Joint Business Planung für Einzelhändler: Damals und heute

In der Vergangenheit erforderte die gemeinsame Geschäftsplanung erhebliche Investitionen in Forschung und Zusammenarbeit. Intelligente Datenstrategien und KI verändern diese Gleichung für immer.

Einzelhändler und Produkthersteller sind natürliche Verbündete. Beide wollen wissen, welche Produkte die Kunden kaufen und warum. Beide wollen das Kaufverhalten der Kunden nutzen, um Umsatz und Rentabilität zu steigern. Beide wollen ihre Produktbotschaften für effektive Marketing- und Werbekampagnen abstimmen. Beide verfügen über große Mengen an relevanten Daten. Auf den ersten Blick scheint die Angleichung der Geschäftsziele eine Selbstverständlichkeit zu sein, aber wie bei jeder anderen groß angelegten Allianz ist die Verwaltung der Details kompliziert.

Der Prozess der gemeinsamen Geschäftsplanung (Joint Business Planning, JBP) wird in der Regel mit Hilfe von Forschungsunternehmen und Beratungsfirmen durchgeführt, was oft mit erheblichen Kosten verbunden ist. Sobald der Einzelhändler und der Hersteller – unterstützt durch Umfragen und Fallstudien – gemeinsame Chancen, Strategien und Ziele ermittelt haben, wird ein Geschäftsplan erstellt. In diesem Plan werden vielversprechende Produktkategorien identifiziert und die Merchandising-Planer sowie die Marketing- und Werbeleiter des Einzelhändlers damit beauftragt, diese zu fördern.

Dies ist ein kostspieliger, zeitaufwändiger Prozess. Einzelhandelsriesen wie Wal-Mart und ebenso gigantische Hersteller wie Procter & Gamble können sich umfassende JBP-Projekte leisten, wie z. B. ihren erfolgreichen Plan zur Steigerung des Absatzes von Febreze. Aber für die meisten Einzelhändler, selbst wenn sie Zugang zu Bergen von Daten haben, ist eine solch detaillierte Planung unrealistisch – oder war es zumindest.

Daten: Das Geheimrezept

Einzelhändler jeder Größe werden von Daten überflutet. Die von den Herstellern bereitgestellten Daten für Tausende oder Millionen von Produkten sind in ihren speziellen PIM-Systemen (Product Information Management) gespeichert. Bilder, Audio- und Videodateien, Kundenrezensionen und Werbebeschreibungen für jedes Produkt werden in umfangreichen Digital Asset Management (DAM)-Systemen gespeichert. Auch die Daten zu Produktpreisen, Lagerbeständen und Verkaufshistorie können in entsprechenden Datenspeichern gespeichert sein. Das ist alles schön und gut, aber die eigentliche Frage ist, wie man all diese Daten effektiv nutzen kann.

Selbst mit einer Fülle von Daten haben Marketing- und Werbeleiter Hilfe benötigt, um die Produktangebote mit dem größten Erfolgspotenzial genau zu planen. Ihr Gespür ist oft gut – ebenso wie das der Merchandising-Planer einer Kampagne. Die Ergebnisse können jedoch in Anbetracht der vielen Variablen unwirksam sein. Eine gemeinsame Geschäftsplanung, wenn sie überhaupt stattfand, erforderte eine manuelle Überprüfung der vorhandenen Daten.

Der erste Schritt zur Lösung dieses Rätsels besteht für den Einzelhändler darin, all diese Daten als eine „einzige Quelle der Wahrheit“ zu vereinheitlichen. Mit einem integrierten Ansatz wie Comosoft LAGO können Einzelhändler eine Vielzahl von Marketing- und Werbeproduktionsaufgaben automatisieren und komplexe, regionsübergreifende Kampagnen koordinieren. Das Potenzial für Marketing- und Werbeplaner im Einzelhandel ist jedoch noch lange nicht ausgeschöpft.

Datenbereitstellung und KI

Der jüngste Hype um künstliche Intelligenz (KI) hat das Interesse der Einzelhändler an einer effektiveren Nutzung von Produktdaten geweckt. Bevor dieses Potenzial jedoch in Betracht gezogen werden kann, müssen die Daten für Werbe- und Marketingleiter und ihre Planungs- und Produktionsteams leicht zugänglich sein. Die Daten müssen nicht nur sicher, sondern auch qualitativ hochwertig sein – das heißt, sie müssen konsistent und logisch miteinander verknüpft sein, was bei integrierten Planungs- und Produktionssystemen wie LAGO der Fall ist.

Auf der Grundlage einer solchen integrierten Datenbasis kann die KI intelligente, umsetzbare Erkenntnisse aus strukturierten und unstrukturierten Daten liefern und so den Planungsprozess für optimale Produktangebote steuern. Dies geschieht durch die Erkennung von Mustern in den Daten, darunter:

  • Das Kaufverhalten der Kunden, einschließlich Änderungen in der Kaufhäufigkeit und frühere Reaktionen auf Werbekampagnen
  • Produktkategorien,die mit hoher Wahrscheinlichkeit die Gesamteinkäufe eines Kunden erhöhen.
  • Ähnliche Produkte,die Kunden typischerweise kaufen oder wahrscheinlich kaufen werden, basierend auf der Historie und der Nähe zur Anzeige.
  • Optimale Preisschätzungen die das Gesamtvolumen am ehesten erhöhen.

Bevor KI in der Angebotsplanung eingesetzt werden kann, müssen die Daten integriert und zugänglich sein.

Dieses und andere „Big Data“-Potenziale sind nicht nur Theorie. In einer kürzlich durchgeführten Fallstudie konnte eine regionale Lebensmittelkette eine signifikante Umsatzsteigerung aufgrund von Werbeangeboten erzielen, die in Comosoft LAGO erstellt und durch KI-gestützte Simulationen gesteuert wurden.

KI ist weit davon entfernt, magisch oder rätselhaft zu sein. Sie ist in der Lage, praktische, umsetzbare Erkenntnisse zu finden, die in der Masse der Produkt- und Kaufverhaltensdaten verborgen sind, über die alle Einzelhändler verfügen. Sie kann Änderungen im Kundenverhalten als Reaktion auf vergangene Werbeaktionen berechnen und wahrscheinliche Ergebnisse für zukünftige Aktionen vorhersagen. Es kann Interaktionen zwischen Produkten auf Kundenebene darstellen. Sie kann die Preisbereiche nach Artikeln analysieren, um festzustellen, welche wöchentlichen Werbeaktionen die meisten Kunden anziehen werden.

KI ist nicht magisch oder rätselhaft. Sie findet lediglich verwertbare Erkenntnisse, die in den Daten verborgen sind, über die alle Einzelhändler verfügen.

Erfahren Sie mehr über den Ansatz von Comosoft LAGO zur KI-gesteuerten Automatisierung und sein Potenzial, Ihre Daten- und Marketingstrategie im Einzelhandel zu verändern. Oder buchen Sie eine Demo und überzeugen Sie sich selbst.