arvato Systems. Als international agierender IT-Spezialist unterstützt Arvato Systems Unternehmen bei der digitalen Transformation. Mehr als 2.700 Mitarbeiter an weltweit über 25 Standorten stehen für hohes technisches Verständnis, Branchen-Know-how und einen klaren Fokus auf Kundenbedürfnisse. (sg)

Mehr zum Thema Customer Experience lesen Sie hier: Customer Experience: Glauben Sie nicht diesen Mythen

Share on facebook
Facebook
Share on twitter
Twitter
Share on linkedin
LinkedIn
Share on xing
XING
Share on whatsapp
WhatsApp
Share on email
E-Mail
Share on print
Drucken
Werbung

Entdecken Sie weitere Magazine

Schön, dass Sie sich auch für weitere Fachmagazine unseres Verlages interessieren.

Unsere Fachtitel beleuchten viele Aspekte der Digitalen Transformation entlang der Wertschöpfungskette und sprechen damit unterschiedliche Leserzielgruppen an.