Doch welche Kennzahlen sind für das Produktdatenmarketing

Transkript

1 1

2 2

3 Omnichannel und Multichannel sind die Buzzwords des E-Commerce, wenn es um die Vermarktung und den Vertrieb von Online-Shop-Sortimenten geht. Wirft man einen Blick auf das Management und die Aussteuerung der Marketing- Kampagnen bei Google Shopping, Amazon, in Preissuchmaschinen oder Produktportalen erfolgen diese jedoch vielfach nur unidirektional. Eine ganzheitliche Betrachtung von Kennzahlen, Kampagnen- und Produktdaten findet oftmals nicht statt. Fehlende Ganzheitlichkeit sowie die lückenhafte Erfolgsmessung kombiniert mit unzureichendem Methodenwissen sorgen immer wieder für Ineffizienzen von Marketing- Maßnahmen, dies zeigen auch die nachfolgenden Umfrageergebnisse unter Online Marketing Experten. Das vorliegende Whitepaper soll einen Beitrag für ein besseres Verständnis von Kennzahlen im Kontext des Produktdatenmarketings schaffen und konkrete Handlungsempfehlungen für die Praxis aufzeigen. Ziel ist es, einen Beitrag für mehr Effizienz im Produktdatenmarketing zu leisten. 3

4 Unternehmensentscheidungen, nicht nur im Onlinehandel, basieren in der Regel auf der Erhebung und Auswertung relevanter Daten aus den verschiedenen Unternehmensbereichen. Fast alle Prozesse in einem Unternehmen lassen sich heute anhand von Zahlen analysieren und optimieren. Die Datenmengen, die dabei gespeichert und aufbereitet werden, sind zuweilen enorm. Doch viel hilft nicht immer viel! Wichtiger als die Menge der Datensätze ist die gezielte Analyse einzelner Daten und die sinnvolle Verknüpfung der Ergebnisse, um auf dieser Basis Ziele zu definieren und Maßnahmen zur Optimierung einzuleiten. Doch welche Kennzahlen sind für das Produktdatenmarketing wirklich relevant? Erste wichtige Indikatoren für die Bewertung von Datenfeed-Kampagnen sind Daten, die entlang des mehrstufigen Sales-Funnel- Prozesses erhoben werden können. Dabei können auf jeder Stufe des Prozesses Kennzahlen evaluiert und individuelle Teil-Ziele definiert werden. Diese sollten wiederum dem Deckungsbeitragsziel, als zentrale Kenngröße, untergeordnet sein. 4

