Ausgangslage

NKD bietet seinen Kunden ein breites Sortiment aus saisonal aktueller Mode für die ganze Familie an sowie Heimtextilien und Wohnaccessoires. Dieses Sortiment soll nicht nur im stationären Handel angeboten, sondern im Online Shop zugänglich gemacht werden. NKD nutzt hierfür das Shopsystem Magento und die darin integrierte Suche. Interne Analysen haben jedoch ergeben, dass das Vorschaufenster der Suchfunktion (Autosuggest) ungepflegte Ergebnisse liefert und die Suchergebnisseiten viele irrelevante Suchergebnisse anzeigen.

Daneben stand auf mobilen Seiten keine Filterung zur Verfügung, obwohl 50 % der Kunden mobil unterwegs sind.

Hieraus entwickelte sich der Wunsch, die Shopsuche zu optimieren. Aus diesem Grund entschied sich NKD, die intelligente Suche AB Tasty Search in das Shopsystem einzubinden.

Erfahre mehr in der Case Study, wie NKD die Absprungrate im Online Shop durch den Einsatz der intelligenten Suche von AB Tasty um 62 % senken konnte.

The post NKD senkt die Absprungrate um 62 % durch den Einsatz der intelligenten Suche von AB Tasty appeared first on abtasty.

Mittlerweile hast du sicher bemerkt, dass die meisten Tipps zur CRO auf Websites mit einem hohen Traffic zugeschnitten sind. Zum Glück bedeutet das aber nicht, dass du deine Website nicht auch dann optimieren kannst, wenn du weniger Besucher hast.

De facto kann jede Website optimiert werden – Du musst nur deine Optimierungsstrategie an deine einzigartige Situation anpassen.

In diesem Artikel greifen wir folgende Punkte auf:

• Die häufigste Klage über CRO (95 %-Schwelle und Ursprung)
• Ein angemessener Schwellenwert für geringen Traffic
• Ideen, wie du deine Website bei einem geringeren Traffic optimieren kannst
• Die CUPED-Testtechnik
• Wann CUPED funktioniert und wann nicht

CRO-Analogie

Um diesen Artikel besser verstehen zu können, beginnen wir mit einer Analogie. Stell dir vor, statt zwei Varianten zu messen und einen Gewinner zu ermitteln, messen wir die Leistung von zwei Boxern und schließen Wetten ab, wer die nächsten 10 Runden gewinnt.

Wie können wir also auf den Sieger setzen?

Stell dir vor, dass Boxer A und Boxer B beide Newcomer sind, die keiner kennt. Nach der ersten Runde musst du deine Wahl treffen. Im Endeffekt wirst du mit großer Wahrscheinlichkeit auf den Boxer setzen, der die erste Runde gewonnen hat. Die Entscheidung mag riskant sein, wenn der Vorsprung des Siegers gering ist. Du kannst deine Entscheidung letztlich jedoch nicht auf einer anderen Grundlage treffen.

Stell dir nun vor, dass Boxer A als Champion bekannt ist und Boxer B ein Herausforderer ist, den du nicht kennst. Dein Wissen über Boxer A bezeichnen wir als Prior – Informationen, die du bereits hast und die deine Entscheidung beeinflussen.

Aufgrund dieses Priors oder Vorwissens ist es wahrscheinlicher, dass du in den nächsten Runden auf Boxer A setzt, selbst wenn Boxer B die erste Runde mit einem äußerst kleinen Vorsprung gewinnt.

Zudem wirst du den Boxer B nur dann als voraussichtlichen Sieger wählen, wenn er die erste Runde mit einem großen Vorsprung gewinnt. Je größer der Prior ist, desto größer muss der Vorsprung sein, um dich zu überzeugen, deine Wettentscheidung zu ändern.

Kannst du mir folgen? Wenn ja, sind die folgenden Abschnitte leicht zu begreifen und du wirst verstehen, woher diese „95 %-Schwelle“ kommt.

Kommen wir nun zu den Tipps für die Optimierung deiner Website mit geringem Traffic.

1. Die Lösung des Problems: „Ich erreiche nie die 95 %ige Signifikanz“.

Das ist die häufigste Klage, die man über CRO für Websites mit geringem Traffic und für Seiten mit geringem Traffic auf größeren Websites hört.

Bevor wir uns diesem häufigsten Problem widmen, sollten wir zunächst die Frage beantworten, woher diese „goldene Regel“ der 95 % stammt.

Ursprung der 95 %-Schwelle

Beginnen wir unsere Erklärung mit einer sehr einfachen Idee: Was wäre, wenn Optimierungsstrategien vom ersten Tag an angewandt würden? Wenn zwei Varianten ohne Vorgeschichte gleichzeitig erstellt würden, gäbe es keine „Original“-Version, die von einem Newcomer herausgefordert werden könnte.

Dadurch wärst du gezwungen, von Anfang an die beste Version zu wählen.

In diesem Fall könnte jeder kleine Leistungsunterschied für die Entscheidungsfindung gemessen werden. Nach einem kurzen Test wirst du dich für die Variante mit der höheren Leistung entscheiden. Es wäre keine gute Strategie, die Variante mit der geringeren Leistung zu wählen, und zudem wäre es unklug, auf einen Schwellenwert von 95 % zu warten, um einen Gewinner zu ermitteln.

In der Praxis erfolgt die Optimierung jedoch erst lange nach dem Start eines Unternehmens.

In den meisten Situationen im echten Leben gibt es also eine Version A, die bereits existiert, und einen neuen Herausforderer, die Version B, die erstellt wird.

Wenn der neue Herausforderer, Version B, „auf die Bühne tritt“ und der Leistungsunterschied zwischen den beiden Varianten nicht signifikant ist, ist es für dich kein Problem, Version B nicht zum Gewinner zu erklären.

Statistische Tests sind symmetrisch. Wenn wir also die Rollen vertauschen und A und B im statistischen Test vertauschen, wirst du feststellen, dass das Original nicht deutlich besser als der Herausforderer ist. Die „Unschlüssigkeit“ des Tests ist symmetrisch.

Warum setzt du also am Ende eines nicht eindeutigen Tests 100 % des Traffics auf das Original und erklärst damit implizit A zum Sieger? Weil du drei Vorannahmen hast:

1. Version A war die erste Wahl. Diese Wahl wurde vom ursprünglichen Ersteller der Seite getroffen.
2. Version A wurde bereits implementiert und ist technisch vertrauenswürdig. Version B ist in der Regel ein Mockup.
3. Version A verfügt über viele Daten, die ihren Wert beweisen, während Version B ein Herausforderer mit begrenzten Daten ist, die nur während der Testphase erhoben werden.

Die Punkte 1 und 2 bilden die Grundlage einer CRO-Strategie, so dass du über diese beiden Vorannahmen hinausgehen musst. Punkt 3 erläutert, dass Version A über mehr Daten verfügt, die ihre Leistung belegen, was erklärt, warum du der Version A mehr vertraust als der Version B: Version A hat Daten.

Jetzt verstehst du, dass diese 95 %-Vertrauensregel eine Möglichkeit ist, ein großes Vorwissen zu erklären. Und dieser Prior stammt meist aus historischen Daten.

Wenn du also eine Seite mit geringem Traffic optimierst, sollte der Schwellenwert deiner Entscheidung unter 95 % liegen, weil dein Prior bei A aufgrund des Traffics und des höheren Alters schwächer ist.

Der Schwellenwert sollte entsprechend dem Traffic festgelegt werden, der vom ersten Tag beim Original vorlag. Das Problem bei dieser Methode ist jedoch, dass wir wissen, dass die Conversion Rates nicht stabil sind und sich im Laufe der Zeit ändern können. Denke an die Saisonabhängigkeit – z. B. der Ansturm am Black Friday, Urlaubstage, die erhöhte Aktivität in der Weihnachtszeit, usw. Wegen der saisonalen Schwankungen kannst du die Leistungen in verschiedenen Zeiträumen nicht vergleichen.

Aus diesem Grund berücksichtigen Praktiker nur Daten für Version A und Version B, die im gleichen Zeitraum erhoben wurden, und legen einen hohen Schwellenwert (95 %) fest, um den Herausforderer als Gewinner zu akzeptieren, um einen hohen Prior gegenüber Version A zu formalisieren.

Was ist ein angemessener Schwellenwert für geringen Traffic?

Es ist schwierig, eine genaue Zahl im Auge zu haben, da diese von deiner Risikobereitschaft abhängt.

Gemäß dem Hypothesenprotokoll solltest du im Voraus einen Zeitrahmen für die Datenerhebung festlegen.

Das bedeutet, dass die „Stopp“-Kriterien eines Tests kein statistisches Maß sind oder auf einer bestimmten Zahl basieren. Die „Stopp“-Kriterien sollten einem endenden Zeitrahmen entsprechen. Sobald der Zeitraum beendet ist, solltest du die Statistiken betrachten, um eine angemessene Entscheidung zu treffen.

AB Tasty, unsere Software zur Optimierung der Customer Experience und zum Feature Management, verwendet das Bayessche Framework, das einen Index der „Gewinnchancen“ erzeugt, welcher eine direkte Interpretation ermöglicht – anstelle eines p-Werts mit einer sehr komplexen Bedeutung.

Mit anderen Worten, der „Index der Gewinnchancen“ ist die Wahrscheinlichkeit, dass eine bestimmte Variante besser als das Original ist.

Eine 95 %ige „Gewinnchance“ bedeutet also, dass die gegebene Variante mit 95 %iger Wahrscheinlichkeit der Gewinner sein wird. Dabei wird davon ausgegangen, dass wir kein Vorwissen oder besonderes Vertrauen in das Original haben.

Der Schwellenwert von 95 % ist auch ein Standardkompromiss zwischen dem Prior beim Original und einer bestimmten Risikoakzeptanz (es hätte auch ein Schwellenwert von 98 % sein können).

Obwohl es schwierig ist, eine genaue Zahl zu nennen, können wir eine grobe Größenordnung für den Schwellenwert angeben:

• Neue A- und B-Varianten: In einem Fall, in dem sowohl Variante A als auch Variante B neu sind, könnte der Schwellenwert bei nur 50 % liegen. Wenn es keine Daten über die Leistung der Varianten in der Vergangenheit gibt und du eine Entscheidung über die Implementierung treffen musst, ist selbst eine 51 %ige Chance auf Erfolg besser als eine 49 %ige.
• Neue Website, geringer Traffic: Wenn deine Website neu ist und einen besonders geringen Traffic aufweist, hast du wahrscheinlich einen besonders geringen Prior bei Variante A (in diesem Fall die ursprüngliche Variante). In diesem Fall ist ein Schwellenwert von 85 % angemessen. Denn wenn du das Wenige beiseite lässt, was du über das Original weißt, hast du immer noch eine 85 %ige Chance für die Auswahl des Gewinners und nur eine 15 %ige für die Auswahl einer Variante, die dem Original gleichwertig ist. Das Risiko, dass sie schlechter abschneidet, ist geringer. Je nach Kontext kann eine solche Wette also durchaus Sinn ergeben.
• Ausgereiftes Unternehmen, geringer Traffic: Wenn dein Unternehmen schon länger besteht, aber immer noch wenig Besucher zählt, sind 90 % ein vernünftiger Schwellenwert, da der Prior über das Original noch relativ klein ist.
• Ausgereiftes Unternehmen, hoher Traffic: Bei einem hohen Prior oder einer großen Menge an Daten bei Variante A wird ein Schwellenwert von 95 % empfohlen.

Der ursprüngliche Schwellenwert von 95 % ist viel zu hoch, wenn dein Unternehmen einen geringen Traffic aufweist, da die Wahrscheinlichkeit gering ist, diesen Wert zu erreichen. Demzufolge wird deine CRO-Strategie wirkungslos sein und eine datengestützte Entscheidungsfindung wird unmöglich.

Wenn du AB Tasty als Experimentierplattform verwendest, erhältst du einen Bericht, der die „Gewinnchance“ zusammen mit anderen statistischen Informationen über deine Experimente enthält. Ein Bericht von AB Tasty enthält auch das Konfidenzintervall für den geschätzten Gewinn als wichtigen Indikator. Die Grenzen um den geschätzten Gewinn werden ebenfalls nach dem Bayesschen Prinzip berechnet, d. h. sie können als bestes und schlechtestes Szenario interpretiert werden.

Die Bedeutung der Bayesschen Statistik

Jetzt verstehest du die genaue Bedeutung des wohlbekannten 95 %-igen „Signifikanzniveaus“ und kannst geeignete Schwellenwerte für deinen speziellen Fall wählen.

Es ist wichtig, sich daran zu erinnern, dass dieser Ansatz nur mit der Bayesschen Statistik funktioniert, da frequentistische Ansätze statistische Indizes (wie p-Werte und Konfidenzintervalle) liefern, die eine völlig andere Bedeutung haben und für die erklärte Logik nicht geeignet sind.

2. Sind die Statistiken bei kleinen Zahlen gültig?

Ja, solange man den Test nicht abhängig vom Ergebnis abbricht.

Denke daran, dass laut Testprotokoll der einzige Grund für den Teststopp das Ende des Zeitrahmens ist. In diesem Fall sind die statistischen Indizes („Gewinnchancen“ und Konfidenzintervall) wahr und brauchbar.

Du denkst jetzt möglicherweise: „Okay, aber dann erreiche ich selten das Signifikanzniveau von 95 % …“

Vergiss nicht, dass der Schwellenwert von 95 % nicht in allen Fällen die magische Zahl sein muss. Bei einem geringen Traffic ist deine Website wahrscheinlich noch nicht alt. Wenn du dich auf den vorherigen Punkt beziehst, kannst du einen Blick auf unsere vorgeschlagene Skala für verschiedene Szenarien werfen.

Wenn du als neueres Unternehmen mit geringerem Traffic zu tun hast, kannst du sicherlich zu einem niedrigeren Schwellenwert (wie z. B. 90 %) wechseln. Der Schwellenwert ist immer noch höher, weil man in der Regel mehr Vertrauen in ein Original als in eine Variante hat, da sie schon länger verwendet wird.

Wenn es sich um zwei völlig neue Varianten handelt, ist es am Ende des Testzeitraums einfacher, die Variante mit den höheren Conversion Rates auszuwählen (ohne eine Statistik zu verwenden), da es kein Vorwissen über die Leistung von A oder B gibt.

3. Gehe „weiter nach oben“

Manchmal ist das Traffic-Problem nicht auf eine Website mit geringem Traffic zurückzuführen, sondern auf die betreffende Webseite. Normalerweise befinden sich Seiten mit geringem Traffic am Ende des Funnels.

