Grundsätzlich haben Entscheidungen, die auf Daten basieren, das Potenzial besser zu sein, als solche, die Menschen aufgrund ihrer individuellen Erfahrungen treffen. Das gilt allerdings nur dann, wenn die Menge der erfassten Daten groß und relevant genug ist. Bei aller Datengläubigkeit vergessen wir leicht, dass Menschen einen großen Datenvorteil gegenüber Maschinen haben: Er besteht im kontextuellen Wissen und semantischen Verständnis.
Menschen kennen die Zusammenhänge. Wenn ein Mensch eine Anzahl Kleidungsstücke sieht, kann er mit einer ziemlich hohen Treffsicherheit sagen, ob sie von jungen Frauen oder von älteren Männern gekauft werden - ohne auch nur einen einzigen direkten Kaufvorgang beobachtet zu haben.
Schwillt die Datenmenge an, wird die Maschine besser. Menschen tendieren zu Vorurteilen, sie sind auch dann noch von ihren Ideen überzeugt, wenn die Statistik schon klar in eine andere Richtung weist. Im Idealfall sollten daher objektive maschinelle Auswertungen mit kontextbezogener menschlicher Interpretation Hand in Hand gehen. Grundlage ist aber in jedem Fall ein gut gepflegter Datenbestand.
Stammdaten und Transaktionsdaten
Bekanntlich wird zwischen zwei Datenarten unterschieden, die für Analysen relevant sind: Transaktionsdaten (Transactional Data, früher auch Bewegungsdaten genannt) und Stammdaten (Master Data). Transaktionsdaten sind alle Daten von einzelnen Vorgängen: eine Rechnung, ein Kaufvorgang, aber auch ein einzelner Mausklick. Sie dokumentieren einen Vorgang, der abgeschlossen ist. Daher sind sie nach ihrer Erfassung keinen Änderungen unterworfen. Ein einmal erfolgter Mausklick ändert sich nicht, der nächste Mausklick auf ein anderes Produkt ist ein weiterer Datensatz (siehe auch: So geht Stammdaten-Management).
Foto: Statista
Transaktionsdaten beziehen sich auf Stammdaten. Diese beschreiben Objekte beziehungsweise Subjekte. Ein Produkt in einem Onlineshop wird durch einen Stammdatensatz beschrieben, ebenso ein Kunde. Der Transaktionsdatensatz Mausklick im Onlineshop beschreibt beispielsweise, dass Kunde Nr. 4711 (Heinz Mustermann) auf Produkt 123456 (iPhone Cover Leder schwarz für 19,90 €) geklickt hat und zwar am 17. Juni 2015 um 14:51 Uhr. Zuvor hat er "iPhone Hüllen" gesucht und besagtes Produkt an Position vier gefunden.
Die Stammdaten zu Produkt 123456 enthalten neben einer Bezeichnung beispielsweise die Farbe, den Herstellernamen, den Preis und den Lagerbestand sowie oft zusätzliche Informationen. Die Stammdaten zu Kunde 4711 enthalten neben Namen und Adresse vielleicht das Geburtsdatum, die Bankverbindung und die Email-Adresse.
Im Gegensatz zu Bewegungsdaten können sich Stammdaten ändern. Der Shop kann den Preis von Produkt Nr. 123456 erhöhen oder senken, der Lagerbestand ändert sich nach jedem Kauf. Kunde 4711 kann umziehen oder seine Bank wechseln. Während die Anzahl von Transaktionsdaten in den Big-Data-Bereich anschwellen kann, ist die Anzahl der Stammdaten selten höher als ein paar Millionen.
Die Stammdaten sind entscheidend
Wenn also die Stammdaten zahlenmäßig so deutlich in der Minderheit sind - warum sind sie dann so wichtig? Weil Transaktionsdaten sich immer auf Stammdaten beziehen. Liegen in den Stammdaten Fehler vor, multiplizieren sich diese mit der Menge dieser Beziehungen. Ist also für das oben genannte iPhone Cover in den Stammdaten eine falsche Farbe hinterlegt, so werden in einer Analyse alle Klicks auf dieses Produkt falsche Farbpräferenzen des jeweiligen Kunden ermitteln.
Ganz abgesehen davon würde die Retourenquote massiv ansteigen. Steht Herr Mustermann fälschlich als Frau Mustermann in der Datenbank, würde ein verstärktes Interesse von Frauen an Rasierklingen und Technikspielzeugen erkannt - mit entsprechenden Folgen für das automatisierte Empfehlungssystem (Recommendation Engine).