5 Visits bzw. Visitors geben in erster Linie Aufschluss darüber, wieviel Besucher auf einen Shop bzw. einzelne Produkte aufmerksam geworden sind. Diese Zahl wird meist in einen bestimmten zeitlichen Bezug gesetzt. Eine besonders große Anzahl an Besuchern ist allerdings noch lange kein Indiz für einen besonders hohen Umsatz, sondern dient eher der Einschätzung der gegenwärtig angewandten Online Marketing Maßnahmen und des Interesses am Shop-Angebot. Spezifizieren lässt sich die Zahl der Visits durch die Differenzierung in die Anzahl der besuchten Seiten pro Visit und Verweildauer auf den einzelnen Seiten. Es ist davon auszugehen, dass die Länge der Verweildauer in direktem Zusammenhang mit dem Interesse eines Besuchers an der Seite oder an einem bestimmten Produkt steht. Gerade für Online-Shops, deren Fokus auf der Umsatzgenerierung liegt, ist eine weitere wichtige Kennzahl der durchschnittliche Warenkorbwert, der sich aus dem Gesamtumsatz dividiert durch die Anzahl der tatsächlichen Bestellungen errechnet. Ziel sollte es sein, einen möglichst hohen Wert des Warenkorbs anzustreben und daraus ein Maximum an Abverkäufen zu generieren. Warenkorbwert und Conversions, als weitere zentrale Größe, sollten deshalb immer in Abhängigkeit voneinander gesehen werden. Allein die Steigerung der Abverkäufe ist kein Anzeichen für eine Erhöhung des Umsatzes, wenn der Warenkorbwert tendenziell sinkt. So fließen in die Betrachtung der Conversion- Ergebnisse auch Daten der Rücksendungen ein. Die Retouren-Quote beschreibt dabei den Anteil der Rücksendungen von Waren im Vergleich zur Gesamtsumme der bestellten Produkte innerhalb eines bestimmten Zeitraumes. Eine hohe Retouren-Quoten kann erheblichen Einfluss auf den Gewinn haben, zumal Rücknahmen zusätzliche Kosten für bspw. Administration und Logistik bedingen. Sie kann aber auch Aufschluss über die Kundenzufriedenheit mit den bestellten Waren geben. Muss ich zur Reduzierung der Retouren-Quote erhebliche finanzielle Maßnahmen ergreifen, hat das natürlich auch Einfluss auf die Kosten Umsatz Relation (KUR) in einem Unternehmen. KUR beschreibt dabei das Verhältnis des eingesetzten Budgets je Kanal/Maßnahme zum Umsatz. Zur Berechnung sollten, bspw. neben den Kosten je Bestellung (CPO), auch Zusatzkosten für Akquise-Maßnahmen, herangezogen werden. Eine Kennzahl, die Einfluss auf verschiedene Ebenen nimmt und in diverse Richtungen interpretiert und gesteuert werden kann, ist der Customer Lifetime Value (CLV). Hier wird im Wesentlichen der wirtschaftliche Wert von Kundenbeziehungen während der gesamten Dauer der Kundenbeziehung zum Unternehmen beschrieben. Kundenverhalten ist in dieser Kennzahl ebenso enthalten wie Umsatz und Ausgaben. Wie bereits deutlich wird, sind die meisten Kennzahlen immer in Abhängigkeit zu anderen Kennzahlen zu sehen, um Rückschlüsse auf mögliche Optimierungsmaßnahmen ziehen zu können. 5

6 Einzelne Kennzahlen, wie im vorangegangenen Abschnitt dargestellt, sind harte Fakten zur Darstellung eines konkreten Sachverhalts. Sie geben Antworten auf Fragen wie Wie hoch ist der durchschnittliche Warenkorb? oder Wieviel Umsatz wurde mit einem Artikel generiert?. Ein effizientes Management von Datenfeed-Kampagnen beispielsweise in Google Shopping, auf Amazon oder in Preissuchmaschinen bedarf einer mehrdimensionalen Betrachtungsweise. Online- Shops müssen sich Fragen stellen wie Mit welchem Produkt, in welcher Kategorie wurde in welchem Zeitraum, an welchen Wochentagen, über welches Portal wieviel Umsatz generiert? Und, gab eventuell ein anderes Produkt den Anstoß für den Shop-Besuch?. Für die Bewertung und spätere Aussteuerung von Datenfeed-Kampagnen haben besonders die Dimensionen Zeit, Sortiment und Kanal Relevanz. Je nach Zielsetzung einer Maßnahme müssen diese bei der Analyse und Steuerung von Maßnahmen hinsichtlich ihres Detail- bzw. Verdichtungsgrades angepasst werden. Mittels Slicing (Betrachtung einzelner Daten-Scheiben ) und Dicing (Betrachtung einzelner Teilbereiche des Datenwürfels) gewinnen Händler je nach Fragestellung einen unterschiedlichen Blickwinkel auf die Performance ihrer Sortimente in variierenden Zeiträumen, Kanälen und Portalen. Abbildung 1: Datenwürfel Kennzahlen in Bezug zu Zeit, Kanal und Sortiment setzen 6

