Als Online-Händler hat man die Möglichkeit viele Daten über seine Nutzerinnen und Nutzer zu sammeln. Somit haben alle Shopbetreiber die Möglichkeit Big Data im E-Commerce zu generieren. Aufgepasst, die grosse Ansammlung an Daten liefert den Unternehmen aber zunächst noch keine nützlichen Informationen. Denn die Daten müssen zielgerichtet verarbeitet und analysiert werden. Inwiefern dies getan werden sollte erfährst Du in diesem Blog-Beitrag.
Was ist Big Data im digitalen Handel?
Big Data beschreibt alle Daten, die ein Unternehmen sammeln kann, um Erkenntnisse für das zukünftige Handeln im Unternehmen zu gewinnen. Big Data im E-Commerce stellt alle Daten dar, die den digitalen Handel betreffen und im Rahmen des Online-Shoppings gesammelt werden. Dies können beispielsweise gesammelte Daten aus dem Shopsystem, dem Warenwirtschaftssystem und dem Kaufverhalten im Online-Shop sein.
Herausforderungen mit Big Data im E-Commerce
Die Herausforderung mit Big Data besteht darin, den Rohstoff, also die Daten, im Hinblick auf bestimmte Use Cases sauber verarbeiten zu könnten. Denn so werden die Daten zu Smart Data, damit der Online-Shop gewisse Aktionen durchführen kann, welche dem Shopbetreiber zugutekommen. Diesem Prozess wird Data Mining genannt. Neben dem Data Mining ist das Machine Learning von zentraler Bedeutung, um Daten interpretieren zu können. Machine Learning stellt die Verfahren zum Bauen von künstlicher Intelligenz bereit, um die zur Verfügung stehende Datenmengen weiterzuverarbeiten und Aktionen im Online-Shop durchzuführen.
Automatische Produktidentifizierung
Die Produkte im Online-Shop enthalten gewisse Attribute wie Titel, Kategorie und Beschreibung. Das Produkt wird somit aus einer Folge von Wörtern und diversen Produkt-Ids beschrieben, bis dato reden wir von Big Data. Sobald aber ein Algorithmus aus diesen Daten ein aktuelles Produkt extrahiert sprechen wir von Smart Data. So kann zum Beispiel erkannt werden, ob ein Produkt ein Oberteil oder ein Unterteil ist. Das ist besonders in der Mode-Industrie wichtig, um Outfit-Empfehlungen im Online-Shop auszuspielen.
Preisoptimierungen
Die Nutzung von Big Data im Handel verschafft Unternehmen einen Vorteil bei der Preisgestaltung von Produkten. Die konsequente Überwachung relevanter Suchbegriffe hilft dabei, Trends vorherzusagen, bevor sie eintreten. So können Einzelhändler neue Produkte vorbereiten und eine effektive dynamische Preisstrategie konzipieren. Auch bei der Preisgestaltung lässt sich die 360-Grad-Sicht auf den Kunden nutzen. Das liegt daran, dass die Preisgestaltung weitgehend auf dem geografischen Standort und den Kaufgewohnheiten eines Kunden basiert. Mithilfe von Beta-Tests für bestimmte Kundensegmente lässt sich herausfinden, welche Preisgestaltung am besten passt. Wenn Händler verstehen, was Kunden erwarten, können sie herausfinden, wie sie sich von der Konkurrenz abheben können.
Weniger Retouren in der Mode-Industrie
Dank der richtigen Verwendung von Big Data und künstlicher Intelligenz können Shopbetreiber besser abschätzen, welche die passenden Grössen der jeweiligen Kundinnen und Kunden sind. Zalando hat aktuell über 50% der Waren, welche retourniert werden. Davon sind rund ein Drittel der Retouren aufgrund der nicht passenden Grössen. Mit Machine Learning können nun die Daten analysiert werden und Kunden bessere Empfehlungen für die richtige Wahl der Grösse geben. Zum Schluss führt das für den Online-Händler nicht nur für bedeutend weniger Kosten, sondern verbessert die Customer Experience auch um einiges.
