Gerne beraten wir Sie auch telefonisch & geben Ihnen eine kostenfreie persönliche Auskunft zu Ihrem Projekt.

X

Wie man predictive Analytics optimal im Ecommerce einsetzt

Big Data Analytics und insbesondere predictive Analytics kann im Ecommerce zu entscheidenden Wettbewerbsvorteilen führen. Mit Preissuchmaschinen haben Konsumenten beispielsweise die Möglichkeit, aktuelle und günstige Produkte zu finden und über Händlerlinks den entsprechenden Onlineshop zu finden. Predictive Analytics (oder auch prädiktive Analyse) nutzt Daten, um Prognosemodelle zu entwickeln. Die Vorhersagen werden überprüft und das Modell weiter entwickelt. Mit der Zeit wird das Vorhersagesystem dadurch immer besser. Somit können Kunden und Onlinehändler gleichermaßen vom Mehrwert profitieren. In diesem Artikel möchten wir einen Einblick in die zahlreichen Einsatzmöglichkeiten und Vorteile von predictive Analytics im Ecommerce Bereich schaffen.

Gerne beraten wir sie, wie prädiktive Analyse in ihrem Unternehmen umgesetzt werden kann. So können wir Hand-in-Hand eine Lösung finden, die genau auf Ihre Bedürfnisse zugeschnitten ist. Wir freuen uns auf Ihre Herausforderung.

Lassen Sie uns Ihre Anforderungen wissen & wir erstellen Ihnen innerhalb weniger Stunden ein kostenfreies Angebot.

Jetzt unverbindlich anfragen

Dieser Artikel beantwortet folgende Fragen:

  • Was versteht man unter predictive Analytics?
  • Wie sieht der Workflow für prädiktive Analyse aus?
  • Auf welche Arten kann predictive Analytics den Ecommerce bereichern?

Was ist predictive Analytics?

Data Mining fasst unterschiedliche Aspekte der Analyse von Big Data Analytics zusammen. Eines der zur Zeit wichtigsten Anwendungsgebiete von Big Data ist predictive Analytics (auch prädiktive Analyse).

Predictive Analytics ist ein Teilbereich der Business Analytics oder Business Intelligence (BI), also der systematischen Analyse des Unternehmens.

Predictive Analytics ist ein Verfahren, das auf Basis beobachteter Daten Informationen erkennt, um zukünftige Muster oder Trend vorherzusagen. Kurz gesagt: Aus bestehenden Daten der Vergangenheit Vorhersagen für die Zukunft zu treffen. Eine evidenzbasierte Weissagung ohne Kristallkugel und Tarotkarten.

Gerne stehen Ihnen unsere Experten für ein detailliertes und individuelles Beratungsangebot zur Verfügung. Wir freuen uns, mit Beratung zu predictive Analytics zur Seite zustehen. Wir erklären anschaulich und anwendungsorientiert die Möglichkeiten und Optionen von predictive Analytics für Ihr Unternehmen. Nehmen Sie Kontakt auf! Wir freuen uns auf ein Gespräch.

Workflow predictive Analytics

Ausgangspunkt aller Analysen ist jeweils eine konkrete Zielvorstellung oder Forschungsfrage.

Predictive Analytics nutzt dafür meist sehr große Datenbestände, um Modelle zu entwickeln. Die Modelle sollen dabei die Zusammenhänge von Zielvariable und möglichen Einflussvariablen beschreiben und quantifizieren. Dadurch werden klare, verständliche und handlungsrelevante Modelle entwickelt. Diese Modelle beschreiben einerseits die beobachteten Daten so exakt wie möglich, gleichzeitig sollen die Zusammenhänge auch möglichst einfach sein. Gute Modelle entstehen dabei durch ein Trade-off zwischen Einfachheit des Modells und Genauigkeit der Anpassung (Modellgüte).

Für die Entwicklung dieser Modelle stehen statistische Verfahren wie lineare oder nichtlineare Regression zur Verfügung aber auch Ansätze aus dem Data Mining wie z.B. neuronale Netze, Support Vector Machines oder Entscheidungsbaum.

Dieses predictive Model wendet man anschließend im nächsten Schritt auf aktuelle Daten an, um vorherzusagen, welche Ergebnisse man in Zukunft erwarten kann.

Predictive Analytics & Ecommerce: Zwei ideale Partner

Prädiktive Analyse kann Unternehmen im Ecommerce effektiv in unterschiedlichen Bereichen unterstützen. So kann man beispielsweise Kundenerwartungen, Vorlieben und Muster bestimmter Kundengruppen extrahieren und Trends im Verkauf besser verstehen. Ein weiterer Vorteil von predictive Analytics und Big Data Analytics ist die sehr schnelle Verfügbarkeit von Informationen, meist in Echtzeit. So können auch aktuelle Trends und Effekte wahrgenommen werden und das Management kann frühzeitig reagieren. Und das resultiert letztendlich in einem Wettbewerbsvorteil.

Anwendung von predictive Analytics im Ecommerce

Es gibt viele Anwendungsszenarien, von denen Ecommerce Unternehmen profitieren:

Cross- und Upselling

Up-Sells und Cross-Sells sind das Ergebnis von predictive Analytics im Ecommerce. Mit dem Angebot eines Produktes im Online Store präsentiert man ein oder mehrere ergänzende Produkte. Bei Fahrrädern finden sich Angebote zu Fahrradhelm, Korb oder Trinkflasche. Wer sich für Hemden interessiert bekommt auch Angebote zu passenden Krawatten oder Hosen usw. Je besser die richtigen Accessoires für den potenziellen Kunden passen, umso höher ist die Kaufwahrscheinlichkeit.

