Jede:r Onlinehändler:in sitzt auf einer riesigen Menge an Daten, die bloß darauf warten, in Geld umgewandelt zu werden. Oftmals ist man sich dieser Goldgrube allerdings gar nicht bewusst oder unsicher, wie man Daten nutzen und wertvolle Erkenntnisse daraus ziehen kann. Oder es fehlt einem schlichtweg die Zeit, um sich damit eingehend zu beschäftigen. Als MSTAGE unterstützen wir Unternehmen dabei, ihr volles Potenzial auszuschöpfen, indem wir bei der Datensammlung, u.a. durch Implementierung von Trackinglösungen unterstützen und auch gerne die Datenanalyse sowie Durchführung von A/B Testings für dich übernehmen.
Data Driven Decision Making (DDDM) im E-Commerce – was ist das?
Unter DDDM versteht man die Nutzung von Daten als Grundlage für effektivere, effizientere und zielgerichtete Entscheidungen. Im E-Commerce geht es dabei um die Sammlung, Aufbereitung und Interpretation von internen und externen Daten, um darauf basierende Entscheidungen für sein Online-Business treffen zu können, welche zu weiterem Wachstum führen. Kurz gesagt: Optimierung auf Grundlage von Fakten und nicht subjektivem Empfinden.
Von Data Driven Decision Making zu Data Driven Growth.
Liegt deinen strategischen Geschäftsentscheidungen eine Datenbasis zugrunde, kannst du daraus langfristig einen Wettbewerbsvorteil schlagen. Denn DDDM bringt eine Reihe von Vorteilen für das gesamte Unternehmen mit sich:
- Objektivität: eine Entscheidungsfindung auf Basis messbarer Daten und Statistiken ist stets frei von subjektiven Meinungen und Bauchgefühl.
- Transparenz: Durch datengetriebene Entscheidungsfindung steigt die Transparenz innerhalb eines Unternehmens, da anhand von Daten genau
dargestellt werden kann, wieso Entscheidungen getroffen wurden und für welchen Impact diese sorgen. - Auswertbarkeit: Abgeleitete Optimierungsmaßnahmen können direkt gemessen und somit einfach bewertet werden. Dementsprechend kann man auch vor Fehlentscheidungen bewahrt werden bzw. diesen entgegenwirken.
- Agilität: Potenziale, Risiken und Chancen können früher erkannt werden. Für mögliche Marktveränderungen bleibt man flexibel und man kann schneller darauf reagieren.
- Eins mit dem/der Kund:in: Der Kundschaft geben, was sie tatsächlich möchte, und nicht, was man glaubt, dass sie möchte. Durch die Analyse von Daten kann man Kundenbedürfnisse, -präferenzen und -verhaltensweisen besser verstehen lernen, um in weiterer Folge darauf einzugehen. Weg vom Einheitsbrei, hin zur individuellen Bedürfniserfüllung.
Anwendungsbereiche gibt es dabei unzählige. Neben internen Optimierungsmöglichkeiten, wie z.B. der Reduktion von Customer Service-Anfragen, durch bessere Informationsabdeckung im Webshop selbst, können mithilfe von datenbasierter Entscheidungsfindung vor allem auch monetäre Geschäftsziele, wie die Steigerung der Verkäufe, effizient verfolgt werden, indem man zum Beispiel…
… seine Kund:innen besser kennen- und verstehen lernt:
Wer seine Kundschaft kennt, kann viel besser auf deren Bedürfnisse eingehen und dadurch langfristige Beziehungen aufbauen. Ganz nach dem Tante-Emma-Prinzip, man fühlt sich verstanden, gehört und nicht wie einer von vielen behandelt. Durch Datenanalyse lassen sich unterschiedliche Käufer:innensegmente und Zielgruppen identifizieren, die in Folge individuell angesprochen und bedient werden können.
Bsp.: Welche Produkte kauft Kund:innengruppe A am liebsten und was kann ich ihr ergänzend anbieten? Möchte ich dem Hundebesitzer Katzenfutter anzeigen, wie jedem Kunden auf der Startseite, oder lieber hundespezifische Inhalte?
… Potenziale identifiziert:
Durch Analyse von Kund:innenbefragungen lassen sich gegebenenfalls unentdeckte Potenziale aufdecken.
Bsp.: Erfüllt mein Service den Need meiner Kund:innen oder muss ich Adaptierungen vornehmen? An welchen Punkten im Funnel kommt es zu Absprüngen in der Customer Journey, was sind meine Hypothesen, wieso es hierzu kommt?
… neue Marketing- und Produktstrategien entwickelt:
A/B Tests sind eine tolle Möglichkeit herauszufinden, wie eine Nutzer:innenschaft tickt. Um Hypothesen zu bestätigen oder zu widerlegen, werden dazu unterschiedliche Versionen von beispielsweise einer Kampagne getestet und miteinander verglichen. Es kommt öfter vor als man vermuten möchte, dass man ohne Test auf das falsche Pferd gesetzt hätte.
