Beispiele aus dem Tante-Emma-Laden zeigen, dass Big Data gar nicht so kompliziert ist.

Heute setzen wir den Blog der vergangenen Woche fort und erklären wichtige Begriffe aus dem Big Data anschaulich erklärt an Beispielen aus dem Tante-Emma-Laden.

Assoziationsanalyse

Bei der Assoziationsanalyse wird nach Regeln gesucht, die die Zusammensetzung der Warenkörbe beschreiben. Es werden Abhängigkeiten gesucht, die für Marketing-Maßnahmen zu nutzen sind.

Annahme: Tante Emma hat alle 100.000 Warenkörbe des letzten Jahres noch gut im Kopf und kennt deren genaue Zusammensetzung.

tabelle-assoziationsanalyse

Als sie sich die Werte genauer ansieht, fällt Ihr eine Regel auf:

  • In 5% aller Warenkörbe befindet sich Marmelade
  • Aber: In 10% der Warenkörbe, die Brötchen enthalten, befindet sich Marmelade.

Das Vorhandensein von Brötchen in einem Warenkorb erhöht also die Wahrscheinlichkeit des Kaufs von Marmelade um den Faktor 2. Diesen Faktor bezeichnet man als Lift.

Weil also bei Brötchenkäufern die Wahrscheinlichkeit höher ist, als beim Durchschnittskäufer, dass auch Marmelade gekauft wird, räumt Tante Emma ihr Geschäft ein wenig um. Sie platziert nun die Marmelade genau neben den Brötchen in der Annahme, den Anteil der Marmeladenkäufer zu erhöhen. Das wird sie nach einer gewissen Zeit überprüfen.

Next Best Offer

Tante Emma hat nach unserer Annahme alles, was sie je von ihren Kunden erfahren hat, jeden Besuch und jedes Gespräch im Kopf.

Da sie oft an der Kasse steht, möchte sie ihre Kunden noch dazu animieren, noch ein weiteres Produkt zusätzlich zu kaufen. Sie hatte das bei McDonalds einmal gesehen. Dort fragte man sie, ob es zum Burger auch noch eine Cola sein dürfe.Big Data - Next best offer

Nur welches Produkt soll sie den Kunden an der Kasse vorschlagen? Sie denkt sich, dass sie bei der Auswahl an alles denken muss, was sie von den Kunden weiß. Der erste Kunde z.B. kauft Lebensmittel ein. Da morgen Muttertag ist und Tante Emma weiß, dass die Mutter des Kunden direkt im Haus neben dem Kunden wohnt, fragt sie, ob er nicht noch eine Kiste von den neuen Pralinen für seine Mutter kaufen möchte.

Der nächste Kunde hat immer gern die sauren Gummibären gekauft, heute hat er die aber nicht im Einkaufskorb. Sie fragt nach und erhält die Antwort, dass das Fach mit den Gummibären leer sei. Sie schlägt ihm vor, anstatt dessen die sauren Heringe zu kaufen.

Next Best Offer ist somit der Vorschlag einer Ware oder Dienstleistung, der aus der Kenntnis sämtlicher Daten des Geschäfts über den Kunden getroffen werden.

Predictive Analytics

Hier geht es um die Zukunft. Tante Emma versucht aus den Daten ihrer Kunden Voraussagen für die Zukunft zu treffen.

Nun steht die Weihnachtszeit bevor und Tante Emma muss bei ihrem Lieferanten die Gänse und Enten bestellen. Sie weiß, wie viele Gänse und Enten sie in den letzten Jahren verkauft hat und überlegt nun, ob sich diese Zahlen dieses Jahr ändern.

Was spricht dafür, dass sie dieses Jahr mehr Gänse und Enten als im Vorjahr verkauft:
tante-emma_predictive-analytics_1_miw_160915

Was spricht dafür, dass sie dieses Jahr weniger Gänse und Enten als im Vorjahr verkauft:
tante-emma_predictive-analytics_2_miw_160915

Aus diesen ganzen Informationen zieht Tante Emma nun den Schluss, dass sie die Effekte gegenseitig aufheben werden und sie genauso viele Gänse und Enten wie im Vorjahr verkaufen wird.

Ich hoffe, dass diese Beispiele klar gemacht haben, dass Big Data, BI und alles was damit zusammen hängt, kein Hexenwerk sind. Sie ist nur der Versuch, Tante Emmas Möglichkeiten der perfekten Kenntnis der Kunden auf den Einzelhandel oder den Onlinehandel zu übertragen.

von Marc Panzer

 

 

0 Antworten

Hinterlassen Sie einen Kommentar

Wollen Sie an der Diskussion teilnehmen?
Sie sind herzlich eingeladen!

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert

1 × fünf =