Buch, Deutsch, 124 Seiten, Paperback, Format (B × H): 155 mm x 220 mm, Gewicht: 203 g
Buch, Deutsch, 124 Seiten, Paperback, Format (B × H): 155 mm x 220 mm, Gewicht: 203 g
ISBN: 978-3-95485-310-6
Verlag: Igel Verlag
Autoren/Hrsg.
Fachgebiete
Weitere Infos & Material
Textprobe:
Kapitel 3.4, Konzept zur Echtzeit-Konversionsratenoptimierung im stationären Modehandel:
Wie im vorherigen Abschnitt 3.3 gezeigt, bieten RFID, Smartphones und Big Data bzw. neue Empfehlungsalgorithmen das Potenzial die Techniken zur Erfassung des Kundenverhaltens und der personalisierten Ansprache auf den stationären Modehandel zu übertragen. So ermöglicht RFID produktgenaues Tracking. Das Smartphone ermöglicht die Identifikation eines Kunden und möglicherweise Rückschlüsse auf sein Kaufverhalten. Empfehlungsalgorithmen ermöglichen die automatische Erstellung personalisierter Angebote und Big Data ermöglicht die Auswertung und Reaktion in Echtzeit.
Eine konkrete Möglichkeit RFID, Smartphones und Empfehlungsalgorithmen zu verknüpfen und zur Steigerung der Konversionsrate im stationären Modehandel einzusetzen, besteht in folgendem Konzept:
Die Umkleidekabinen eines stationären Modegeschäfts werden mit RFID-Lesegeräten ausgestattet. Zudem werden alle Kleidungsstücke mit RFID-Tags versehen. Die entsprechenden Produktdaten sind in einer Produktdatenbank angelegt und sind zentral abrufbar. Neben den RFID-Lesegeräten und Tags wird über lokales W-LAN eine an das System angebundene Smartphone Anwendung bereitgestellt. Mit Hilfe der Anwendung und einem im Hintergrund arbeitenden und auf Data-Mining Techniken basierenden Empfehlungsalgorithmus werden Kunden via ihre Smartphones produktgenaue, automatische und kundenindividuelle Angebote und Rabatte in Echtzeit ausgespielt. Im ersten Schritt richten diese sich nach der Produktauswahl, dem Kundenverhalten und dem Kundenprofil. Im weiteren Verlauf auch nach der Kundenhistorie. Die Erkennung der Produktauswahl erfolgt durch das Auslesen der RFID-Tags durch die in den Umkleidekabinen installierten RFID-Lesegeräte. Die Fokussierung auf die Umkleidekabine empfiehlt sich aus zwei Gründen: Einerseits bietet sich durch die klare Fokussierung die Möglichkeit, die Datenmenge und damit die Komplexität zu reduzieren, die bei sonstiger Ausstattung der gesamten Verkaufsfläche mit Lesegeräten schnell sehr große Dimensionen annehmen würde und damit schwer steuerbar wäre. Durch die klare Beschränkung lässt sich zudem eine erhebliche Kostenreduzierung realisieren. Gleichzeitig gilt die Umkleidekabine unter Experten als der physische Ort im stationären Modehandel, an dem die Kaufentscheidung durch den Kunden getroffen wird. Damit ist sie von höchster Relevanz für den Einkaufsvorgang im stationären Handel (Wegner o.D.).
Startet ein Kunde nun in der Umkleidekabine die Smartphone-Anwendung, werden ihm die durch RFID-Lesegeräte erfassten Produkte automatisch zugeordnet. Passend zu den Produkten werden ihm individuelle Angebote ausgespielt. Denkbar sind hier vor allem Cross- und Upselling Angebote, welche sowohl auf der aktuellen Auswahl des Kunden, als auch auf seinem Kundenprofil bzw. seiner Kundenhistorie basieren. Wurde beispielsweise erkannt, dass ein Kunde Hemden anprobiert, können ihm nach dem Prinzip des Content-based Filterings, passend dazu Krawatten angeboten werden. Auch weitere Informationen zu den Produkten können abgerufen werden. Geht aus der Kundenhistorie hervor, dass der Kunde häufig auch T-Shirts kauft, wenn er Hemden anprobiert, könnten ihm dazu passende Rabatte angeboten werden. Empfehlungen können auch auf dem Prinzip des Collaborative Filterings basieren. Ähneln Kunden anderen Nutzern durch ihr Verhalten und/ oder ihr Profil, können ihnen Produkte angeboten werden, die andere ihm ähnliche Nutzer gekauft haben. Über Collaborative Filtering, die Analyse der Kundenhistorie und vor allem des aktuellen Kundenverhaltens ist es darüber hinaus möglich Rückschlüsse, auf das Budget, die individuelle Zahlungsbereitschaft und die Kaufwahrscheinlichkeit eines Kunden zu ziehen. Liegt beispielsweise die Zahlungsbereitschaft eines Kunden für eine bestimmte Produktkategorie niedriger, als der Preis der von ihm ausgesuchten Produkte, könnten