In diesem Fall ist es eine gute Strategie, an der Optimierung des Funnels näher am Einstiegspunkt der Nutzer zu arbeiten. Möglicherweise gibt es mit einer optimierten digitalen Customer Journey noch mehr aufzudecken, bevor das Ende des Funnels erreicht wird.

4. Ist die CUPED-Technik real?

Was ist CUPED?

CUPED bzw. „Controlled Experiment Using Pre-Experiment Data“ ist ein neues Schlagwort in der Welt der Experimente. CUPED ist eine Technik, die angeblich bis zu 50 % schnellere Ergebnisse liefert.  Für Websites mit geringem Traffic natürlich sehr verlockend.

Funktioniert CUPED wirklich so gut?

Nicht ganz, und zwar aus zwei Gründen: zum einen aus organisatorischen Gründen und zum anderen wegen der Anwendbarkeit.

Die organisatorische Einschränkung

Was oft vergessen wird, ist, dass CUPED für Controlled Experiment Using Pre-Experiment Data steht.

In der Praxis beträgt der ideale Zeitraum für „Daten vor dem Experiment“ zwei Wochen, um eine Zeitersparnis von 50 % zu erreichen.

Bei einem klassischen 2-Wochen-Test behauptet CUPED also, dass du den Test in nur einer Woche beenden kannst.

Um jedoch die Ergebnisse richtig einschätzen zu können, benötigst du zwei Wochen Daten aus der Zeit vor dem Experiment. Du musst also drei Wochen Zeit haben, um CUPED zu implementieren und die gleiche Genauigkeit wie bei einem klassischen 2-Wochen-Test zu erzielen.

Ja, du hast richtig gelesen. Letztendlich brauchst du drei Wochen, um das Experiment durchzuführen.

Das bedeutet, dass es nur dann sinnvoll ist, wenn du bereits zwei Wochen Traffic-Daten gesammelt hast, die nicht für Experimente genutzt werden. Selbst wenn du zwei experimentlose Wochen in die Planung deiner Experimente integrieren kannst, um Daten zu sammeln, wird dies den Traffic für andere Experimente blockieren.

Die Anwendbarkeitsbeschränkung

Zusätzlich zu der organisatorischen/2-wöchigen Zeitbeschränkung gibt es zwei weitere Voraussetzungen, damit CUPED effektiv ist:

1. CUPED ist nur auf Besucher anwendbar, die durch die Website sowohl in der Zeit vor dem Experiment als auch währenddessen navigieren.
2. Diese Besucher müssen dasselbe Verhalten hinsichtlich der zu optimierenden KPI zeigen. Die Daten der Besucher müssen zwischen den beiden Zeiträumen korrelieren.

Du wirst im folgenden Abschnitt sehen, dass CUPED durch diese beiden Einschränkungen für E-Commerce-Websites praktisch nicht möglich und nur für Plattformen anwendbar ist.

Kehren wir zu unserem Beispiel der Experimentiereinstellungen zurück:

• Zwei Wochen Daten aus der Zeit vor dem Experiment
• Zwei Wochen Experimentdaten (von denen wir hoffen, dass sie nur eine Woche dauern, da eine Zeitersparnis von 50 % erwartet wird)
• Das Optimierungsziel ist eine Transaktion: Erhöhung der Anzahl von Conversions.

Einschränkung Nr. 1 besagt, dass wir die gleichen Besucher vor dem Experiment und währenddessen haben müssen, aber die Customer Journey eines Users im E-Commerce dauert in der Regel nur etwa eine Woche.

Mit anderen Worten, die Wahrscheinlichkeit, dass dieselben Besucher in beiden Zeiträumen die Website besuchen, ist sehr gering. In diesem Zusammenhang ist nur ein sehr begrenzter Effekt von CUPED zu erwarten (bis hin zum Anteil der Besucher in beiden Zeiträumen).

Einschränkung Nummer 2 besagt, dass die Besucher das gleiche Verhalten hinsichtlich der Conversion (den zu optimierenden KPI) aufweisen müssen. Offen gestanden, diese Bedingung wird im E-Commerce einfach nie erfüllt.

Die Conversion im E-Commerce findet entweder während des Pre-Experiments oder während des Experiments statt, aber nicht bei beiden (es sei denn, deine Kunden kaufen häufig mehrmals während des Experimentierzeitraums ein).

Das bedeutet, dass es keine Chance gibt, dass die Conversions der Besucher zwischen den Zeiträumen korrelieren.

Zusammenfassend gesagt: CUPED ist zur Optimierung von Transaktionen auf Websites im E-Commerce einfach nicht geeignet.

In der wissenschaftlichen Originalarbeit wird dies klar hervorgehoben, aber der Beliebtheit halber wird diese Technik in der Testbranche falsch dargestellt.

Tatsächlich – und das ist in der wissenschaftlichen Literatur klar dargelegt – funktioniert CUPED nur bei mehrfachen Conversions für Plattformen mit wiederkehrenden Besuchern, die dieselben Aktionen durchführen.

Ausgezeichnete Plattformen für CUPED wären Suchmaschinen (wie Bing, auf der diese Technik erfunden wurde) oder Streaming-Plattformen, die User täglich besuchen und dieselben wiederkehrenden Aktionen ausführen (ein Video abspielen, auf einen Link in einer Suchergebnisseite klicken, usw.).

Selbst wenn du versuchst, eine Anwendung von CUPED für den E-Commerce zu finden, wirst du feststellen, dass dies nicht möglich ist.

• Man könnte versuchen, die Anzahl der gesehenen Produkte zu optimieren, aber das Problem von Einschränkung 1 bleibt bestehen: eine sehr geringe Anzahl von Besuchern wird in beiden Datensätzen vorhanden sein. Und es gibt noch einen noch fundamentaleren Einwand – dieser KPI sollte nicht allein optimiert werden, da du sonst möglicherweise dazu beiträgst, dass Besucher zwischen den Produkten zögern.
• Du kannst nicht einmal versuchen, die Anzahl der von den Besuchern bestellten Produkte mit CUPED zu optimieren, da die Einschränkung Nummer 2 immer noch gilt. Der Kauf kann als unverzüglich betrachtet werden. Daher kann er nur in dem einen oder in dem anderen Zeitraum stattfinden – nicht in beiden. Wenn keine Korrelation des Besucherverhaltens zu erwarten ist, ist auch kein CUPED-Effekt zu erwarten.

Schlussfolgerung über CUPED

CUPED eignet sich nicht für Websites im E-Commerce, bei denen eine Transaktion das Hauptziel der Optimierung ist. CUPED ist nicht dein Geheimrezept, das dir hilft, dein Unternehmen zu optimieren – es sei denn, du bist Bing, Google oder Netflix.

Diese Technik ist sicherlich ein Schlagwort, das schnell Interesse weckt, aber es ist wichtig, das Gesamtbild zu sehen, bevor man CUPED in seine Roadmap aufnimmt. Marken im E-Commerce sollten daran denken, dass diese Testtechnik nicht für ihr Unternehmen geeignet ist.

Optimierung für Websites mit geringem Traffic

Marken mit geringem Traffic sind immer noch erstklassige Kandidaten für die Website-Optimierung, auch wenn sie sich möglicherweise an einen anderen Ansatz anpassen müssen, der nicht so traditionell ist.

Ob die Optimierung deiner Webseiten bedeutet, eine Seite zu wählen, die im Funnel weiter oben anzutreffen ist, oder ob du eine etwas niedrigere Schwelle wählst – entscheidend ist, dass die Optimierung kontinuierlich verläuft.

Möchtest du mit der Optimierung deiner Website beginnen? AB Tasty ist die branchenführende Plattform zur Optimierung der User Experience, mit der du schnell für ein umfassenderes digitales Erlebnis sorgen kannst. Von Experimenten bis hin zur Personalisierung kann diese Lösung dir helfen, deine Zielgruppe zu aktivieren und sich zu engagieren, um deine Conversions zu steigern.

The post Wie du mit geringem Traffic im Rahmen der CRO umgehst appeared first on abtasty.

Im heutigen Artikel geht es um die Performance von JavaScript-Tags, das Monitoring von Open-Data und um MitbewerberInnen. Los geht’s!

• • Untersuchung der Performance
  • Ist CRO das Gleiche wie Analytics?
  • Der Bericht
  • Was stimmt also nicht mit dem Bericht?
  • Die Analyse
  • Die Ergebnisse
  • Detaillierte Betrachtung
  • Die Zahlen der MitbewerberInnen
  • Was können wir aus all dem schließen?

Untersuchung der Performance

Da die Performance in den letzten Jahren ein großes und heißes Thema geworden ist, vor allem dank der Einführung der Core Web Vitals von Google, haben mein Team und ich uns sehr auf dieses Thema konzentriert. Wir haben eine Menge Dinge verändert, viele Teile unseres Tags verbessert und hervorragende Meilensteine erreicht. Viele unserer NutzerInnen haben uns ihre Zufriedenheit darüber bestätigt. Ich habe bereits eine (lange) Reihe von Blogartikeln darüber verfasst. Aber leider nur auf Französisch. 

Von Zeit zu Zeit werden wir von MitbewerberInnen auf einen bestimmten Leistungsbericht aufmerksam gemacht, der uns auf der Grundlage verschiedener Kennzahlen als leistungsschwach erscheinen lässt. Einige MitbewerberInnen behaupten, dass sie bis zu viermal schneller sind als wir! Und das stimmt auch, ich meine, das ist es, was der Bericht zeigt.

Sie können sich sicher vorstellen, wie verheerend dies für das Image meines Unternehmens sein kann und wie schwer es für unser Sales-Team sein kann, wenn KundInnen diese Karte ziehen. Dies ist besonders ernüchternd für mich und mein Team nach all der Arbeit, die wir in den letzten Jahren in diesem Bereich geleistet haben.

Obwohl das das erste Gefühl war, das ich hatte, als ich diesen Bericht sah, weiß ich mit Sicherheit, dass unsere Leistung hervorragend ist. Nach der Veröffentlichung mehrerer Projekte und Optimierungen haben wir enorme Verbesserungen erreicht. Heute zeigen alle Benchmarks und Audits, die ich auf den Websites unserer KundInnen durchführe, eine sehr gute Performance und einen geringen Einfluss auf die berühmten Core Web Vitals.

Auch ist es sehr selten, dass sich KundInnen über unsere Leistung beschweren. Das kann natürlich vorkommen, aber meistens verschwinden alle Zweifel nach einem kurzen Gespräch, einigen Erklärungen und Hinweisen zu den Best Practices in Sachen Optimierung.

Aber der Bericht ist doch noch da, oder? Vielleicht übersehe ich also etwas. Vielleicht betrachte ich nicht die richtige Metrik. Vielleicht habe ich nur KundInnen geprüft, bei denen alles in Ordnung ist, aber es gibt eine Vielzahl von KundInnen, die sich nicht beschweren, dass unser Tag ihre Website drastisch verlangsamt.

Ein einfacher Weg, dem zu begegnen, wäre zu sagen, dass wir mehr mit unserem Tag machen als unsere MitbewerberInnen.

Ist CRO das Gleiche wie Analytics?

Im Bericht (ich verspreche, dass ich weiter unten ausführlich darüber sprechen werde ) werden wir in der Kategorie Analytics zusammengefasst. Conversion Rate Optimization ist jedoch nicht dasselbe wie Analytics. Ein Analysetool sammelt nur Daten, während wir Kampagnen aktivieren, Personalisierungen durchführen, Widgets implementieren, Pop-ins hinzufügen und vieles mehr. In diesem Sinne ist unser Einfluss höher.

Lassen Sie uns über unsere MitbewerberInnen sprechen: Auch wenn wir die beste Lösung auf dem Markt haben (), machen unsere MitbewerberInnen mehr oder weniger das Gleiche wie wir, indem sie die gleiche Technik mit den gleichen Einschränkungen und Problemen verwenden. Daher ist es legitim, uns mit denselben Metriken zu vergleichen. Es mag zwar stimmen, dass wir ein bisschen mehr leisten als sie, aber das sollte letztlich nicht den vierfachen Unterschied in unserer Performance erklären.

Damals und bevor ich mich in die Details vertieft habe, nahm ich die Ergebnisse des Berichts mit einer gewissen Demut auf. Mein Ehrgeiz war es daher, die Daten zu durchforsten, die Websites zu analysieren, auf denen das Tag unserer MitbewerberInnen läuft, und herauszufinden, was sie besser machen als wir. Wir nennen das Retro-Engineering, und ich finde es sinnvoll, da es uns helfen kann, schnellere Websites für alle zu haben.

Mein Anliegen bestand also darin, gemeinsam mit meinem Management herauszufinden, wo wir ein Leistungsleck hatten, und dieses zu beheben, um unsere durchschnittliche Ausführungszeit zu verringern und näher an unsere MitbewerberInnen heranzukommen.

Doch zuerst musste ich die Daten analysieren. Und, wow, darauf war ich nicht vorbereitet.

Der Bericht

Der Bericht ist ein Datensatz, der monatlich von The HTTP Archive erstellt wird. Hier ist ein Zitat aus ihrer „About“-Seite:

„Successful societies and institutions recognize the need to record their history – this provides a way to review the past, find explanations for current behavior, and spot emerging trends. In 1996, Brewster Kahle realized the cultural significance of the Internet and the need to record its history. As a result he founded the Internet Archive which collects and permanently stores the Web’s digitized content.“

„n addition to the content of web pages, it’s important to record how this digitized content is constructed and served. The HTTP Archive provides this record. It is a permanent repository of web performance information such as size of pages, failed requests, and technologies utilized. This performance information allows us to see trends in how the Web is built and provides a common data set from which to conduct web performance research.“

Jeden Monat wird ein Lighthouse-Audit für Millionen von Websites durchgeführt und ein Datensatz mit den Rohergebnissen erstellt.

Da es sich um ein Open-Source-Projekt handelt, kann es von jedem genutzt werden, um Daten zu visualisieren und den Zugang zu dieser Art von Daten zu erleichtern.

Genau das hat der Erfinder von Google Lighthouse, Patrick Hulce, getan. Auf seiner Website GitHub stellt er eine schöne Visualisierung dieses riesigen Datensatzes zur Verfügung und ermöglicht es jedem, die Details in verschiedenen Kategorien wie Analytics, Ads, Social Media und mehr zu erkunden. Wie ich bereits erwähnte, finden Sie die CRO-Tools in der Kategorie Analytics.

Die Website ist vollständig Open-Source. Die Methodik ist bekannt und zugänglich.

Was stimmt also nicht mit dem Bericht?

