Als das Führungsteam von Boggi Milano im Jahr 2018 mit rückläufigen Besucherzahlen am Sonntag in seinem Flagship-Store konfrontiert war, machten sie eine überraschende Entdeckung: Die eigentliche Ursache lag weder im Marketing noch im Merchandising. Vielmehr war es die mangelnde Vertrautheit der Mitarbeiter mit der Ladengestaltung, die sich negativ auf die Kaufkonversionsrate auswirkte. Diese Erkenntnis, die durch fortschrittliche Analysen im Ladengeschäft gewonnen wurde, markierte den Beginn einer datengestützten Transformation, die in den folgenden fünf Jahren zu einer Steigerung der Kundenrendite um 40 % führen sollte.
WEITERLESEN: Der Einzelhandel im Jahr 2030: Technologische Möglichkeiten in den Geschäften
Die Herausforderung der Skalierung ohne Transparenz
Der Betrieb von 235 Filialen in 61 Ländern bringt einzigartige operative Herausforderungen mit sich. Für Boggi Milano, die italienische Modemarke, die für ihre zeitgemäße Herrenmode bekannt ist und nachhaltige Materialien mit innovativem Design verbindet, entwickelte sich der Mangel an einheitlicher Transparenz hinsichtlich der Leistungsdaten zunehmend zu einem Wachstumsengpass.
Das Unternehmen sah sich mit drei entscheidenden Schwachstellen konfrontiert, die vielen Einzelhändlern mit mehreren Standorten nur allzu gut bekannt sind. Erstens gelang es ihnen nicht, die Arbeitskräfte effektiv über ihr Filialnetz zu verteilen. Einige Standorte waren in ruhigen Zeiten überbesetzt, während andere in Spitzenzeiten Personalengpässe hatten. Zweitens erforderte die Ermittlung der Filialen mit hohem Kundenaufkommen, aber niedrigen Konversionsraten eine manuelle Analyse, die sowohl zeitaufwendig als auch oft ungenau war. Schließlich blieb die Optimierung der Mitarbeiterproduktivität ohne Einblick in die Anzahl der Kunden pro Arbeitsstunde eher eine Frage des Rätselratens als eine strategische Maßnahme.
Marco Benasedo, Chief Information Officer bei Boggi Milano, erkannte, dass diese Herausforderungen mehr erforderten als herkömmliche Kennzahlen aus dem Einzelhandel. Das Unternehmen benötigte umfassende Echtzeit-Einblicke, mit denen sich komplexes Kundenverhalten in umsetzbare operative Entscheidungen umsetzen ließ.
Über die einfache Besucherzählung hinaus: Das Potenzial integrierter Analysen
Die Plattform von RetailNext, deren Kernstück die Aurora-Sensortechnologie bildet, bot etwas, das sich grundlegend von einfachen Systemen zur Personenzählung unterschied. Das Aurora vereint mehrere Funktionen zur Datenerfassung in einem einzigen IoT-Gerät, darunter HD-Video, WLAN und Bluetooth-Erkennung. Doch Hardware allein löst keine geschäftlichen Probleme; erst die intelligente Ebene wandelt Rohdaten in strategische Erkenntnisse um.
Die auf Deep Learning basierende KI der Plattform verarbeitet Verhaltensmuster, um ein differenziertes Verständnis der Kundenwege zu ermöglichen. Anstatt lediglich Ein- und Ausgänge zu zählen, analysiert das System Verweildauer, Bewegungsmuster und Interaktionszonen. Diese detaillierte Transparenz ermöglicht es Einzelhändlern, nicht nur zu erfassen, wie viele Personen ihre Geschäfte betreten, sondern auch, wie effektiv diese Besuche zu Verkäufen führen.
Für Boggi Milano bedeutete dies den Übergang von reaktiven zu vorausschauenden Abläufen. Die algorithmische Prognosefunktion der Plattform nutzt historische Muster, um das Kundenaufkommen in 15-Minuten-Schritten zu prognostizieren, was eine proaktive Personalplanung ermöglicht. Bedingte Formatierungen und intuitive Dashboards stellen sicher, dass Filialleiter Chancen schnell erkennen können, ohne sich in der Komplexität der Daten zu verlieren.
