Die seit Jahren zunehmende Professionalisierung des E-Commerce sorgt bei Unternehmen für immer komplexere Aufgabenstellungen und Anforderungen. Durch die schnelle Vergleichbarkeit von Produkten und Preisen mit Hilfe von Suchmaschinen, spezialisierten Preisportalen wie Google Shopping oder Marktplätzen wie Amazon, Alibaba oder Mercateo wird es für Unternehmen zudem immer schwieriger, sich rein über ein breites Produktsortiment, Verfügbarkeit und Preis beim Kunden zu positionieren. Doch Alternativen zu diesen USPs zu entwicklen ist aufwändig – und fällt insbesondere neuen Akteuren aus dem B2B (Hersteller, Großhändler) recht schwer, die jetzt in den Direktvertrieb einsteigen.
Die Generierung von Traffic und dessen optimale Nutzung eine immer präsentere Rolle. Die Generierung von Besuchern ist heutzutage jedoch komplexer denn je ist und bezahlter Traffic wird durch den Wettbewerbsdruck in Online-Marketing Kanälen wie Google AdWords, Facebook Ads und Affiliate-Programmen immer teurer. Unternehmen müssen daher den kostbaren Traffic innerhalb der Commerce Plattform optimal nutzen, das heißt in Kunden konvertieren. Dafür braucht es einen möglichst umfassenden Überblick über Kunden, Kanäle und die eigene Plattform. Es schlägt die Stunde des datengetriebenen E-Commerce (oder Englisch: Data Driven E-Commerce).
Für einen erfolgreichen E-Commerce ist es aufgrund der beschriebenen Entwicklung wichtiger denn je, das vorhandene IT-Budget sowie den generierten Traffic gezielt einzusetzen. Die Grundlage hierfür ist die Implementierung
Denn nur wenn man versteht, welche Merkmale und Eigenschaften die potentiellen Kunden auszeichnen und wie sich diese auf dem Shop oder dem Vertriebsportal bewegen, kann eine effiziente und zielgerichtete Weiterentwicklung erfolgen.
Bei einem Data Driven E-Commerce sinkt der Anteil an Entscheidungen, die rein auf einem diffusen „Bauchgefühl“ basieren oder von den Entwicklungen, die sich bei Marktbegleitern beobachten lassen, abgeleitet werden. Das heißt, man entscheidet stärker eigenveratnwortlich und auf einer belastbaren, nachprüfbaren Basis. Daraus resultiert zwei positive Effekte: Das vorhandene E-Commerce-Budget wird fokussiert für die Stellschrauben verwendet, die tatsächlich eine Wirkung zeigen. Gleichzeitig sinkt das Risiko, unnötige Features und Funktionen zu entwickeln sowie bereits funktionierende Abläufe zu verschlimmbessern. Eine datengetriebene Vorgehensweise unterstützt E-Commerce Verantwortliche also dabei, Änderungen und Anpassungen auf Basis von Fakten vorzunehmen.
Die Voraussetzung für einen datengetriebenen E-Commerce besteht im ersten Schritt in der Entwicklung und Implementierung einer E-Commerce Tracking Strategie. Bei der Entwicklung einer solchen Strategie gilt es, wichtige Kennzahlen (Key Performance Indicators, kurz: KPI) zu identifizieren und ein Bewusstsein dafür zu schaffen, welche Kennzahlen besonders relevant sind. Die Kennzahlen unterscheiden sich grundsätzlich durch das Geschäftsmodell, die Branche und die Zielgruppe. Daher sind allgemeingültige Aussagen zu den KPI in der Regel nicht möglich. Dennoch gibt es übergreifende Daten, die in so gut wie jedem E-Commerce-Projekt erfasst werden und als Basis dienen können:
Neben der Definition von KPI sind zudem eine Identifikation von vorhandenen Prozessen und das damit verbundene Monitoring essenziell. Denn Kennzahlen geben letztendlich nur einen Status bzw. eine Entwicklung wider. So lässt sich beispielsweise ablesen, wie sich die Conversion-Rate innerhalb der letzten Wochen und Monate entwickelt hat, eine Schlussfolgerung, warum sich diese Kennzahl jedoch in dieser Art weiterentwickelt, lässt die reine Betrachtung der Information nicht zu. Genau aus diesem Grund spielt das Monitoring und die Auswertung ganzer Prozesse eine wichtige Rolle. Wie auch bei den KPI hängen die Prozesse stark von der jeweiligen E-Commerce Plattform ab, weswegen auch hier allgemeingültige Aussagen schwierig sind. Prozesse, die in vielen Projekten vorkommen, sind folgende:
Die Analyse des Kaufprozesses erlaubt die Identifikation von wichtigen Optimierungspotentialen, da sich hier erkennen lässt, in welchem Schritt und bei welcher Funktion ein Kunde den Checkout-Vorgang abbricht, sich ungewöhnlich lange aufhält oder schlicht nicht weiterkommt.