Nun, technisch ist daran nichts auszusetzen. Wir könnten es enttäuschend finden, dass der Datensatz nicht automatisch jeden Monat aktualisiert wird, aber das Repository ist Open-Source, so dass dies von jedem, der motiviert ist, übernommen werden kann.

Allerdings werden die Daten dabei nur auf schicke Art und Weise angezeigt und bieten keinerlei Einblicke oder tiefgreifende Analysen dieser. Jeder Fehler oder jede Unstimmigkeit bleibt verborgen und könnte dazu führen, dass einem Dritten im Vergleich zu anderen eine schlechte Performance zugeschrieben wird, obwohl dies nicht unbedingt der Fall ist.

Ein Problem, das jedoch nicht mit dem Bericht selbst zusammenhängt, ist der Schwachpunkt, den ein Durchschnittswert mit sich bringen kann. Auch das ist etwas, dessen wir uns alle bewusst sind, das wir aber gerne vergessen. Wenn man zehn Leute nimmt, von denen neun 800 Euro im Monat verdienen, aber eine Person 12 Millionen Euro im Monat verdient, dann könnte man zu dem Schluss kommen, dass alle im Schnitt 1,2 Millionen Euro im Monat verdienen. Statistisch gesehen ist das zwar korrekt, aber es wirkt doch ein wenig falsch, oder? Wir kommen gleich darauf zurück.

Mit diesem Wissen war es an der Zeit, mir die Hände ein wenig schmutzig zu machen. Gemeinsam mit meinem Team haben wir den gesamten Datensatz vom Februar 2023 heruntergeladen, um unsere eigene Prüfung durchzuführen und zu verstehen, wo unsere Leistungslecks lagen.

Übrigens ist das Herunterladen des gesamten Datensatzes etwas, das wir seit etwa eineinhalb Jahren regelmäßig tun, um unsere Entwicklung zu beobachten. Diesmal habe ich jedoch beschlossen, mir insbesondere den Bericht vom Februar 2023 genauer anzuschauen.

Die Analyse

In diesem Datensatz finden wir die vollständige Liste der gecrawlten Websites, auf denen AB Tasty läuft und die Auswirkungen, die unser Tag auf sie hatte. Um noch genauer zu sein, haben wir die exakt gemessene Ausführungszeit unseres Tags in Millisekunden.

Dies ist, was wir extrahiert haben. Die verpixelte Spalte steht für die URL der Website. Die letzte Spalte ist die Ausführungszeit in Millisekunden.

Anhand der Rohdaten konnten wir eine Reihe nützlicher Kennzahlen berechnen.

Bitte bedenken Sie, dass ich weder Mathematiker noch Statistik-Experte bin. Meine Methodik mag seltsam erscheinen, aber sie ist für diese Analyse geeignet.

• Durchschnittliche Ausführungszeit

Dies ist die erste Metrik, die ich erhalte – der rohe Durchschnitt für alle Websites. Dieser Wert ist wahrscheinlich sehr ähnlich, wenn nicht sogar gleich dem, der von der Website thirdpartyweb.today verwendet wird. Wir haben bereits über den Nachteil eines Durchschnitts gesprochen, dennoch ist es ein interessanter Wert, den man im Auge behalten sollte.

• Mittelwert der oberen und unteren Hälfte

Anschließend teile ich den Datensatz in zwei Hälften. Wenn ich 2.000 Zeilen habe, bilde ich zwei Gruppen mit jeweils 1.000 Zeilen. Die „obere Hälfte“ und die „untere Hälfte“. Auf diese Weise erhalte ich einen Überblick über die Websites, bei denen wir am schlechtesten abschneiden – im Vergleich zu den besten. Dann berechne ich den Durchschnitt für jede Hälfte.

• Differenz zwischen den beiden Hälften

Die Differenz zwischen den beiden Hälften ist wichtig, da sie die Ungleichheit innerhalb des Datensatzes zeigt. Je geringer die Differenz ist, desto weniger Extremwerte gibt es.

• Anzahl der Websites mit einem Wert über 6.000 ms.

Hierbei handelt es sich lediglich um eine interne Kennzahl, die wir verfolgen, um uns ein mittelfristiges Ziel zu setzen, nämlich 0 Websites über diesem Wert zu haben.

• Entwicklung des letzten Datensatzes

Ich berechne die Entwicklung zwischen dem letzten Datensatz, der mir zur Verfügung steht, und dem aktuellsten. So kann ich sehen, ob wir uns generell verbessern, und wie viele Websites aus der Tabelle verschwinden oder hinzukommen.

Die Ergebnisse

Das sind die Ergebnisse, die wir erhalten:

Hier sind die entsprechenden Schaubilder:

Dies ist die Entwicklung zwischen Oktober 2022 und Februar 2023:

Achtung: Es handelt sich um eine logarithmische Skala! Die Daten sind von links nach rechts nach der Ausführungszeit im Februar 2023 sortiert.

Die Zahlen sprechen für sich. Aber wenn ich eine allgemeine Schlussfolgerung ziehen kann, dann die, dass wir in den ersten sechs Monaten enorme Verbesserungen erzielt haben und danach aufgrund feinerer Anpassungen etwas nachließen (das berühmte 80/20-Pareto-Prinzip).

Nach dem anfänglichen Rückgang sind jedoch zwei Kennzahlen von Bedeutung.

Zunächst einmal nähert sich die Differenz zwischen den beiden Hälften sehr stark an. Das bedeutet, dass wir nicht mehr viele potenzielle Lecks in Sachen Performance haben (Funktionen, die zu einem abnormalen Anstieg der Ausführungszeit führen). Das ist unser erster aktueller Erfolg.

Dann zeigt die Entwicklung, dass sie im Allgemeinen, abgesehen von den schlechtesten Fällen, stabil bleibt oder abnimmt. Das ist ein weiterer aktueller Erfolg.

Detaillierte Betrachtung

Was ich Ihnen soeben mitgeteilt habe, sind die Rohergebnisse, ohne einen Blick auf die Details jeder Zeile und jeder durchsuchten Website zu werfen.

Wie es jedoch so schön heißt, steckt der Teufel im Detail. Schauen wir uns das etwas genauer an.

Konzentrieren wir uns auf die Websites, auf denen AB Tasty mehr als sechs Sekunden für die Ausführung benötigt.

Sechs Sekunden mögen viel klingen (und das sind es auch), aber vergessen Sie nicht, dass die Prüfung eine Low-End-CPU simuliert, die nicht repräsentativ für ein durchschnittliches Gerät ist. Es zeigt vielmehr das Worst-Case-Szenario.

Im Bericht vom Februar 2023 sind es 33 Websites, bei denen dies der Fall ist. Dies entspricht einer durchschnittlichen Ausführungszeit von 19.877 ms. Ich habe schnell festgestellt, dass:

• 27 davon von demselben AB Tasty-Kunden stammen
• einer von ihnen abtasty.com und die Gesamtausführung von Ressourcen, die von *abtasty.com stammen, offensichtlich sehr hoch ist
• zwei weitere ebenfalls von einem einzigen AB Tasty-Kunden stammen

Schließlich gibt es nur 5 KundInnen auf dieser Liste (aber immer noch 33 Websites, verstehen Sie mich nicht falsch).

Fassen wir nun die beiden KundInnen mit Duplikaten in Gruppen zusammen, um zu sehen, wie sich das auf den Durchschnitt auswirkt. Der Kunde mit 27 Dubletten hat auch Websites mit einer Ausführungszeit von weniger als 6.000 ms., aber ich werde sie vorerst ignorieren (um die Sache zu vereinfachen).

Für jeden dieser beiden KundInnen berechne ich den Durchschnitt aller ihrer Duplikate. Für den ersten Kunden beträgt das Ergebnis 21.671 ms. Für den zweiten beträgt das Ergebnis 14.708 ms.

Außerdem nehme ich abtasty.com heraus, da es nicht relevant ist.

Mit der neuen Liste sind wir von 1.223 ms. für den Durchschnitt der gesamten Liste auf 1.005 ms. gesunken. Damit haben wir unseren Durchschnitt gerade um mehr als 200 ms. verbessert!

Moment, was? Sie löschen einfach die schlechtesten Websites. Natürlich verbessern Sie sich dadurch…

Ja, das stimmt. Das ist Schummeln, ganz klar! Aber der Sinn dieses Artikels ist es, zu zeigen, dass die Daten eben nicht alles sagen.

Lassen Sie uns zunächst darüber sprechen, was mit diesem Kunden passiert, der 27 Dubletten hat.

Das gleiche Tag wurde auf mehr als 50 sehr unterschiedlichen Websites eingesetzt! Möglicherweise sind Sie nicht sehr vertraut mit AB Tasty, daher lassen Sie mich erklären, warum das ein Problem ist.

Es kann sein, dass Sie mehrere Websites mit dem gleichen Layout haben (das ist oft der Fall, wenn Sie verschiedene Sprachen haben). Es macht Sinn, auf diesen verschiedenen Domains das gleiche Tag zu verwenden, um die gleichen Anpassungen auf allen auf einmal ausrollen zu können. Dies ist nicht die optimalste Art und Weise, aber derzeit ist es die einfachste Möglichkeit, dies mit unserem Tool zu tun.

Wenn Ihre Websites jedoch alle unterschiedlich sind, macht es absolut keinen Sinn, dies zu tun. Sie werden viele Kampagnen erstellen (in diesem Fall Hunderte!), die fast nie auf der Website ausgeführt werden (weil es nicht die richtige Domain ist), aber dennoch zumindest teilweise im Tag enthalten sind. So wird dieses also seine Zeit damit verbringen, Hunderte von Kampagnen zu überprüfen, die keine Chance haben, ausgeführt zu werden, weil die URL nur selten gültig sein wird.

Wir arbeiten zwar an einer Möglichkeit, dieses Verhalten zu unterbinden (da wir Alternativen und bessere Möglichkeiten haben), aber es wird Monate dauern, bis dies aus dem Bericht verschwindet.

Hinweis: Wenn Sie damit beginnen, AB Tasty zu verwenden, wird man Ihnen nicht dazu raten, dies zu tun. Folglich wird die Performance Ihres Tags viel besser sein als das.

Auch hier habe ich mir nicht die Zeit genommen, alle doppelten Domains zusammenzufassen, da dies keinen Sinn macht. Das Ziel war es, zu zeigen, dass es einfach ist, eine bessere Leistung zu zeigen, wenn wir Anomalien ausschließen, die nicht repräsentativ sind. Wenn wir in dem oben genannten Fall nur eine Domain behalten würden, könnten wir uns eine Verbesserung unserer Gesamtleistung um mehr als 200 ms. vorstellen.

Ich habe den offensichtlichsten Fall genommen, aber ein kurzer Blick auf den Rest der Daten hat mir noch weitere Beispiele gezeigt.

Die Zahlen der MitbewerberInnen

Vor dem Hintergrund dessen, was wir oben diskutiert haben und angesichts der Tatsache, dass unsere Ergebnisse aufgrund einer einzigen Anomalie schlechter aussehen können, als sie tatsächlich sind, habe ich begonnen, die Zahlen unserer MitbewerberInnen zu untersuchen, um zu sehen, ob sie die gleiche Art von Problem haben.

Ich sage es noch einmal: Ich will damit nicht sagen, dass wir besser (oder schlechter) als unsere MitbewerberInnen sind, darum geht es mir nicht. Ich versuche Ihnen lediglich zu zeigen, warum Statistiken genau analysiert werden müssen, um Fehlinterpretationen zu vermeiden.

Beginnen wir mit einem Vergleich der Zahlen von AB Tasty vom Februar 2023 mit den gleichen Kennzahlen für einen der MitbewerberInnen.

Im Allgemeinen sehen sie ein bisschen besser aus, oder? Ein besserer Durchschnitt und sogar der Mittelwert für beide Hälften ist besser (der für die untere Hälfte ist deutlich besser!).

Allerdings ist der Unterschied zwischen den beiden Hälften enorm: 24! Bedeutet das, dass je nach Verwendung die Auswirkung des Tags um das 24-fache erhöht werden kann?

Wenn ich sie ein wenig ärgern wollte, würde ich sagen, dass sie beim Testen des Tags auf ihrer Website vielleicht eine ausgezeichnete Leistung feststellen, aber wenn sie anfangen, es intensiv zu nutzen, könnten sie ernsthafte Leistungseinbußen erleben.

Aber das wäre nur eine Interpretation eines sehr kleinen Teils dessen, was die Daten aussagen.

Außerdem haben sie mehr als doppelt so viele Websites, die über der 6.000 ms.-Marke liegen (noch einmal: dieser Schwellenwert ist eine interne Referenz von AB Tasty). Und das unter Beibehaltung der Dubletten im Datensatz von AB Tasty, über die wir gerade gesprochen haben! Auch sie haben Duplikate, aber nicht so viele wie wir.

Eine erste (voreilige) Schlussfolgerung wäre, dass sie mehr Websites haben, die sich stark auf die Performance auswirken, aber gleichzeitig sind die Auswirkungen im Gesamten geringer.

Da ich nun weiß, dass wir in unserem Fall mehrere KundInnen haben, die Dubletten haben, wollte ich überprüfen, ob unsere MitbewerberInnen das gleiche Problem haben. Und das ist der Fall – und zwar im großen Stil.

Von den 2.537 analysierten Websites gehören 40 % zu ein und demselben Kunden. Dies entspricht 1.016 Subdomains der gleichen Domain.

Wie wirkt sich das auf ihr Ergebnis aus?

Nun, ihr Kunde nutzte die Lösung zum Zeitpunkt der Datenerfassung nicht (ich habe das selbst überprüft, indem ich einige der Subdomains besucht habe). Das bedeutet, dass das Tag überhaupt nichts getan hat. Es war zwar vorhanden, aber inaktiv.

Die durchschnittliche Ausführungszeit dieser 1.016 Zeilen im Datensatz beträgt 59 ms!!! Sie hat außerdem einen Höchstwert von 527 ms. und einen Minimalwert von 25 ms.

Ich brauche wohl nicht zu erklären, warum diese „Anomalie“ ihren Durchschnitt interessanterweise nach unten zieht, oder?

Bei den 1.016 Subdomains handelt es sich keineswegs um gefälschte Websites. Ich unterstelle diesem Mitbewerber nicht, dass dieser absichtlich geschummelt hat, um besser dazustehen – ich bin sicher, dass dies nicht der Fall ist. Es ist einfach ein sehr schöner Zufall für ihn, ob er sich dessen bewusst ist oder nicht.

Vergleichen wir abschließend den Durchschnitt unserer beiden Datensätze, nachdem wir diese 1.016 Subdomains entfernt haben.