ERFAHREN SIE MEHR: Warum die Wahl eines einzigen Partners für die technische Installation entscheidend ist
Das Rätsel der Arbeitskräftezuweisung lösen
Eine der dringlichsten Herausforderungen für Boggi Milano bestand darin, den angemessenen Personalbedarf in Vollzeitäquivalenten (VZÄ) für jede ihrer Filialen zu ermitteln. Diese Aufgabe musste innerhalb von nur einer Woche bewältigt werden. Herkömmliche Vorgehensweisen hätten umfangreiche manuelle Beobachtungen und Schätzungen erfordert, was wahrscheinlich zu erheblichen Ungenauigkeiten geführt hätte.
Mithilfe der „Traffic 3.0“-Analysen von RetailNext verfolgte das Team einen datengestützten Ansatz. Es analysierte die Muster der Verweildauer und stellte fest, dass Kunden in der Regel 17 bis 18 Minuten im Geschäft verbrachten. In Verbindung mit der Erkenntnis, dass jeder Verkaufsmitarbeiter pro Arbeitsstunde effektiv 3,5 Kunden betreuen konnte, ermittelte das Team den genauen Personalbedarf.
Boggi Milano ging jedoch über einfache Durchschnittswerte hinaus. Da man erkannte, dass jede Filiale einzigartige Merkmale aufweist, passte man die Analyse an den jeweiligen Standort an. Ein Flagship-Store im Mailänder Modeviertel funktioniert anders als eine Filiale in einem Einkaufszentrum am Stadtrand. Dieser detaillierte Ansatz zur Personaloptimierung führte zu bemerkenswerten Ergebnissen: eine Reduzierung der Mitarbeiterzahl um 15 % seit 2018 bei gleichzeitiger Verbesserung der Servicequalität.
Das Unternehmen legte zudem auf der Grundlage seiner Datenerkenntnisse klare Leistungserwartungen fest. Die Vertriebsmitarbeiter wissen nun, dass sie etwa die Hälfte ihrer Zeit auf direkte Verkaufsaktivitäten konzentrieren sollten, während der Rest für wesentliche nicht verkaufsbezogene Aufgaben wie die Warenpräsentation und die Bestandsverwaltung vorgesehen ist. Die Daten zeigten, dass leistungsstarke Mitarbeiter etwa alle zwei Stunden einen Verkauf abschließen. Dieser Richtwert hilft den Führungskräften dabei, die Leistung zu fördern und herausragende Leistungen anzuerkennen.
Erfolg durch strategische KPI-Auswahl vereinfachen
Viele Einzelhändler tappen in die Falle, zu viele Kennzahlen zu erfassen, was eher Verwirrung als Klarheit stiftet. Boggi Milano hatte anfangs mit dieser Herausforderung zu kämpfen und überforderte die Filialteams mit zahlreichen KPIs, die oft widersprüchliche Signale hinsichtlich der Prioritäten aussendeten.
Auf der Grundlage einer sorgfältigen Analyse ihrer RetailNext-Daten traf das Unternehmen die strategische Entscheidung, den Schwerpunkt in erster Linie auf den „Shopper Yield“ zu legen. Diese zusammengesetzte Kennzahl ergibt sich aus der Multiplikation der Konversionsrate mit dem durchschnittlichen Transaktionswert. Dieser einzelne KPI schafft auf elegante Weise ein Gleichgewicht zwischen den beiden entscheidenden Komponenten für den Erfolg im Einzelhandel.
Die Visualisierung des Leistungskvadanten entwickelte sich zu einem leistungsstarken Instrument für Filialleiter und Gebietsleiter. Dieser übersichtliche Bericht stellt die Leistung jedes Standorts auf zwei Achsen dar: Konversionsrate und durchschnittlicher Transaktionswert. Filialen, die in unterschiedlichen Quadranten erscheinen, erhalten gezieltes Coaching. Standorte mit hoher Konversionsrate und niedrigen Warenkörbchenwerten konzentrieren sich auf die Steigerung des Warenkorbwerts. Filialen mit hohen Artikelpreisen und geringer Konversionsrate arbeiten daran, mehr Schaufensterbummler zum Kauf zu bewegen.
Dieser zielgerichtete Ansatz verhindert die häufige Falle, eine Kennzahl auf Kosten einer anderen zu optimieren. Wenn Teams zu stark auf Konversionsraten drängen, könnten sie Kunden unter Druck setzen und dadurch den Transaktionswert verringern. Umgekehrt kann die ausschließliche Konzentration auf große Umsätze dazu führen, dass Chancen bei mehreren Kunden verpasst werden. „Shopper Yield“ sorgt für ein ausgewogenes Verhältnis zwischen beiden Faktoren.
