Predictive Analytics – Chancen für den Online-Handel

0

Kürzlich hat Intershop mit SIMCOMMERCE die erste Prognosesoftware speziell für den Online-Handel angekündigt. Was seit Jahren bereits in vielen Bereichen der Wirtschaft, der Meteorologie und Medizin sowie der Kriminalitätsbekämpfung erfolgreich eingesetzt wird, hält nun auch Einzug in den Online-Handel: Predictive Analytics – zu Deutsch: prädiktive bzw. vorausschauende Analysen.

Predictive Analytics ist dabei mehr als nur das seit Anfang der 90er Jahre populäre Business Intelligence in neuen Gewändern – vor allem mehr als ein neues Buzzword in 2014.  Durch die Anwendung und Kombination von Methoden aus der Statistik, dem Data Mining und Operations Research können Daten systematisch ausgewertet und mit Hilfe von Prognosemodellen so in Beziehung gesetzt werden, das Vorhersagen der wahrscheinlichen Zukunft sowie Trends möglich werden. Spezialisierte Softwarelösungen für den Online-Handel ermöglichen es damit auch E-Commerce Betreibern bessere operative oder strategische Entscheidungen zu treffen.

Auf einen Blick: 10 Anwendungsszenarien prädiktiver Analysen von denen Online-Händler in Zukunft profitieren werden:

1)      Wirkung von Marketing-Investitionen abschätzen: Hierfür werden quantitative als auch qualitative Merkmale unter Verwendung verschiedener Prognoseverfahren zu Prognosemodellen aggregiert und gegen historische Kampagnendaten validiert. Liefern die Modelle verlässliche Prognosen, können sie auf neue Sachverhalte, wie z.B. eine veränderte Budgetallokation, angewendet und Wirkungsprognosen im Vorfeld erstellt werden.

2)      Vorrauschauende Suchtechniken im Onlineshop: Vorausschauende Suchtechniken liefern jedem Shop-Besucher personalisierte Informationen noch bevor sie oder er daran denken. Möglich machen dies prädiktive Suchalgorithmen, die u.a. das Klickverhalten sowie die Historie der Kunden analysieren und gezielte Suchempfehlungen in Echtzeit geben.

3)      Vorausschauende Cross- & Upselling-Kampagnen: Durch die Nutzung prädiktiver Modelle können Kundeninteressen mit Cross- & Upselling-Kampagnen kombiniert und erfolgsversprechende Maßnahmen prognostiziert werden. Ziel ist es, für Kundengruppen oder Individuen die besten Angebote zu identifizieren und auszuspielen.

4)      Ideale Preise prognostizieren: Durch die Kombination verschiedener Datenquellen können Predictive Analytics Lösungen die idealen Preise zum jeweiligen Zeitpunkt prognostizieren. Je nach Ziel werden Umsatz, Gewinn oder Marge maximiert. Dazu werden individuelle Kundeninformationen mit Vertriebsinformationen und externen Daten (z.B. Wetterdaten, Veranstaltungen, Feiertage, …) kombiniert.

5)      Frühzeitiges Erkennen von Stimmungen: Positive und negative Begriffe werden im Textfluss analysiert und gegenübergestellt. Algorithmen berechnen Wahrscheinlichkeiten, welche wiederum in Trendprognosen eingehen und Händler durch gezieltes Kundenmanagement massenhaften und oft selbstverstärkenden öffentlichen Entrüstungen zuvorkommen können.

6)      Vorrausschauende Betrugsprävention: Prädiktive Technologien unterstützen Maßnahmen zur Betrugsprävention indem in Echtzeit Kundenverhalten analysiert und Warnmeldungen geliefert werden, sofern das Kundenverhalten auf betrügerische Aktivitäten hindeutet. Dadurch können Händler risikobehaftete Zahlungsverfahren sowie betrugsanfällige Produkte und Produktkategorien automatisiert im Vorfeld für den Kunden deaktivieren.

7)      Vorrauschauend neue Zahlungsverfahren integrieren: Durch die Nutzung von Kausalmodellen können Prognosen erstellt werden, die die Auswirkungen von Integration oder Deaktivierung von Zahlungsverfahren langfristig auf die KPI (Key Performance Indicator) des Shops darstellen. E-Commerce Manager werden somit in die Lage versetzt, den Payment-Mix zu optimieren, ohne die Zahlungsverfahren im Vorfeld implementieren zu müssen.