7 Das Hereinzoomen in bestimmte Sachverhalte erfolgt per Drill-down oder Roll-up und ermöglicht Online-Shops den Performance-Vergleich auf Sortiments-, Kategorie-, Produkt- und ID-Ebene, aber auch in unterschiedlichen Zeitintervallen sowie auf Kanal- und Portal-Ebene. Für Auswertungen im Produktdatenmarketing gilt, wie auch für andere Marketing-Maßnahmen, die Regel je granularer, desto besser, denn umso zielgerichteter können die daraus abgeleiteten Optimierungsmaßnahmen erfolgen. Abbildung 2: Datenwürfel Drill-down für granulare Detail-Analysen Es ist jedoch nicht nur die Granularität der Analyse-Ergebnisse entscheidend, Online- Händler müssen auch die kausalen Zusammenhänge einzelner Ergebnisse im Rahmen der Analyse und Aussteuerung berücksichtigen. Hat ein Produkt beispielsweise hohe Umsätze in einem Kanal erzielt, könnte man, ohne die Vorgeschichte des Kaufs zu analysieren, zu dem Ergebnis gelangen die Werbespendings für dieses Produkt anzuheben, würde aber dennoch gegebenenfalls anschließend einen Umsatzrückgang feststellen. Warum? Weil ein anderes Produkt Treiber für den initialen Shop-Besuch war. Zusammenhänge zu verstehen ist somit ein wichtiger Faktor für die Aussteuerung und das Ableiten von Regeln zur Optimierung. Abbildung 3: Kausale Zusammenhänge von Kennzahlen Im nachfolgenden Kapitel wird aufgezeigt wie die Ergebnisse multidimensionaler Analysen ihren Weg in die Maßnahmen zur Aussteuerung und Optimierung von Datenfeed-Kampagnen finden. 7

8 Einen allgemeingültigen Maßnahmenplan für die Aussteuerung von Datenfeed-Kampagnen, welcher für alle Sales Channels, für alle Sortimente, zu jeder Zeit die beste Performance bietet, gibt es nicht. Wie auch jeder Online-Shop, weist jedes Portal eine unterschiedliche Zielgruppenstruktur und daraus resultierend ein verschiedenes Surf- und Kaufverhalten auf. Darüber hinaus variieren Kosten und Performance der Portale, welche es im Rahmen des Kampagnen-Managements zu berücksichtigen gilt. Schritt für Schritt zeigen wir nachfolgend, welche Handlungsalternativen ein professionelles Management von Datenfeed- Kampagnen berücksichtigt. Kampagnen-Steuerung wird meist mit der Steuerung nach Performance-Kennzahlen gleichgesetzt. Im Produktdatenmarketing beginnt die Steuerung jedoch schon früher, mit der Frage Welche Produkte werden überhaupt im Datenfeed an ein Portal übermittelt und dort beworben?. Die folgenden drei Basic-Tipps zeigen, was Online-Shops unbedingt berücksichtigen sollten. General Interest Portale wie Idealo, Billiger.de oder Amazon bieten vielfältige Möglichkeiten zur Bewerbung der Sortimente; Nischenportale hingegen konzentrieren sich beispielsweise auf Möbel, Elektronik oder Mode. Durch den Abgleich des zu bewerbenden Shop-Sortiments mit dem Angebot des jeweiligen Portals reduzieren Online-Shops Streuverluste und steigern die Qualität des Traffics. Insbesondere für Nischenportalen gilt es, keine Produkte, die mit dem Gesamtangebot des jeweiligen Portals in keinem Zusammenhang stehen, zu bewerben. Sie wirken wie Aliens und verursachen dadurch lediglich unnötige Klicks und Kosten, führen jedoch in seltenen Fällen zur Conversion. Im Allgemeinen kann von einer Conversion Rate von 1-3 Prozent auf verschiedenen Shopping Portalen ausgegangen werden. Bei einem durchschnittlichen Cost-per-Click von 0,25 Euro bedeutet dies eine Investition von 8,25 Euro bis 25,00 Euro für einen einzigen Sale. Um beurteilen zu können, ob ein Marketing-Invest in die Bewerbung einzelner Produkte über ein Portal sinnvoll ist oder nicht, sollten Shop- Manager die Margen-Situation der Produkte, die tatsächliche Conversion Rate jedes Produktes sowie Korrelationen zwischen dem Umsatz mit einem Produkt und dem Klick auf ein anderes Produkt berücksichtigen. Eine Bewerbung von niedrigpreisigen Produkten kann sich unter Berücksichtigung dieser Faktoren oftmals als nicht sinnvoll erweisen. Für eine optimale Budgetallokation sind diese Produkte aus dem Datenfeed zu entfernen. 8

