Da sich die Einzelhandelsbranche zunehmend zu einem wettbewerbsintensiveren, digital geprägten und kundenorientierten Umfeld wandelt, stehen Einzelhändler vor der Herausforderung, eine überwältigende Anzahl von Kontaktpunkten zu verwalten. Auch wenn jede einzelne Initiative ihren Wert hat, kann der kumulative Effekt kostspielig und verwirrend sein, da es zu viele zu berücksichtigende Aspekte, Kanäle und Mikrotrends gibt. Dies kann zu einem verzerrten und unklaren Verständnis der Einzelhandelslandschaft führen. In unserem gemeinsam mit CX Digital erstellten E-Book gehen wir auf diese Probleme ein und bieten praktische Lösungen sowie datengestützte Erkenntnisse. Dieser Blogbeitrag fasst einige der wichtigsten Erkenntnisse aus dieser Untersuchung zum Thema Personalisierung zusammen – einem Bereich, der für moderne Einzelhändler zunehmend an Bedeutung gewinnt.
Einzelhändler, die sich mit digitaler Technologie bestens auskennen, setzen bereits seit langem Personalisierungstechniken ein. Auch wenn verschiedene Statistiken belegen, dass Kunden mittlerweile Personalisierung erwarten, ist das Konzept an sich nicht neu. Neu ist jedoch die Art und Weise, wie Personalisierung die Kundenbindung stärkt und somit zu einem höheren Customer Lifetime Value führt.
LESEN SIE DAS GESAMTE E-BOOK: Die neue Wachstumsagenda: 5 Grundsätze für digital versierte Einzelhändler
Wenn wir an Marken denken, die ein hohes Maß an Personalisierung bieten, neigen wir dazu, uns auf digitale Beispiele zu konzentrieren, wie beispielsweise beliebte Streaming-Dienste wie Netflix, Apple Music oder Spotify. Diese Unternehmen haben den Vorteil, dass sie nahezu unzählige Bytes an Daten über ihre Kunden sowie über die Inhalte, auf die diese reagieren, analysieren können. Diese hochgradig personalisierten Daten tragen dazu bei, die Fähigkeit der Marke zu stärken, ihre Empfehlungen mit jeder weiteren Wiederholung, jedem Überspringen, jedem „Gefällt mir“ oder jeder Aufnahme in eine Wiedergabeliste weiter zu verfeinern.
Auch wenn die meisten Einzelhändler möglicherweise nicht denselben Zugang zu Nutzer- bzw. Käuferdaten haben wie diese Streaming-Giganten, bedeutet dies nicht, dass sie sich nicht dennoch ein Beispiel daran nehmen können, wie diese Unternehmen maschinelles Lernen einsetzen, um den Übergang von der Aufmerksamkeitsökonomie zur Wertökonomie zu vollziehen. Wie Tony Jebara, Leiter des Bereichs Maschinelles Lernen bei Spotify, erklärte: „Das ist wirklich eine spannende neue Herausforderung: maschinelles Lernen, das über bloße Klicks und Clickbait hinausgeht und auf langfristige Ziele ausgerichtet ist.“ Auch wenn sich die Angebote erheblich unterscheiden, lassen sich dennoch Lehren aus diesen „Digital-First“-Unternehmen ziehen – insbesondere, wenn es darum geht, Daten und maschinelles Lernen zu nutzen, um optimale Kundenerlebnisse in den Geschäften zu schaffen.
Die nächste Stufe der Personalisierung geht über die bloße Bereitstellung relevanter Empfehlungen für Verbraucher hinaus. Sie zielt darauf ab, deren Auswahlmöglichkeiten zu erweitern und sie dazu anzuregen, neue Produkte zu entdecken, indem verwandte Artikel vorgeschlagen werden, die bereits von anderen Verbrauchern mit ähnlichen Geschmacksprofilen gekauft wurden. Anstatt beispielsweise lediglich eine passende Yogahose zu einem kürzlich gekauften Oberteil zu empfehlen, könnte diese Stufe der Personalisierung auch eine Meditations-App vorschlagen und den Kunden dazu einladen, sich näher mit Yoga zu beschäftigen. Dabei ist die Synthese von entscheidender Bedeutung, da Einzelhändler verschiedene Datensätze kombinieren müssen, um sinnvolle Produktempfehlungen anzubieten und Markentreue aufzubauen.
Es gibt verschiedene Möglichkeiten, wie ein digital versierter Einzelhändler dies umsetzen kann. Der naheliegendste Weg ist wohl der Datenaustausch, beispielsweise durch Werbung bei einem Streaming-Dienst, der Unmengen an Daten über den gemeinsamen Zielmarkt sammelt.