Normalisierung der Produktdaten ist wichtig
Hersteller stellen ihre Produkte gerne als etwas ganz Besonderes dar, indem sie diese wolkig beschreiben. So sind Farben nicht mehr rot oder blau, sondern "Volcano" oder "Deep Ocean". Aus dem Material Baumwolle wird "Fil d’ecosse" oder auch "pure cotton" - klingt doch schon viel wertiger, oder? Damit aber die Personalisierungs-Engine im Online-Shop erkennen kann, dass der Kunde gerne Baumwolle trägt, müssen Sie wieder überall als Produktmerkmal "Baumwolle" eintragen. Das klingt zwar langweilig, funktioniert aber besser.
Tragen Sie diese Normalisierung in ein eigenes Feld zusätzlich zu den Phantasiebezeichnungen ein. Für die Conversion funktioniert die emotional aufgeladene Phantasiebezeichnung allerdings sicher besser, in der Produktbeschreibung sollte deshalb durchaus ein Satz stehen wie "Erhältlich in den Farben Volcano, Deep Ocean und Spring Blossom".
Sorgen Sie für Vollständigkeit!
Ist in einem Feld gar nichts eingetragen, kann auch nichts analysiert werden. Merkmale von Produkten sind für die Personalisierung der wichtigste Einflussfaktor. Fehlen Produktmerkmale, ist Personalisierung gar nicht mehr oder nur noch eingeschränkt möglich. In der gelebten Praxis fehlen aber oft Informationen. Viele Felder sind nicht befüllt, weil die Angaben vom Lieferanten nicht zur Verfügung gestellt werden.
Hier lohnt sich oftmals ein genauerer Blick. Nicht selten sind relevante Informationen im Fließtext enthalten: "Dieses wunderschöne Sommerhemd aus reiner Baumwolle bringt durch seine taillierte Form ohne aufgesetzte Taschen …" und schon weiß der Mensch, der das liest: Material: Baumwolle, Passform: tailliert, Taschenanzahl: 0. Maschinen können das heute auch. Doch dazu später mehr (siehe auch: Zehn Gebote für mehr Datenqualität).
Welche Daten sind relevant?
Vom Anwendungsfall hängt ab, welche Daten relevant sind. Für die Personalisierung im Onlineshop (oder auch in In-Store-Lösungen oder kundenindividuell gedruckten Katalogen) gibt es ein paar zentrale Merkmale, die auf besondere Präferenzen der User hindeuten. "Unterwäsche kaufe ich nur von Schiesser" oder "Computerzubehör nehmen wir von Logitech" sind typische Aussagen, die einige User treffen würden. Das sind Präferenzen auf dem Merkmal Marke.
Hier handelt es sich ähnlich wie bei "Preissegment" um relevante Merkmale, die relativ sortimentsunabhängig sind. Zudem kaufen manche User nur ein ganz bestimmtes Produktsegment, also zum Beispiel nur das Zubehör für ein Elektrogerät, nicht aber das Gerät selbst. Wollen Shopbetreiber hier den Share of Wallet erhöhen, sollten Sie die Aussteuerung an dieser Stelle nicht der selbstlernenden Maschine überlassen.
Wohlgemerkt, Obiges gilt für die Personalisierung. Andere Maßnahmen erfordern andere Daten: Für die Empfehlung ergänzender Produkte durch eine Recommendation Engine (Cross Selling) ist es sinnvoll, das Produktsegment mitlernen zu lassen. Das wird häufig nicht getan und führt dann etwa dazu, dass ein Kunde nach dem Kauf eines Fernsehers einen weiteren Fernseher angeboten bekommt. Manche Recommendation Engines sind dieser Herausforderung nicht gewachsen, oder die Produktdaten sind nicht klaren Produktkategorien zugeordnet.
Manuelle oder automatisierte Pflege? Beides!
Was tun, wenn wie aufgeführt viele Daten nicht ordnungsgemäß in den Feldern der Produktstammdaten eingetragen sind, sondern nur im Fließtext stehen? Manuelle Pflege empfiehlt sich, wenn der Datenbestand klein ist (wenige tausend Produkte und nur wenige hundert mit Unzulänglichkeiten) und sich nicht oft ändert. Dann ist dies der kostengünstigste Weg.
Schauen Sie, welche Felder leer sind (das geht mit Excel) und ob Sie die Information an anderer Stelle finden. Kopieren Sie etwa das Feld mit der Farbe, machen Sie eine Tabelle aller Farben und lassen Sie "Suchen & Ersetzen" laufen. Verfahren Sie ebenso mit allen weiteren Feldern, die Sie normalisieren wollen. Kontrollieren Sie die Ergebnisse nochmals manuell. Unterschätzen Sie den Aufwand nicht. Diese Vorgehensweise kann zehn Minuten je Datensatz in Anspruch nehmen. Wenn sich Daten ändern oder neu hinzukommen, wiederholen Sie das Vorgehen entsprechend.
