Praxistipp
26.08.2015, 09:01 Uhr
Big Data für neue Kunden in Europa
Der E-Commerce wächst besonders schnell in Europa. So sollten sich Online-Shops für den von der EU geplanten europaweiten Digitalmarkt aufstellen.
(Quelle: shutterstock.com/Tatiana53)
Der grenzübergreifende Online-Handel steckt in Europa noch in den Kinderschuhen - doch das Potential ist gross: Die Europäische Kommission schätzt, dass der von der EU angestrebte europaweit einheitliche digitale Binnenmarkt ein Wachstum von bis zu 415 Mrd. Euro mit sich bringen könnte. Für die Anbieter bedeutet dies gleichzeitig eine immense Zunahme an Daten, die von Kunden in ganz Europa erhoben werden können. Mit den richtigen Ansätzen lassen sie sich in Kaufempfehlungen, Präferenzanalysen und vorausschauende Logistik umwandeln. Fabian Wilckens, EMEA Solutions Architect bei MapR erläutert, wie sich Online-Händler auf den kommenden Digitalmarkt vorbereiten können.
Digitaler Binnenmarkt
Derzeit erwerben laut der Europäischen Kommission lediglich 15 Prozent der Online-Käufer Produkte aus anderen Ländern - und nur sieben Prozent der kleineren Händler verkaufen über Landesgrenzen hinweg. Die EU-Kommission schätzt, dass eine Vereinheitlichung der E-Commerce-Regulierungen in Europa dazu führt, dass knapp 60 Prozent der Unternehmen ihren grenzüberschreitenden Handel startet oder steigert.
Um bessere Einsicht in das Kaufverhalten der internationalen Kunden zu erhalten und hierauf mit den richtigen Marketing-Massnahmen reagieren zu können, müssen sie ihre IT-Systeme auf die neuen Anforderungen einstellen und gleichzeitig konsolidieren, um die Kosten überschaubar zu halten. Für diese Anforderungen im Big-Data-Massstab reichen klassische Data-Warehouse-Konzepte für Datenanalyse- und -verarbeitung nicht mehr aus.
Helfen können hier alternative Konzepte die bestehende Datensysteme entscheidend erweitern und dabei helfen, mehr Informationen aus den Daten zu ziehen und diese spezifisch für die einzelnen Zielgruppen einzusetzen - ob es sich um neue Serviceangebote oder passgenaues Marketing handelt. Im Folgenden werden einige Aspekte kurz beleuchtet, die Online-Händler beherzigen sollten.
Derzeit erwerben laut der Europäischen Kommission lediglich 15 Prozent der Online-Käufer Produkte aus anderen Ländern - und nur sieben Prozent der kleineren Händler verkaufen über Landesgrenzen hinweg. Die EU-Kommission schätzt, dass eine Vereinheitlichung der E-Commerce-Regulierungen in Europa dazu führt, dass knapp 60 Prozent der Unternehmen ihren grenzüberschreitenden Handel startet oder steigert.
Um bessere Einsicht in das Kaufverhalten der internationalen Kunden zu erhalten und hierauf mit den richtigen Marketing-Massnahmen reagieren zu können, müssen sie ihre IT-Systeme auf die neuen Anforderungen einstellen und gleichzeitig konsolidieren, um die Kosten überschaubar zu halten. Für diese Anforderungen im Big-Data-Massstab reichen klassische Data-Warehouse-Konzepte für Datenanalyse- und -verarbeitung nicht mehr aus.
Helfen können hier alternative Konzepte die bestehende Datensysteme entscheidend erweitern und dabei helfen, mehr Informationen aus den Daten zu ziehen und diese spezifisch für die einzelnen Zielgruppen einzusetzen - ob es sich um neue Serviceangebote oder passgenaues Marketing handelt. Im Folgenden werden einige Aspekte kurz beleuchtet, die Online-Händler beherzigen sollten.
Sensibler Heilsbringer: die Personalisierung
Eine positive Kundenerfahrung sollte nicht nur für Ladengeschäfte eine hohe Priorität geniessen – die gelungene individuelle Ansprache hilft Händlern bei der Differenzierung in einem zunehmend saturierten Markt. Eine aktuelle Studie von Infosys kommt zu dem Ergebnis, dass 86 Prozent der befragten Online-Shopper ihr Kaufverhalten durch Personalisierung bereits deutlich angepasst haben. Big-Data-Systeme und Empfehlungs-Analysen, sogenannte Recommendation Engines, helfen den Händlern dabei, Kunden ein personalisiertes Einkaufserlebnis zu bieten.
Doch Vorsicht ist geboten: wenn Händler mehr und mehr Daten sammeln und sammeln müssen, um ihren Kunden die gewünschten individualisierten Empfehlungen zu bieten, so steigt zugleich bei den Konsumenten die Sorge nach der Sicherheit ihrer Daten. Pew Research fand unlängst in einer Studie, dass mehr als 90 Prozent der Erwachsenen das Gefühl hat, die Kontrolle über ihre Daten im Internet verloren zu haben. Dies bedeutet, dass Datensysteme mit Umsicht implementiert und alle Vorgaben strikt eingehalten werden müssen.
