Data Mining im E-Commerce: So optimieren Sie Ihren Onlineshop

Data Mining ist eine Analysestrategie, deren Ausführung recht zeitaufwändig sein kann. Gerade für Shopbetreiber birgt dies viele Vorteile, weshalb Data Mining eine der besten Optimierungsstrategien im E-Commerce ist.

Worum geht es beim Data-Mining? Wie können Sie das Beste aus Ihrem eigenen Online-Shop herausholen, auch wenn Sie nur ein kleines Unternehmen betreiben? Was muss man beim DATA Mining beachten? All diesen Fragen gehen wir in diesem Blogartikel nach.

Was ist Data-Mining?

Data Mining ist eine nützliche Strategie, mit der Daten und Informationen gesucht werden, ohne einen bestimmten Fokus oder ein bestimmtes Ziel vor Augen zu haben.

Ziel ist es, Dinge zu entdecken, die neue Erkenntnisse liefern und helfen, die eigene Geschäftsstrategie zu verbessern.

Mit Data Mining könnten Sie beispielsweise nach Verbindungen suchen, die zwischen den verschiedenen Produkten bestehen, die Ihre Kunden kaufen. Mit diesem Wissen könnten Sie beispielsweise effektives Cross-Selling einsetzen.

Wie kann Data Mining Ihrem Onlineshop helfen?

Beim Data Mining beginnt man mit der Analyse, ohne ein konkretes Problem oder Ziel definiert zu haben. Sie wissen nicht, was Sie finden werden oder ob Sie überhaupt etwas Hilfreiches entdecken werden.

Wenn Sie Ihre Daten auswerten würden, würden Sie normalerweise nach bestimmten Informationen oder einem bestimmten Datensatz suchen (z. B. um herauszufinden, wann Ihre Kunden am häufigsten in Ihrem Online-Shop einkaufen).

Wenn Sie dagegen Data Mining anwenden, geht es im Grunde darum, Antworten auf Fragen zu finden, von denen Sie überhaupt nichts wussten.

Beim Data Mining geht es weniger darum, die Antwort auf eine bestimmte Frage zu finden, als darum, nützliche Zusammenhänge und Muster in Ihren Daten zu entdecken, aus denen sich das Kaufverhalten Ihrer Kunden ableiten lässt.

Je nachdem, auf welche Informationen Sie beim Data Mining stoßen, gibt es verschiedene Möglichkeiten, diese für Ihr Unternehmen zu nutzen.

Ein wichtiger Vorteil ist, dass Ihnen die gewonnenen Erkenntnisse dabei helfen, eine verbesserte und gezieltere Anwendung Ihrer Produkte zu planen.

Nehmen wir das Beispiel der Supermarktkette und den Zusammenhang zwischen Windeln und Bier: Wenn Sie beide Artikel in Ihrem Online-Shop verkaufen würden, könnten Sie die Informationen auf subtile, aber clevere Weise nutzen und ein Angebot oder Pop-up für Bier platzieren Produktseite von Windeln (und umgekehrt).

Ein weiteres Beispiel: Fakt ist, dass viele Kunden am Wochenende lieber online einkaufen. Daher werden derzeit die meisten Ihrer Bestellungen in dieser Zeit getätigt, wodurch viele Pakete gleichzeitig verschickt werden müssen.

Wer diesen Logistik-Sturm kompensieren möchte, könnte unter der Woche spezielle Aktionen für Produkte anbieten, die am Wochenende am beliebtesten sind.

In diesem Fall sollten Sie die Verkaufsaktion jedoch unbedingt vorher ankündigen und bewerben (z. B. auf verschiedenen Social-Media-Plattformen und in Ihrem Newsletter).

Wenn interessierte Kunden von der Rabattaktion erfahren, warten Sie lieber ein paar Tage, bis Sie einen Kauf tätigen möchten, anstatt das Produkt, das Sie interessiert, am Wochenende zu bestellen.

Wie Sie Ihr Wissen aus der Analyse effektiv nutzen können, hängt stark von den Informationen ab, die Sie unter finden können.

