Internet Retailing sprach auf der deutschen Anwenderkonferenz „Cognos Performance“ mit Olaf Scamperle, Business Unit Executive, Business Analytics & Optimization, und Oliver Oursin, Global Field Product Executive, beide bei IBM Cognos.
Internet Retailing: Sie haben heute Cognos 10 vorgestellt. Was hat beispielsweise ein großer Shopbetreiber wie Otto.de oder Amazon von der neuen Version?
Olaf Scamperle: Alle Unternehmen wollen Kosten reduzieren oder mehr Umsatz machen. An der Kostenschraube hat man schon stark gedreht, die Logistik ist auch relativ gut aufgestellt, also geht es dem E-Retailer darum, neue Kundensegmente zu finden und sehr effizient im Bereich Marketing zu arbeiten. Um etwa zu sehen, mit welcher Marketingmaßnahme er den Kunden am effizientesten ansprechen kann.
Wenn Sie als Kunde schon in der Otto-Datenbank sind, dann ist es für Sie (als Mann) vielleicht nicht so wahnsinnig inspirierend, wenn man Ihnen eine Handtaschenwerbung ins Haus schickt. Diese geschlechtsspezifische Unterscheidung beherrschen immerhin die meisten Händler, aber nicht alle. Wer weiß, woher sie ihre Kundendaten bekommen. Also ist zielgruppenorientiertes Marketing ein ganz wesentlicher Punkt, wie Otto.de die Lösung Cognos 10 besser einsetzen könnte.
Internet Retailing: Es geht also um Kundensegmentierung zwecks besserem Marketing und Mailkampagnen-Optimierung.
Olaf Scamperle, IBM Cognos
Scamperle: Das beinhaltet ja beides: Kosten reduzieren, denn Kampagnen sind teuer. Der Marketingmitarbeiter muss also sehen, wie er mit weniger Budget effizienter arbeitet. Entscheidend ist also die Auswertung.
Oursin: Der Trend geht hin zur Optimierung dessen, was man bereits tut. Dazu zwei Beispiele. Erstens Kundensegmentierung. Kaum hat man seine Mailkampagne rausgeschickt, ergeben sich zwei neue Aspekte, die ich erst mit Cognos 10 bekomme. Erstens: Realtime. Sie wollen schnellstens herausfinden, wie effektiv eine online gestaltete Kampagne ist. Diese spricht eine Zielgruppe entweder an oder nicht. Realtime sorgt dafür, dass die Auswertung zeitnaher erfolgt und verhindert so , dass hohe Summen verschwendet werden.
Der zweite Aspekt: „Was schlage ich dem Kunden vor?“ Nachdem Sie bei Amazon etwas gekauft haben, bekommen Sie stets ein paar Vorschläge für weitere Produkte. Dieses Feature hat inzwischen jeder Etailer. Es geht nun um die Optimierung dieser Vorschlagsliste: „Welches Kaufverhalten hat der Kunde vorher gezeigt? Und wie wahrscheinlich ist es, dass er sich für ein bestimmtes anderes Produkt entscheidet?“. Das ist das Thema „Predictive Business-Modellierung“. Also geht’s um die Frage, welches Produkt wird der Kunde wahrscheinlicher ansehen als ein anderes und ihm dies zu präsentieren.
Es geht dabei nicht um Schwarz/Weiß, sondern um eine graduelle Verbesserung. Im Retailingsektor ist alles nur mit ganz kleinen Margen und ganz kleinen Prozentzahlen versehen. Stellen Sie sich vor, Sie schaffen es, zwei Prozent mehr Akzeptanz Ihres Vorschlags zu erzielen. Also 2 Prozent mehr Kaufklicks. Da geht also die Optimierung von 22 auf 24 Prozent hoch. Das ist viel Geld für einen Retailer.
Scamperle: Es gibt auch noch andere Beispiele. American Auto Parts ist ein amerikanischer Cognos-Kunde, vergleichbar etwa mit ATU (Autoteile Unger) in Deutschland. Die Mitarbeiter haben Laden- und Online-Käufe gemäß dem Kaufverhalten ausgewertet und waren dann in der Lage zu sehen: „Welcher Kunde kauft denn ein Produkt A in Verbindung mit einem Produkt B?“ Dadurch konnten sie ihre Lagerhaltung um einen Multimillionen-Dollar-Betrag reduzieren.
Dadurch senkten sie auch ihre Logistik- und Transportkosten, wodurch sie weiteres Kapital freisetzten. Dies sind Projekte, die binnen 12 Monaten einen extrem hohen ROI für die Kunden erwirtschafteten. Wenn wir uns in der Skala von 2 bis 3 Prozent bewegen, dann sprechen wir über extrem viel Geld.
Internet Retailing: Sie sprechen also nicht mehr nur über Entscheidungsunterstützung, sondern über Geschäftsoptimierung. In einzelnen Bereichen, in denen der Geschäftsertrag zu optimieren ist. Ein Berater muss dem Kunden also sagen: „Das ist der Bereich, in dem du den schnellsten Profit oder den höchsten ROI erzielen könntest.“ Es gibt ja noch weitere Bereiche wie etwa Kundenbetreuung, Service usw.