Mit Datenqualitäts-Software lassen sich solche Vorgänge automatisieren, die Informationen aus dem Text extrahieren, Farben und Größen normalisieren, Millimeter in Zentimeter umrechnen etc. Geht es um größere Datenmengen, empfiehlt sich dieser automatisierte Weg, besonders wenn sich Daten häufig ändern. Neben der Kostenersparnis ist die Geschwindigkeit der zweite große Vorteil: Neue Daten werden umgehend optimiert und neue Produkte in optimaler Weise berücksichtigt. Es hilft hier, einen passenden Berater an der Seite zu haben, da viele Vorgänge komplexer sein können, als es zunächst den Anschein hat.
Wie umgehen mit Kundendaten?
Sowohl Produkt- als auch Kundendaten sind Stammdaten. Aber die Datenstruktur und das Nutzungsverhalten unterscheiden sich fundamental. Deshalb sind hier andere Maßnahmen erforderlich.
In gut gepflegten Datenbanken finden sich etwa vier bis sechs Prozent der Datensätze doppelt angelegt - sogenannte Dubletten. Leider sind die Datenbanken vieler Online-Händler alles andere als gut gepflegt: Kunden tragen sich neu ein, weil sie das Passwort zu ihrem alten Account nicht mehr wissen. Oder sie tun es absichtlich, weil sie auf der Blacklist stehen. Vielleicht wollen sie auch nur ein weiteres Mal Neukundenvorteile nutzen. Daher sehen wir bei Online-Händlern oft zweistellige Dublettenraten.
Foto: Statista
Viele Shops bieten heute auch eine "Gastbestellung" an, bei der nur die für die Bestellung notwendigen Daten erhoben werden, der User aber kein Passwort erhält. Ist der User aber zufrieden, kommt er wieder - und gibt seine Adresse ein weiteres Mal ein. Dubletten sind somit vorprogrammiert.
Selbst wenn die Dublettenrate im einstelligen Prozentbereich liegt, verfälscht sie Analysen beträchtlich, denn Dubletten betreffen die Stammkunden. Wer nur einmal bestellt hat, kann seine Adresse nicht doppelt angegeben haben. Bei einer Dublettenrate von fünf Prozent gehen wir als Richtwert davon aus, dass der Stammkundenbestand sogar zu 30 Prozent betroffen ist.
Stammkunden sind für viele Analysen besonders wichtig. Im Folgenden ein Beispiel, wie eine Recommendation Engine für das Cross-Selling die passenden Produkte findet (siehe auch: Das sollten E-Commerce-Plattformen im Unternehmen leisten).
Warum schaden Dubletten?
Damit eine Recommendation Engine Empfehlungen für das Cross-Selling erzeugen kann ("wer das gekauft hat, kauft auch das"), muss sie bisherige Verbundkäufe analysieren. Diese können in einem einzelnen Warenkorb liegen, sie können aber auch aus mehreren Käufen des gleichen Kunden gebildet werden.
Nehmen wir an, ein Kunde kauft
beim ersten Kauf Produkt A und B
beim zweiten Mal Produkt C und
beim dritten Kauf Produkt D, E und F.
Wird nur jeder Warenkorb einzeln analysiert, können nur die Zusammenhänge A+B, D+E, D+F und E+F ermittelt werden - es ergeben sich vier Kombinationen. Bringt man alle drei Käufe zusammen, ergeben sich 15 Kombinationen, also mehr als das Dreifache.
Ist der Kunde beim ersten Kauf unter einem anderen Datensatz gespeichert als bei den beiden anderen, ergeben sich aus A+B eine Kombination sowie aus den Produkten C, D, E und F sechs Kombinationen, zusammen also 7. Schon eine einzelne Dublette reduziert hier die für den Lernprozess verfügbaren Paarungen auf weniger als die Hälfte (7 statt 15).
Eine weitere wichtige Kennzahl ist der Customer Lifetime Value (CLV). Hierbei wird ermittelt, welchen Deckungsbeitrag ein Kunde bringt, bevor er abspringt. Der CLV ist eine Grundlage für die Entscheidung, wie viel man für die Gewinnung eines weiteren Kunden auszugeben bereit ist. Wenn man den CLV je Werbemaßnahme ermitteln kann, lassen sich Entscheidungen treffen, welche Werbemaßnahmen man besser abschaltet und wovon mehr gebucht werden sollte.