Eine positive Kundenerfahrung sollte nicht nur für Ladengeschäfte eine hohe Priorität geniessen – die gelungene individuelle Ansprache hilft Händlern bei der Differenzierung in einem zunehmend saturierten Markt. Eine aktuelle Studie von Infosys kommt zu dem Ergebnis, dass 86 Prozent der befragten Online-Shopper ihr Kaufverhalten durch Personalisierung bereits deutlich angepasst haben. Big-Data-Systeme und Empfehlungs-Analysen, sogenannte Recommendation Engines, helfen den Händlern dabei, Kunden ein personalisiertes Einkaufserlebnis zu bieten.
Doch Vorsicht ist geboten: wenn Händler mehr und mehr Daten sammeln und sammeln müssen, um ihren Kunden die gewünschten individualisierten Empfehlungen zu bieten, so steigt zugleich bei den Konsumenten die Sorge nach der Sicherheit ihrer Daten. Pew Research fand unlängst in einer Studie, dass mehr als 90 Prozent der Erwachsenen das Gefühl hat, die Kontrolle über ihre Daten im Internet verloren zu haben. Dies bedeutet, dass Datensysteme mit Umsicht implementiert und alle Vorgaben strikt eingehalten werden müssen.
Datenanalyse und Empfehlungen
Recommendation Engines stecken hinter den Buchempfehlungen bei Amazon, den Filmvorschlägen auf Netflix und den Kontaktvorschlägen von LinkedIn. Mit speziellen Algorithmen und der Fähigkeit des Machine Learning nutzen die "Empfehlungs-Maschinen" Daten aus vergangenen Käufen, um Vorhersagen über zukünftige Interessen zu treffen. Doch dies ist nicht ihre einzige Quelle. Während einer Online-Transaktion fallen grosse Mengen an Daten an, etwa Clickstream und Mobile Data, Käufe und Kaufinteressen, sowie Nutzerverhalten.
Viele Branchen, auch Finanzdienstleister und Medienhäuser, verlassen sich heute auf die Analysen dieser Daten. Besonders für Händler ist diese Technologie jedoch existenziell, gerade im Bereich E-Commerce: Der Kunde profitiert von persönlichen Empfehlungen, die sein Einkaufserlebnis individueller machen. Der Händler kann zugleich mit einer Empfehlungs-Analyse seine Raten im Up- und Cross-Selling steigern, sowie die Kundenloyalität verbessern.
Recommendation Engines stecken hinter den Buchempfehlungen bei Amazon, den Filmvorschlägen auf Netflix und den Kontaktvorschlägen von LinkedIn. Mit speziellen Algorithmen und der Fähigkeit des Machine Learning nutzen die "Empfehlungs-Maschinen" Daten aus vergangenen Käufen, um Vorhersagen über zukünftige Interessen zu treffen. Doch dies ist nicht ihre einzige Quelle. Während einer Online-Transaktion fallen grosse Mengen an Daten an, etwa Clickstream und Mobile Data, Käufe und Kaufinteressen, sowie Nutzerverhalten.
Viele Branchen, auch Finanzdienstleister und Medienhäuser, verlassen sich heute auf die Analysen dieser Daten. Besonders für Händler ist diese Technologie jedoch existenziell, gerade im Bereich E-Commerce: Der Kunde profitiert von persönlichen Empfehlungen, die sein Einkaufserlebnis individueller machen. Der Händler kann zugleich mit einer Empfehlungs-Analyse seine Raten im Up- und Cross-Selling steigern, sowie die Kundenloyalität verbessern.
Big-Data-Grundausstattung
Um grosse Mengen und verschiedene Arten von Daten zu nutzen und zu verarbeiten, nutzen Unternehmen Big-Data-Anwendungen wie Hadoop, die Technologien wie Recommendation Engines möglich machen. Sie erkennen Muster und eventuelle Ausreisser, um dem Kunden das nächste geeignete Produkt oder Angebot vorzuschlagen. Hadoop kann als Open-Source-Plattform mit unterschiedlichen Datentypen umgehen und auch unstrukturierte Datenmassen wie Social-Media-Informationen und Emails verarbeiten.
Neben Hadoop sollten Unternehmen auch auf andere Open-Source-Lösungen setzen. Apache Drill arbeitet mit Hadoop und lässt Unternehmen verschiedene Datentypen aufrufen, ohne dass die IT-Abteilung viel vorbereiten müsste. Der Data-to-Action-Zyklus wird erheblich verkürzt, da jeder mit SQL-Kenntnissen und den nötigen Erlaubnissen Datenanfragen starten kann. Die daraus entstehenden Selbstbedienungs-Plattformen bietet Händlern die Möglichkeit, selbst direkt und in Echtzeit Einsichten in ihre Daten zu bekommen.