Bsp.: Ist die Öffnungsrate meines Newsletters bei Betreffzeile A oder Betreffzeile B höher? Welche Auswirkung hat die Darstellung einer Lieferzeit auf der Produktdetailseite auf meine Conversion Rate?
Wo und wie starten?
In 5 Schritten zur datenbasierten Entscheidungsfindung.
- Know your mission. Bevor es ans Eingemachte geht, muss man erstmal seine Ziele festlegen. Oftmals wird der Fehler gemacht, einfach darauf los zu starten, ohne genau zu wissen, wohin man überhaupt möchte. Doch ohne festes Ziel verirrt man sich schnell und wird ineffizient. Schließlich sollen die abgeleiteten Maßnahmen auch zu dir und deinem Unternehmen passen.
Beispiele für messbare Ziele:
● Umsatz soll bis Jahresende um 20% erhöht werden.
● Wir möchten als nachhaltiges Unternehmen wahrgenommen werden.
● Marketingkosten sollen um 10% gesenkt werden.
Beispiele für KPIs, anhand derer die Zielerreichung gemessen werden soll:
● CTR (Click-Through-Rate) = Anzahl der Impressions einer Website / eines Onlineshops im Verhältnis zur Anzahl der erfolgten Klicks auf einen Link / ein Werbemittel, zB Klickrate von der Produktdetailseite in den Warenkorb.
● CR (Conversion Rate) = Anzahl der Besucher:innen einer Website / eines Onlineshops im Verhältnis zur Anzahl der als Conversion definierten Abschlüsse, zB Anzahl der Verkäufe pro Tag.
● AOV (Average Order Value) = durchschnittlicher Bestellwert. Grundsätzlich gilt: Je höher der Wert, desto besser. Allerdings sollte man diesen Wert nicht isoliert betrachten, da in diesem Zusammenhang bspw. auch die Bestellfrequenz eine große Rolle spielt.
● ROAS (Return on Ad Spend) = prozentualer Anteil der Werbekosten am Gewinn. Je höher der Wert, desto besser. - Datenquellen finden. Sobald feststeht, worauf hingearbeitet wird, startet man mit der Datensammlung. Mögliche Datenquellen gibt es dabei viele:
● Interne Daten: zB Website-Daten (Google Analytics / Matomo), Kund:innenumfragen, Sales-Berichte
● Externe Daten: zB Marktanalysen, Konkurrenzanalysen, Megatrends, Behavior Pattern Oftmals hat man bereits eine Vielzahl an Daten in der Hand, ohne sich hier große Datensilos erst aufbauen zu müssen. - Daten analysieren. Verliert keine Zeit und verliert euch nicht in Details! Bereits mit wenigen Datenquellen, könnt ihr damit beginnen, datenbasierte Entscheidungen zu treffen und werdet Ergebnisse sehen. Beginnt einfach mit der Analyse und identifiziert Potentialfelder, bei denen ihr ansetzen könnt. Wichtig ist dabei, unterschiedliche Datenquellen nicht isoliert, sondern in ihrer Gesamtheit zu betrachten. Denn oftmals ergeben sich erst dadurch Korrelationen, die in weiterer Folge zu unterschiedlichen Schlüssen führen.
- Handlungsempfehlungen ableiten. Im Weiteren geht es darum, die Schlüsse, die man aus der Datenanalyse gezogen hat, zu konkretisieren und in Handlungsempfehlungen zu übersetzen. Das bedeutet, vereinfacht gesagt, wir stellen Hypothesen auf, die es im nächsten Schritt zu bestätigen oder widerlegen gilt. Gerne handhabt man dies mit folgendem Aufbau:
WENN ich X durchführe,
DANN wird sich Y verbessern,
WEIL Z vorausgesetzt wird. - A/B Testing. Wer auf Nummer sicher gehen möchte, überprüft seine Hypothesen in Form von A/B Tests. Indem man das direkte Feedback der Kund:innen einbezieht, schafft man Gewissheit, auf die richtige Variante zu setzen. So manches Ergebnis wird euch überraschen und vor einer teuren Implementierung bewahren.
Egal, ob zur Optimierung des Onlineshops oder der gezielten Planung effektiver Marketingmaßnahmen – das Expert:innenteam von MSTAGE, Part of the E-CONOMIX Group unterstützt dich dabei, deine Daten besser zu verstehen und fundierte Entscheidungen zu treffen, um deine Geschäftsziele besser zu erreichen.
Wie bereits Sherlock Holmes sagte: “It is a capital mistake to theorize before one has data.” Daher hört auf eure Daten, und nicht nur auf euer Bauchgefühl
Weiter zum Unternehmensprofil