In den meisten Fällen dient Ihr Wissen der Verbesserung Ihrer Werbestrategie. Nehmen wir das Beispiel Windeln und Bier: Angenommen, Sie verkaufen beide Artikel in Ihrem Online-Shop, dann bietet es sich an, diese Erkenntnisse für gezielte Werbemaßnahmen zu nutzen.

Beispiel für Data-Mining

Mit unserem Beispiel beziehen wir uns auf eine Erfahrung, die im Buch „Creating Value with Big Data Analysis“ (von Verhoef, Koogle und Walk) diskutiert wird.

Ein Beispiel ist die große britische Supermarktkette Tesco. Tesco hat sich mit eigenen Daten auseinandergesetzt und nach Einkäufen gesucht, die mit der Tesco Club Card getätigt wurden.

Im Zuge der Analyse stellten die Analysten von Tucos jedoch fest, dass Kunden, die Windeln kauften, neben den Windeln auch eher Bier kauften.

Eine weitere Erkenntnis aus der Analyse: Bier und Chips wurden vor allem am Freitagabend verkauft.

Die gewonnenen Erkenntnisse halfen der Supermarktkette unter anderem dabei, gezielteres Marketing zu betreiben.

Hinweis: Dieses Beispiel soll Ihnen eine ungefähre Vorstellung davon geben, was Sie mit Data Mining herausfinden können. Ob das Unternehmen in unserem Beispiel tatsächlich Tesco war, ist nicht klar, da dieses Beispiel in anderen Quellen zu finden ist und diese Quellen sich stattdessen auf die amerikanische Supermarktkette Walmart beziehen.

Data-Mining-Grundlagen

Data Mining und die Vorteile für Shopbetreiber haben Sie nun kennengelernt. Jetzt ist es an der Zeit, dass Sie lernen, wie Sie mit dem Besten aus Ihrer Datenauswertung starten.

Leider ist Data Mining sehr zeitaufwändig, besonders wenn man es manuell machen möchte.

Wir empfehlen Ihnen jedoch, Ihre Daten Schritt für Schritt durchzugehen. Wenn Sie sich beispielsweise auf Produkte konzentrieren möchten, sollten Sie sich alle Bestellungen ansehen, bei denen mehr als nur ein Produkt in Ihrem Online-Shop gekauft wurde.

Welches Produkt ist das beliebteste? Welche Produkte legen Kunden, die mehr als fünf Produkte gekauft haben, in den Warenkorb?

Sie können sich auch auf bestimmte Produktkategorien konzentrieren: Wenn ein Kunde einen Artikel aus der Kategorie Spielzeug gekauft hat, welche Produkte aus anderen Produktkategorien werden zusätzlich bestellt?

Werfen Sie auch einen Blick auf Präferenzen und Korrelationen zu verschiedenen Tageszeiten. Welche Produkte sind mittags besonders beliebt, welche abends?

Anstatt sich auf Ihre Produkte zu konzentrieren, könnten Sie auch die verschiedenen Unterseiten Ihrer Website berücksichtigen: Welche Seiten sind zu welcher Tageszeit am beliebtesten?

Vergleichen Sie Ihre Ergebnisse mit Ihren Verkäufen. Gibt es eine Verbindung? Diese Informationen können Ihnen bei Ihren Marketingkampagnen oder Ihren Gebotsstrategien in Google Ads oder Microsoft Ads helfen.

Hilfreiche Tools für das Data Mining

Gut zu wissen: Es gibt ein paar nützliche Tools, die Sie beim Data Mining unterstützen. Auf diese Weise müssen Sie die Analyse nicht manuell durchführen.

Viele Tools sind jedoch recht teuer. Natürlich können Sie alle Daten, die Sie finden, einfach selbst in eine Excel-Datei übertragen, aber einfacher (und weniger zeitaufwändig) ist es, stattdessen spezielle Data-Mining-Tools zu verwenden.

Wägen Sie ab, ob Sie ein Budget für zeitsparende Data-Mining-Tools investieren möchten.

