Beiträge

Günter Heiß
,

5 Studien, die jeder Online-Händler im B2B kennen sollte

5 Studien, die jeder Online-Händler im B2B kennen sollteFotolia

Viele Erkenntnisse, die wir in unseren Projekten sammeln, bestätigen sich regelmäßig in Branchenstudien. Wir stellen fünf Studien vor und geben Tipps, was Händler daraus lernen können.

Online-Handel erfordert agile Technologien und Arbeitsweisen

“Komplexe Infrastrukturen mit durchschnittlich 10,2 verkaufsbezogenen Technologien machen es vielen Unternehmen schwer, eine integrierte Lösung zu entwickeln, die ihren individuellen Anforderungen gerecht wird.” Zu diesem Ergebnis kommt eine Studie von Forrester Research im Auftrag von Magento. 

Daraus ergeben sich besondere Anforderungen an die Flexibilität und Konnektivität von E-Commerce-Lösungen im B2B, die Händler beim Einstieg bzw. bei der Weiterentwicklung ihres Online-Verkaufs unbedingt berücksichtigen sollten:

Shop-Lösungen müssen so flexibel sein, dass sie in die vorhandene Infrastruktur integriert und im Kontext anderer Applikationen wie PIM, ERP, CMS und CRM weiterentwickelt werden können. Denn nur wenn alle Systeme, die am Verkauf beteiligt sind optimal zusammenwirken, dann kann E-Commerce nicht nur technologisch sondern auch strategisch in den Omnichannel-Vertrieb integriert werden.

Zudem müssen E-Commerce-Lösungen so flexibel sein, dass sie an Veränderungen im Markt oder in der eigenen Verkaufsstrategie angepasst werden können. E-Commerce-Systeme wie die von unserem Partner commercetools bieten hierfür die nötige Agilität. Dementsprechend sollten E-Commerce-Projekte nach agilen Prinzipien geplant und realisiert werden. 

Ein konsequent iteratives Planen und Umsetzen hilft dabei, die Komplexität und damit das Risiko in E-Commerce-Projekten zu reduzieren und trotzdem schnell zur Marktreife zu gelangen. Mehr über agile Shop-Entwicklung im E-Commerce erfahren Sie in unserem kostenlosen Whitepaper. 

Lesetipp: Grundlagen agiler Shop-Entwicklung im B2B: Planung, Ressourcen, Produktdaten, Integration (de.eas-mag.digital)

Data Quality Management komplexer als erwartet

Über 80 Prozent der Online-Händler sehen in der Qualität von Produktdaten eine entscheidende Voraussetzung für den Verkaufserfolg. Dennoch schätzt fast jeder Zweite die Qualität der Daten in seinem Shop als schlecht ein.

Das liegt aus unserer Erfahrung im wesentlichen daran, dass Händler den Aufwand, den die Aufbereitung von Produktdaten für den Online-Verkauf verursacht, unterschätzen. Nach einer Studie zum Einfluss der Digitalisierung auf den deutschen Einzelhandel von ibi Research, DIHK und IHK stellt die Aufbereitung bzw. Bereitstellung von Produktdaten für den Online-Verkauf jeden zweiten Händlereine vor große Herausforderungen.

Die Verarbeitung von Produktdaten gehört zu den komplexesten Anforderungen in E-Commerce-Projekten. 

Wenn Händler versuchen, die Produktdaten aus ihrem stationären Verkauf 1:1 im Online-Shop einzusetzen, geht das in der Regel schief. Denn Produktdaten dienen im Online-Verkauf nicht nur der Präsentation von Produkten, sondern sie steuern auch wichtige Funktionen im Shop wie die Produktsuche oder die semantische Verknüpfung von Produkten für das Crossselling. 

Um beiden Anforderungen gleichermaßen gerecht zu werden, müssen Produktdaten in eine einheitliche Form und Qualität gebracht werden, man spricht hier von Konsolidierung der Daten.

