erlaubt es, Muster in Daten zu erkennen, zu analysieren und individuellen Nutzen daraus zu ziehen. Das sorgt f眉r mehr Kundenzufriedenheit, mehr Effizienz in den Prozessen, bessere Produkte 鈥� und am Ende f眉r zus盲tzlichen Umsatz.
In Zeiten von Covid-19 sind Onlinehandel und online genutzte Services wichtiger denn je. Erstens f眉r die Kunden, deren Leben mit so wenigen Einschr盲nkungen wie m枚glich weitergehen soll. Und zweitens f眉r die Anbieter, die Strukuren brauchen, in denen E-Commerce kein Nice-to-have ist, sondern zentrales Element ihrer Gesch盲ftsstrategie.
Mit intelligentem Datenmanagement lassen sich die Erwartungen beider Seiten erf眉llen. Und dabei geht es um viel mehr als um die Verwaltung und Weitergabe von Produktinformationen. Es geht darum, seinen Kunden komfortablen und m枚glichst automatisierten Service zu bieten, den Input anschlie脽end strukturiert f眉r sich zu nutzen 鈥� und am Ende dadurch mehr Umsatz zu machen.
Dass dies in vielen Unternehmen bisher noch nicht gelingt, liegt auch an einem antiquierten Umgang mit Feedback. Ruft ein Kunde an oder schreibt er eine Mail, dann bekommt er im besten Fall eine individuelle Antwort 鈥� aber mehr passiert sehr h盲ufig mit seiner Eingabe nicht.
Sprachbot erkennt bei der Datenanalyse: Beide Kunden haben dasselbe Anliegen
Kundenanfragen sind aber keineswegs eine l盲stige Unvermeidlichkeit, sondern ein Goldschatz, den es zu heben gilt 鈥� und zwar mithilfe von intelligentem Datenmanagement. Intelligent meint in diesem Zusammenhang zum Beispiel den Einsatz von NLP-Klassifizierung. NLP steht f眉r Natural Language Processing und erm枚glicht Sprachbots, unterschiedlich formulierte, aber inhaltlich 盲hnliche bis gleiche Anfragen als solche zu erkennen und zu verarbeiten. Die Frage des ersten Kunden an den Hersteller von Elektrowerkzeugen und Gartenger盲ten zum Beispiel k枚nnte lauten: 鈥濨rauche ich f眉r unterschiedliche Holzarten verschiedene S盲gebl盲tter?鈥�. Der zweite Kunde formuliert: 鈥濳ann ich das vorhandene S盲geblatt f眉r s盲mtliche Holzarten verwenden?鈥� NLP-Klassifizierung 鈥� also nat眉rliche Sprachverarbeitung 鈥� in Kombination mit Datenanalyse erkennt, dass beide Kunden dasselbe Anliegen haben. Wobei es wichtig ist, dass diese Erkenntnis anschlie脽end auch Teil der Enterprise-Daten wird.
Intelligente Technologien verbessern die Produkt- und Prozessqualit盲t
Die intelligente Analyse und Weiterverarbeitung solchen Inputs und die entsprechende Reaktion darauf sorgt nicht nur f眉r maximale Kundenzufriedenheit, sondern sie verbessert auch die Produkte. Um bei dem beschriebenen Beispiel zu bleiben: Der Hersteller k枚nnte die zitierten Fragen zum Anlass nehmen, ein One-fits-all-S盲geblatt f眉r seine Astschere zu entwickeln.
Und neben den Produkten profitieren auch die Prozesse stark von Datenanalysen. Zum Beispiel nutzt ein 麻豆原创-Kunde, der Hygieneartikel f眉r Krankenh盲user herstellt, die Bestelldaten seiner Kunden, um zu analysieren, wann welche Produkte in welcher Menge nachgefragt werden 鈥� und wann nicht. Mithilfe der daraus gewonnenen Erkenntnisse m枚chte das Unternehmen seinen CO2-Fu脽abdruck verkleinern, indem es die Lieferkette optimiert. Schlie脽lich verbraucht ein voller LKW deutlich weniger Diesel als zwei halbvolle.
Datenstrategie h盲ngt von den gew盲hlten Zielen ab
Damit Bestellinformationen und Kundenfeedback anschlie脽end auch dem Produktmanagement und dem Einkauf in nutzbarer Form zur Verf眉gung stehen , braucht es die passenden Technologien, zum Beispiel und in Kombination mit .
Solche L枚sungen sorgen f眉r die richtige Datenmenge, -granularit盲t und -qualit盲t. Und sie behalten dabei neben den Prozessen und Produkten die Compliance im Blick. Vor allem Datenschutz ist nat眉rlich im Onlinehandel, wo auch Zahlungsinformationen 眉bermittelt werden, von enormer Bedeutung.
Unterm Strich k枚nnen systematisch analysierte Daten dazu dienen
- die Kunden zufriedener zu machen,
- die Prozesskette zu optimieren,
- fundiertere Entscheidungen zu treffen,
- neue (digitale) Produkte und Dienstleistungen zu entwickeln, damit
- das eigene Gesch盲ftsmodell weiterzuentwickeln,
- und am Ende mehr Umsatz zu machen.
F眉r kein Unternehmen sind alle diese Ziele gleichbedeutend 鈥� und f眉r keines alle gleichzeitig erreichbar. Die gew盲hlte Datenstrategie und die Datenarchitektur sollten sich an der Priorisierung dieser Ziele orientieren. Was in jedem Fall gilt: Wer seine 鈥濪atensch盲tze鈥� hebt, hat zufriedenere Kunden, bessere Prozesse 鈥� und macht am Ende mehr Umsatz.
#GIVEDATAPURPOSE
