Als Shopbetreiber hast du die Möglichkeit viele Daten über deine Nutzer zu sammeln – also, Big Data im E-Commerce zu generieren. Die große Ansammlung an Daten liefert dir aber zunächst noch keine nützlichen Informationen. Denn du musst zielgerichtete Analysen für bestimmte Anwendungsfälle durchführen, damit du wichtige Erkenntnisse sammeln kannst. Wie das funktioniert, kannst du in diesem Blogartikel nachlesen.
Diese Inhalte erwarten dich in diesem Blogartikel:
Was ist Big Data im E-Commerce?
Wie es mit den gesammelten Daten weitergeht
Worin die Herausforderung im E-Commerce besteht
Use Cases zu Big Data im E-Commerce
Use Case 1: Reduktion der Klick- und Kaufdaten für die Ausspielung von Empfehlungen
Use Case 2: Automatische Produktidentifizierung aus vorhanden Informationen
Use Case 3: Extraktion von Farbwerten für die Lokalisierung ähnlicher Produkte
Fazit: Big Data ist gut, Smart Data ist besser
Was ist Big Data?
Der Begriff Big Data hat zwei Bedeutungen, die auch für Big Data im E-Commerce gelten. Auf der einen Seite beschreibt der Begriff die riesige Menge an Daten, die vielen Unternehmen und Nutzern inzwischen zur Verfügung steht. Auf der anderen Seite bezeichnet Big Data die Methoden und Technologien, die benutzt werden, um einen Nutzen aus dieser Fülle an Daten zu generieren.
Das V-Modell von Dough Laney definiert für Big Data folgende Eigenschaften:
- Volume: beschreibt die Größe der Datensätze. Facebook verfügt z. B. über die Daten seiner über 2 Mrd. Nutzer.¹
- Velocity: bezeichnet die Geschwindigkeit, in welcher neue Daten hinzukommen oder sich ändern. Auf YouTube werden z. B. jede Minute 400 Stunden Videomaterial hochgeladen.²
- Variety: bezieht sich auf die unterschiedlichen und oft nicht strukturierten Daten, wie es z. B. bei einer E-Mail der Fall ist. Diese hat einen strukturierten Header mit Absender und Betreff. Der Body ist aber unstrukturiert.³
Dass der Begriff seit einigen Jahren vermehrt benutzt wird, hat verschiedene Gründe. Einerseits haben Unternehmen heutzutage die Möglichkeit viel mehr Daten über ihre Nutzer zu erhalten als in der Vergangenheit. Gerade durch Smartphones, die vermehrte Nutzung von mobilem Internet und die verschiedenen Analysetools, hat sich die Menge an verfügbaren Daten um ein Vielfaches vergrößert.
Andererseits sind die Speichermöglichkeiten durch Clouds und die Verarbeitung dieser Daten durch immer schneller rechnende Computer besser geworden.
Da sich Big Data des Weiteren auch über künstliche Intelligenz (KI) verarbeiten lässt, haben die jüngsten Fortschritte der KI und die damit verbundene Begeisterung das Thema Big Data im E-Commerce zusätzlich angefeuert.
Bleibe up to date in Sachen Customer Experience Optimization: Melde dich zu unserem Newsletter an. Jetzt anmelden!
Was ist Big Data im E-Commerce?
Big Data beschreibt alle Daten, die ein Unternehmen sammeln kann, um Erkenntnisse für das zukünftige Handeln im Unternehmen zu gewinnen. Big Data im E-Commerce stellt alle Daten dar, die den digitalen Handel betreffen und im Rahmen des Online-Shoppings gesammelt werden. Dies können z. B. gesammelte Daten aus dem Shopsystem, dem Warenwirtschaftssystem und dem Klick- und Kaufverhalten im Online Shop sein.
Wie es mit den gesammelten Daten weitergeht
Wenn du als Betreiber eines Online Shops nun eine riesige Menge an Daten zur Verfügung hast, fragst du dich bestimmt, wie du einen Nutzen daraus gewinnen sollst. Ganz zu Recht, denn die große Ansammlung an Daten liefert zunächst noch keine Informationen. Die Kunst besteht nun darin, diese Daten effektiv zu verarbeiten und Muster und Korrelationen zu erkennen, die nützliche Informationen für deinen Online Shop liefern können. Dieses Verfahren nennt man Data Mining.
Um diese Informationen zu gewinnen, werden aus Big Data im E-Commerce, Smart Data extrahiert. Smart Data sind nützliche Daten für bestimmten Anwendungsfälle im E-Commerce. Es findet somit eine zielgerichtete Analyse der großen Datenmengen statt.
Dadurch entsteht auch der Fokus auf das Wesentliche und zufällige Korrelationen werden nicht fälschlicherweise als Muster interpretiert. Ein Zitat von Stefan Jähnichen, FZI Forschungszentrum Informatik und Leiter der Smart-Data-Begleitforschung, beschreibt Smart Data sehr treffend: „Big Data ist also eine Art Rohstoff, den es aufzubereiten gilt, damit er zu Smart Data veredelt werden und sein gesamtes wirtschaftliches Potenzial entfalten kann“.⁴
Worin die Herausforderung im E-Commerce besteht
Somit besteht die Herausforderung im E-Commerce darin, den „Rohstoff“ Big Data im Hinblick auf bestimmte Use Cases zu Smart Data zu verarbeiten, damit Aktionen im Online Shop zugunsten der Online Shopper und Shopbetreiber durchgeführt werden können. Deshalb wird neben dem Data Mining ein weiteres Verfahren eingesetzt: Machine Learning. Machine Learning stellt die Verfahren zum Bauen von künstliche Intelligenz bereit, um die zur Verfügung stehende Datenmengen weiterzuverarbeiten und Aktionen im Online Shop durchzuführen.