Bei sehr großen Produktsortimenten ab fünfzig tausend Produkten aufwärts lässt sich dies unmöglich manuell bewältigen, besonders wenn regelmäßig Daten von Herstellern und Zulieferern aktualisiert werden. Hier empfiehlt es sich, das Produktdaten-Management so weit wie möglich zu automatisieren. 

eCube hat hierfür ein Tool entwickelt, mit dem Händler die Qualität ihrer Produktdaten automatisiert überwachen und optimieren können.

Lesetipp: Produktdaten – die Achillesferse im E-Commerce (marconomy.de)

Käufer erwarten personalisierte Inhalte im Online-Shop

Einer Studie von ECC Köln zufolge spricht jeder zweite Online-Händler seine Kunden im Online-Shop personalisiert an – insbesondere durch kundenindividuelle Preise, personalisierte Kaufempfehlungen oder Angebote.

Sieben von zehn Händlern, die ihre Kunden im B2B-Online-Shop personalisiert ansprechen, können einen positiven Effekt für die Conversion Rate feststellen.

Grund genug für B2B-Händler, sowohl die Präsentation ihrer Produkte als auch Marketing-Content in ihren Shops am konkreten Bedarf ihrer Kunden im Kaufprozess auszurichten. Im technischen Handel geschieht dies beispielsweise, indem im Shop einem Werkzeug die dazu passenden Ersatzteile und Verbrauchsmaterialien zugeordnet werden. Auf der Content-Ebene können technische Datenblätter oder Anleitungen zur Nutzung des Gerätes angeboten werden.

Beim sogenannten Content Commerce werden die reinen Informationen zu den angebotenen Produkten durch weiterführende Inhalte mit Tipps für die Anwendung und Hintergrundinformationen zu den Produkten ergänzt. Auf diese Weise entsteht ein virtuelles Beratungsangebot, das dazu beiträgt, den Verkauf zu fördern und Kunden zu binden.

Lesetipp: Content Commerce im B2B: Hintergrund, Tipps, Beispiele

Intuitive Produktsuche erfolgskritisch für den Online-Verkauf

“Der Shop-Betreiber muss die Rolle eines Vordenkers übernehmen, denn nur er verfügt über das Know How und die Erfahrung in seiner Branche. Er muss im Verkauf für seinen Kunden denken: Wie soll die Produktsuche aussehen? Welche Funktionalität braucht der Kunde im Einkauf?” fordert zurecht unser Kunde Andreas Viehweger, Geschäftsführer der HENKA Werkzeuge + Werkzeugmaschinen GmbH.

Laut einer Studie vom Baymard Institute gelingt es über 70% der Online-Händler nicht, den Erwartungen der Käufer an die Einfachheit und Zuverlässigkeit der Produktsuche zu entsprechen. 

Im Mittelpunkt der Konzeption für den Online-Shop von Henka stand deshalb eine intelligente Suchfunktion, mit der Käufer die für sie passenden Technologien schnell und einfach finden können. Und zwar so, dass die Suche sie bei ihrem “natürlichen” Suchverhalten unterstützt, statt ihnen vorzuschreiben, wie sie zu suchen haben oder wie es das System von ihnen verlangt. Der Kunde soll den Shop ganz ohne Vorkenntnisse nutzen können, deshalb sind selbst komplexe Funktionen, wie der sogenannte “Drill-down-Filter” selbsterklärend und intuitiv. 

Neben der technischen Funktionalität braucht eine leistungsfähige Suche auch Produktdaten von hoher Qualität. Diese müssen so aufbereitet sein, dass sie die Suchalgorithmen optimal unterstützen. Um dies zu erreichen, werden bei Henka die Produktdaten für den Online-Verkauf automatisiert angereichert und aufbereitet, wir nennen das Product Data Consolidation.

Videotipp: Mehr über Product Data Consolidation im Shop von Henka erfahren Sie in der Aufzeichnung unseres Webinars mit Projektbericht. 