Gelangt der Kunde beim ersten Kauf über eine bestimmte Werbemaßnahme - zum Beispiel ein Schnäppchen auf einer Preissuchmaschine - in den Shop, kann sich aber beim zweiten Kauf nicht an sein Passwort erinnern und registriert sich deshalb neu, können die weiteren Käufe nicht der Werbemaßnahme zugeordnet werden. Die Listung auf der Preissuchmaschine wird dann möglicherweise abgeschaltet, obwohl sie sich lohnen würde.
Dubletten werden außerdem von Kunden aktiv angelegt, um ein Blacklisting zu umschiffen. Wer sie zulässt, beliefert Nichtzahler, Dauerrücksender etc. Das hat zwar nichts mit Analytics zu tun, aber durchaus mit Rendite.
Dubletten entdecken
Alles wäre so einfach, wenn sämtliche Bestandteile einer Kundenadresse bei jeder Eingabe in identischer Schreibweise angelegt würden. Das ist aber oft nicht der Fall: Aus der Pestalozzistr. wird versehentlich die Petsalozzistr., die Postleitzahl enthält einen Zahlendreher oder Alexandra kürzt ihren Vornamen als Alex ab. Tipp- und Orthografiefehler beim eigenen Namen sind nach unserer Erfahrung selten, mit einer Ausnahme: Wer ein Blacklisting umgehen will, wird erfinderisch, da nennt sich ein "Mayer" auch mal in "Meier" um - das Paket kommt ja trotzdem an.
Um Dubletten zu finden, ist die Prüfung der Email-Adressen ein guter erster Schritt: Stimmt sie bei zwei Kundendatensätzen überein, hat man einen zumindest fast sicheren Treffer. Allerdings haben viele Menschen mehrere Email-Adressen (ich habe zwei private und sechs geschäftliche), und manche geben auch zur Spam-Vermeidung gezielt nicht die korrekte Email-Adresse an, wenn dies nicht offensichtlich erforderlich ist. Blacklist-Vermeider holen sich einfach eine neue Gratis-Email-Adresse.
Da es bundesweite und auch internationale Straßenverzeichnisse gibt, kann man Straßennamen und Postleitzahlen mit Software automatisch prüfen und korrigieren lassen. Ob der Name nun korrekt Mayer oder Meier heißt, kann die Software allerdings nicht wissen. Es gibt aber gute Dubletten-Prüfsoftware, die ähnliche Datensätze einander zuordnet, so dass die oben aufgeführten Folgen für die Analyse vermieden werden.
Falsche Angaben bei Kundenattributen
Viele Onlineshops versuchen, von ihren Kunden zusätzliche Daten zu erfragen, die für die Paketzustellung und für die Zahlung nicht erforderlich sind, aber dabei helfen, den Kunden besser einzuordnen. Wenn der Kunde keinen Sinn darin sieht, diese Informationen preiszugeben, wird oft etwas Falsches eingetragen, vor allem wenn die Angaben verpflichtend sind: In manchen Kundendatenbanken sehen wir über fünf Prozent Personen, die am 1. Januar geboren sind. Das Geburtsjahr wird vermutlich noch häufiger geändert. Alle Daten, die in die Analyse einfließen, sollten daher auf Plausibilität geprüft werden. Bleiben Zweifel, ist es besser das entsprechende Feld für Analysen wegzulassen.
Probleme auch bei Transaktionsdaten
Auch wenn die Erfassung von Transaktionsdaten ein rein technischer Vorgang ist und daher nicht dieselben Gestaltungsmöglichkeiten wie die Bearbeitung von Stammdaten bietet, fällt uns ein Problem auch hier immer wieder auf: Die meisten Analysen von Online-Shops erheben Transaktionsdaten, indem sie ein Zählpixel in die Webpage einbauen. Der gröbste Fehler, den es hier zu vermeiden gilt: Achten Sie darauf, dass das Zählpixel nicht durch Caching verfälscht wird. Durch die Cache-Zwischenspeicherung werden sonst insbesondere die häufig abgerufenen Seiten nicht für jeden Kunden erfasst, was zu einer erheblichen Verfälschung der Daten führt.
Data Driven Marketing birgt ein enormes Potenzial. Es kann zu einer besseren und präziseren Aussteuerung des Online-Shops genutzt werden und ebenso für die Personalisierung von Katalogsendungen, Mailings und Instore-Advertising hochrelevant sein. Analysen können eine großartige faktische Basis schaffen, um Entscheidungen zu treffen und Maßnahmen zu begründen. Doch Data Driven Marketing ist nur so viel wert, wie die Daten, auf denen es aufsetzt. Das Fundament sind immer die Stammdaten. Ihrem Big-Data-Vorhaben sollte daher ein Master-Data-Projekt vorausgehen.