Predictive Analytics im Handel


Umsatz steigern mit vorausschauenden Analysen

Gute Datenbasis

 

Kundendaten, Social-Media-Trends, demo- und geographische sowie ökonomische Informationen, Wege durch Ladengeschäfte, Wetterdaten – dies ist nur ein Teil der Big Data, der Händlern heute zur Verfügung steht. Daraus lassen sich bei professioneller Analyse verkaufsfördernde Maßnahmen ableiten. So konnten russische Einzelhändler feststellen, dass in kalten Monaten der Buchverkauf stark anzog. Ozon.ru, Russlands Amazon, nutzt jenes Wissen, um in dieser Zeit vermehrt Buchempfehlungen zu machen – gezielt in den Regionen, in denen die Temperaturen fallen.¹


Auch saisonale Abverkäufe lassen sich mithilfe von Predictive Analytics und Big Data noch effektiver steuern. Dabei kann es sich lohnen, nicht an bestimmten Daten festzuhalten und einmalig große Rabatte zu offerieren, sondern Preise schon dann graduell zu senken, sobald das Interesse der Kunden an bestimmten Waren nachlässt. Stage Stores, ein US-Händler von Markenbekleidung, Accessoires und Kosmetika, konnte mit dieser Methode in 90 Prozent der Fälle höhere Umsätze erzielen als beim traditionellen Schlussverkauf. Basis für die Preisreduktion bildeten vorausschauende Analysen.²

Doch es gibt noch weitere Anwendungsfelder für Predictive Analytics. Warenkorbanalysen beispielsweise ermöglichen es, Kunden passgenaue Produktvorschläge zu machen und so den Umsatz zu steigern. Aus dem E-Commerce sind derartige Empfehlungen gut bekannt: „Kunden, die diesen Artikel kauften, kauften auch…“. Auch andere Branchen wie der stationäre Einzelhandel oder Pharma-Händler können mit vorausschauenden Analysen Cross- oder Up-Selling-Effekte erzielen. Damit lassen sich häufig gekaufte Produktkombinationen, Uhr- und Jahreszeiten oder Wetterprognosen in Angebot sowie Auslage einbeziehen und so das Sortiment flexibel ausrichten. Der Arzneimittel-Importeur Kohlpharma³ nutzt Erkenntnisse aus Cross-Selling-Analysen, um relevante Produktbündel zu schnüren, weitere Arzneimittel zu empfehlen und die Beratungsqualität im Vertrieb zu optimieren.

Einsatzmöglichkeiten von Predictive Analytics im Handel

 

Warenkorbanalyse Warenkorbanalyse

Lieferoptimierung  Lieferoptimierung

Preisoptimierung  Preisoptimierung

Cross- und Upselling  Cross- und Upselling

Stärkung Kundenbindung  Stärkung Kundenbindung

 

 

 

Absatzprognose  Absatzprognose

Personalisierte Suchempfehlungen  Personalisierte Suchempfehlungen

Retourenmanagement  Retourenmanagement

Optimierung Payment-Mix  Optimierung Payment-Mix

Erfolgsvoraussetzungen

  • Analyseergebnisse sind abhängig von der Qualtität der zugrundliegenden Daten. Schlechte Daten bringen schlechte Ergebnisse.
  • ausreichend Datenmengen nötig, damit es nicht zu verzerrten Ergebnissen kommt
  • Herausforderung für Unternehmen: Daten finden und aufbereiten
  • Dienstleister unterstützen nicht nur bei der Durchführung von Predictive-Analytics-Projekten, sondern auch dabei eine belastbare Datenbasis aufzubauen und gegebenfalls anzureichern

Für zusätzliche Informationen zu Warenkorbanalysen und weiteren Einsatzmöglichkeiten von Predictive Analytics im Groß- oder Einzelhandel, laden Sie sich diese Infografik herunter oder sprechen Sie mit einem unserer Experten.

Wir empfehlen

Das benutzerfreundliche Produktportfolio der IBM für die vorausschauende Analyse, die auf die besonderen Anforderungen verschiedener Benutzer und Kenntnisstufen ausgelegt sind. So stehen beispielsweise visuelle, menügesteuerte Schnittstellen für Einsteiger sowie Befehlssyntax-Schnittstellen und erweiterte Funktionalität für höher qualifizierte Analysten zur Verfügung. Damit können Sie Data-Mining, Text-Mining und statistische Analysen durchführen, z. B. Regressionsanalyse, Clusteranalyse und Korrelationsanalyse, Datenerfassung und Onlinebefragungen, Datenmodellierung und Vorhersagemodellierung. So lassen sich umsatzstarke Kunden besser binden, bestehenden Kunden zusätzliche Services verkaufen, erfolgreiche neue Produkte entwickeln, die Geschäftsabläufe effizienter gestalten oder Betrug und Risiken aufdecken und minimieren.

Lesen Sie dazu auch: IBM - Fünf notwendige Maßnahmen zur Stärkung der Kundenbindung.


¹ Forbes.com, Bernard Marr, „Big Data: A Game Changer In The Retail Sector“, 10.11.2015, http://www.forbes.com/sites/bernardmarr/2015/11/10/big-data-a-game-changer-in-the-retail-sector/#4d1051ba678a
² ebd.
³ IBM, Innovation und Cross Selling im Einzelhandel, Edmund Michels, “Cross Selling Nutzen für Apotheken und Pharma Grosshandel bei der Distribution von Import Arzneimitteln – Use Case kohlpharma“, 22.08.2015, https://www-304.ibm.com/connections/blogs/cross_selling/tags/kohlpharma?lang=en_us