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

X

Warenkorbanalyse in der Praxis: Wie Data Mining mit der Warenkorbanalyse zur Umsatzsteigerung beitragen kann

Im E-Commerce kann man heutzutage mit Leichtigkeit eine große Menge an Daten über das Kundenverhalten gewinnen. Durch die schnelle Verfügbarkeit solcher großer Datenmengen bietet Data Mining enorme Potenziale für den E-Commerce Bereich. Dies gilt insbesondere für das Entdecken von Trends im Käuferverhalten durch die Warenkorbanalyse. In der Warenkorbanalyse geht es darum verdeckte Zusammenhänge zwischen gekauften Produkten aufzudecken. Hierzu werden Zusammenhänge anhand einfacher Regeln, den sogenannten Assoziationsregeln, untersucht. Diese Assoziationsanalyse kann man dazu nutzen, um Produktangebote zu optimieren, effektive Werbeaktionen zu erstellen und wirkungsvolle Marketingkampagnen zu entwickeln. Kurzum, die Warenkorbanalyse hilft Unternehmen dabei, ihre Gewinne zu steigern und ihre Wettbewerbsfähigkeit zu verbessern.

Für ein detailliertes Beratungsgespräch mit einer individuellen Lösungssuche stehen Ihnen unsere Experten gerne zur Verfügung. Gemeinsam suchen wir mit Ihnen nach der besten Strategie, die Vorteile moderner Datenauswertung auch für Ihr Unternehmen greifbar und nutzbar zu machen. So können Sie alle Vorteile der Digitalisierung nutzen. 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

  • Wie werden in der Warenkorbanalyse Assoziationsregeln erstellt?
  • Was sind die 3 zentralen Kennzahlen für die Assoziationsanalyse?
  • Welche zusätzlichen Möglichkeiten bietet die Warenkorbanalyse im  E-Commerce?

Wie in der Warenkorbanalyse Assoziationsregeln erstellt werden

Bei der Warenkorbanalyse sucht man nach Zusammenhängen zwischen Produkten. Dies geschieht durch einen speziellen Algorithmus, der Elemente miteinander kombiniert und die Beziehungen zwischen Produkten oder Verhaltensweisen findet (Assoziationsanalyse). Somit werden typische  Einkaufsgewohnheiten der Kunden aufdeckt. Das Ergebnis der Warenkorbanalyse sind Assoziationsregeln in Form von: A → B. Oder anders gesagt: Wenn A dann B. “A”und “B” kann man dabei recht frei definieren. Eine Assoziationsregel kann daher aus einer Kombination von vielen Bedingungen bestehen und eine kompliziertere Regel beschreiben.

Zunächst beginnen wir aber mit einem einfachen Beispiel:

einfaches Beispiel für eine Warenkorbanalyse durch Data Mining
Einfaches Beispiel für eine Warenkorbanalyse

Diese Assoziationsregel geht davon aus, dass ein Kunde der Spaghetti kauft mit hoher Wahrscheinlichkeit auch Ketchup kaufen wird. Natürlich trifft dies nicht für 100% aller Kunden zu. Wie stark diese beiden Produkte miteinander verbunden sind, wird bei einer Assoziationsanalyse durch drei zentrale Kennzahlen beschrieben.

Wir helfen Ihnen gerne mit einer professionellen Beratung sowie Auswertung weiter, wenn es um Fragen rund um das Thema Warenkorbanalyse geht. Bei uns sind Ihre Daten sicher und zuverlässig in den Händen unserer Experten. Nehmen Sie Kontakt mit uns auf. Wir freuen uns darauf, auch Ihr Unternehmen mit professioneller Beratung zu Data Mining Methoden zu unterstützen.

Kennzahlen der Assoziationsanalyse

Inwieweit Assoziationsregeln aus geschäftlicher Sicht korrekt und sinnvoll sind, wird durch drei Kennzahlen beschrieben:

Support

Der Support einer Assoziationsregel ist der Prozentsatz aller Transaktionen, für die die Assoziationsregel gültig ist. In unserem obigen Beispiel bestimmt der Support die Wahrscheinlichkeit, dass ein zufällig ausgewählter Kunde in einem bestimmten Geschäft sowohl Spagetti als auch Ketchup kauft.

Konfidenz

Die Konfidenz ist die Wahrscheinlichkeit, dass ein Kunde Produkt B kauft wird, wenn er Produkt A gekauft hat. Für unser Beispiel: Wie wahrscheinlich ist es, dass der Kunde Ketchup kaufen wird, wenn er Spaghetti kauft?

Lift

Der Lift gibt an, wie stark sich der Verkauf von Produkts A auf den Verkauf von Produkts B auswirkt. Wenn der Lift 1 (oder 100 %) beträgt, beeinflussen sich die nicht gegenseitig.