Luft nach oben bei der Analyse von Nutzungsdaten

“B2B-Unternehmen erhalten über ihre Webshops Einblicke in das Kaufverhalten und die Bedürfnisse von Kunden. Diese Daten werden (…) allerdings kaum für Geschäftsentscheidungen und Nachhaltigkeit genutzt,” so das Fazit der Studie Digitale Transformation & E-Commerce Report 2018/19. Danach analysiert gerade einmal jeder fünfte Online-Händler das Einkaufsverhalten seiner Kunden, um das Kauferlebnis in seinem Shop zu optimieren. 

Im Umkehrschluss ergibt sich daraus, dass vier von fünf Online-Shops im Blindflug betrieben werden. Während viele Unternehmen, das Nutzerverhalten auf ihren Internetseiten beobachten, bleibt ihr Shop für sie eine Art Black Box. Dadurch werden viele Chancen vertan, mehr über den Käufer und seinen Bedarf zu erfahren. 

Die Herausforderung für Händler besteht darin, Daten systematisch zu erfassen und zu analysieren. Denn nur so sind sie in der Lage, Erkenntnisse zu gewinnen, die es ermöglichen den E-Commerce zu optimieren.

Lesetipp: B2B E-Commerce vernachlässigt Potenzial von Kundendaten (marconomy.de)

/von
Joachim Uhrlass
,

Produktdatenanalyse im E-Commerce: Temperatur messen allein bekämpft noch kein Fieber

Produktdatenanalyse im E-Commerce: Temperatur messen allein bekämpft noch kein FieberFotolia

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.

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.

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.

/von
Maximilian Kühne
, ,

Multichannel im E-Commerce: Die Qualität Ihrer Produktdaten entscheidet über den Verkaufserfolg

Multi Channel im eCommerce: Die Qualität Ihrer Produktdaten entscheidet über den VerkaufserfolgFotolia

Wo persönliche Verkaufsberatung fehlt, müssen Produkte für sich selbst sprechen. Das gilt nicht nur Ihrem eigenen Online-Shop, sondern besonders dann, wenn Sie Ihre Produkte über verschiedene Kanäle vertreiben. Hier entscheidet die Qualität der angebotenen Produktinformationen wesentlich über Ihren Verkaufserfolg. Erfahren Sie im Folgenden, wie Sie Ihr Produktdaten-Management durch Product Data Consolidation fit für den Multichannel-Verkauf machen.

Multichannel im B2B auf dem Vormarsch

Nach einer aktuellen Studie von „Wer liefert was“ beziehen Geschäftskunden heute Produkte vor allem über den Direktkontakt (59,4 Prozent), Online-Shops (53,4 Prozent) und Marktplätze (45,9 Prozent). Dabei nutzen viele nicht nur eine Bezugsquelle sondern mehrere. Dementsprechend wächst für Anbieter die Bedeutung des Themas Multichannel im E-Commerce.

„In der Tendenz ist der persönliche Kontakt erst relevant, nachdem sich der Einkäufer bereits online über die möglichen Lieferanten informiert hat.” – Peter F. Schmid, „Wer liefert was“

Das bedeutet in der Praxis, dass Produkte im Online-Shop oder auf einem Marktplatz selbsterklärend sein müssen, um potenzielle Käufer zu überzeugen. Je besser die Qualität der Produktinformationen, desto höher ist die Wahrscheinlichkeit, dass ein Geschäftskunde sich zum Kauf entscheidet. Darin liegt für viele Händler eine große Herausforderung, denn der digitale Handel stellt andere Anforderungen an Produktdaten als der klassische Handel.

Schwachpunkt Produktdatenqualität

Viele Händler tun sich schwer damit, ihre Produktdaten für das E-Commerce aufzubereiten. Zwar betreibt etwa jeder Zweite eine voll-automatisierte Produktaktualisierung in seinem Shop-System. Automatisierung allein reicht jedoch nicht aus, um Produktdaten von ausreichender Qualität für den Online-Verkauf bereitzustellen.