AB Tasty liegt bei 1.223 ms. (unveränderter Datensatz), während dieser Mitbewerber jetzt bei… 1.471 ms. liegt.

Sie haben sich von 361 ms. besser auf 248 ms. schlechter entwickelt. Ich habe Ihnen gesagt, dass ich die Zahlen sagen lassen kann, was ich will.

Ich hätte noch viel mehr über diese Datensätze zu sagen, aber ich habe nicht alle Analysen durchgeführt, die man hier hätte machen können. Um ehrlich zu sein, habe ich bereits zu viel Zeit damit verbracht.

Ich hoffe jedoch, dass es mir gelungen ist, zu zeigen, dass ein und derselbe Datensatz auf viele verschiedene Arten interpretiert werden kann.

Was können wir aus all dem schließen?

Das erste, was ich sagen möchte, ist: TESTEN SIE ES.

Unsere Lösung ist sehr einfach zu implementieren. Sie setzen das Tag einfach auf Ihrer Website ein und führen ein Audit durch. Zum Vergleich können Sie das Tag eines anderen Tools auf Ihrer Website platzieren und die gleiche Prüfung durchführen. Führen Sie sie mehrmals unter denselben Bedingungen durch und vergleichen Sie. Ist das zweite Tool auf Ihrer Website besser? Gut, dann wird es für Ihren speziellen Fall wahrscheinlich besser funktionieren.

Sagt ein willkürlicher Bericht im Internet, dass eine Lösung besser ist als eine andere? Gut, das ist eine Ansicht, aber Sie sollten entweder die Daten analysieren, um sie zu hinterfragen, oder ihnen nicht zu viel Aufmerksamkeit schenken. Wenn Sie die Zahlen einfach so akzeptieren, wie sie angezeigt (oder schlimmer noch: beworben) werden, könnten Sie einen wichtigen Teil der Geschichte übersehen.

Ist die Performance von AB Tasty schlecht?

Nein, das ist sie nicht. Die meisten unserer KundInnen haben sich noch nie über die Leistung beschwert und einige sind sehr dankbar für die jüngsten Verbesserungen, die wir in diesem Bereich vorgenommen haben.

Es gibt also KundInnen, die sich beschweren?

Ja. Das liegt daran, dass AB Tasty manchmal, je nach dem wie es genutzt wird, eine geringere Performance haben kann. Aber wir stellen Tools zur Verfügung, mit denen Sie alles direkt von unserer Plattform aus optimieren können. Wir nennen dies das Performance Center. Es ist ein ganzer Bereich innerhalb der Plattform, der Ihnen zeigt, welche Kampagne Ihre Performance beeinträchtigt und was Sie tun können, um sie zu verbessern. Befolgen Sie einfach die Anweisungen, dann klappt das schon. Das ist eine sehr innovative und einzigartige Funktion auf dem Markt, und wir sind sehr stolz darauf.

Allerdings muss ich zugeben, dass einige wenige KundInnen unrealistische Erwartungen an die Leistung haben. AB Tasty ist ein JavaScript-Tag, das DOM-Manipulationen, asynchrone Überprüfungen, Datenerfassung und viele andere komplexe Dinge durchführt. Natürlich hat dies einen größeren Einfluss auf Ihre Website als ein einfaches Analysetool. Das Ziel für Sie ist es, sicherzustellen, dass die Auswirkungen der Conversion-Optimierung größer sind als die Kosten, die Sie in Bezug auf die Performance haben. Und das wird der Fall sein, unabhängig davon, welches CRO-Tool Sie verwenden, es sei denn, Sie nutzen ein serverseitiges Tool wie z. B. Flagship von AB Tasty.

Ich bin davon überzeugt, dass wir eine noch schnellere Website anstreben sollten. Ich bin sehr besorgt über meine Auswirkungen auf die Umwelt und versuche, meine Geräte so lange wie möglich zu nutzen. Mein Smartphone ist sieben Jahre alt (und ich steige gerade auf ein „neues“ um, das zehn Jahre alt ist), und mein Laptop ist auch nicht mehr ganz neu. Ich weiß also, dass eine langsame Website eine echt Frustrationsquelle sein kann.

Abschließende Bemerkungen

Ich kann Ihnen versichern, dass wir uns bei AB Tasty voll und ganz der Verbesserung unserer Performance verschrieben haben, weil unsere KundInnen dies von uns erwarten, weil ich persönlich motiviert bin, dies zu tun, und weil dies eine sehr spaßige und interessante Herausforderung für das Team ist (und auch, weil mein Management mich darum bittet ).

Ein großes Lob geht auch an das HTTP-Archiv, das eine sehr wichtige Arbeit leistet, indem es all diese Daten sammelt und sie vor allem mit allen teilt. Ein großes Lob an Patrick Hulce, der sich die Zeit genommen hat, eine sehr interessante Website zu bauen, die den Menschen eine visuelle Darstellung der Daten des HTTP-Archivs bietet. Hut ab vor allen, die sich für ein besseres, schnelleres und sichereres Web einsetzen, oft unentgeltlich und weil es das ist, woran sie glauben.

Möchten Sie unser Tool selbst testen? AB Tasty ist eine umfassende Plattform für Experimente, Content-Personalisierung und KI-gestützte Empfehlungen, die mit den Tools ausgestattet ist, die Sie benötigen, um Ihren KundInnen ein besseres digitales Erlebnis zu bieten – und das in kürzester Zeit. Mit eingebetteter KI und Automatisierung kann diese Plattform Ihnen helfen, Omnichannel-Personalisierung zu erreichen und Ihre Marken- und Produkterfahrungen zu revolutionieren.

The post AB Tasty’s JavaScript-Tag: Performance und Berichtanalyse appeared first on abtasty.

Diese Inhalte erwarten dich in diesem Blogartikel:

Data Enrichment: Bedeutung der Datenanreicherung
Komponenten der Datenanreicherung
Integration in die eigene Datenbasis

Vorteile von Data Enrichment im E-Commerce

Herausforderungen für Unternehmen

Voraussetzungen für die erfolgreiche Datenanreicherung

Data Enrichment: Use Cases für den erfolgreichen Einsatz im E-Commerce
Omnichannel Commerce ermöglichen
Kaufabbrüche vorbeugen
Retouren minimieren
Out-of-Stock und Lagerstau vermeiden
Margenstarke Verkäufe maximieren
1:1-Personalisierung einsetzen

Unterstützung in Sachen Data Enrichment

Fazit: Mit Data Enrichment machst du mehr aus deinen Daten

Häufige Fragen zu Data Enrichment

Komponenten der Datenanreicherung

Die Datenanreicherung umfasst drei Kernaspekte:

1. Bei der Bereinigung geht es darum, veraltete, ungenaue und fehlerhafte Werte zu identifizieren und zu entfernen.
2. Mithilfe von Erweiterung können neue Features sowie bestimmte KPIs hinzugefügt werden. Features meinen in diesem Zusammenhang Eigenschaften bestimmter Dinge aus der Shop-Umgebung, wie z. B. ein Kunde oder ein Produkt. Beispiele für KPIs wären Umsatz oder Klickrate.
3. Die Vervollständigung ermöglicht außerdem, die Datenqualität schon vorhandener Features zu verbessern.

Integration in die eigene Datenbasis

Data Enrichment stellt auch Herausforderungen an die eigene Datenbasis dar. Zunächst einmal kommen neue Daten einfach hinzu und lassen sich anschließend als KPIs oder Features in den Service-Applikationen verwenden. Stellt sich hier beispielsweise heraus, dass die neuen KPIs und Features besser sind, sollten sie die alten ersetzen. Zudem solltest du nicht mehr benötigte Daten löschen, um Ressourcen zu schonen und den Datenschutz sicherzustellen.

Im Idealfall wird durch das Hinzufügen und Entfernen von Daten das Schema der eigenen Datenbasis dadurch nicht komplexer, sondern die neuen Daten können einfach in das bestehende Schema eingefügt und ohne großen Aufwand in den Applikationen eingesetzt werden. Ist dies nicht der Fall, solltest du dir über eine Änderung des eigenen Schemas Gedanken machen, welche dann natürlich mit mehr Aufwand verbunden wäre.

Vorteile von Data Enrichment im E-Commerce

Die angereicherten Daten können erfolgsentscheidend sein und bieten dir viele Vorteile:

• Optimierung der Kosten für das Datenmanagement (veraltete, unbrauchbare Daten erhöhen den Aufwand).
• Vermeidung von doppelten Datenbeständen, somit bessere Integrität und Konsistenz der Daten.
• Wertvolle Erkenntnisse dank facettenreicher 360°-Sicht auf den Kunden.
• Optimiertes Marketing, perfekt angepasst an die verschiedenen Zielgruppensegmente und dadurch verbesserte Beziehung und erhöhte Treue deiner Kunden.
• Bessere Customer Experience und einzigartige Shoppingerlebnisse dank Personalisierung in Echtzeit.
• Erhöhte Chancen für Up- und Cross-Selling-Aktivitäten durch fundierte Informationen über die Interessen der Kunden.
• Verbesserte KPIs wie Umsätze, Leads und ein höherer Return on Investment.

Mithilfe von Data Enrichment kannst du die bestehenden Informationen gewinnbringend einsetzen, deine Kunden mit personalisierten Angeboten überzeugen und ein zielgruppenspezifisches, effektives Marketing einrichten.

Herausforderungen für Unternehmen

Eine große Herausforderung in Bezug auf Data Enrichment besteht für viele Online Shops darin, dass die vorhandenen Daten in ihren Silos versauern. Das bedeutet, die Daten sind nicht verbunden, sondern stecken in isolierten Datensilos. Häufig fehlt außerdem die benötigte Infrastruktur, um Daten zusammenzuführen. Weitere Probleme sind widersprüchliche Kennzahlen, die dadurch zustande kommen, dass die Silo-Daten nicht konsistent sind, fehlendes Kundenverständnis und damit keine vollständigen Kundenprofile für den 1:1-Marketingansatz sowie fehlende datengetriebene Prozesse und Zugang zu Daten, was bedeutet, dass keine Datenkultur vorhanden ist.

Voraussetzungen für die erfolgreiche Datenanreicherung

Grundlegende Voraussetzung für Data Enrichment sind integrierte Daten in Form einer soliden und verlässlichen Datenbasis. Entscheidend ist daher die Schaffung einer Dateninfrastruktur als Ausgangspunkt für die Datenanreicherung. Hierzu extrahierst du alle Daten aus verschiedenen Systemen wie deinem ERP-System, deinen Web-Analytics-Tools, deine Marketing-Daten, Produktdaten etc. und führst diese in einem Data Warehouse zusammen. Dort findet die Vereinheitlichung und Strukturierung der Daten mithilfe eines Datenmodells statt. Das Ganze ist die Basis, um ganzheitliche Entscheidungen treffen zu können. Die Datenbasis kann anschließend genutzt werden, um sie in Drittsysteme weiterzuspielen und beispielsweise für das E-Mail-Marketing im E-Commerce zu nutzen. Transaktionale Daten lassen sich außerdem für die Optimierung und Personalisierung der User Experience im Shop einsetzen.

Data Enrichment: Use Cases für den erfolgreichen Einsatz im E-Commerce

Nutze Data Enrichment, um deinen Kunden ein noch besseres Einkaufserlebnis zu bieten. Der E-Commerce bietet dabei zahlreiche Ansatzpunkte für einen erfolgreichen Einsatz der Datenanreicherung. Diese Beispiele zeigen die mögliche Bandbreite:

Kaufen Nutzer sowohl im Ladengeschäft als auch im Online Shop einer Marke ein, lassen sich beide Kanäle verbinden. Denn auch außerhalb deines Shops finden relevante Ereignisse statt, die als ergänzende Datenquelle dienen können. Mithilfe von Kundenbindungsprogrammen wie einem Bonusprogramm oder einer Kundenkarte sammelst du Informationen im stationären Handel und kannst sie dank Data Enrichment gewinnbringend im Online Shop nutzen.

Filialkäufe sind ein Beispiel für relevante Ereignisse außerhalb des Shops und bieten dir die Chance, den kostbarsten Typ von Events – nämlich das Buy-Event – zu vervollständigen. Kostbar ist es in dem Sinne, dass es einer KI für personalisierte Empfehlungen die relevantesten Informationen bietet und du somit passgenaue Empfehlungen ausspielen kannst. Unterbreite deiner Kundin so beispielsweise online Styling-Vorschläge passend zu ihren zuletzt offline gekauften Shirts. Diese Verknüpfung optimiert das Shoppingerlebnis, stärkt die Wahrnehmung deiner Marke und letztlich auch die Markentreue.

Im E-Commerce dreht sich alles darum, Kaufabbrüche zu verhindern. Stell dir vor, du könntest aus dem Checkout-Prozess Schritt für Schritt Hürden herausnehmen. Zum Beispiel, indem du die Standardadresse oder die gewünschte Payment-Methode, basierend auf den Daten zum bisherigen Kaufverhalten, bereits voreinstellst. Das senkt das Risiko von Kaufabbrüchen deutlich.

Retouren sind die Schwachstelle eines jeden Online-Händlers. Angereicherte Daten helfen dir, diese zu vermeiden und deine Retourenquote zu minimieren. Die Retourenquote ist insofern eine bedeutende KPI, da der Umsatz in direkter Abhängigkeit zu ihr steht. Retourendaten sind ein wichtiger Bestandteil des Kaufverhaltens und können dir als E-Commerce-Manager z. B. Aufschluss über häufig retournierte Produkte sowie Retourengründe geben.

Das Regelsystem für Produktempfehlungen kann von diesen neuen Informationsquellen profitieren, denn oft retournierte Produkte sollen sicher weniger häufig empfohlen werden. So kannst du also Waren, die häufig zurückgesendet werden, von Kampagnen ausnehmen sowie retouren-starke Artikel in deinen Empfehlungen ausschließen. Für Neukunden kannst du in deinen Empfehlungen außerdem Topseller ausspielen, die eine niedrige Retourenquote aufweisen. Darüber hinaus bietet dir das Data Enrichment die Möglichkeit, auf Produktdetailseiten flexibel Informationen anzuzeigen, die Retouren vermeiden können, wie beispielsweise Angaben zur Passform einer Hose. Diese Zusatzinformationen kannst du basierend auf den Retourengründen entsprechend anreichern.

