So verstehen Sie, was Ihre Kunden wirklich kaufen
Ein Kunde kauft Windeln und greift danach zum Bier. Ein anderer nimmt Pasta, Tomaten und Basilikum, aber vergisst das Olivenöl. Solche Muster zu erkennen, ist keine Zauberei, sondern Warenkorbanalyse. Ein Werkzeug, das im E Commerce Standard ist und im stationären Handel viel zu selten genutzt wird.
Was ist Warenkorbanalyse
Die Warenkorbanalyse, im englischen Basket Analysis oder Market Basket Analysis genannt, untersucht, welche Produkte Kunden gemeinsam kaufen. Das Ziel ist es, Muster zu erkennen, die auf den ersten Blick nicht sichtbar sind.
Das Prinzip ist einfach. Jede Transaktion an der Kasse erzeugt einen Datensatz. Kunde X hat zur Zeit Y die Produkte A, B und C gekauft. Multipliziert man das mit Tausenden oder Millionen von Transaktionen, entstehen Muster. Produkt A wird überdurchschnittlich oft zusammen mit Produkt B gekauft. Kunden, die Produkt C kaufen, greifen selten zu Produkt D.
Diese Erkenntnisse sind Gold wert für Sortimentsgestaltung, Regalplatzierung, Cross Selling Aktionen und personalisierte Angebote. Amazon hat damit ein Imperium gebaut. Die gute Nachricht ist, dass die gleichen Methoden auch im stationären Handel funktionieren.
Warum ist das Thema gerade jetzt relevant
Drei Entwicklungen machen die Warenkorbanalyse für den stationären Handel attraktiver denn je.
Datenverfügbarkeit
Moderne Kassensysteme erfassen längst alle notwendigen Daten. Das Problem war nie die Erhebung, sondern der Zugang. Middleware Lösungen machen diese Daten heute zugänglich, ohne die bestehende IT Infrastruktur zu ersetzen.
Rechenleistung
Was früher teure Spezialsoftware und eigene Server erforderte, läuft heute in der Cloud. Die Kosten für Datenanalyse sind um Größenordnungen gesunken.
Wettbewerbsdruck
E Commerce Anbieter kennen ihre Kunden besser als je zuvor. Stationäre Händler, die nicht aufholen, verlieren Marktanteile. Warenkorbanalyse ist ein Weg, den Wissensvorsprung zu verringern.
Die wichtigsten Methoden im Überblick
Es gibt verschiedene Ansätze, Warenkörbe zu analysieren. Die drei wichtigsten für den Einzelhandel sind die folgenden.
Assoziationsanalyse
Die klassische Methode. Sie identifiziert Regeln wie: Wenn ein Kunde Produkt A kauft, kauft er mit einer Wahrscheinlichkeit von X Prozent auch Produkt B. Der bekannteste Algorithmus dafür heißt Apriori, entwickelt in den 1990er Jahren und bis heute der Standard.
Typische Anwendung sind Cross Selling Empfehlungen, Produktplatzierung und Bundle Angebote.
Sequenzanalyse
Eine Erweiterung der Assoziationsanalyse, die auch die Reihenfolge berücksichtigt. Nicht nur welche Produkte zusammengekauft werden, sondern in welcher Reihenfolge sie gekauft werden. Das ist besonders relevant für Customer Journeys über mehrere Besuche hinweg.
Typische Anwendung sind Reaktivierungskampagnen, die Vorhersage des nächsten Kaufs und Lifecycle Marketing.
Clustering
Hier geht es nicht um einzelne Produktpaare, sondern um Kundengruppen. Welche Kunden haben ähnliche Warenkörbe. Das Ergebnis sind Segmente wie der Convenience Käufer, die Familien Einkäuferin oder der Gourmet Kunde.
Typische Anwendung sind Zielgruppendefinition, personalisierte Kommunikation und Sortimentsplanung nach Kundentyp.
Die drei Kennzahlen, die Sie kennen müssen
Wer Warenkorbanalyse verstehen will, muss drei Begriffe kennen: Support, Confidence und Lift. Die Mathematik dahinter ist überschaubar.
Ein Beispiel zur Veranschaulichung ist ein Baumarkt, in dem Farbe und Pinsel analysiert werden. Der Support für Farbe und Pinsel liegt bei 8 Prozent aller Transaktionen. Die Confidence von Farbe zu Pinsel liegt bei 80 Prozent. Der Lift liegt bei 4,0, während Pinsel allein einen Support von 20 Prozent haben.
Die Interpretation lautet wie folgt. Farbe und Pinsel werden in 8 Prozent aller Transaktionen gemeinsam gekauft. Von allen Kunden, die Farbe kaufen, greifen 80 Prozent auch zum Pinsel. Der Lift von 4,0 zeigt, dass diese Kombination viermal häufiger vorkommt als bei zufälliger Verteilung zu erwarten wäre. Es handelt sich um eine starke Assoziation.
Praxisbeispiele aus verschiedenen Branchen
Die Warenkorbanalyse funktioniert branchenübergreifend. Im Lebensmitteleinzelhandel zeigt sich, dass Kunden, die Bio Milch kaufen, überdurchschnittlich oft auch zu Bio Eiern und Vollkornbrot greifen. Händler richten daraufhin eine Bio Ecke im Markt ein, die alle drei Produktgruppen zusammenfasst. Das Ergebnis ist ein um 15 Prozent höherer Durchschnittsbon bei Bio Käufern.