Spotify bietet seinen Werbepartnern eine Vielzahl von Self-Service-Tools, mit denen diese Audio- und Videoanzeigen erstellen, aufnehmen und teilen können. Was dieses Anzeigenmodell von anderen unterscheidet, ist, dass es die Gestaltung der Anzeige mit dem Kontext des Nutzers verbindet, um ein kontextbezogenes Werbeangebot zu schaffen. Wird die Werbung beispielsweise zwischen einer Playlist platziert, die beim Hörer bestimmte Emotionen hervorgerufen hat, kann sie diese Emotionen nutzen, um das Verhalten des Hörers positiv zu beeinflussen.
So führte Pizza Hut beispielsweise eine „Audio-First“-Kampagne durch, um bei Pizza-Liebhabern, die Spotify nutzen, den Lieferservice im Bewusstsein zu verankern. Die Schnellrestaurantkette richtete sich gezielt an ihre Kernzielgruppen, darunter die Generation Z, Familien sowie Personen, die sich für Gaming, Fernsehsendungen oder Sport interessieren. „Pizza-spezifische Momente“, wie Spieltage und die Abendessenszeit, wurden identifiziert und genutzt, um Appetit anregende Anzeigen zu schalten, ohne den Tagesablauf der Hörer zu unterbrechen.
Die Lehre für den Einzelhandel lautet hier: Das richtige Timing ist entscheidend. Die Bereitstellung personalisierter Inhalte für Kunden ist nur so effektiv wie der richtige Zeitpunkt und der richtige Ort. Genau wie diese Online-Marktführer können Einzelhändler ihre Filialdaten nutzen, um kontextbezogene Werbung genau dann zu präsentieren, wenn es am wichtigsten ist (beispielsweise am Eingang oder an der Kasse), und so die Verweildauer in den Filialen und letztlich auch den durchschnittlichen Transaktionswert (ATV) steigern.
Nach dem Ausfüllen einer einfachen digitalen Umfrage und der Erfassung ihres Kaufverhaltens zielt das „Beauty Insider“-Programm von Sephora darauf ab, das Erlebnis für seine Mitglieder individuell zu gestalten, indem es personalisierte Empfehlungen, kostenlose Beauty-Dienstleistungen, frühzeitigen Zugang zu neuen Produkten, Einladungen zu exklusiven Veranstaltungen und vieles mehr bietet.
Dieser zukunftsorientierte Kosmetikriese tauscht intern plattformübergreifend Kundendaten aus, um ein nahtloses Kundenerlebnis zu gewährleisten – unabhängig davon, welchen Kanal der Kunde bevorzugt. Das „Beauty Insider“-Programm von Sephora zählt über 25 Millionen Mitglieder und soll rund 80 % des Unternehmensumsatzes ausmachen.
WEITERLESEN: 5 Beispiele für bewährte Verfahren bei Kundenbindungsprogrammen im Einzelhandel
Darüber hinaus können Lösungen, die Daten aus der Ladenanalyse mit Verhaltensmustern anderer Kanäle – wie beispielsweise der Verweildauer beim Online-Stöbern oder digitalen Kaufprozessen – kombinieren, entscheidende Einblicke in das Kaufverhalten der Kunden liefern. So kann beispielsweise die Verarbeitung natürlicher Sprache auf Text- oder Sprachdaten angewendet werden, um Einzelhändlern dabei zu helfen, die emotionalen Höhen und Tiefen besser zu verstehen, die sich aus den Interaktionen der Kunden mit dem Unternehmen ergeben. Dies bietet ein fruchtbares Umfeld für die Identifizierung und Gestaltung zukunftsorientierter Personalisierungswege, um den Kunden umfassend anzusprechen.
Selbst wenn man den E-Commerce außer Acht lässt, lässt sich allein aus den Daten der Ladengeschäfte ein enormes Potenzial für die Personalisierung ableiten. Die Analyse der Kundenwege im Geschäft zeigt Einzelhändlern genau, an welchen Stellen sich die Kunden am längsten aufhalten, wo sie am intensivsten mit den Verkaufsregalen interagieren, und bildet den gesamten Weg eines Kunden durch das Geschäft ab. Dies ermöglicht es Einzelhändlern, Verbesserungen vorzunehmen, um die Konversionsrate zu steigern, sowie neue Ladenlayouts oder Innovationen im Bereich des Visual Merchandising zu testen, wie beispielsweise die Einführung von Retail-Media-Netzwerken (RMNs).
Es ist von entscheidender Bedeutung zu beachten, dass der engagierte Verbraucher immer höhere Erwartungen an den versierten Einzelhändler stellen wird, wodurch erstklassige Kundenerlebnisse wichtiger denn je werden.
WEITERLESEN: Die Neugestaltung des Einzelhandels: Wie drei Traditionsmarken auch heute noch relevant bleiben