Mit Informationen zur Passform sowie einer Größentabelle und einem Größen-Finder direkt auf der Produktdetailseite möchte NKD Retouren vorbeugen.
(Quelle: Screenshot von nkd.com)

Stellst du generell eine hohe Retourenquote in bestimmten Kategorien deines Shops fest, kannst du dem durch den Einsatz eines Produktberaters entgegenwirken. Auch hierfür ist Data Enrichment, bzw. genauer gesagt eine Anreicherung der Produktdaten notwendig, damit Shopkunden gewünschte Features auswählen können. Im Fall eines Gepäckberaters, wie auf worldshop.eu angeboten, wären benötigte Features z. B. welche Art von Rollen ein Koffer hat, welche Fächer oder welche Verschlüsse die Gepäckstücke besitzen. Gerade also, wenn das Sortiment etwas spezieller ist, ist die Erweiterung der Produktfeatures im Sinne eines Data Enrichments sehr sinnvoll.

Dabei kann jeder der drei Aspekte von Data Enrichment die Qualität eines solchen Online-Produktberaters maßgeblich steigern. So verhindern bereinigte Daten, dass Artikel angezeigt werden, obwohl sie gar nicht zur aktuellen Feature-Auswahl passen. Mithilfe der Vervollständigung verhinderst du das Gegenteil, nämlich, dass passende Artikel nicht angezeigt werden. Die Erweiterung der Daten erweckt den Produktberater schließlich erst zum Leben. Denn dadurch erhält der Kunde genug Auswahloptionen und die Features helfen ihm wirklich weiter.

Mehr dazu, wie du mithilfe von Personalisierung Retouren vermeiden kannst, erfährst du in unserem Blogartikel zu diesem Thema.

Data Enrichment unterstützt dich auch dabei, Out-of-Stock zu vermeiden, indem die Lagerreichweite basierend auf Faktoren wie der aktuellen Lagermenge sowie dem historischen Bestell- und Retourenverhalten ermittelt wird. Dadurch kannst du bestimmte Produkte, die nicht rechtzeitig ausgeliefert werden könnten, im Shop ausblenden.

Auch Ladenhüter kannst du mithilfe von Data Enrichment identifizieren. Somit kannst du den Abverkauf dieser Produkte vorantreiben und Lagerstau vermeiden.

Data Enrichment ermöglicht dir des Weiteren, margenstarke Produkte zu identifizieren und damit deine Verkäufe zu maximieren. Hierfür müssen deine Daten z. B. um Informationen wie den Deckungsbeitrag des Produkts, die Marketingkosten oder transaktionale Kosten angereichert sein.

Berücksichtige außerdem die Interessen deiner Shopbesucher und gehe mit 1:1-Personalisierung auf jeden einzelnen Kunden gezielt ein. Anhand bisheriger Transaktionen und Interessen lassen sich Kunden segmentieren oder ganz individuell gezielt ansprechen. Nutze die angereicherten Daten beispielsweise im E-Mail-Marketing, um Newsletter stärker zu personalisieren. Statt lediglich eine persönliche Anrede mit dem Vornamen einzusetzen, kannst du sogar den gesamten Inhalt der E-Mail individuell gestalten, etwa mit Empfehlungen zur Lieblingsmarke, den bevorzugten Farben oder Styles. Ebenso lassen sich Informationen zu den Interessen deiner Kunden für Recommendations im Online Shop einsetzen. So steigerst du die durchschnittliche Bestellhöhe und die Umsätze.

---

Bleibe up to date in Sachen Customer Experience Optimization: Melde dich zu unserem Newsletter an. Jetzt anmelden!

---

Wenn du mehr darüber erfahren möchtest, wie du die Produktdaten im Online Shop an die Bedürfnisse und Pain Points deiner Kunden anpassen sowie den Produktdatenfeed aufbereiten und anreichern kannst, um mithilfe dieser Art der Datenanreicherung z. B. die Suche zu optimieren oder passende Empfehlungen in deinem Shop auszuspielen, legen wir dir unsere Blogartikel zu diesen Themen ans Herz.

Unterstützung in Sachen Data Enrichment

Unterstützung beim Data Enrichment sowie in weiteren Themen rund um Datenmanagement, -infrastruktur und -administration erhältst du von verschiedenen Enrichment Services, die dich je nach Bedarf unterschiedlich stark unterstützen. So kannst du deine vorhandenen Daten z. B. an einen Service übergeben, der diese validiert und anschließend mit geeigneten Merkmalen anreichert. Auch gibt es verschiedene Softwareanbieter und Tools, welche dir beim Data Enrichment bestmöglich unter die Arme greifen. Dienstleister können dich zudem bei der kompletten Einführung von Data Enrichment in deinem Online Shop unterstützen und begleiten dich bei der Aufbereitung der vorhandenen Daten sowie der Einführung geeigneter Tools.

Zwei Anbieter, die auf Themen rund um Daten spezialisiert sind, möchten wir dir im Folgenden beispielhaft kurz vorstellen:

minubo ist ein Beispiel für eine schlüsselfertige All-in-one Business Intelligence Lösung, die speziell für den E-Commerce entwickelt wurde. Der Kern dieser Komplettlösung besteht darin, alle Daten, die verstreut im Unternehmen vorhanden sind, zusammenzubringen und dadurch Transparenz sowie eine gute Basis für holistische Entscheidungen und für die Weiterverarbeitung in Drittsystemen zu schaffen.

Als Digital Operations Platform bietet Actindo neben einem PIM-System zur Datenverwaltung und -steuerung auch einen sogenannten DataHub, der dafür sorgt, dass alle Daten reibungslos durch die verschiedenen Module und die externen IT-Systeme der Unternehmen fließen. Das flexible Datenmodell ermöglicht es dabei, komplexe und variierende Daten abzubilden, zu transformieren und an andere Module sowie externe Systeme zu übermitteln – und das vollständig automatisiert.

Fazit: Mit Data Enrichment holst du das Beste aus deinen Daten heraus

Die Kunden persönlich und individuell anzusprechen sowie für ein einzigartiges Einkaufserlebnis zu sorgen, kann für deinen Online Shop einen wesentlichen Wettbewerbsvorteil darstellen. Data Enrichment unterstützt dich dabei, deine Datenbestände so anzureichern, dass du daraus Rückschlüsse auf die Interessen und Bedürfnisse deiner Besucher ziehen kannst. So kannst du die Kundenansprache konsequent danach ausrichten und zielgenaue Entscheidungen treffen. Die Datenanreicherung bringt darüber hinaus auch in anderen Bereichen große Vorteile mit sich – ob verringerte Retourenquoten, Vermeidung von Kaufabbrüchen und Lagerstau oder stärkerer Abverkauf von margenstarken Produkten – mit Data Enrichment holst du das Beste aus deinen Daten heraus. Um die Wirksamkeit deiner Maßnahmen dabei sicherzustellen, solltest du deine Kampagnen kontinuierlich optimieren.

Quelle: ¹ Accenture

Häufige Fragen zu Data Enrichment

Was ist Data Enrichment?

Als Data Enrichment bezeichnen wir das Zusammenführen neuer Daten aus Drittquellen in die eigene Datenbasis. Die Datenanreicherung besteht dabei aus den drei Aspekten Bereinigung, Erweiterung und Vervollständigung.

Warum sollte ich Data Enrichment im E-Commerce nutzen?

Data Enrichment bietet dir die Chance, deine Kunden besser zu verstehen, die Informationen in einen größeren Kontext zu setzen und zielgerichtete Entscheidungen basierend auf den angereicherten Daten zu treffen.

Welchen Herausforderungen sehen sich Unternehmen im Bereich Datenmanagement gegenüber?

Eine Herausforderung besteht z. B. darin, dass die vorhandenen Daten oft in isolierten Datensilos stecken und nicht verbunden sind. Außerdem fehlt häufig die benötigte Infrastruktur für die Zusammenführung der Daten. Auch widersprüchliche Kennzahlen, fehlendes Kundenverständnis sowie fehlende datengetriebene Prozesse können Probleme darstellen.

Was sind Voraussetzungen für die erfolgreiche Datenanreicherung?

Grundlegende Voraussetzung für Data Enrichment sind integrierte Daten in Form einer soliden und verlässlichen Datenbasis und somit eine Dateninfrastruktur, die als Ausgangspunkt für die Datenanreicherung dient.

Welche Anwendungsbeispiele gibt es für Data Enrichment?

Im Online Shop kannst du die Inhalte mithilfe der angereicherten Daten besonders individuell an den Besucher anpassen. So kannst du an seinen Interessen orientierte Anzeigen und Produktempfehlungen einspielen. Oder du steuerst das Kauf- und Besucherverhalten über den Abbau von Hürden im Checkout-Prozess, beispielsweise durch Voreinstellung der User-Präferenzen. Auch kannst du angereicherte Daten nutzen, um gezielt Retouren, Kaufabbrüche oder Lagerstau zu vermeiden sowie margenstarke Verkäufe zu maximieren.

Du möchtest mehr zum Thema erfahren und lernen, wie du das volle Potenzial deiner Daten ausschöpfen kannst?

Sieh dir unsere Webinar-Aufzeichnung an!

The post Data Enrichment für zielsichere Entscheidungen und persönliche Kundenansprache appeared first on abtasty.

Daten sind die Technologie, mit der Sie die Erlebnisse für Ihre KundInnen gestalten können, indem Sie zunächst verstehen, was sie wollen und wie Sie dies am besten für Ihr Unternehmen umsetzen können. Sie sind die spezielle Zutat, die Ihnen hilft, die Verbindung zwischen Ihrer Interpretation vorhandener Informationen und Trends und den Ergebnissen herzustellen, von denen Sie annehmen, dass sie die Kundenbedürfnisse erfüllen (und den Umsatz steigern).

Wenn Sie sich schon einmal gefragt haben, ob die Vorteile eines Sonderangebots für Ihre KundInnen verlockend genug sind oder warum Sie so viele Seitenaufrufe und so wenige Käufe haben, dann haben Sie genau die Fragen gestellt, die auch die Marketingteams Ihrer KonkurrentInnen stellen und aktiv daran arbeiten, sie zu beantworten. Daten und Experimente helfen Ihnen, Ihre Website auf die nächste Stufe zu bringen, die Präferenzen Ihrer KundInnen besser zu verstehen und deren Kaufverhalten zu optimieren, um bessere Geschäftsergebnisse zu erzielen.

Es bleibt also die Frage: Wo soll man anfangen? Im Falle des E-Commerce sind A/B-Tests eine großartige Möglichkeit, Daten zu nutzen, um Hypothesen zu testen und Entscheidungen zu treffen, die auf Informationen und nicht auf Meinungen basieren.

„Die Idee hinter dem Experimentieren ist, dass man Dinge testen und den Wert von Dingen beweisen sollte, bevor man ernsthaft in sie investiert“, sagt Jonny Longden, Leiter der Conversion-Abteilung der Agentur Journey Further. „Indem man experimentiert … übernimmt man nur die Dinge, die funktionieren, und hat so bereits bewiesen, dass sie einen Nutzen bringen.“

Die Kenntnis und das Verständnis Ihrer Datengrundlage ist die Plattform, auf der Sie Ihre Wissensbasis und Ihre Experimentier-Roadmap aufbauen werden. Lesen Sie weiter, um die wichtigsten Aspekte zu erfahren, die Sie bei der Schaffung dieser Grundlage beachten sollten.

Fünf Dinge, die Sie beim Aufbau Ihrer Datengrundlage beachten sollten

1. Wissen, welche Daten Sie sammeln und warum
   Um zu wissen, mit welchen Daten Sie es zu tun haben, müssen Sie auch die grundlegenden Arten und Eigenschaften der Informationen verstehen, auf die Sie Zugriff haben. Schauen wir uns zunächst die verschiedenen Arten von Daten an:
   • First-Party-Daten werden direkt von KundInnen, Website-BesucherInnen und FollowerInnen erhoben und sind somit spezifisch für Ihre Produkte, VerbraucherInnen und Tätigkeiten.
   • Second-Party-Daten werden von einer zweiten Partei außerhalb Ihres Unternehmens oder Ihrer KundInnen gesammelt. Sie werden in der Regel durch Vereinbarungen über die gemeinsame Nutzung von Daten zwischen kooperationswilligen Unternehmen gewonnen.
   • Third-Party-Daten werden von völlig anderen Organisationen gesammelt, ohne Bezug zu Ihrem Markt oder Ihren KundInnen; sie ermöglichen es Ihnen jedoch, auf mehr Datenpunkte zurückzugreifen, um das allgemeine Verständnis zu erweitern.

    

   Daten haben auch verschiedene Eigenschaften oder definierende Merkmale: Demografische Daten sagen Ihnen, wer, Verhaltensdaten sagen Ihnen, wie, Transaktionsdaten sagen Ihnen, was, und psychografische Daten sagen Ihnen, warum. Sie möchten mehr erfahren? Laden Sie unser E-Book „Der ultimative Personalisierungs-Guide“ herunter!

   

   ‎‎ㅤ‎‎

   Das Sammeln und Zusammentragen dieser Daten ermöglicht es Ihnen, Ihre Zielgruppe zu segmentieren und sich ein Bild davon zu machen, wer Ihre KundInnen sind und wie Sie ihre Bedürfnisse erfüllen können, indem Sie eine Verbindung zwischen Kundenverhalten und -präferenzen, Website-UX und der Buyer Journey herstellen.

   Chad Sanderson, Head of Product – Data Platform bei Convoy, empfiehlt, Kennzahlen zur Grundlage für die Synchronisierung von Datenerfassung und -analyse zu machen. Wenn Sie wissen, worauf es Ihren GeschäftsführerInnen ankommt und welche Kennzahlen das Unternehmen voranbringen, können Sie sicherstellen, dass Ihre Datengrundlage relevant und auf Erfolg ausgerichtet ist.

