• Home
  • Interview: B2B Händler unterschätzen die Komplexität von Shop-Projekten

Zu diesem Ergebnis kommt eine Studie zum Online-Kaufverhalten im B2B-E‑Commerce 2017 von ibi research. Im Interview mit eCube berichtet Dr. Georg Wittmann, Projektleiter der Studie, über Herausforderungen und Trends im B2B-E‑Commerce.

In Ihren Studien kommen Sie zu dem Ergebnis, dass B2B E‑Commerce enormes Potenzial hat, aktuell aber häufig noch in den Kinderschuhen steckt. Wo stehen B2B Händler heute in Sachen E‑Commerce? Welche Trends zeichnen sich ab?

Unsere Analysen, aber auch viele Projekte, die wir begleiten, zeigen, dass E‑Commerce im B2B kein Randthema mehr ist, sondern längst Fahrt aufgenommen hat. Sowohl Händler als auch Hersteller haben damit begonnen, E‑Commerce-Projekte aufzusetzen, intern Teams zu bilden und entwickeln gemeinsam mit Dienstleistern Strategien. Die Ausgangssituation ist im Einzelfall je nach Größe und Historie eines Unternehmens sehr unterschiedlich. Sehr weit vorne sind Händler, die ihre Vertriebsprozesse und ihr Produktdatenmanagement schon früh weitgehend digitalisiert haben. Hier findet man bereits Shopsysteme, die nicht nur an die Anforderungen der Käufer angepasst sind – Stichwort: Mobile Responsiveness – sondern auch die Prozesse dahinter laufen in hohem Maße integriert ab. Hier waren Händler im B2C im Vergleich lange weit voraus.

Auf der anderen Seite stecken viele B2B-Händler in der Tat noch in den Kinderschuhen. Auch wenn in den meisten Fällen zumindest schon das Bewusstsein vorhanden ist, dass sie etwas tun müssen. Was fehlt ist häufig ein tragfähiger Plan, denn solche Unternehmen tun sich schwer mit der Entwicklung einer E‑Commerce-Strategie. Das beginnt schon bei der Frage, ob man einen eigenen Shop aufbauen soll oder besser auf Plattformen wie Amazon Business, Mercateo oder Alibaba setzt. Viele Händler treibt dabei auch die Frage der Internationalisierung um, vor allem dann, wenn nationales und internationales Geschäft bisher über getrennte Kanäle abgewickelt wurden. Hier beobachten wir den Trend, verschiedene Kanäle im Sinne einer Omni-Channel-Strategie zu integrieren. Auch wenn dies bei vielen Händlern noch graue Theorie ist.

Welche Rolle spielen Marktplätze im B2B E‑Commerce?

Anders als im B2C, wo Händler häufig keine andere Wahl haben, als beispielsweise auf Amazon vertreten zu sein, verfügen Händler im B2B oftmals über gewachsene Kundenbeziehungen, die den Verkauf über einen eigenen Shop nahelegen. Denn vorhandene Verkaufsprozesse müssen hier im Grunde nur digitalisiert werden, ohne eine neue Verkaufsstrategie entwickeln zu müssen. Diese Unternehmen brauchen keinen externen Marktplatz für ihren Verkauf. Zumal Amazon & Co. aktuell noch dort an Grenzen stoßen, wo es um stark erklärungsbedürftige Produkte geht oder besondere Anforderungen an Kaufprozesse bestehen. Eine E‑Commerce-Strategie, die allein auf Marktplätze ohne eigenen Shop setzt, kommt derzeit nicht für alle Händler in Betracht.

Mit welchen Herausforderungen sehen sich B2B Händlern in Shop-Projekten konfrontiert?

Viele Händler unterschätzen die Komplexität von Shop-Projekten im B2B. Schwierigkeiten bereiten hier besonders die Produktdaten, die häufig nicht in der notwendigen Qualität verfügbar sind. Angefangen bei fehlendem Bildmaterial, über unvollständige Produktbeschreibungen bis hin zu Mängeln in der technischen Aufbereitung, was verhindert, das die Daten automatisiert im Shop verarbeitet werden können. Zudem werden Daten in vielen Unternehmen in verschiedenen Applikationen verwaltet und müssen für einen Online-Shop zunächst zusammengeführt, sprich: konsolidiert, werden.