Zusammengefasst kann gesagt werden, dass Data Mining zielgerichtete Analysen durchführt und eine geeignete Datenmenge für Machine Learning bereitstellt. Diese wird anschließend weiterverarbeitet und führt zu Aktionen im Online Shop.
Use Cases zu Big Data im E-Commerce
Damit du dir Smart Data besser vorstellen kannst, haben wir drei Use Cases für dich zusammengestellt. Diese beschreiben, wie du aus Big Data über Data Mining und Machine Learning Smart Data extrahieren und weiterverarbeiten kannst und welcher Vorteil damit verbunden ist:
Use Case 1: Reduktion der Klick- und Kaufdaten für die Ausspielung von Empfehlungen
Wenn ein Online Shopper mit einer Webseite interagiert, produziert er extrem viele Daten. Jeder Klick, jede Mausbewegung und jeder Scroll kann aufgezeichnet werden. Hierbei sprechen wir von Big Data. Für die Berechnung von Empfehlungen reicht jedoch eine Teilmenge von Daten aus, wie z. B.:
- Welche Links wurden geklickt,
- welche Artikel wurden in den Warenkorb gelegt und
- wie lange hielt der Kunde sich wo auf.
Eine erste Reduktion findet also bereits bei der Aufzeichnung der Daten statt. Die zweite Reduktion wird dann beim Berechnen des Modells durchgeführt, wie z. B.:
- Welche Informationen helfen beim aktuellen Online Shop,
- für den aktuellen Kunden und
- für das aktuelle Problem am meisten.
Diese kontextbezogenen Informationen stellen Smart Data dar.
Möchtest du mehr Infos zu dieser Use Case? Dann empfehlen wir dir unseren Blogartikel: Reinforcement-Learning-Prozess: Wie du mit Real Time Analytics die Kaufwahrscheinlichkeit erhöhst (Teil 2).
Use Case 2: Automatische Produktidentifizierung aus vorhanden Informationen
Dein Produktkatalog enthält Informationen wie Titel, Kategorie und Beschreibung, die ein real existierendes Produkt aus einer Folge von Wörtern und Produkt-IDs beschreiben. Bis zu diesem Punkt reden wir von Big Data. Wenn ein Algorithmus aber aus diesen Daten ein aktuelles Produkt extrahiert, sprechen wir von Smart Data. Erst wenn der Algorithmus das Produkt als solches erkennt, kann er es in eine korrekte Beziehung zu anderen Produkten setzen (Semantik). Ein Beispiel:
Big Data
Titel: Phase Eight Leto Floral Dress
Kategorie: Damen-Kleider/Weitere Kleider
Beschreibung: Dieses Jersey-Kleid präsentiert sich mit kontrastfarbenen Blumendrucken, die für ein helles und modernes Finish sorgen. Ein Twist-Detail an der Taille erzeugt eine schmeichelhafte Silhouette, die in einer leicht asymmetrischen Form unter dem Knie endet.
Smart Data
Kleid -> Jersey-Kleid
So kann z. B. erkannt werden, ob ein Produkt ein Oberteil oder ein Unterteil ist. Das ist wichtig, um Outfit-Empfehlungen im Online Shop auszuspielen. Durch diese Smart-Data-Extraktion konnten wir z. B. eine zweistellige Umsatzsteigerung für einen unserer Kunden erzielen.
Bleibe up to date in Sachen Customer Experience Optimization: Melde dich zu unserem Newsletter an. Jetzt anmelden!
Use Case 3: Extraktion von Farbwerten für die Lokalisierung ähnlicher Produkte
Wenn ein Online Shop z. B. 200.000 Bilddateien besitzt, dann spricht man in diesem Fall von Big Data. Wenn du nun aus den 200.000 Bilddateien, die Farben und ihre Farbanteile für einen bestimmten Zweck extrahierst, dann entsprechen die Farbwerte Smart Data. Daraus resultiert der Vorteil, dass du direkt mit den Farbwerten arbeiten kannst, um ähnliche Produkte in deinem Online Shop zu finden, statt nur mit den sehr groben sprachlichen Farbwerten wie „blau“.
Fazit: Big Data ist gut, Smart Data ist besser
Big Data ist wichtig für den unternehmerischen Erfolg. Das können wir festhalten. Jedoch ist die Extraktion von Smart Data ein wichtiger Erfolgsfaktor, wie die Use Cases für Big Data im E-Commerce gezeigt haben. Dadurch kannst du die gesammelten Daten erst für bestimmte Anwendungsfälle nutzbar machen. Wichtige Verfahren hierfür sind Data Mining und Machine Learning.
Quellen: ¹ Rising Media Ltd., AllFacebook.de ² Statista ³ Gesellschaft für Informatik e. V (GI) ⁴ Smart-Data-Begleitforschung, c/o LoeschHundLiepold Kommunikation GmbH, Newsletter, Ausgabe 1, August 2015