Das Unternehmen stellte zudem von einer täglichen auf eine stündliche Leistungsanalyse um, wodurch Muster sichtbar wurden, die in aggregierten Daten nicht erkennbar waren. Eine Filiale mag zwar eine akzeptable tägliche Konversionsrate aufweisen, doch die stündliche Analyse könnte verpasste Chancen während der Mittagszeit oder an Wochenendspitzen aufzeigen.
Messbare Wirkung: Von Insights zu Ergebnissen
Die fünfjährige Partnerschaft zwischen Boggi Milano und RetailNext hat zu messbaren geschäftlichen Verbesserungen geführt, die die Investition in fortschrittliche Analysen rechtfertigen:
40-prozentiger Anstieg der Käuferausbeute: Die gezielte KPI-Strategie führte zu kontinuierlichen Verbesserungen sowohl bei der Konversionsrate als auch beim Transaktionswert
Anstieg der Konversionsrate um 5 Prozentpunkte: Eine bessere Personalplanung und -schulung auf der Grundlage der Besucherentwicklungen führte zu einer stärkeren Kundenbindung
Anstieg des durchschnittlichen Kaufwerts um 15 %: Das Verständnis des Kundenverhaltens ermöglichte effektivere Merchandising- und Vertriebsstrategien
Senkung der Personalkosten um 15 %: Durch eine optimierte Einsatzplanung konnten die Lohnkosten gesenkt werden, ohne dass die Servicequalität darunter litt
Diese Ergebnisse zeigen, dass es bei der Einzelhandelsanalyse nicht darum geht, menschliches Urteilsvermögen durch Algorithmen zu ersetzen. Vielmehr geht es darum, Teams mit präzisen Informationen auszustatten, damit sie bessere Entscheidungen treffen können. Wenn Filialleiter genau wissen, wann Kunden eintreffen, wie sie sich im Raum bewegen und was die Kaufentscheidung beeinflusst, können sie Einkaufserlebnisse schaffen, von denen sowohl die Kunden als auch das Geschäftsergebnis profitieren.
Die Zukunft der Retail Intelligence
Der Erfolg von Boggi Milano verdeutlicht einen grundlegenden Wandel im Einzelhandelsgeschäft. Wie Benasedo feststellt, optimiert die Fähigkeit, komplexe Analysen in umsetzbare Erkenntnisse umzuwandeln, die Entscheidungsfindung und ermöglicht eine schnelle Reaktion auf sich ändernde Bedingungen. Was früher wochenlange manuelle Analysen erforderte, geschieht nun in Echtzeit.
Die Investition in zuverlässige Analysetechnologie wie die Aurora-Sensorplattform von RetailNext bedeutet mehr als nur eine betriebliche Verbesserung. Es geht darum, durch das Verständnis der Kunden Wettbewerbsvorteile zu schaffen. In einer Zeit, in der Online-Händler einen perfekten Überblick über jeden Klick und jeden Bildlauf haben, benötigen stationäre Einzelhändler entsprechende Erkenntnisse über ihre Verkaufsflächen.
Für Einzelhändler, die ähnliche Investitionen in Betracht ziehen, bietet der Weg von Boggi Milano wertvolle Erkenntnisse. Beginnen Sie mit klaren geschäftlichen Herausforderungen, anstatt der Technologie um ihrer selbst willen nachzujagen. Konzentrieren Sie sich auf Kennzahlen, die eine ausgewogene Leistung fördern, anstatt Ihre Teams mit Daten zu überfordern. Vor allem aber sollten Sie sich bewusst machen, dass das Ziel nicht nur in der Messung besteht. Es geht darum, sowohl für Kunden als auch für Mitarbeiter bessere Erlebnisse zu schaffen.
Da sich der Einzelhandel ständig weiterentwickelt, wird sich die Kluft zwischen datengestützten und intuitiv gesteuerten Betriebsabläufen weiter vergrößern. Die Transformation von Boggi Milano zeigt, dass Einzelhändler mit dem richtigen Technologiepartner und einer klaren strategischen Ausrichtung die in ihren Betriebsdaten verborgenen Chancen erschließen können, um so nachhaltiges Wachstum zu fördern und gleichzeitig das Einkaufserlebnis zu verbessern.
👉 LESEN SIE DIE GESAMTE FALLSTUDIE: Online lesen oder herunterladen