Oliver Oursin, IBM Cognos
Oursin: Man muss sich immer anschauen, was man optimiert. Man kann einen Prozess optimieren (siehe Lagerhaltung), aber auch die Kundenbetreuung (CRM), also einen Service bzw. Personal. Zurück zu Otto.de. Otto stellt seine Artikel nicht alle selbst her, sondern kauft manches zu – von Zulieferern. Wenn Sie eine Marketingkampagne machen, kann das einen bestimmten Zulieferer betreffen. Sie müssen dem Zulieferer Informationen zur Verfügung stellen: „Wie ist der jetzige Bedarf, der frühere und der wahrscheinlich künftige Bedarf?“ Das ist klassisches B2B.
Internet Retailing: Kann ja sein, dass der Zulieferer irgendwo in Ungarn nur mit begrenzten Kapazitäten operieren kann.
Oursin: Genau. Das ist das klassische Beispiel. Das nicht so klassische: „Was schlage ich dem Besucher auf meiner Webseite vor?“ Die Erkennung und Empfehlung läuft automatisch ab statt manuell. Aus Tests, Erfahrung und Feedback versucht ein Team eine Empfehlung zu erarbeiten, und die Optimierung wird in den Prozess selbst eingebunden. Es gibt keine Interaktion mehr.
Internet Retailing: OK, aber in den Prozessen gibt es doch die KPI (Key Performance Indicators, Schlüsselindikatoren), und sie werden angepasst, wenn ich die Prozesse durch ihre Schleifen jage. Dadurch wird der Prozess an sich ständig verbessert und verfeinert.
Oursin: Ja, weil man dann sieht, welche Vorhersage zutrifft bzw. nicht.
Internet Retailing: Man könnte dann auch versuchen, das Kundenverhalten vorherzusagen und die entsprechende Trefferquote zu erhöhen (durch Behavioral Merchandising wie bei Avail).
Cognos: Interessant ist dann auch die Untersuchung, was der Kunde nach der Auswahl eines Artikels macht: Geht er in ein komplett anderes Genre? Warum hat er noch etwas anderes gesucht? Wieviele Suchvorgänge und wieviele zusätzliche Klicks macht er dabei? Das ist interessant, denn wenn ich ihn von zehn auf drei Klicks runterbringen, kommt der Kunde lieber wieder. Die Optimierung sollte also auf der gesamten Prozesskette liegen.
Das klassische Marketing kommt dann wieder bei der Auswertung einer Kampagne ins Spiel oder auch bei einer Exit-Poll, einer Umfrage beim Verlassen einer Site: Der Shopbetreiber bittet um die Bewertung des Besuchers. Mit dem Besucherkommentar beginnt ein weiterer Aspekt von Cognos 10. Der Goldschatz liegt in diesen Kommentaren, und er wird nicht oft gehoben. Auch Retailer speichern 80 Prozent ihrer Daten wie etwa Rechnungen, Kundenbeschwerden usw. als unstrukturierten Text. Cognos 10 hilft ihnen, diese unstrukturierte Information zu strukturieren.
Internet Retailing: Wie soll das gehen? Mit Text Mining?
Oursin: Es ist mehr als Text Mining. Zuerst wird durch Crawling Text aus E-Mails und anderen unstrukturierten Dokumenten gesammelt. Im zweiten Schritt, dem Scoring, wird segmentiert und die Semantik bewertet: Welche Worte benutzt der Kunde in seiner Beurteilung? Positiv konnotierte oder negative? Welche Aussage trifft er? Diese Sedimentanalyse können wir mit Cognos 10 ausführen. Das Modul SPSS würde das Text Mining übernehmen. Cognos 10 würde die Erstellung der Ergebnisse, die Aufbereitung und das Arbeiten mit den Ergebnissen ermöglichen.
Apropos Consumer Insights: Wenn Adidas oder Puma einen neuen Schuh lancieren wollen, aber Bastian Schweinsteiger oder die Nationalmannschaft sagen, das Ding taugt nichts, dann kann man den Verkauf gleich wieder einstellen – niemand wird den Schuh kaufen wollen. Das ist eben auch der Druck der sozialen Medien. Hier kann man durch entsprechende Analysen Wettbewerbsvorteile erzielen.
Ein anderes Beispiel ist Betrugserkennung. Viele Versicherungen gehen dazu über, dass Kunden ihre Schadensfälle online melden und registrieren können. Im Falle von Betrugsfällen kann man mit Cognos 10 erkennen, welche Fälle wahrscheinlicher ein Betrugsversuch sind als andere. Zu diesen wahrscheinlicheren Fällen würde eine Versicherung ihre Sachverständigen schicken. Sie steigert so die Anzahl der gefundenen Fälle und reduziert dementsprechend die Kosten, die durch Falschauszahlungen entstehen. Bei großen Versicherungen ganz sich das ganz erheblich bemerkbar machen – und der ROI ist größer als der Projektaufwand.