9 Ohne Zweifel ist es nicht effizient Produkte zu bewerben, die im Online-Shop nicht mehr verfügbar sind. Bei nahezu allen Portalen ist es daher obligatorisch die Warenverfügbarkeit einzelner Produkte im Datenfeed zu übermitteln, um nicht verfügbare Ware von einer Bewerbung auszuschließen. Insbesondere für Fashion- oder Möbel-Shops ist jedoch auch die Verfügbarkeit von einzelnen Produktvarianten für die Kampagnensteuerung von Relevanz. Erfolgt beispielsweise die Bewerbung eines Produktes, das in seinen Kerngrößen bzw. -varianten gar nicht mehr verfügbar ist, kann dies, je nach Portal, zwar zu zahlreichen Klicks in dem Shop führen, jedoch auch zu einem steigenden Kosten-/Umsatz-Verhältnis aufgrund sinkender Bestellungen. Viele Portale berücksichtigen die Verfügbarkeit von Produktvarianten nicht. Abhilfe schafft hier die Einführung eines Verfügbarkeit-Scores, der es ermöglich, Produkte regelbasiert zu filtern, deren Score unter einen bestimmten Wert fällt. Das Unterschreiten des Grenz-Wertes sagt aus, dass die Verfügbarkeit bestimmter Kernvarianten nicht gewährleistet ist. Die nebenstehende Grafik zeigt einen vereinfachten Varianten-Verfügbarkeit-Score: Hier wird zunächst für jede der 15 Varianten (3 Farben x 5 Größen) eine individuelle Gewichtung vorgenommen. Sind alle Produkte verfügbar, erreicht das Produkt einen maximalen Score von 60. Sind nun die Kernvarianten S, M, L in den Farben Blau und Rot nicht mehr verfügbar, werden diese mit 0 bewertet, d.h. es wird nur noch ein Score von 20 erreicht. Eine sich daraus ableitende Regel unter der Prämisse, dass die Kern-Varianten verfügbar sein müssen, heißt dann z.b. Entferne den Produktdatensatz aus dem Datenfeed, wenn der Score von 21 unterschritten wird. Der dargestellte Varianten-Verfügbarkeit-Score wird in diesem Beispiel sehr statisch und vereinfacht gebildet, mehr Dynamik und damit mehr Realitätsnähe gewinnen Online-Shops, indem sie bei der Gewichtung einzelner Varianten die Performance einzelner Produkte je Kanal berücksichtigen und dynamisch in die Gewichtung einfließen lassen. 9

10 Nachdem definiert ist, welche Produkte grundsätzlich in einem Datenfeed an einen Partner übermittelt werden sollen, kann der Online-Shop mit der Aussteuerung nach Performance-Kennzahlen beginnen. Welche Kennzahlen ein Online-Shop für die Aussteuerung wählt, hängt stets von seiner individuellen Zielsetzung ab. Grundsätzlich kann jede der in Kapitel 1 dargestellten Kennzahlen zur Zielgröße der Kampagnen-Steuerung werden. Hilfreich ist, Ziele bereits im Vorfeld entsprechend der in Kapitel 2 dargestellten Dimensionen Zeit, Sortiment und Sales Channel zu formulieren, um eine individuelle Portal-Strategie definieren zu können. Bevor Online-Shops beginnen Kampagnen auszusteuern und mittels Performance-Filtern einzelne Produkte von der Listung bei einem Portal auszuschließen, müssen ausreichend Traffic-Daten erfasst werden, die eine statistisch valide Aussage zur Performance der Produkte erlauben. Ohne eine valide Datenbasis schneiden Online-Shops sich wertvolle Verkaufschancen ab. Auch im späteren Verlauf des performancebasierten Kampagnen-Managements spielt der Faktor Zeit eine wichtige Rolle. So muss stets darauf geachtet werden, dass sich rückwärtsgerichtete Performance-Regeln immer auf eine Datenbasis beziehen, die einen statistisch relevanten Zeitraum umfassen und gleichzeitig saisonale Effekte berücksichtigen. Für den Start der Bewerbung von Produkten bei einem Portal empfiehlt es sich zunächst, um eine valide Daten-Grundlage zu schaffen, für das gesamte Sortiment alle Traffic- & Performance- Daten für einen Zeitraum von vier bis sechs Wochen zu erfassen. 10