Grundsätzlich stellen wir fest, dass viele Händler das Thema E‑Commerce strategisch nicht richtig durchdenken. Hier fehlt häufig eine übergeordnete Zielsetzung, an der sämtliche Maßnahmen ausgerichtet werden. Aber auch im Bereich der Vertriebsstrategie mangelt es häufig daran, E‑Commerce in Abstimmung mit anderen Vertriebswegen integriert zu denken und umzusetzen. Das ist besonders dann wichtig, wenn Händler ihre Produkte über einen mehrstufigen, darunter auch indirekten Vertrieb, verkaufen. Die Herausforderung liegt in solchen Fällen darin, den Shop in bestehende Strukturen im Unternehmen einzubinden.

E‑Commerce-Lösungen im B2B unterscheiden sich in ihren Anforderungen deutlich von denen im B2C, angefangen bei der Gestaltung des “Showrooms”, über Besonderheiten im B2B-Einkauf bis hin zu komplexen Preislogiken, die so im B2C nicht existieren. Das unterschätzen auch E-Commerce-Dienstleister, die eher im B2C tätig sind und stellen dann fest, dass Erfahrungen aus dem B2C nicht mal eben 1:1 auf B2B-Projekte übertragen werden können. Hier sind Händler gut beraten, sich nach einem Dienstleister mit fundierter B2B-Erfahrung umzusehen.

Was raten Sie Händlern im B2B, die in den Online-Handel einsteigen wollen?

Wir empfehlen Unternehmen, die am Anfang stehen, sich zunächst mit Online-Händlern und Dienstleistern intensiv auszutauschen. Das dient einer umfassenden Vorbereitung und Orientierung, kommt aber häufig zu kurz, wenn es schnell gehen muss und eine gewisse Ungeduld das Projekt treibt. Auf der anderen Seite gibt es Unternehmen, die das Thema E‑Commerce mit einem übertriebenen Anspruch und Perfektionismus angehen. Der goldene Weg liegt in der Mitte: Händler sollten sich die Zeit nehmen, im Austausch das nötige Wissen aufzubauen, dann aber zeitig mit einem konkreten Konzept starten. Das kann und muss zu Beginn noch nicht perfekt sein, sondern wird idealerweise nach agilen Prinzipien nach und nach weiterentwickelt.

Die schrittweise Umsetzung einer E‑Commerce-Strategie hat auch den Vorteil, dass das ganze Unternehmen – Strukturen, Prozesse und Mitarbeiter – der Veränderung folgen kann. Das bedarf in vielen Fällen einer intensiven Begleitung durch ein Change Management, vor allem dann, wenn es darum geht, die Kultur eines Unternehmens in Richtung E‑Commerce zu verändern. In vielen Projekten müssen dafür zunächst Ressentiments in den “klassischen” Vertriebskanälen beseitigt werden, die eine digitale Transformation behindern könnten.

Gerade zu Beginn eines Projektes ist es wichtig, das Augenmerk nicht ausschliesslich auf die Kosten zu richten, die beim Aufbau eines Shops entstehen. Vielmehr sollten Händler beispielsweise die Entscheidung “Make or buy” an Faktoren orientieren, die mittel- bis langfristig Kosten verursachen können: Welche Lizenzkosten fallen an? Wie oft sind technische Anpassungen nötig? Welche Tagessätze verlangen Dienstleister für die präferierte Lösung im Vergleich zu anderen Lösungen? Die Wirtschaftlichkeit einer Lösung ergibt sich immer aus der Gesamtschau einmaliger und laufender Kosten.

Wie bereits erwähnt, unterschätzen viele Händler die Komplexität von E‑Commerce-Projekten. Es macht deshalb in jedem Fall Sinn, sich Unterstützung und Expertise von außen zu holen, auch wenn das im Einzelfall einer “Do-it-yourself”-Kultur im Unternehmen widerspricht.