„Immer wieder erleben wir bei E-Commerce-Projekten, dass die Qualität der vorliegenden Produktdaten für den Online-Handel schlicht weg nicht ausreichend ist. Eine Aufbereitung und Anpassung an die Anforderungen des E-Commerce ist hier meist unabdingbar.“ – Georg Wittmann, ibi research

Neben dem automatisierten Produktdaten-Management oder auch Product Information Management, kurz PIM, genannt braucht es also weitere Funktionen im Online-Shop, die dafür sorgen, dass Produktdaten laufend aufbereitet und in der richtigen Form bereitgestellt werden können. Hier kommt die Product Data Consolidation, kurz PDC, ins Spiel. PDC ist die systemgestützte, kontinuierliche Optimierung der Qualität und time-to-market von Produktdaten und der dafür benötigten Ressourcen mittels Lean-Konzepten, höchstmöglicher Automatisierung und Maximierung der Effizienz. Lesetipp: Eine kurze Einführung in das Thema Product Data Consolidation finden Sie hier.

Wie PDC Ihren Multichannel-Verkauf unterstützt

Product Data Consolidation erweitert das klassische Product Information Management (PIM) um Mechanismen für die laufende Aufbereitung und Veredelung von Produktdaten. Und zwar passend für alle Kanäle, in die die Daten für den Verkauf ausgeliefert werden sollen. Das Channel-Management ist ein integraler Bestandteil des PDC und umfasst diese vier Aufgabenbereiche: das Einlesen von Produktdaten, das Identifizieren, die Auswahl und Anreicherung der Daten, sowie das Ausliefern und Veröffentlichen im Online-Shop oder Marktplatz. Alle Aufgabenbereiche zusammen bilden einen in sich geschlossenen Channel-Management-Prozess.

Die vier Aufgabenbereiche des Channel-Managements

  1. Ingest: Die Produktdaten werden zunächst verlust- und wertungsfrei über standardisierte Schnittstellen eingelesen. Erfüllt der eingelesene Datensatz die Anforderungen an ein definiertes Format, wird er als potentielles Produkt akzeptiert und in eine vereinheitlichte Form übertragen.
  2. Identify: Auf dieser Basis wird im nächsten Schritt ein Regelwerk angewendet, das individuell definiert und jederzeit flexibel optimiert werden kann. Als sogenannter Identifizier dient hier z.B. eine SKU oder EAN, die das Produkt eindeutig und global klassifiziert. Jede Änderung des Regelwerks wird im System automatisch protokolliert und versioniert, sodass diese jederzeit nachvollzogen werden können.
  3. Select: Anhand der Produktklasse werden weitere klassenspezifische Regeln zur Anreicherung der Detailinformationen des Produktes angewandt, um beispielsweise eine einheitliche Formatierung des Produkttitels oder von Maßeinheiten in der Produktbeschreibung zu erreichen. Auch werden unvollständige Datensätze herausgefiltert und als fehlerhaft markiert.
  4. Publish: Erfüllt das Produkt alle Anforderungen, wird es je nach Bedarf veröffentlicht oder zunächst zur Vorschau und Prüfung freigegeben. Auf Basis der Fehlerinformation zu jedem Produkt und der Produktvorschau, wird gegebenenfalls das Regelwerk und Filter angepasst, bis die Qualität der Daten für das Publizieren im Shop stimmt. Abschließend werden die Daten in unterschiedliche Formate und Kanäle ausgeliefert.

Der gesamte Channel-Management-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.

Fazit

Das Produktdaten-Management muss heute ein Nutzererlebnis auf unterschiedlichen Kanälen sicherstellen. Product Data Consolidation erweitert das klassische PIM, indem es zusätzliche Funktionen für die automatisierte Aufbereitung und Auslieferung in verschiedene Kanäle zu einem selbstoptimierenden System verknüpft.

Lesetipp: Weitere Informationen und ein Praxisbeispiel zu Product Data Consolidation erfahren Sie in unserem kostenlosen Whitepaper.

/von