Die Entscheidung, welche Produkte für den Kunden passen, wird dabei durch Anwendung von prädiktiver Analyse getroffen. Anhand bestehender Transaktionsdaten, wird zunächst bestimmt, in welches Segment der Kunde passt. Basierend auf bestehenden Daten kann der Algorithmus jeweils die besten Cross- oder Up-Sales Artikel automatisch auswählen. Bei mehrmaligem Besuch eines Kunden im Webshop können zusätzlich die Fußspuren des Kunden genutzt werden, um noch individuellere Kaufempfehlungen zu platzieren. Durch die Vorhersage und das Erkennen von Kundenbedürfnissen können individuelle Angebote präsentiert werden.

Preisoptimierung

In bestimmten Branchen sind wir täglich wechselnde Preise für manche Produkte häufig schon gewöhnt. Der Verkaufspreis von Handys, Computer oder andere technische Geräte verändert sich täglich, ähnlich wie die Preise für Treibstoff an der Tankstelle. An bestimmten Tagen z. B. Black Friday werden ausgewählte Artikel deutlich reduziert angeboten. Für Konsumenten zeigen Preisvergleiche und Suchmaschinen die Preisentwicklung eines Produktes im zeitlichen Verlauf genau an, so dass Kaufinteressenten immer die Möglichkeit haben, das am günstigsten angebotenen Produkt zu erwerben. Im Vergleich haben teurere Angebote dadurch keine Chance mehr. Predictive Analytics für Ecommerce bietet die Möglichkeit anhand der vergangenen Preisentwicklung die idealen Preise zum jeweiligen Zeitpunkt zu prognostizieren. Dabei kann man die Vorhersage hinsichtlich Umsatz, Gewinn oder der Handelsspanne maximieren. Der passende Preis zum richtigen Zeitpunkt ist letztendlich kaufentscheidend.

Durch predictive Analytics Ecommerce und Big Data Analytics Preisveränderungen optimieren
Tägliche Preisveränderungen sind im Ecommerce üblich.

Individuelle Kundenrabatte

Der Preis eines Produktes wird nicht nur durch die wechselnden Tagespreise, sondern auch durch Rabatte und Preisnachlässe bestimmt. Vorreiter der dynamischen Preisgestalter sind Fluglinien. Nahezu alle Flugtickets eines Fluges haben unterschiedliche Preise, abhängig vom Kaufdatum, von der Anzahl belegter Plätze, vom Datum der Buchung, von bereits zurückgelegten Meilen des Fluggastes sowie vielen anderen Parametern.

Mit predictive Analytics im Ecommerce sind individuelle Rabattangebote für alle möglichen Warengruppen denkbar. Rufen Konsumenten oft Artikel aus der Kategorie „Sale“ auf oder verweilen lange auf diesen Seiten, so sind sie an Schnäppchen interessiert. Durch die Einblendung eines Rabattcodes kann man die Kunden dazu bewegen, auch reguläre Ware zu kaufen. Dieser Rabattcode ist für andere Käufergruppen dagegen nicht notwendig und wird daher nicht eingeblendet. Auch ein Rabatt in Abhängigkeit von der Postleitzahl ist möglich. Betrachtet ein Konsument immer wieder die gleichen Produkte, kann durch Einblendung eines (einmaligen) Rabattcodes womöglich die Entscheidung zugunsten eines Produktkaufs beeinflusst werden.

Retourenmanagement

Warenretouren sind für alle Unternehmer eine große Herausforderung. Neben Versandkosten geht häufig auch eine Wertminderung oder Preisverfall des retournierten Artikels einher. Mit predictive Analytics im Ecommerce kann man bereits vor der Bestellung die Warenkörbe identifizieren, die mit hoher Wahrscheinlichkeit eine Retoure zur Folge haben werden.

Wenn ein Kunde beispielsweise ein Kleidungsstück in mehreren Größen in den Warenkorb legt, so wird dieser häufig letztendlich nur eine Größe behalten. Durch die Prognose von Rückläufen hat das Ecommerce Unternehmen die Möglichkeit zu reagieren. Den Kauf mehrerer Größen kann man beispielsweise unterbinden, indem man nur wenige Größen als verfügbar anzeigt. Hat der Kunde bereits einen Artikel in Größe 52 im Warenkorb, so können die Größen 50 und 54 bei weiterem Einkauf als ausverkauft dargestellt werden. Ist ein Artikel tatsächlich nicht mehr verfügbar, können Kunden mit der Aussage “in wenigen Tagen lieferbar“ dazu bewogen werden, den Artikel zu kaufen und auf Warenrücksendungen anderer Kunden zu warten.

Zusammenfassung

Eine prädiktive Analyse bietet die Basis für vorausschauenden und kundenorientierten Ecommerce. Trends und Entwicklungen kann man durch predictive Analytics frühzeitig erkennen. Kunden kann man somit ihren Bedürfnissen entsprechend bedienen. Eine prädiktive Planung ist dabei nicht nur großen Online Warenhäusern vorbehalten. Auch kleine und mittelständische Ecommerce Unternehmen können durch verbessertes Retourenmanagement oder Cross-Selling Angeboten ihre Verkäufe steigern und die Qualität der Kundenbeziehung weiter optimieren.