8)      Vorrausschauend Retouren planen: Prognosemodelle können das Retourenmanagement unterstützen. So werden bereits im Vorfeld Warenkörbe identifiziert, deren Wahrscheinlichkeit einer Rücklieferung besonders hoch ist. Die Prognosen liefern Daten für technische Features, die den Kunden bspw. über erweitere Beratungsangebote von der Bestellung mehrere identischer Artikel in verschiedenen Größen abhalten können. Aber nicht nur das: Durch die Prognose der zu erwartenden Anzahl von zukünftigen Rücklieferungen kann sogar die Personalplanung optimiert werden.

9)      Trend- und Umsatzprognosen: Durch die Kombination historischer Daten mit der zukünftigen strategischen Ausrichtung des Online-Shops sowie der Anwendung von Prognosetechniken (z.B. Integration von Wetterdaten, anstehenden Großveranstaltungen aber auch neue Marketingstrategien oder Investitionen in Online-Shop-Technologien) können genaue Trend- und Umsatzprognosen erstellt werden. Durch die Anwendung von Szenario-Analysen werden eine Vielzahl an möglichen Entwicklungen in „Wenn-Dann-Szenarien“ berechnet und Handlungsempfehlungen herausgearbeitet, welche den höchsten Erfolg versprechen.

10)   Bedarfs- und Absatzprognosen erstellen:  Out-of-Stock Artikeln vorbeugen: Prognoselösungen kombinieren Transaktionsdaten mit externen Datenquellen um Bedarfs- und Absatzprognosen im Rahmen der Bestandsoptimierung zu erstellen. Diese helfen Online-Händlern die virtuelle „Regallücke“ zu vermeiden.

Ein Erfolgskonzept der Evolution, die vorausschauende Planung, ist gerade in unserer immer komplexer werdenden Welt notwendig. Selbstredend nicht nur im (Online-)Handel. Predictive Analytics ist somit der nächste logische Schritt auf Big Data. Ereignisse, Trends und Aktivitäten werden prognostiziert und daraus ein operativer oder strategischer Nutzen generiert. Online-Händler können zukünftig Vorhersagemodelle nutzen, um die aus prädiktiven Analysen generierbaren Erkenntnisse in eigene Wettbewerbsvorteile umzuwandeln. SIMCOMMERCE arbeitet mit kundeneigenen Daten (z. B. historischen Transaktionsdaten) sowie Branchen-, Marktdaten und Benchmarks. Im Vergleich zu bisher gängigen Analysemethoden wie A/B-Tests müssen alternative Shop-Elemente, beispielsweise unterschiedliche Zahlungsanbieter, nicht mehr faktisch in den Shop eingebaut werden, um ihre Wirkung auf Kunden zu testen. Passgenaue Simulationen sind damit für das eigene Shop-Modell / Kundensegment ohne die entsprechenden Zusatzkosten- und Risiken möglich. Für eine realitätsnahe Kosten-Nutzen-Analyse gleicht das System das gewählte Modul mit einer umfassenden Anzahl von anonymisierten externen Daten zu ähnlichen Szenarien ab. Da innerhalb eines Moduls zahlreiche Varianten unterschiedlich miteinander kombiniert und einzeln simuliert werden können, werden selbst umfassende Vergleichstests möglich, die für traditionelle A/B-Testverfahren bisher zu kosten- und zeitintensiv waren. Dies macht SIMCOMMERCE gerade auch für Branchenneulinge zu einer leistungsfähigen Business Intelligence-Lösung. Weitere Informationen über SIMCOMMERCE erhalten Sie im Internet unter http://www.simcommerce.de

Predictive Analytics – Chancen für den Online-HandelRené Kessler, Product Manager SIMCOMMERCE

Disclaimer:
„Für den oben stehenden Beitrag sowie für das angezeigte Bild- und Tonmaterial ist allein der jeweils angegebene Nutzer verantwortlich. Eine inhaltliche Kontrolle des Beitrags seitens der Seitenbetreiberin erfolgt weder vor noch nach der Veröffentlichung. Die Seitenbetreiberin macht sich den Inhalt insbesondere nicht zu eigen.“

Share.

Eine Antwort verfassen