Die meisten Tools bieten ohnehin eine kostenlose Testphase an, sodass Sie die Möglichkeit haben, verschiedene Tools auszuprobieren

Beispielsweise bietet Oracle einen 30-tägigen kostenlosen Test für sein Data-Mining-Tool an. Orange hingegen ist ein 100 % kostenloses Open-Source-Tool (nur auf Englisch verfügbar).

Darauf müssen Sie beim Data Mining achten

Der Data-Mining-Prozess und das Ergebnis sind unvorhersehbar. Manchmal lässt sich das Gefundene nicht so einfach einordnen. Außerdem kann es lange dauern, bis Sie überhaupt ein Muster erkennen.

Außerdem müssen Sie Folgendes bedenken:

Selbst wenn Sie eine Ähnlichkeit in den Daten finden, bedeutet dies nicht zwangsläufig, dass das eine das andere überhaupt beeinflusst. Das klingt sehr kompliziert, also geben wir ein Beispiel.

Auf der Website Tylervigen.com gibt es eine ganze Reihe von Daten, die einem ähnlichen Muster entsprechen, aber am Ende gibt es keinen Zusammenhang. Schauen Sie sich das folgende Diagramm an.

Auf dem Diagramm sehen Sie, dass die Zahl der Scheidungen im US-Bundesstaat Maine mit dem Pro-Kopf-Verbrauch von Margarine zusammenhängt.

Können Sie daraus schließen, dass nur Leute in Maine, die sich scheiden lassen, Margarine essen? Oder vielleicht sogar: Leute in Maine essen Margarine?

Oder gehst du eher von einem Zufall aus?

Zwischen diesen beiden Datensätzen besteht natürlich keine wirkliche Korrelation. Daher müssen Sie vorsichtig sein, wie Sie Ihre Ergebnisse interpretieren!

Sie sollten immer mehrere Faktoren in Ihre Bewertung einbeziehen – und sich nicht nur auf das beziehen, was die Analyse ausspuckt.

Angenommen, sie konnten feststellen, dass zu einem bestimmten Zeitpunkt besonders viele Produkte aus dem Bereich Haushaltswaren bestellt wurden.

Dann sollten Sie beim Durchgehen Ihrer Daten überlegen, welche Rabattaktionen Sie zu diesem Zeitpunkt vielleicht angeboten haben oder ob Sie zu einem bestimmten Zeitpunkt einen besseren Preis angeboten haben als Ihre Konkurrenz.

Darüber hinaus sollten auch externe Faktoren wie die Corona-Pandemie berücksichtigt werden. Wenn Sie plötzlich eine Zunahme an Gesellschaftsspielen feststellen, lag das an Ihren Rabattaktionen oder bestimmten Werbemaßnahmen oder an den Folgen der Corona-Pandemie? Oder vielleicht sogar beides?

Auch Ihre Bewertungen sind hilfreiche Daten. Sie können Ihnen eine gute Vorstellung davon vermitteln, warum Ihre Kunden einen Kauf getätigt haben.

Fazit

Data Mining kann Ihnen überraschende Informationen liefern, von denen Ihr Unternehmen sicherlich profitieren wird. Nicht nur Großunternehmen können mit dieser Strategie bei Optimierungsmaßnahmen helfen, auch für KMUs ist Data Mining äußerst sinnvoll!

Das Wichtigste ist, dass Sie den für Sie effizientesten Weg finden, Ihre Daten zu analysieren. Data Mining bringt Sie möglicherweise nicht auf den richtigen Weg, oder was Sie finden, bestätigt nur Ihren Verdacht.

Achte außerdem darauf, dass du die Antworten richtig verarbeitest und keine voreiligen Schlüsse ziehst. Möglicherweise müssen Sie verschiedene Ansätze oder Tools ausprobieren, um die effizienteste Methode zur Analyse Ihrer Daten zu finden.

Das Beste am Data Mining ist, dass Sie kein spezifisches Problem haben, das Sie lösen möchten. Mit anderen Worten, Sie haben nichts zu verlieren und können nur gewinnen!