   ‎ㅤ

2. Investieren Sie in Ihre Dateninfrastruktur
   Daten gibt es überall, in den unterschiedlichsten Formen und aus einer Vielzahl von Quellen. Doch wenn Sie sie nutzen wollen, brauchen Sie ein robustes System für die Erfassung, Speicherung und Analyse, um sie optimal einsetzen zu können. Beginnen Sie damit, herauszufinden, wie viele First-Party-Daten Sie sammeln können, indem Sie Ihren aktuellen digitalen Datenverkehr auswerten. Wie viele Personen besuchen Ihre Website oder Ihre App? Diese Informationen können Sie mithilfe von Google Analytics oder einer ähnlichen Plattform ermitteln. Dies hilft Ihnen zu verstehen, wie ausgefeilt Ihre Methoden zur Datenverwertung sein können, und zeigt Ihnen Defizite auf, für die Sie möglicherweise zusätzliche Daten (Second- und Third-Party-Daten) beschaffen müssen.
   Als Nächstes müssen Sie Ihre Infrastruktur bewerten. Unternehmen, die auf ihrem Weg zur Datenanalyse weiter fortgeschritten sind, investieren in Kundendatenplattformen (CDPs), die es ihnen ermöglichen, Daten – die aus einer Vielzahl von Quellen gesammelt und in einer zentralen Datenbank konsolidiert werden – auf einer detaillierteren Ebene zu sammeln und zu analysieren. Die Zusammenführung dieser Daten über eine CDP hilft Ihnen, alle Teile zusammenzufügen, um ein vollständiges Bild Ihrer KundInnen zu erhalten und eventuelle Lücken zu erkennen. Dies ist ein entscheidender Schritt, bevor Sie in Aktion treten. Chad Sanderson stimmt dem zu. „Beginnen Sie mit dem Unternehmen und dessen Bedürfnissen“, rät er. „Wenn Sie Ihre Lösung darauf zuschneiden – wie auch immer sie aussehen mag -, wird sie sehr viel effektiver sein.”‎‎‎ㅤ
3. Einverständnis einholen, um das Vertrauen der VerbraucherInnen zu stärken
   Die Datensicherheit ist zu Recht das wichtigste Anliegen der VerbraucherInnen. Gerade die NutzerInnen, von denen Sie Daten sammeln wollen, möchten sicherstellen, dass ihre privaten Informationen sicher bleiben. Die besten Erfolgsaussichten haben Sie, wenn Sie ihre Zustimmung einholen und transparent machen, welche Vorteile sie haben, wenn sie Ihrer Anfrage zustimmen – sei es durch Werbegeschenke, exklusive Angebote, zusätzliche Informationen oder Dienstleistungen. Wenn Sie zeigen, dass Sie verschiedene Datenschutzbestimmungen (z. B. die DSGVO) einhalten und eine verantwortungsvolle Unternehmensführung ernst nehmen, schaffen Sie auch Vertrauen in Ihre Marke und können durch eine verbesserte UX und personalisierte Erlebnisse dafür sorgen, dass es sich für Ihre KundInnen lohnt.‎

   

   ‎ㅤ

4. Erkenntnisse sammeln und gewinnen, um Ihre Kundenstrategie zu verbessern
   Die Tatsache, dass Daten überall sind, haben wir bereits behandelt. Wie Chad Sanderson oben hervorgehoben hat, kann die Identifizierung unmittelbarer geschäftlicher Bedürfnisse und Prioritäten – sowie die Konzentration auf schnelle Erfolge und geringfügige Änderungen, die eine schnelle und hochrangige Wirkung haben können – Ihnen helfen, durch dieses Minenfeld zu gelangen. Am besten stellen Sie sich diesen Abschnitt als einen vierstufigen Prozess vor:
   • Sammeln Sie Daten, die in Ihren CDP einfließen
   • Transformieren oder kalibrieren Sie Ihre Daten, so dass sie in einer Tabelle verglichen werden können
   • Analysieren Sie die Daten, indem Sie sie nach den von Ihnen identifizierten Kundensegmenten gruppieren und kategorisieren, und führen Sie ein Benchmarking mit Fachleuten durch
   • Aktivieren Sie Ihre Erkenntnisse, indem Sie die Erkenntnisse in Ihre Plattformen und/oder Ihre Experimentier-Roadmap einfließen lassen und diese Daten wirklich nutzen

   ㅤ

5. Setzen Sie Ihre Daten in Handlungen um
   Jetzt wird es ernst! Wir haben uns mit den verschiedenen Datentypen befasst und mit der Frage, woher man sie bezieht, wie man verantwortungsvoll mit der Datenerfassung umgeht und wie man die Infrastruktur einrichtet, die zur Konsolidierung der Daten und zur Gewinnung von Erkenntnissen erforderlich ist. Wir haben uns auch mit der Notwendigkeit befasst, die Geschäftsfachleute und die Kernstrategie zu verstehen, um die Datenerfassung, -analyse und -aktivierung in dieselbe Richtung zu lenken. Jetzt geht es darum, diese Daten und Erkenntnisse in die Praxis umzusetzen.
   In der Experience Economy, in der ständige Weiterentwicklung das A und O ist, sind Innovation und Optimierung die wichtigsten Faktoren für das Experimentieren. Wenn Sie die von Ihnen aufgebaute Datengrundlage nutzen, um Ihre Experimentier-Roadmap voranzutreiben, stellen Sie sicher, dass die harte Arbeit Ihrer Technik-, Marketing- und Produktteams nicht umsonst war. Tests ermöglichen es Ihnen, Alternativen in Echtzeit zu bewerten und datengestützte Entscheidungen über die Website-UX zu treffen. Außerdem wird so sichergestellt, dass die Geschäftskennzahlen immer in Reichweite sind und Konversions- und Umsatzwachstum im Mittelpunkt stehen.
   
   Nutzen Sie die gesammelten Daten als Grundlage für Ihre Experimentier-Roadmap (Quelle)

Investieren Sie in eine solide Datengrundlage zur Maximierung und Skalierung

Bei AB Tasty wenden wir bei der Interpretation von Daten und Testergebnissen den Bayes’schen Ansatz an, weil diese Methode bei A/B-Tests nicht nur zeigt, ob es einen Unterschied zwischen den getesteten Optionen gibt, sondern auch ein Maß für diesen Unterschied berechnet. Wenn Sie in der Lage sind, diese Abweichung zu ermitteln, können Sie am besten verstehen, was Sie durch die Einführung einer dauerhaften Änderung gewinnen werden.

Das Sammeln und Analysieren von Daten und die anschließende Nutzung der daraus gewonnenen Erkenntnisse sind der Schlüssel, um die nächste Stufe der Experience Optimierung für Ihre KundInnen und Ihr Unternehmen zu erreichen. Eine Experimentier-Roadmap, die sich auf Echtzeit-Reaktionsfähigkeit und langfristige, serverseitige Verbesserungen stützt, basiert auf einer soliden Datengrundlage, bei der das Verständnis dafür, wen Sie ansprechen wollen und wie Sie vorgehen müssen, den Erfolg bestimmt. Wenn Sie darüber hinaus in Ihre Datengrundlage – und die fünf oben genannten zentralen Faktoren – investieren, sind Sie in der Lage, Ihre Experimente zu skalieren und die Optimierung zu einem wichtigen Faktor für die Steigerung des Unternehmenserfolgs zu machen.

The post Wie man eine moderne Datengrundlage für Experimente schafft appeared first on abtasty.

Entfesseln Sie die Macht der Daten

Daten sind eine mächtige Sache

Unsere Welt wird immer digitaler, und damit steigen auch die Erwartungen der VerbraucherInnen an ihre digitalen Erlebnisse. Um der Konkurrenz voraus zu sein, müssen Marken heute die Customer Journey kontinuierlich optimieren, um ein nahtloses Erlebnis von Anfang bis Ende zu bieten. Aber wie weiß man, wo man anfangen soll?

Experimente sind der Schlüssel zur Erschließung der besten digitalen Erfahrung. Daten werden dann zu einem mächtigen Aktivposten, der jede Phase des Experimentierprozesses von der Idee bis zur Analyse vorantreibt.

In unserem digitalen Bericht erfahren Sie von den Top-Partnern und Datenexperten von AB Tasty, wie Marken Daten nutzen können, um Kundenbedürfnisse besser zu verstehen, emotionale Verbindungen zu schaffen und eine datenbasierte, kundenorientierte Vision aufzubauen.

INSIGHTS VON UNSEREN PARTNERINNEN

Personalisierung lohnt sich, denn je besser Sie Ihre Kunden kennen, desto länger können Sie das Gespräch mit ihnen fortsetzen, was zu Loyalität und Bindung führt.

Filip von Reiche
Wunderman Thompson
Die Demokratisierung von Daten ist für den Aufbau einer kundenorientierten Kultur unerlässlich.

Sophie D’Souza
Spiralyze
Wenn Ihre Konkurrenten neue Funktionen testen und auf das Nutzerverhalten reagieren, setzen sie einen neuen Standard, dem sie entsprechen müssen. Wenn Sie das vernachlässigen, laufen Sie Gefahr, zurückzubleiben.

Marine Lewandowski und Pierre-Alexandre Yacoub
Jellyfish
Ein breites Spektrum an Daten – mit einem ausgewogenen Verhältnis zwischen qualitativen und quantitativen Daten – vermittelt ein möglichst genaues Bild des Nutzerverhaltens.

Helen Willmot
Dentsu

Daten sind Ihr bestes Kapital

Die Kundenerwartungen an digitale Erlebnisse steigen ständig. Mit der Macht der Daten auf Ihrer Seite können Sie eine Optimierungsstrategie entwickeln, die mit dem sich ändernden Nutzerverhalten Schritt halten kann, ohne etwas zu verpassen.

The post Die kundenzentrierte Datenreihe appeared first on abtasty.

„Wissen ist Macht“, heißt es so schön. Doch wie entsteht Wissen? Und wie kannst du es in deinem Online Shop nutzen? Eine Erklärung liefert die Wissenspyramide: In Verbindung mit künstlicher Intelligenz können aus Daten, die du in deinem Online Shop sammelst, Informationen und schließlich Wissen entstehen. Dieses Wissen bildet die Grundlage für verschiedene erfolgversprechende Maßnahmen zur Kundengewinnung und -bindung, wie z. B. die Personalisierung. Hier erfährst du mehr über die Wissenspyramide und ihre Beziehung zu künstlicher Intelligenz.

Diese Inhalte erwarten dich in diesem Blogartikel:

Was versteht man unter der Wissenspyramide?
Wissenstreppe – ein alternatives Modell
Daten, Informationen und Wissen – was die Begriffe bedeuten

Welche Relevanz hat die Wissenspyramide für Unternehmen?

Wie hängen Wissenspyramide und künstliche Intelligenz zusammen?
Wie Wissen mithilfe künstlicher Intelligenz entsteht – Beispiele
Wissenspyramide und KI – Basis für die Personalisierung

Fazit: Gezieltes Wissensmanagement ist für Online Shops unverzichtbar

Häufige Fragen zur Wissenspyramide

The post Die Wissenspyramide: Wie aus Daten und Informationen Wissen entsteht appeared first on abtasty.

Um die Aufmerksamkeit der VerbraucherInnen zu gewinnen, müssen Marken ihr Augenmerk auf die Gestaltung einzigartiger Benutzererlebnisse richten, um eine 1:1-Personalisierung auf der Grundlage von Daten zu bieten.

Die Personalisierung ist nicht der neueste Trend auf dem Markt, aber sie ist in den digitalen Kommunikationsmaßnahmen der MarketerInnen zunehmend präsent. Einer der wichtigsten Schwerpunkte, um BesucherInnen in KundInnen zu verwandeln und Kundenbindung aufzubauen, ist die 1:1-Personalisierung. Immer mehr KundInnen fühlen sich beim Online-Einkauf weniger motiviert, eine Transaktion abzuschließen, wenn die Erfahrung unpersönlich ist. Werfen wir einen Blick auf einige Daten von Forbes:

• 80 % der VerbraucherInnen sind eher bereit, einen Online-Kauf bei Marken abzuschließen, die ein personalisiertes Kundenerlebnis bieten.
• 72 % der VerbraucherInnen erklären, dass sie nur mit personalisierten Nachrichten interagieren.
• 66 % der VerbraucherInnen geben an, dass ein nicht personalisierter Inhalt sie vom Kauf abhalten würde.

KundInnen wollen Personalisierung. Stellen Sie sich vor, Sie betreten ein Geschäft und ein Mitarbeiter oder eine Mitarbeiterin geht auf Ihre Bedürfnisse ein, hilft Ihnen, genau das zu finden, was Sie suchen, oder geht sogar über Ihre Erwartungen hinaus, um Ihnen zu helfen. Das ist genau das, was KundInnen auf dem digitalen Markt wollen.

Eine einzigartige, digitale 1:1-Personalisierungsstrategie bietet Unternehmen die Möglichkeit, Nachrichten, Angebote und andere Erlebnisse auf der Grundlage der über jeden Benutzer oder jede Benutzerin gesammelten Daten auf jeden Website-Besucher oder jede Website-Besucherin zuzuschneiden.

Digitale 1:1-Personalisierung beginnt mit konkreten Daten. Nutzen Sie die Daten, um Ihre BesucherInnen besser zu betreuen und zu konvertieren?

Damit Sie diese Frage mit „Ja“ beantworten können, werfen wir einen genaueren Blick auf:

• Was ist 1:1-Personalisierung?
• Welche Daten helfen Ihnen, Ihre KundInnen besser kennenzulernen?
• Wie kann man Daten finden?
• Wie können Sie die gefundenen Daten nutzen?
• Welche Nachrichten sollten Sie personalisieren?
• Software, die Ihnen bei der 1:1-Personalisierung hilft

Was ist 1:1-Personalisierung?

Die Technik der 1:1-Personalisierung besteht darin, jedem Online-Kunden oder jeder Online-Kundin ein einzigartiges (oder eins zu eins) Erlebnis zu bieten.

Wenn Marken die Technik der 1:1-Personalisierung beherrschen, können sie einen außergewöhnlichen Kundenservice bieten, indem sie personalisierte Nachrichten, Produktempfehlungen, Angebote und spezielle Inhalte zum richtigen Zeitpunkt bereitstellen, die auf den Bedürfnissen und Erwartungen der NutzerInnen basieren.

Diese Art von einzigartiger Benutzererfahrung wird nur durch die Verfügbarkeit umfangreicher Kundendaten ermöglicht. Wenn Sie Ihre KundInnen nicht anhand ihrer Interaktionen mit Ihrer Marke und ihres Nutzerverhaltens kennen lernen, verpassen Sie eine Chance, die Erwartungen Ihrer KundInnen zu erfüllen.

Ein Ziel der Personalisierung ist es, einen „Wow“-Effekt zu erzeugen. Das bedeutet, dass Sie den Kunden oder die Kundin denken lassen sollten: „Wow, die kennen mich wirklich“. Je mehr Informationen ein Unternehmen zu einem bestimmten Kunden oder einer bestimmten Kundin hat, desto personalisierter wird das Nutzererlebnis sein.

Ohne umfangreiche Daten ist eine 1:1-Personalisierung nicht zu erreichen.

Welche Daten können Sie sammeln, um Ihre KundInnen besser zu kennen?

Im Großen und Ganzen ist es wichtig, den Standort des Kunden oder der Kundin, seine demografischen Daten (Alter, Geschlecht, Bildungsstand), seine Kaufgewohnheiten und Informationen über sein Surfverhalten auf der Website zu kennen. In der wettbewerbsintensiven Welt der Personalisierung reichen diese oberflächlichen Daten jedoch nicht aus.