 

Über Dr. Georg Wittmann

Dr. Georg Wittmann ist Research Director bei ibi research an der Universität Regensburg. Er forscht und berät im Bereich der digitalen Transformation mit den Schwerpunkten B2C- und B2B-E‑Commerce sowie E-Payment, E-Finance, Online- und Social-Media-Marketing. Der studierte Diplom-Kaufmann war während seines Studiums im Business Development/Marketing bei Consors Discount-Broker tätig und anschließend wissenschaftlicher Mitarbeiter am Lehrstuhl für Wirtschaftsinformatik an der Universität Regensburg. Seit 2005 ist er bei ibi research an der Universität Regensburg GmbH tätig. Er ist Projektleiter der vom Bundesministerium für Wirtschaft und Technologie (BMWi) gefördert Mittelstand 4.0-Agentur Handel sowie Mitautor des E-Commerce-Leitfadens (www.ecommerce-leitfaden.de) und Autor zahlreicher Fachartikel und Studien.

Dr. Georg Wittmann war von 2013 bis 2015 Leiter des Fachbereichs E-Payment des Bundesverbands der Dienstleister für On-line-Anbieter BDOA e. V., Köln und ist seit 2015 Mitglied des Präsidiums des Händlerbunds e.V., Leipzig.

Big Data ist in aller Munde, allerdings beschränken sich viele E‑Commerce-Unternehmen auf das Sammeln von Daten, ohne damit wirklich zu arbeiten. Was dabei übersehen wird: Damit aus Daten nützliche Erkenntnisse und Maßnahmen für die Optimierung der Datenqualität im Shop abgeleitet werden können, müssen Messdaten nach definierten Regeln und Prozessen erhoben, ausgewertet und interpretiert werden.

Product Data Consolidation setzt hier auf eine intelligente Verknüpfung von automatisierter und manueller Analyse nach dem Lean-Prinzip.

Ziel des Produktdaten-Managements im E‑Commerce ist es, Produktdaten von höchstmöglicher Qualität zur richtigen Zeit genau dort bereitzuhalten, wo sie für den Verkauf benötigt werden. Und zwar in der Qualität, die Käufer erwarten dürfen. Dazu müssen Produktdaten systematisch analysiert werden, um ihre Qualität bewerten und ggf. optimieren zu können. Die Analyse der Datenqualität ist deshalb neben Channel Management, Processing und Control ein wichtiger Funktionsbereich der Product Data Consolidation.

„If you can‘t measure it, you can‘t improve it.“
Peter Drucker

Produktdatenanalyse als laufender Prozess

Im analytischen Teil der Datenkonsolidierung werden Konfigurationsinformationen fortlaufend in Beziehung zu gemessenen Kennzahlen gesetzt. So erhält man einen Überblick über die Entwicklung der Datenqualität und kann die Effizienz der vorgenommenen Operationen bewerten. Dies umfasst im Wesentlichen vier Handlungsbereiche: das Bewerten von Daten, Reporting und Monitoring sowie das regelmäßige Audit des Systems.

Grafik Datenzyklus: Der gesamte Analyse-Prozess ist als Zyklus zu verstehen, der dem PDCA-Prinzip folgt. Der Vorteil dieses Optimierungszyklus besteht darin, dass das Produktdaten-Management jederzeit flexibel auf Veränderungen in der Datenqualität reagieren kann, beispielsweise wenn neue Datenquellen hinzukommen oder sich die Datenstruktur ändert. Die Idee dahinter entspricht dem Lean-Prinzip für die iterative Entwicklung und Optimierung von Produkten.

Wichtig: Der gesamte Analyse-Prozess ist als Zyklus zu verstehen, der dem PDCA-Prinzip folgt. Der Vorteil dieses Optimierungszyklus besteht darin, dass das Produktdaten-Management jederzeit flexibel auf Veränderungen in der Datenqualität reagieren kann, beispielsweise wenn neue Datenquellen hinzukommen oder sich die Datenstruktur ändert. Die Idee dahinter entspricht dem Lean-Prinzip für die iterative Entwicklung und Optimierung von Produkten.

Die 4 Handlungsfelder der Datenanalyse

1. Scoring: Produktdatensätze bewerten

Die Anforderungen an die Produktdaten werden in Regeln formuliert und mit Scores versehen. Anforderungen sind z. B.: Herstellerinformationen sollen vorhanden sein, Titel soll Herstellermarke, Modell und wichtigste Merkmale enthalten, Primärbild und Thumbnail sollen vorhanden sein, Warengruppenstruktur für Online-Shop-Kategorisierung soll vorhanden sein, rechtlich relevante Hinweise sollen vorhanden sein etc. Die Qualität eines Datensatzes ergibt sich nicht nur daraus, ob bestimmte Anforderungen an die Vollständigkeit der Daten erfüllt sind, sondern bemisst sich auch daran, wie die Anforderungen gewichtet sind.