Im Modehandel kaufen Kunden, die Jeans erwerben, in 35 Prozent der Fälle auch einen Gürtel, allerdings nur, wenn beide Produkte am selben Tag verfügbar sind. Ein Gürtel Display direkt neben der Jeans Abteilung und geschultes Verkaufspersonal führen zu einem Gürtel Absatzplus von 40 Prozent.
Im Baumarkt vergessen Kunden, die Laminat kaufen, häufig die Trittschalldämmung. Sie kommen später zurück oder kaufen sie anderswo. Eine automatische Erinnerung auf dem digitalen Kassenbon mit direktem Link zum Online Shop führt dazu, dass 25 Prozent der Kunden das vergessene Produkt nachkaufen.
In der Drogerie kaufen Käufer von Haarfärbemitteln selten gleichzeitig Haarkuren, obwohl die Kombination fachlich sinnvoll wäre. Ein Bundle Angebot mit leichtem Preisvorteil und eine Schulung des Personals zur Beratung verdoppeln die Cross Selling Quote in dieser Kategorie.
Fünf Fehler, die Sie vermeiden sollten
Triviale Zusammenhänge sollten nicht überinterpretiert werden. Dass Burger Brötchen und Hackfleisch zusammen gekauft werden, ist keine echte Erkenntnis. Zu kleine Datenbasen führen zu verzerrten Ergebnissen, da saisonale Effekte und Aktionen das Bild verfälschen.
Der Lift sollte nicht ignoriert werden. Eine hohe Confidence allein ist nicht aussagekräftig, wenn ein Produkt ohnehin häufig gekauft wird. Ebenso sollten Korrelation und Kausalität nicht verwechselt werden. Muster sind Ausgangspunkte für Hypothesen, keine Gewissheiten.
Zuletzt sollten Ergebnisse immer getestet werden. Eine Warenkorbanalyse liefert Ideen, aber keine Garantien. Maßnahmen sollten zunächst in einzelnen Filialen getestet werden. A B Tests sind auch im stationären Handel möglich.
So starten Sie eine Schritt für Schritt Anleitung
Sie müssen kein Data Scientist sein, um von Warenkorbanalyse zu profitieren. Der Einstieg beginnt mit der Klärung, wie Sie an Ihre Transaktionsdaten kommen. Pro Transaktion benötigen Sie eine eindeutige Transaktions ID, Datum und Uhrzeit sowie alle gekauften Artikel mit Artikelnummer. Kundendaten sind für den Einstieg nicht zwingend nötig.
Im nächsten Schritt werden die Daten bereinigt. Retouren, Stornos und offensichtliche Ausreißer werden entfernt. Bei sehr großen Sortimenten empfiehlt sich eine Aggregation auf Warengruppen Ebene.
Für die Analyse reicht für den Einstieg Excel mit Pivot Tabellen. Für tiefere Analysen gibt es spezialisierte Tools. Ein Mindest Support von 1 Prozent und eine Mindest Confidence von 50 Prozent sind sinnvolle Startpunkte.
Die Ergebnisse sollten nach Lift sortiert und triviale Kombinationen herausgefiltert werden. Konzentrieren Sie sich auf die Top 10 bis 20 nicht offensichtlichen Assoziationen.
Für jede relevante Assoziation sollten konkrete Maßnahmen definiert werden, etwa eine andere Regalplatzierung, Bundle Angebote, Schulungen oder digitale Empfehlungen. Diese Maßnahmen sollten messbare Ziele haben und zunächst getestet werden.
Welche Tools brauchen Sie
Die Wahl des Werkzeugs hängt von Ihren Ressourcen und Ambitionen ab. Excel ist kostenlos und bekannt, eignet sich aber nur für begrenzte Datenmengen und erfordert manuellen Aufwand. BI Tools bieten Visualisierung und Dashboards, erfordern jedoch Einarbeitung und sind oft nicht retail spezifisch.
Retail Analytics Lösungen sind branchenspezifisch, vorkonfiguriert und häufig mit POS Systemen integriert, bringen aber laufende Kosten und eine gewisse Anbieterabhängigkeit mit sich. Individueller Code bietet maximale Flexibilität und Skalierbarkeit, erfordert jedoch Entwickler und einen hohen Initialaufwand.
Für die meisten mittelständischen Händler ist eine spezialisierte Retail Analytics Lösung der beste Kompromiss aus niedriger Einstiegshürde und aussagekräftigen Ergebnissen.
Fazit: Der Warenkorb als Schatzkiste
Jede Transaktion, die durch Ihre Kassen läuft, enthält wertvolle Informationen. Die Warenkorbanalyse macht sie nutzbar, nicht als abstraktes Analyseprojekt, sondern als praktisches Werkzeug für bessere Sortimente, cleverere Platzierungen und relevantere Angebote.
Der Einstieg muss nicht kompliziert sein. Beginnen Sie mit Ihren umsatzstärksten Produkten. Identifizieren Sie drei bis fünf nicht offensichtliche Zusammenhänge. Testen Sie eine Maßnahme und bauen Sie von dort aus weiter.
Die Daten haben Sie bereits. Die Methoden sind erprobt. Was fehlt, ist der erste Schritt.
Über Purchase Intelligence
Anybills Purchase Intelligence macht Warenkorbanalyse für den Mittelstand zugänglich. Die Plattform verbindet sich mit Ihrem Kassensystem, analysiert Transaktionsdaten automatisch und liefert Produktaffinitäten, die Sie direkt umsetzen können. Ohne Data Science Team und ohne monatelange Implementierung.
Jetzt entdecken. Fordern Sie eine Demo an unter anybill.de/de/product/features/purchase-intelligence und sehen Sie, welches Potenzial in Ihren Daten schlummert.
.jpeg)