Marken müssen nicht nur wissen, wer der Kunde oder die Kundin ist, sondern auch, wie er oder sie sich verhält.

Zu wissen, dass Ihr Kunde oder Ihre Kundin HochschulabsolventIn ist, der oder die in New York City lebt und viel Zeit damit verbringt, Pinterest-Boards zu erstellen, reicht nicht aus, um eine starke Buyer Persona zu erstellen und ein einzigartiges und angenehmes Benutzererlebnis zu schaffen.

Um das Profil Ihrer KundInnen zu verbessern, müssen Sie nicht nur wissen, wer sie sind, sondern auch relevante Daten darüber sammeln, wie Ihre KundInnen auf allen Kanälen mit Ihrer Marke interagieren, was sie zum Kauf motiviert und was sie antreibt.

Genauer gesagt, helfen Ihnen robuste, personalisierte Daten, sie besser zu verstehen:

• Standort und demografische Daten
• Interessen und Hobbys
• Einkaufs- und Kaufgewohnheiten
• Häufigkeit von Geräten und Kanälen
• Wo und wie sie am liebsten einkaufen
• Zufriedenheitsgrad
• Vorlieben und Abneigungen

All diese Informationen ermöglichen es Ihnen, ein ausgefeiltes Kundenprofil zu erstellen. Das Verständnis ihrer Motivationen, Präferenzen und Erwartungen hilft Ihnen, die NutzerInnen in komplexe Marktsegmente einzuteilen, um ihnen das bestmögliche Erlebnis zu bieten.

Im Idealfall hat der Kunde oder die Kundin ein positives Erlebnis und fühlt sich auf der Grundlage der aus der robusten Datenerfassung gewonnenen Informationen einzigartig.

Wie finden Sie Nutzerdaten?

Umfassende Daten lassen sich durch die Querindizierung von Informationen, die in verschiedenen Datenbanken gespeichert sind, finden und verfeinern.

Sie können beispielsweise Daten aus den Interaktionen eines Kunden oder einer Kundin mit Ihrem Unternehmen gewinnen, indem Sie Kommentare auf Social-Media-Websites, Bewertungen auf Rezensionsseiten, die Nutzung einer mobilen App im Vergleich zur Desktop-Nutzung, Interaktionen mit dem Kundendienst, Download-Anfragen und mehr analysieren und speichern.

Wie Sie die 1:1-Personalisierung mit Daten nutzen können

Wie Sie sehen, kann es keine Personalisierung ohne Daten geben. Um eine 1:1-Personalisierung auf Ihren digitalen Kanälen zu erreichen, muss Ihre Marke in der Lage sein, die gesammelten Daten in Maßnahmen umzusetzen.

Nach der Überwachung und Sammlung umfangreicher Daten über die Interaktionen, den Verlauf und das Verhalten Ihrer KundInnen auf Ihrer Website ist es an der Zeit, diese Daten in eine verfeinerte Buyer Persona umzuwandeln, um Ihre KundInnen besser betreuen zu können.

Durch die Segmentierung Ihrer Profile sind Sie in der Lage, die Präferenzen und Probleme Ihrer KundInnen besser zu verstehen, was Ihnen dabei hilft, diese personalisierten Nachrichten zu erstellen und zum richtigen Zeitpunkt anzuzeigen.

Personalisierung der Interaktionen mit KundInnen

Sobald Sie umfangreiche Daten über Ihre BesucherInnen gesammelt haben, können Sie festlegen, wie Sie am besten mit ihnen interagieren. Es ist ein schmaler Grat, ob Sie durch die Anzeige personalisierter Inhalte hilfreich sind oder ob Sie aufdringlich wirken.

Der Unterschied zwischen diesen beiden Gefühlen hängt davon ab, wie viel der Kunde oder die Kundin bereits mit Ihnen zu tun hat. KundInnen, die zum Beispiel jeden Newsletter abonniert haben, eine Firmenrabattkarte besitzen und häufig Transaktionen auf Ihrer Website durchführen, werden erwarten, dass Sie ihre Vorlieben ziemlich gut kennen, wie StammkundInnen, die in ein Café kommen. ErstbesucherInnen hingegen werden nicht erwarten, dass Sie viel über sie wissen, aber sie werden erwarten, willkommen geheißen zu werden.

Der beste Weg, um zu verstehen, wie Sie Ihre KundInnen betreuen können, besteht darin, sich zu fragen, wie Sie selbst auf der jeweiligen Ebene des Engagements mit Ihrer Marke, behandelt werden wollen würden. Was würde Ihnen das Gefühl geben, willkommen zu sein, und was würde Ihnen das Gefühl geben, überfordert zu sein oder sich unwohl zu fühlen?

Beispiel aus der Praxis

Vor der boomenden Urlaubssaison konnte Clarins, ein multinationales Kosmetikunternehmen, durch die Implementierung von 1:1-Personalisierung und Gamification mit AB Tasty seine Konversionsrate um 89 % und die Add-to-Basket-Metrik um 145 % steigern.

Am Single’s Day, einige Wochen vor dem Black Friday, sah Clarins die perfekte Gelegenheit, zu experimentieren und von der Kultur zu lernen, indem es in einigen Ländern ein „Glücksrad-Konzept“ einführte. Die Gamification-Geschenke wurden je nach der lokalen Kultur des jeweiligen Landes personalisiert. Jeder Besucher und jede Besucherin, der oder die die Website von Clarins besuchte, konnte das digitale Spiel spielen, das Rad drehen und erhielt automatisch ein Geschenk in seinem oder ihrem Posteingang. Diese einfache, automatische Implementierung war ein großartiges Benutzererlebnis, insbesondere für mobile BesucherInnen.

Lesen Sie die ganze Geschichte hier: Wie Clarins AB Tasty für Personalisierung und Kundenbindung nutzt

Welche Nachrichten sollten Sie personalisieren?

Die Möglichkeiten für personalisierte Nachrichten können so weit reichen, wie es Ihre Vorstellungen (oder die Funktionen Ihrer Software) zulassen.

Denken Sie an Personalisierung im weitesten Sinne. Nehmen wir an, ein Unternehmen möchte sein Logo auf personalisierte Geschenke für seine MitarbeiterInnen drucken lassen. Das Firmenlogo kann auf T-Shirts, Kugelschreiber, Aufkleber, Kaffeebecher, Handytaschen, Rucksäcke, Sonnenbrillen, Golfbälle, Geschenkkörbe gedruckt werden – die Möglichkeiten sind nahezu unbegrenzt. Das Gleiche gilt für personalisierte Botschaften für Ihre eigenen KundInnen.

In der Marketingkommunikation sind einige der häufigsten Einsatzmöglichkeiten für die 1:1-Personalisierung die Folgenden:

• Produktempfehlungen
• E-Mails (Betreffzeilen und Inhalt)
• Intro- und Exit-Banner
• Pop-up-Nachrichten
• Konversationsmarketing (Chatboxen)
• Angebote und Rabatte
• Sprache
• Landingpages
• Preisgestaltung
• Grüße

Um in einem Markt voller gesättigter Botschaften die Aufmerksamkeit Ihrer KundInnen zu gewinnen und zu behalten, sollte Ihre Marke so viel wie möglich und in so vielen Kanälen wie möglich auf Personalisierung setzen.

Was ist Omnichannel-Personalisierung?

Der Einsatz von 1:1-Personalisierung über mehrere Kanäle, Plattformen und Berührungspunkte hinweg wird gemeinhin als Omnichannel-Personalisierung bezeichnet.

KundInnen sehnen sich nach Personalisierung, egal wo sie sich befinden – ob auf einem mobilen Gerät, einem Desktop, einer Social-Media-Plattform, einer mobilen App oder per E-Mail. Wenn KundInnen ein personalisiertes Erlebnis erhalten, erwarten sie diesen Standard der Kommunikation über alle Kanäle oder Plattformen, mit denen sie interagieren.

Um eine Omnichannel-Personalisierung zu erreichen, ist ein nahtloser Austausch von Kundendaten von einer Plattform oder einem Kanal zum nächsten erforderlich. Durch das Sammeln von Informationen über die Präferenzen, das Verhalten und die Interessen der BenutzerInnen an allen virtuellen Touchpoints wird das Profil Ihrer KundInnen gestärkt.

Durch dieses konsistente Maß an Personalisierung über alle Kanäle hinweg sind die VerbraucherInnen geneigt, mehr zu kaufen und wieder bei derselben Marke zu kaufen, bei der sie sich gesehen und gehört fühlen.

Was sind die Vorteile der Omnichannel-Personalisierung?

1. Höhere Konversionsraten
2. Erhöhter durchschnittlicher Bestellwert (AOV)
3. Weniger Warenkorbabbrüche
4. Verbesserter Markenwert und höhere Kundentreue
5. Höherer Customer Lifetime Value
6. Bereitstellung von Nachrichten zur richtigen Zeit und am richtigen Ort

Welche Plattform sollten Sie für eine konsistente 1:1-Personalisierung verwenden?

Der Weg zu einem nahtlosen 1:1-Personalisierungserlebnis für Ihre KundInnen beginnt mit einer ausgefeilten und intuitiven Software, die Ihnen hilft, Ihre Ideen in die Realität umzusetzen.

AB Tasty und Epoq ist eine umfassende Plattform für Experimente und Personalisierung, die mit den Tools ausgestattet ist, die Sie benötigen, um Ihren KundInnen ein reichhaltigeres digitales Erlebnis zu bieten – und zwar schnell. Mit eingebetteter KI und Automatisierung kann diese Plattform Ihnen helfen, Omnichannel-Personalisierung zu erreichen und Ihre Marken- und Produkterfahrungen zu revolutionieren.

Mit 1:1-Personalisierung gewinnen alle

Die von Ihnen gesammelten Daten kommen Ihrer Marke und Ihren KundInnen gleichermaßen zugute. Wenn Sie verstehen, wonach Ihre KundInnen suchen, können Sie ihnen Zeit sparen, indem Sie ihnen fundierte Empfehlungen, personalisierte Nachrichten und einzigartige Erlebnisse bieten, um ihre Probleme zu lösen.

Ohne ordnungsgemäße Datenerfassung oder echte Segmentierung ist es fast unmöglich, den NutzerInnen ein 1:1 personalisiertes Erlebnis zu bieten. Loyale KundInnen wollen das Gefühl haben, dass ihre Marke sie wirklich kennt und weiß, wonach sie suchen. Erzielen Sie personalisierte 1:1-Erlebnisse durch die richtige Analyse und Nutzung von Daten. Wenn Sie Ihre KundInnen unterstützen, den Umsatz steigern und gleichzeitig Markentreue aufbauen möchten, haben Sie mit der Personalisierung Ihre Lösung gefunden.

The post Effektive 1:1-Personalisierung beginnt mit konkreten Daten appeared first on abtasty.

In unserer nächsten Folge der Serie über kundenzentrierte Daten sprachen wir mit Stephen Welch, Managing Director, und Ian Bobbit, Chief Analytics Officer von Realise darüber, wie Unternehmen zu datenzentrierten Unternehmen werden können. Realise, ein Teil der größeren Unlimited Group, hilft Marken, datengestützte Entscheidungen zu treffen, um ihr Wachstum zu maximieren. 

Sie erörterten, wie Unternehmen sich besser strukturieren können, um datengesteuert zu werden, auf welche Teams, Strukturen, Technologien und KPIs man achten muss, sowie einige Details zu Personalisierung und Customer Lifetime Value.

Welches sind die größten Herausforderungen für Unternehmen, die datenzentriert werden wollen?

Als Erstes betonen Ian und Stephen, dass die meisten Unternehmen bereits über eine große Menge an Daten verfügen, die jedoch manchmal in Silos bei den einzelnen Teams stecken. Die erste Herausforderung besteht darin, diese Informationen zu konsolidieren und ihr Potenzial zu verstehen.

Eine weitere Herausforderung besteht darin, dass die wichtigsten Interessengruppen zustimmen müssen. Es muss eine Führungskraft im Team geben, die aus Daten lernen will. Mit einer Person an Bord, die mehrere Teams leiten kann, können Unternehmen Daten identifizieren, die ihre Kunden und ihr tägliches Verhalten beschreiben.

Wenn wir also wissen, dass die Daten bereits vorhanden sind, besteht die andere Herausforderung darin, sicherzustellen, dass sie genutzt werden, um die richtigen Schlussfolgerungen zu ziehen. Oft haben Unternehmen eine Strategie, die nicht auf Fakten basiert. Um datenzentriert zu werden, muss man in der Lage sein, effektive KPIs und Daten über das Verbraucherverhalten zu erkennen.

„Wir versuchen zu verstehen, wer Ihre Kunden sind und wie sie mit Ihrem Unternehmen interagieren. Deshalb konzentrieren wir uns auf die Berührungspunkte mit dem Kunden – das ist ein Bereich, der uns besonders am Herzen liegt“, sagt Stephen.

Umwandlung eines Unternehmens in ein datenzentriertes Unternehmen

Ein Unternehmen so umzugestalten, dass es wirklich datengesteuert ist, ist kein einfacher Prozess. Die wichtigsten Interessengruppen müssen einbezogen werden und die Teams müssen in der Lage sein, miteinander zu sprechen. Ian und Stephen bezeichneten widersprüchliche Teamziele als einen der Gründe, warum Unternehmen nicht so effektiv sind, wie sie sein könnten.

„Wir versuchen wirklich, durch eine stärkere Datenzentrierung reichhaltige und umfassendere Informationen bereitzustellen, wie z. B. den Kontext rund um den Kunden, der Bedürfnisse und Verhaltensweisen aufzeigt“, sagt Stephen. „Wir schauen auch, wie wir das Unternehmen über einen bestimmten Kanal hinaus einbeziehen können.“

Die Anfangsphase beginnt oft mit einem datenreichen Bereich, der dazu dient, die Wirksamkeit von Veränderungen in einem bestimmten Bereich nachzuweisen und die Zustimmung der größeren Unternehmensakteure zu erhalten. Als Nächstes werden den Unternehmensleitern Fragen gestellt wie: Was wollen sie erreichen? Wohin wollen sie gelangen? Wo befinden sie sich derzeit? All diese Faktoren tragen dazu bei, herauszufinden, welche Daten das Unternehmen für die Entwicklung seiner Strategie für die Reifekurve der Daten heranziehen sollte.