Für das Scoring verbindet das Konzept der Product Data Consolidation die automatisierte Analyse (Quality Gate) mit Möglichkeiten, Produktdaten nach Bedarf manuell, zum Beispiel per Datenvisualisierung, zu analysieren. Die folgende Abbildung zeigt die Visualisierung hierarchischer Strukturen im Daten-Pool in Form einer Tree Map.

Beispiel für die Darstellung der Zuordnungen von Produkten zu Kategorien im Shop nach eCl@ss.

Beispiel für die Darstellung der Zuordnungen von Produkten zu Kategorien im Shop nach eCl@ss.

Die Verknüpfung von automatisierter und manueller Analyse hat den Vorteil, dass Produktdaten im Shop nicht nur anhand “harter” Kriterien im Quality Gateway, sondern zusätzlich bei Bedarf auch anhand “weicher” Kriterien analysiert werden können. Beides zusammen ergibt ein rundes Bild von der Qualität der Produktdaten, bezogen auf eine bestimmte Anforderung und ermöglicht das frühzeitige Erkennen von Schwachstellen. Zusätzlich ermöglicht dieses Zusammenspiel das Aufdecken von Zusammenhängen, die bis dato noch nicht entdeckt wurden.

2. Reporting: Informationen zusammenstellen und versenden

Auf Basis definierter Abfragen können Berichte manuell oder automatisiert erstellt werden, die einen Gesamtüberblick über die Qualität der Produktdaten im Shop geben. Die Abfragen ziele darauf ab, Fehler oder Lücken im Datenbestand aufzudecken:

Welche Produkte haben keinen Wert für den Produktnamen (oder ein anderes Feld)?
Welchen Produkten wurde kein Alternativprodukt zugeordnet?
Welche Produkte haben kein Produktfoto oder Thumbnail?
Welche Produkte sind keiner Produktkategorie zugeordnet?
Berichte und Abfragen können bei Bedarf ausgeführt oder geplant und die Ergebnisse an einen bestimmten Benutzer oder eine bestimmte Benutzergruppe weitergeleitet werden.

3. Monitoring: Überwachung und auslösen von Steuerereignissen

Abfragen dienen nicht nur dem regelmäßigen Reporting, sondern können in Echtzeit bestimmte Ereignisse auslösen. Etwa, wenn ein Schwellenwerte für eine Messgröße unterschritten wurde. Beispiel: Der Produktmanager erhält eine Nachricht, wenn weniger als 98 % der Produkte keiner Produktkategorie zugeordnet sind. Das Echtzeit-Monitoring ist besonders dann wichtig, wenn laufend große Mengen an Produktdaten aus verschiedenen Quellen in das Shop-System eingespeist und zeitnah im Shop veröffentlicht werden.

4. Audit: Regeln und Qualität abgleichen

Auch wenn viele Bereich der Datenanalyse automatisiert ablaufen, sind manuelle Eingriffe in der Praxis nicht ganz zu vermeiden. Und auch nicht wünschenswert, denn Qualität liegt nicht selten im Auge eines (menschlichen) Betrachters. Im Rahmen des fortlaufenden Auditprozesses werden sicherheitshalber alle Änderungen protokolliert, die in den Produktdaten und den Verarbeitungsregeln vorgenommen wurden, wann und von welchem Benutzer, so dass der Administrator die Arbeit seiner Mitarbeiter überwachen und bei Bedarf Rollbacks durchführen kann.

Fazit

Der Verkaufserfolg im E‑Commerce steht und fällt mit der Präsentation der angebotenen Produkte und damit auch mit der Qualität der bereitgestellten Produktdaten. Product Data Consolidation beinhaltet deshalb, Produktdaten fortlaufend systematisch zu analysieren. Hierfür werden idealerweise automatisierte und manuelle Prozesse intelligent verknüpft und die Ergebnisse der Datenanalyse in Echtzeit in Handlungsempfehlungen übersetzt, bzw. direkt Steueroperationen im System ausgelöst.

Mehr über Product Data Consolidation erfahren Sie in unserem kostenlosen Whitepaper.