11 Für eine individuelle Portal-Strategie im Produktdatenmarketing muss jede Analyse und Bewertung der Performance einzelner Produkte portalspezifisch erfolgen, ebenso die daraus folgende Definition von Aussteuerungs-Regeln, da Leistungswerte je nach Sales Channel deutlich variieren können. /Penner-Listen oft sinnvoll sein. Eine solche Bewertung hilft dabei, grundsätzliche Fragen zu beantworten, wie z.b. Setze ich auf die richtigen Kanäle? Das richtige Sortiment? Und ist der Preis (un)attraktiv? Die Antworten wiederrum können in der übergeordneten Shop-Strategie Berücksichtigung finden. Dennoch kann auch eine portalübergreifende Betrachtung für das Erstellen von Renner- Für eine möglichst granulare Aussteuerung empfiehlt es sich, die Perspektive schrittweise vom Spezifischen zum Allgemeinen zu lenken und sich von der Produkt-ID bis zur jeweiligen Kategorie vorzuarbeiten. Shop-Manager beginnen folglich zunächst damit alle Produkte bzw. Produktvarianten aus ihrem Datenfeed von einer Listung auszuschließen, die sich klar außerhalb des definierten Ziel-Korridors bewegen. Führen die Optimierungs-Maßnahmen dann z.b. noch immer nicht zum angestrebten Kosten-/Umsatz-Verhältnis, gilt es zu analysieren, welche Sub-Kategorie oder auch Ober-Kategorie für die schlechte Performance einer Kampagne verantwortlich ist. Diese kann dann, gegebenenfalls auch vollständig, von der Listung bei einem Portal ausgeschlossen werden. Wichtig ist dabei, sich klar an die definierten Ziele und die KPI-Fakten zu halten. Vorlieben für einzelne Produkte müssen außer Acht gelassen werden, auch wenn dies bedeutet, dass gegebenenfalls das Lieblings-Produkt von der Listung bei einem Portal ausgeschlossen wird. Ohne den klaren Faktenbezug bei der Aussteuerung kann keine Performance- Steigerung gelingen. 11

12 Die systematische und erfolgreiche Steuerung von Datenfeed-Kampagnen bei Google Shopping, Amazon, Preissuchmaschinen und Produktportalen bedarf einer klaren Zielsetzung, damit verbunden der Definition des KPI-Korridors sowie einer umfassenden Kenntnis über das eigene Sortiment und dessen Performance. Haben Sie bereits die Grundsteine für Ihr Kampagnenmanagement gelegt? Meine Ziele sind in den Dimensionen Zeit, Sortiment und Kanal definiert und auf einzelne Teil-Ziele heruntergebrochen. Ich habe festgelegt, welche Produktkategorie(n) bei welchem Portal beworben werden soll(en). Ich kenne die Margen- und Umsatz-Situation meiner Sortimente und weiß über Korrelationen und saisonale Effekte Bescheid. Für relevante Produktkategorien wurde ein Varianten-Verfügbarkeit-Score definiert, der mir die Optimierung meiner Kampagnen nach Kernvarianten ermöglicht. Ich habe ausreichend Performance-Daten für ein Portal gesammelt und kann nun mit der regelbasierten Aussteuerung nach Performance-Zielen beginnen. 12

13 Feed Dynamix GmbH Ludwigstraße 31 D Frankfurt am Main Germany T F info@feed-dynamix.de Folgen Sie Feed Dynamix: 2015 Feed Dynamix GmbH 13