Daten für den individuellen Weihnachtseinkauf: Diese Vorteile hat Cross-Selling
„Kunden, die dieses Produkt kauften, interessierten sich auch für…“ Cross-Selling weiß alles über die Vorlieben des Online-Einkäufers. Wie das funktioniert, erklärt Prof. Dr. Thomas Christian Weik.
Prof. Dr. Thomas Christian Weik lehrt und forscht an unserem Fachbereich Elektrotechnik und Informatik. Er ist Experte für Datenbanken und Data Mining. (Foto: FH Münster/Pressestelle)
Herr Prof. Weik, wie kommen Online-Shops zu ihren Empfehlungen?
Zunächst einmal: Cross-Selling funktioniert auch losgelöst von Online-Shops. Es geht darum, dem Kunden noch mehr Produkte oder Dienstleistungen anzubieten, als er eh schon kauft. Im Supermarkt sind das zum Beispiel Aktionsangebote wie jetzt zur Weihnachtszeit, und online werden einem zum neuen Smartphone auch Hüllen und Displayfolien angeboten. Oder zur neuen Hose der passende Pulli und schöne Schuhe. Die Basis dafür sind die sogenannten Empfehlungsdienste. Seit einiger Zeit wird weltweit daran geforscht, wie man diese Dienste möglichst genau auf den individuellen Einkäufer zuschneidet. Denn dies schraubt die Erfolgsquote des Cross-Sellings weiter nach oben und erhöht gleichzeitig die Kundenzufriedenheit. Das wiederum stärkt die Kundenbindung und verschafft Wettbewerbsvorteile.
Welche Ansätze gibt es da?
Populär ist die Warenkorbanalyse: Dabei schaut man, welche Produkte häufig zusammen eingekauft werden. Das ist ein Verfahren aus dem Bereich Data Sciences. Letztendlich geht es immer darum, in großen Datenmengen Muster zu finden und daraus Regelmäßigkeiten abzuleiten. Zum Beispiel: Wer im Supermarkt viele Windeln kauft, kauft auch Bier. Das hat das Unternehmen WalMart schon vor 20 Jahren herausgefunden. Dann muss der Zusammenhang hergestellt werden: Warum ist das Ergebnis so und was machen wir mit dieser Erkenntnis? Hier kommt das Marketing ins Spiel. Sinnvoll ist es auch, bei der Warenkorbanalyse kundenbezogene Daten zu sammeln, wie Alter, Wohnort, Geschlecht.
Wofür werden diese Daten genutzt?
So kann man ähnliche Kunden zu Gruppen zusammenfassen und ihren Interessensabstand zu anderen Kundengruppen berechnen, das nennt sich dann Clustering. Unterschiedliche Gruppen erreicht man mit verschiedenen Marketingwerkzeugen. Und ein dritter Ansatz ist noch das sogenannte Customer Rating. Dabei wird eingestuft, wie „gut“ der Kunde ist – also wie hoch das Potenzial, dass er zum Beispiel neben der Autoversicherung auch noch eine Lebensversicherung abschließt.
Das bedeutet, dass wirklich viele Daten über uns gesammelt werden. Kann man sich das Cross-Selling auch selbst zunutze machen?
Ja, das machen viele Leute intuitiv. Sie leiten aus ihrem Erfahrungsschatz Muster ab, zum Beispiel, wann und für welchen Wochentag man einen Urlausflug buchen sollte oder an welchem Tag zu welcher Uhrzeit das Benzin am günstigsten ist. Und das geht auch online: Ich suche nicht nach einem neuen Buch, sondern einfach nach dem letzten Buch, das mir gut gefallen hat. Schon werden ähnliche Geschichten, Folgebände und Genres vorgeschlagen.
Gibt es auch andere Bereiche, in denen nach diesem Muster Erkenntnisse gesammelt werden?
Ja, wichtig ist Data Science zum Beispiel auch in der Medizin: Durch das frühzeitige Erkennen und Finden von Mustern in Daten lassen sich vererbte Gendefekte frühzeitig erkennen und somit schneller behandeln. Oder in der Sicherheit: Weiß mein Kreditinstitut durch bisherige Einkäufe, wie ich meine Kreditkarte nutze, kann es sie automatisch sperren, wenn Einkäufe immens aus dem üblichen Rahmen fallen – die Karte also vermutlich gestohlen oder geknackt wurde. Das gilt auch für die Wartung von Geräten wie Servern. Durch Daten wie Vibration und Temperaturänderungen lassen sich Muster ableiten, nach welcher Zeit welches Modell üblicherweise kaputtgeht.