Wenn der Lift kleiner als 1 ist (oder kleiner als 100%), sind die Verkäufe gegenläufig zueinander. Ein Lift von o,6 (60 %) bedeutet, dass der Kauf von Produkt A die Wahrscheinlichkeit für einen Kauf von Produkt B 40 % kleiner macht.

Ein Wert über 1 (also größer als 100%) bedeutet, dass die Produkte sich positiv beeinflussen. Ein Lift von 1,5 bedeutet z.B., dass der Kauf von Produkt A die Wahrscheinlichkeit für einen Kauf von Produkt B 50 % größer macht.

Assoziationsanalyse: Beispiel 2

Nehmen wir ein weiteres Beispiel, um die Bedeutung von Support und Konfidenz deutlich zu machen. Die Verkaufsdaten eines Online-Stores zeigen, dass im vergangenen Monat von 1.000 Kunden 200 Turnschuhe gekauft haben. Von den Kunden, die Turnschuhe gekauft haben, haben 50 auch Jogginghosen gekauft. In diesem Fall können wir anhand der Assoziationsregeln sehen, dass Kunden die Turnschuhe kaufen mit einem Support von 5% (50/1.000) und einer Konfidenz von 25% (50/200) auch Jogginghosen kaufen.

Data Mining kann wertvolle Zusammenhänge in der Assoziationsanalyse aufdecken
Beispiel für die Bedeutung von Support und Konfidenz

Warenkorbanalyse in Online-Shops

Ursprünglich umfasste die Warenkorbanalyse Transaktionen in Supermärkten. Mit der zunehmenden Bedeutung des E-Commerce ist die Assoziationsanalyse für Online-Shops jedoch noch um ein Vielfaches relevanter. Online lassen sich relativ einfach Daten zum Kundenverhalten speichern und auswerten. Transaktionsdaten können automatisch von Online-Shops gesammelt werden. Somit verfügen viele Online-Shops bereits über zuverlässige Daten über Kunden und deren Kaufverhalten.

Die häufigste Anwendung der Assoziationsanalyse besteht darin, Produkte zu finden, die sich gegenseitig ergänzen und daher häufig zusammen gekauft werden. Diese Regeln wirken sich positiv auf den Umsatz aus: Wenn man weiß, dass der Kunde Produkt A kauft, kann man ihm daraufhin auch die Produkte B, C und D zeigen, wenn diese häufig zusammen mit A gekauft werden. Für den E-Commerse existieren außerdem noch andere sinnvolle Möglichkeiten für den Einsatz von Assoziationsregeln:

Negative Assoziationsregeln

Negative Assoziationsregeln geben Auskunft darüber, welche Produkte Kunden meistens nicht zusammen kaufen. Basierend auf diesen Regeln können Sie wichtige Tendenzen im Kaufverhalten der Kunden feststellen. Dazu gehören z.B. Lieblingsmarken (Kunde kauft Biermarke A, aber nicht B) oder Präferenzen für bestimmte Produkttypen (wenn der Kunde Orangensaft kauft, wird er kein Wasser kaufen). Negative Assoziationsregeln sind beim Aufsetzen eines Online-Shop-Angebots ebenso nützlich wie positive Regeln. Mit negativen Assoziationsregeln kann man das Erscheinungsbild der Webseite dynamisch verändern, so dass Kunden Produkte, die sie nicht kaufen möchten, gar nicht erst zu sehen bekommen.

Zyklische Assoziationsregeln

Zyklische Assoziationsregeln berücksichtigen die saisonalen Schwankungen von Verkäufen. Diese Regeln erlauben es, das Erscheinungsbild der Website an den saisonalen Bedürfnissen der Kunden anzupassen.

Intertransaktionale Assoziationsregeln

Intertransaktionale Assoziationsregeln suchen nicht nach Abhängigkeiten in einer einzelnen Transaktion. Stattdessen analysiert man die Beziehung zwischen Verkäufen, die in einem bestimmten Zeitraum getätigt wurden. Diese Assoziationsregeln berücksichtigen den Kontext des Einkaufs (z.B. Zeit, Ort, Kunde). Mit dieser Art von Regel lassen sich Zusammenhänge für die Abfolge von Ereignissen finden.

Vor dem Data Mining: Datenqualität beachten!

Der wichtigste Faktor im Data Mining sind relevante Daten. Data Mining ermöglicht es, Marketingkampagnen zu optimieren, indem man effektive Methoden für Cross-Selling und Up-Selling entwickelt. Es ist dafür allerdings notwendig, die Kaufgewohnheiten der Kunden genau zu kennen. Nur dann kann man Angebote erstellen, die den Erwartungen der Kunden entsprechen.

Nachdem Sie qualitativ hochwertige Assoziationsregeln gefunden haben, können Sie leicht jeden Kunden mit einem passenden Angebot mit dynamischen Inhalten erreichen. Das Angebot kann man beispielsweise auf der Website (in Form von Bannern und Pop-ups) oder per E-Mail verbeiten. Außerdem kann das Angebot auf Grundlage von Kundensegmenten weiter verfeinert werden.