Geht es bei der reinen Web-Analyse primär darum, Informationen innerhalb einer E-Commerce-Plattform zu erfassen und auszuwerten, beschäftigt sich die nachgelagerte Conversion-Optimierung mit der Steigerung dieser Kennzahlen. Die Conversion-Optimierung kann dabei grundsätzlich nur als nachgelagerte Tätigkeit zur Web-Analyse erfolgen, da für eine Optimierung von Kennzahlen diese zuerst identifiziert und sauber erfasst sein müssen.
Im Fokus steht dabei oftmals die Conversion-Rate. Allerdings handelt es sich hierbei um eine – auf Basis verschiedener Faktoren – abgeleitete Kennzahl ist. Aus diesem Grund macht es bei einer Optimierungsstrategie nur Sinn, diejenigen Kennzahlen zu optimieren, die eine faktische Auswirkung besitzen. Am Beispiel der Conversion-Rate müsste also, um diese zu steigern, an anderen Stellen angesetzt werden. Das könnten die Geklickt/Gekauft-Quote bei Produkten, die Bounce-Quote auf der Einstiegsseite oder die Abbrüche innerhalb des Checkout-Prozesses sein. Denn diese Stellschrauben beeinflussen schlussendlich die Conversion-Rate und haben somit einen direkten Einfluss auf den Erfolg der E-Commerce-Plattform.
Jetzt gilt es, alle Prozesse detailliert zu betrachten und in einen kontinuierlichen Kreislauf aus Analyse und Optimierung einzubinden.
Das Ziel muss aber immer sein, kontinuierlich nur kleinere Änderungen innerhalb der Plattform vorzunehmen. Hier lässt sich der Erfolg bzw. Misserfolg wesentlich besser messen, als bei komplexen und umfangreichen Anpassungen. Nach einem kompletten Relaunch einer E-Commerce Plattform etwa, lässt sich nie mit Sicherheit feststellen, ob nun die neu implementierte Benutzerführung, die verbesserte Optik oder die schnelleren Ladezeiten zu einer Steigerung des Umsatzes geführt haben.
Web-Analyse und nachfolgende Conversion-Optimierung sind eine Antwort auf immer komplexere Anforderungen und erhöhten Wettbewerbsdruck im E-Commerce. Auch nur in dieser Reihenfolge, denn nur wenn potentielle Kunden verstanden und problemlos identifiziert werden können, ist eine zielgerichtete Optimierung der Commerce-Plattform überhaupt möglich. Das Vorgehen ermöglicht einerseits steigende Umsätze, da Prozesse und Funktionen besser auf die Nutzer abgestimmt werden können, andererseits sorgt es für sinkende Kosten, da das vorhandene E-Commerce-Budget effizienter eingesetzt werden kann. Wichtig ist jedoch das Bewusstsein, dass datengetriebener E-Commerce kein One-Hit-Wonder ist. Es handelt sich um eine permanent zu erbringede Arbeitsleistung. Und deren Auswirkungen meistens erst nach einigen Wochen und Monaten ersichtlich sind.