Um grosse Mengen und verschiedene Arten von Daten zu nutzen und zu verarbeiten, nutzen Unternehmen Big-Data-Anwendungen wie Hadoop, die Technologien wie Recommendation Engines möglich machen. Sie erkennen Muster und eventuelle Ausreisser, um dem Kunden das nächste geeignete Produkt oder Angebot vorzuschlagen. Hadoop kann als Open-Source-Plattform mit unterschiedlichen Datentypen umgehen und auch unstrukturierte Datenmassen wie Social-Media-Informationen und Emails verarbeiten.
Neben Hadoop sollten Unternehmen auch auf andere Open-Source-Lösungen setzen. Apache Drill arbeitet mit Hadoop und lässt Unternehmen verschiedene Datentypen aufrufen, ohne dass die IT-Abteilung viel vorbereiten müsste. Der Data-to-Action-Zyklus wird erheblich verkürzt, da jeder mit SQL-Kenntnissen und den nötigen Erlaubnissen Datenanfragen starten kann. Die daraus entstehenden Selbstbedienungs-Plattformen bietet Händlern die Möglichkeit, selbst direkt und in Echtzeit Einsichten in ihre Daten zu bekommen.
Machine Learning
Die Fähigkeit der Systeme, selbst zu lernen und Schritt für Schritt intelligenter zu werden, ist keine Utopie mehr. Machine Learning ist längst aus den Forschungslaboren in die pragmatische Unternehmenslandschaft gewandert. Auch Online-Händler können auf diese Funktion zurückgreifen, um ihre Recommendation Engines noch effektiver zu machen. Die folgenden fünf Hinweise sollten sie dabei beachten, um die Personalisierung und Empfehlungen ihres Online-Shops zu nutzen, ohne private Kundendaten preisgeben zu müssen.
Fazit: Big Data vorbereiten
Vor allem Unternehmen im Bereich E-Commerce sollten sich frühzeitig auf den Digitalen Binnenmarkt der Europäischen Union vorbereiten. Die geplanten Massnahmen sollen Händlern den Vertrieb in ganz Europa erleichtern - die dazugehörigen anwachsenden Datenmassen müssen Händler jedoch selbst bewältigen. Moderne Big-Data-Systeme können ihnen dabei helfen. Mit Technologien wie Recommendation Engines und Machine Learning profitieren Händler von zuverlässigen Analysen; individuelle Nutzerlebnisse steigern zugleich die Kundenbindung. Es lohnt sich daher für Online-Händler, sich mit diesen Technologien frühzeitig auseinanderzusetzen.
Die Fähigkeit der Systeme, selbst zu lernen und Schritt für Schritt intelligenter zu werden, ist keine Utopie mehr. Machine Learning ist längst aus den Forschungslaboren in die pragmatische Unternehmenslandschaft gewandert. Auch Online-Händler können auf diese Funktion zurückgreifen, um ihre Recommendation Engines noch effektiver zu machen. Die folgenden fünf Hinweise sollten sie dabei beachten, um die Personalisierung und Empfehlungen ihres Online-Shops zu nutzen, ohne private Kundendaten preisgeben zu müssen.
- Um zu empfehlende Produkte zu identifizieren, benötigt das System Meta-Daten zu allen Artikeln. Die meisten Online-Händler verfügen bereits über solche Daten innerhalb einer Suchmaschine.
- Logbücher: Die Historie des Nutzerverhaltens muss als Log-Datei ins System eingespeist werden.
- Das Nutzerverhalten muss zusätzlich in Echtzeit analysiert werden, um neue Meta-Daten zu schaffen, die wiederum in die Suchmaschine zurückgeführt werden, um die Empfehlungen zu verbessern.
- Die Nutzer sollten mit einem Suchindex interagieren können, der aus den Meta-Daten der Produkte und des Nutzerverhaltens besteht. Dies erzeugt wiederum eine neue Nutzer-Historie, die wieder ins System gespeist wird. So können die Empfehlungen in einer Schleife kontinuierlich optimiert werden.
- Alternative Verhaltensdaten, die dem System von aussen zugefügt werden, können es weiter verbessern und die Ergebnisse verfeinern.
Fazit: Big Data vorbereiten
Vor allem Unternehmen im Bereich E-Commerce sollten sich frühzeitig auf den Digitalen Binnenmarkt der Europäischen Union vorbereiten. Die geplanten Massnahmen sollen Händlern den Vertrieb in ganz Europa erleichtern - die dazugehörigen anwachsenden Datenmassen müssen Händler jedoch selbst bewältigen. Moderne Big-Data-Systeme können ihnen dabei helfen. Mit Technologien wie Recommendation Engines und Machine Learning profitieren Händler von zuverlässigen Analysen; individuelle Nutzerlebnisse steigern zugleich die Kundenbindung. Es lohnt sich daher für Online-Händler, sich mit diesen Technologien frühzeitig auseinanderzusetzen.
