Analytics und KI im Handel: Kaufentscheidungen verstehen | stores+shops

Anzeige
{{{name}}}

Vorgeschlagene Beiträge

Anzeige

Path Analytics im E-Commerce
Foto: pixaby.com

Analytics und KI im Handel: Kaufentscheidungen verstehen

Durch Nutzung verschiedener Analysemethoden und Künstlicher Intelligenz kann der Handel seine Verkaufsfläche optimieren, Prozesse automatisieren, idealerweise die Kundenzufriedenheit steigern und so höhere Erträge erzielen. Die Methoden im Detail:

Path Analytics

Mittels Path Analytics lassen sich beispielsweise das Kundenverhalten bzw. die Customer Journey und die Kundeninteraktionen zwischen Online und Offline genauer nachvollziehen. So kann etwa mit einem Sankey-Diagramm das Besucherverhalten auf einer Website dargestellt werden. Wie sich Konsumenten durch eine Website navigieren, welche Pfade zu einem Kauf führen und welche nicht – Antworten auf diese Fragen können Pfadanalysen bieten. Durch das Zusammenführen, Visualisieren und Analysieren der Daten erhält ein Einzelhändler eine Makrosicht des Kundenverhaltens über alle verfügbaren Kanäle hinweg.

Dwell Analytics

Mit Dwell Analytics kann die Zeit ermittelt werden, die Kunden an einem bestimmten Ort im Laden verbringen, was beispielsweise auf Ineffizienzen in der Kundenbetreuung hinweisen kann oder darauf, dass die Kunden das Gesuchte nicht finden können.

Queue Analytics

Queue Analytics ermittelt die Zeit, die Kunden in einer Warteschlange verbringen, um etwas zu kaufen oder sich beraten zu lassen.

Sentiment Analytics (Stimmungsanalyse)

Im Zusammenhang mit Queue Analytics gewinnt auch Sentiment Analytics (Stimmungsanalyse) international mehr an Bedeutung. Durch Gesichtserkennung kann die Stimmung des Kunden erkannt – und entsprechend darauf reagiert werden. Etwa wenn ein Konsument frustriert ist, weil er zu lange in der Schlange an der Kasse warten muss oder sich über ein besonderes Schnäppchen freut. 

In-Store-Engagement

In-Store-Engagement erkennt, wenn ein Kunde sich mit einem Produkt, einer Beschilderung oder einem Verkäufer beschäftigt. Dies kann durch die Analyse der in einem bestimmten Bereich verbrachten Zeit bestimmt werden oder durch die Kenntnis, dass ein Kunde ein Produkt anfasst oder in die Hand nimmt.

Kundenaufklärung

In den bereits genannten Fällen werden Daten aus Videobildern festgehalten und analysiert. Der Handel kann etwa Video-Metadaten aus der anonymisierten Personenortung der In-Store-Kameras mit den Betriebsdaten – von Verkaufsdaten, Filiallayouts hin zu Kundendaten und Beständen – miteinander kombinieren, um mithilfe der gewonnenen Erkenntnisse die eigenen Prozesse, das Angebot und das Kundenerlebnis bestmöglich zu gestalten. Generell gilt, dass Händler beim Einsatz von Videokameras die Gesetze zum Schutz personenbezogener Daten einhalten müssen. Da die Datenschutz-Grundverordnung keine spezifischen Regeln für Videoaufnahmen enthält, besteht hier weiterhin oft Unsicherheit. Händler sollten die Kunden und Mitarbeiter auf den Einsatz der Technik hinweisen und in der Lage sein, Auskunft über die erfassten Informationen zu geben. 

Thomas Willems ist Director Consulting Services, Retail & Telco bei Teradata.

Medium Rectangle Technology 2

Anzeige