Die Suche nach Personalisierung

Von unseren Kunden bei AB Tasty wissen wir, dass Personalisierung eine der gefragtesten Funktionen für CX ist. Der Weg dorthin führt über Daten. Einer der Gründe, warum es so schwierig ist, dies richtig hinzubekommen, ist laut Realise, dass die Idee der „Personalisierung“ für verschiedene Menschen unterschiedliche Dinge bedeutet. Ian weist darauf hin, dass man, sobald man mit der Personalisierung beginnt, die Ressourcen haben muss, um Inhalte für jedes einzelne Segment zu erstellen, was wiederum zu sehr komplizierten Arbeitsabläufen und Nachrichtenübermittlungen führen kann. 

„Es erfordert sehr viele Daten, Überlegungen und Planungen, denn wenn man erst einmal damit begonnen hat, personalisierte Spalten zu automatisieren, wird es schnell ziemlich kompliziert“, sagt Stephen.

Sowohl Ian als auch Stephen sind begeistert von der neuen Technologie, die auf dem Markt auftaucht, um dies zu unterstützen, mahnen aber zur Vorsicht, wenn es um die Frage geht, ob dies tatsächlich das Endergebnis des Unternehmens, die Effizienz und die Gesamt-CX verbessert.

Customer Lifetime Value

Was sie als Kennzahl schätzen, ist der CLV, eine Ergänzung zur ganzheitlichen Betrachtung ihrer Daten. Da wir uns schwierigeren Zeiten für Unternehmen nähern, ist es wirklich wichtig, sich darauf zu konzentrieren, seiner Marke einen Wert zu verleihen. Ian und Stephen sind begeistert von Marken, die sich bei der Vermarktung weniger auf den Transaktionswert konzentrieren.

Stephen erzählte von einer Marke, die die Kennzahlen ihrer Mailings über ein Jahr hinweg betrachtete, um den inkrementellen Anstieg zu berechnen, anstatt den Transaktionswert jedes einzelnen Mailings zu betrachten: „Was auch immer Sie betrachten, wenn Sie nicht die längerfristige Affinität und das Engagement für den zukünftigen Wert betrachten, verpassen Sie einen Trick.“

Kundenbindungsprogramme sind ebenfalls Teil des CLV und Realise arbeitet hart daran, Unternehmen dabei zu helfen, diese zu verbessern. Dazu gehört es, zu verstehen, wer ihre Kunden sind und welchen Wert sie von ihrer Marke erwarten. Außerdem müssen sie die Zielgrößen ermitteln, die sie mit Treueprogrammen erreichen wollen. Die Messung der Kundenbindung kann schwierig sein und die Kosten für die Durchführung solcher Programme sind oft hoch. Die Unternehmen müssen einen Business Case dafür erstellen, mit klaren Erwartungen und Erfolgskriterien.

Die KPIs für ein datenzentriertes Unternehmen

Kein Unternehmen ist wie das andere, aber wir haben Stephen und Ian gebeten, uns eine Vorstellung davon zu geben, auf welche KPIs sie achten. Es ist wichtig zu sehen, auf welche Berichte die Teams zugreifen und welche Metriken sie tagtäglich verwenden. Um sicher zu sein, dass die Unternehmen das zukünftige Wachstum im Auge haben, ist die Messung von Akquisition, Abwanderung und NPS von entscheidender Bedeutung.

Engagement ist auch eine wichtige Kennzahl für die Analyse des Customer Lifetime Value. Stephen fügt hinzu, dass datenzentrierte Unternehmen auch ihre Ausgaben betrachten sollten. Manchmal schauen sie auf den Gewinn einer bestimmten Aktion, aber machen kein Benchmarking, um zu sehen, ob sie mehr hätten erreichen können.

Jedes Unternehmen kann anders sein, aber sie können den CLV jedes Mal mit einem anderen Fokus angehen – Ihr Unternehmen (wie viel Gewinn es macht), Ihre Kunden (wie sie sich verhalten) und Ihre Mitarbeiter (haben sie die richtigen Werkzeuge, um Entscheidungen zu treffen).

Sie können mehr über unsere kundenzentrierte Führung erfahren, indem Sie sich unsere frühere Ausgabe von Messen Ihres digitalen Einflusses ansehen.

The post Wie man ein datenzentriertes Unternehmen wird appeared first on abtasty.

Diese Inhalte erwarten dich in diesem Blogartikel:

Die Definition von Datensilos

Die Entstehung von Datensilos

Warum eine dezentrale Datenspeicherung problematisch für E-Commerce-Unternehmen ist

Datensilos und Personalisierung

Silos erkennen und aufbrechen
Identifiziere Datensilos in deinem E-Commerce
Brich Datensilos auf und nutze das Potenzial deiner Daten

Fazit: Datensilos aufbrechen für mehr Effizienz im E-Commerce

Häufige Fragen zu Datensilos

Warum eine dezentrale Datenspeicherung problematisch für E-Commerce-Unternehmen ist

Datensilos, ob unbeabsichtigt oder bewusst geschaffen, stellen in vielen Bereichen Probleme für Online-Händler dar. Um alle Daten optimal nutzen zu können, solltest du sie beheben.

• Die Integrität der Daten ist im Falle von Datensilos nicht gewährleistet. Speicherst du die Daten an unterschiedlichen Orten oder in verschiedenen Systemen, kann das dazu führen, dass die Inhalte voneinander abweichen oder unvollständig sind. Das ist besonders problematisch hinsichtlich der Personalisierung in deinem Online Shop, denn dafür benötigst du möglichst umfassende Daten. Erfahre mehr darüber, wieso die Nutzung verschiedener Software Provider in Bezug auf Personalisierung im E-Commerce ein Problem darstellen kann.
• Daten doppelt oder dreifach abzuspeichern, bedeutet zugleich auch mehr administrativen Aufwand. Hinzu kommt, dass du bei einer dezentralen Ablage von Informationen meist mehr Ressourcen zur Datenspeicherung benötigst.
• Datensilos erschweren die Analyse von Daten. Da du für eine vollständige Analyse alle vorhandenen Daten zusammentragen musst, bedeutet das einen höheren Aufwand. Zusätzlich lauert hier die Gefahr, dass die Informationsgrundlagen zur Analyse nicht vollständig sind, wodurch falsche Beurteilungen und Auswertungen entstehen. In unserem Artikel verraten wir dir, wie du richtig mit Big Data im E-Commerce umgehst und zielgerichtete Analysen durchführst. Finde außerdem heraus, wie du Daten für den Erfolg deines E-Commerce nutzt.

Datensilos und Personalisierung

Wie bereits angedeutet, stellen Datensilos insbesondere auch in Bezug auf 1:1-Personalisierung im E-Commerce ein großes Problem dar. Denn eine ganzheitliche Personalisierung und damit eine 1:1-Kommunikation mit deinem Kunden kannst du nur erreichen, wenn jede Information der unterschiedlichen Touchpoints durchgängig genutzt wird. Aufgrund technischer aber auch organisatorischer Gründe, kommt es häufig vor, dass nur einzelne Touchpoints und nicht die gesamte Customer Journey personalisiert werden. Da je nach Unternehmensgröße einzelne Projektmanager oder ganze Abteilungen die Daten der einzelnen Touchpoints getrennt voneinander erfassen und verwalten, entstehen Silos. Werden die einzelnen Touchpoints schließlich auch getrennt voneinander personalisiert, kann nicht vollständig auf den Kunden eingegangen werden.

Beispiel: Ein Kunde ist auf der Suche nach einem T-Shirt. Hierfür nutzt er die Facettennavigation, wählt seine Größe aus und filtert nach seiner Lieblingsfarbe. Anschließend klickt er auf ein passendes Ergebnis. Werden auf der Produktdetailseite nun passende Alternativen vorgeschlagen, solltest du die über die Suche gewonnenen Informationen auch für die Empfehlungen berücksichtigen. Somit kannst du eine möglichst hohe Relevanz erzielen. Wissen die beiden Services (Suche und Empfehlungen) jedoch nicht voneinander, kann es zu Produktempfehlungen kommen, die zwar relevant erscheinen, aber nicht präzise genug sind, um letztendlich einen Kauf auszulösen. Außerdem kann es hier zu Enttäuschungsmomenten kommen, wenn beispielsweise T-Shirt-Alternativen vorgeschlagen werden, die dem Kunden zwar gefallen, jedoch gar nicht in seiner vorher gefilterten Größe verfügbar sind.

 

---

Bleibe up to date in Sachen Customer Experience Optimization: Melde dich zu unserem Newsletter an. Jetzt anmelden!

---

 

Die Kommunikation zwischen den einzelnen Touchpoints und den verschiedenen Teams ist hier also ganz entscheidend. Die Basis für eine ganzheitliche Personalisierung stellt dabei die Wissensbasis dar. Hier werden alle Informationen über das Kundenverhalten gesammelt, um diese an allen Touchpoints innerhalb der Customer Journey nutzen zu können.

 

Silos erkennen und aufbrechen

Meist ist es einem Shopbetreiber gar nicht bewusst, dass in seiner Organisation Datensilos bestehen. Daher ist es umso wichtiger, diese zu erkennen und aufzubrechen.

Identifiziere Datensilos in deinem E-Commerce

Ob eine dezentrale Datenspeicherung in deinem Unternehmen stattfindet, erkennst du an folgenden Punkten:

• Deine Mitarbeiter benötigen viel Zeit, um Daten aus den unterschiedlichen Systemen zusammenzutragen, bis sie vollständig sind.
• Deine aus verschiedenen Systemen generierten Daten sind widersprüchlich und weichen voneinander ab.
• Analysen sind teilweise unvollständig aufgrund von fehlenden Daten.
• Es entsteht ein Mehraufwand, da einzelne Abteilungen gleiche Daten mehrfach sammeln und abspeichern.

Brich Datensilos auf und nutze das Potenzial deiner Daten

Eine zentrale Datenverwaltung bringt viele Vorteile mit sich, von denen dein E-Commerce profitieren kann. Hast du eine dezentrale Datenspeicherung in deinem Unternehmen festgestellt, solltest du sie auflösen.

1. An erster Stelle steht das sogenannte Change Management. Es umfasst alle Maßnahmen, die du triffst, um Abteilungen und deren Prozesse innerhalb deines Unternehmens zu verändern. Häufig ist es eine Gewohnheit der Mitarbeiter, dass sie ihre Daten innerhalb ihrer eigenen Ordner ablegen. Umso wichtiger ist es, Maßnahmen zu ergreifen, um diese gefestigte Angewohnheit zu durchbrechen und eine zentrale Datenverwaltung zu integrieren.
2. Im nächsten Schritt solltest du eine Strategie zur Zentralisierung der Daten entwickeln. Ein Data Warehouse bietet die Möglichkeit, alle Daten an einem Ort zusammenzuführen. Anfänglich kann es bei dieser Lösung zu einem erhöhten Aufwand kommen, da alle Daten einheitlich bereitgestellt werden müssen, um sie homogen in das Data Warehouse zu integrieren. Eine weitere Strategie zur Auflösung von Datensilos ist das Data Lake. Anders als beim Data Warehouse werden hier lediglich Rohdaten an einem zentralen Ort gespeichert. Mehr zum Thema Data Warehouse findest du beispielsweise in diesem Artikel von SAP. Wenn du erfahren möchtest, wie du Produktdaten mit einer PIM-Strategie effizient verwalten und Datensilos vermeiden kannst, lies den Artikel zu diesem Thema.
3. Danach folgt die Datenintegration. D. h., dass du die vorhandenen Daten aus unterschiedlichen Quellen an einem zentralen Ort zusammenführst. Der Prozess der Datenintegration umfasst nicht nur das Sammeln, sondern auch das Bereinigen und Transformieren der Daten. Dadurch erfolgt eine einheitliche Übertragung in eine zentrale Datenbank. Nach der Datenintegration kann jeder Mitarbeiter die Daten nutzen und analysieren. Mit E-Commerce-Data-Science gewinnst du wertvolles Wissen aus deinen gesammelten Daten.
4. Ermögliche den einfachen und schnellen Zugriff auf die Daten. Mit einem Self-Service Access kannst du Rechte für den Datenzugriff einrichten und so deinen Mitarbeitern den Zugang zu allen benötigten Daten gewähren.

 

Fazit: Datensilos aufbrechen für mehr Effizienz im E-Commerce

Datensilos schleichen sich schnell in einem Unternehmen ein. Insbesondere im Bereich der Personalisierung sind Online-Händler auf eine einheitliche Wissensbasis und die Kommunikation zwischen den einzelnen Touchpoints angewiesen. Denn aufgrund von Datensilos verspielst du sonst die Möglichkeit, vollumfänglich auf den Kunden und dessen Kaufintention einzugehen. Durch eine zentrale Datenverwaltung kannst du das gesamte Potenzial der Daten nutzen und damit den Erfolg deines Unternehmens steigern.

Quelle: ¹ SAP

Häufige Fragen zu Datensilos

Was ist ein Datensilo?

Ein Datensilo ist eine Ansammlung von Daten an unterschiedlichen Ablageorten und damit eingeschränktem Zugriff.

Wie entsteht ein Datensilo?

Häufige Ursachen der Entstehung von Datensilos sind:
• Abteilungen speichern Daten an unterschiedlichen Orten.
• Bei einer Zusammenführung mehrerer Unternehmen werden verschiedene Systeme genutzt.
• Mangelnde Kommunikation.
• Speicherung der Daten in externen Tools.

Warum sind Datensilos problematisch?

Aufgrund von Datensilos treten folgende Probleme auf:
• Falsche Beurteilung der Daten.
• Unvollständige Analysen.
• Unvollständige oder falsche Daten.
• Administrativer Mehraufwand.
• Höherer Ressourcenverbrauch zur Datenspeicherung.
• Keine vollumfängliche Personalisierung.

Wie erkenne ich Datensilos in meinem Unternehmen?

Datensilos erkennst du an folgenden Faktoren:
• Mitarbeiter benötigen viel Zeit, um Daten aus unterschiedlichen Systemen zusammenzutragen.
• Daten werden mehrfach gesammelt und abgespeichert.
• Daten sind unvollständig.
• Daten aus unterschiedlichen Systemen weichen voneinander ab.

Wie breche ich Datensilos auf?

Datensilos kannst du anhand dieser Maßnahmen aufbrechen:
• Verändere deine Prozesse und Gewohnheiten mithilfe von Change Management.
• Entwickle eine Strategie zur Zentralisierung deiner Daten.
• Führe anhand der Datenintegration alle Daten an einem zentralen Ort zusammen.
• Etabliere einen unterstützten Self-Service Access.

 

Erfahre mehr zur Aufbereitung des Produktkatalogs.

Sieh dir die Webinar-Aufzeichnung an!

The post Datensilos im E-Commerce: Warum sie ein Problem sind und wie du es löst appeared first on abtasty.