Empfehlungssystem auf Basis von Hunderttausenden Kassenbons
Einzelhandel und E-Commerce
Branche und Art der Organisation
Eine Handelskette mit eigenem E-Commerce-Kanal und Hunderttausenden Transaktionen. In den Kassenbons steckte Wissen, das niemand auslas: was die Kunden zusammen kaufen.
Geschäftliches Problem
Die Kette hatte die vollständige Kaufhistorie, aber dieses Wissen lag unangetastet in den Bons. Entscheidungen darüber, was man neben was stellt, was man an der Kasse vorschlägt und was man auf Lager hält, fielen aus Erfahrung, obwohl die Antwort in den Bons selbst lag: was wirklich zusammen im Warenkorb landet.
Vorgehen und Arbeitsumfang
Wir haben Hunderttausende Kassenbons mit der Warenkorbanalyse (market basket analysis) ausgewertet, einer der klassischen Techniken des Data Mining, und daraus Assoziationsregeln gezogen: welche Produkte zusammen in den Warenkorb wandern und wie oft. Aus diesen Mustern entstand ein Empfehlungssystem (recommender system), das durch Verkaufsdaten gestützte Kombinationen vorschlägt.
Dasselbe Ergebnis lässt sich an mehreren Stellen nutzen: bei der Datenanalyse für die Bestandsplanung, im Verkauf als Hinweis für das Personal und als Produktempfehlungen auf der Website.
Das Fundament war in diesem Projekt die Warenkorbanalyse, die auf anonymen Bons arbeitet, weil sie nur der Warenkorbinhalt selbst interessiert. Diese umfasste den gesamten Verkauf: sowohl online als auch die Kassenbons aus den stationären Filialen. Collaborative Filtering ist wiederum eine allgemeine Empfehlungsmethode, die auf dem Verhalten von Kunden mit ähnlichen Warenkörben beruht („Kunden wie du kauften auch”). Diese erfordert eine Verknüpfung der Käufe mit dem Kunden und eignet sich daher überall dort, wo das möglich ist, sowohl online als auch bei der Kundenkarte in der stationären Filiale.
Geschäftlicher Effekt
Hunderttausende
analysierte Kassenbons
Muster des gemeinsamen Auftretens von Produkten
3 Anwendungen
Cross-Selling, Bestände, Online-Hinweise
ein Modell, viele Einsatzorte
Die Produktkombinationen beruhen auf dem, was real in den Warenkörben geschieht, nicht auf Vermutung. Dieselbe Analyse zeigt, was man beim Verkauf vorschlägt, was man nebeneinanderstellt und was man auf Lager hält.
Die Muster aus dem Warenkorb liefern zwei Dinge, die mit dem Auge schwer zu erfassen sind. Langsam drehende Ware geht oft im Doppel mit einem bestimmten Bestseller ab, sodass ihre Beigabe zu einer solchen Kombination Bestand flüssig macht, der sonst liegen bleibt. Sichtbar werden auch nicht offensichtliche Verbindungen zwischen bereits im Sortiment vorhandenen Produkten, die zuvor niemand bewusst kombiniert hatte, und jede davon ist eine fertige Idee für ein neues Verkaufsset.
Umfang der Einführung
Die Analyse umfasste die vollständige Verkaufshistorie der Kette. Je länger die Historie, desto sicherer die Muster des gemeinsamen Auftretens.
Wenn du eine Verkaufshistorie hast, aus der niemand Schlüsse zieht, beschreib uns deinen Fall. Wir prüfen, welche Muster sich daraus herauslesen lassen.
Verwandte Artikel in der cm-opti Wissensdatenbank
Leistungsbereich: Datenanalyse und Empfehlungssysteme.