Smarte Technologien: Wie der stationäre Handel wertvolle Kundendaten gewinnt
Fabian Buder, Anja Dieckmann, Holger Dietrich und Julia Wieting
Wer die Website eines Onlinehändlers besucht, hinterlässt Spuren. Jeder Klick und jede Interaktion erzeugen Kundendaten, während viele traditionelle Händler relativ wenig über ihre Kunden wissen. Traditionelle Einzelhändler müssen dieser Entwicklung jedoch nicht tatenlos zusehen. Es gibt bereits viele Technologien, mit denen der stationäre Handel wertvolle Informationen über seine Kunden gewinnen und damit bessere Marketingentscheidungen treffen kann. Intelligent, sowie dem Kunden gegenüber transparent und respektvoll eingesetzt, können Technologien wie In-Store-Kameras, smarte Sensoren, virtuelle Realität oder Augmented Reality in einem Laden fast so viele Daten generieren wie die Analysetools einer Website. Den Einzelhändlern wird es dadurch möglich, die Customer Journey nachzuvollziehen, Produktinteraktionen am Regal zu beobachten, Kunden wiederzuerkennen, Segmente zu identifizieren, emotionale Zustände zu erkennen, sowie den Informationsbedarf der Kunden und ihre Entscheidungsprozesse nachzuvollziehen.
Virtual Reality macht im stationären Handel kontrollierte Experimente möglichen, sodass auch dort ähnlich problemlos wie bei Onlinehändlern A/B-Tests durchgeführt werden können, um das Kundenerlebnis und den Umsatz zu optimieren. Trotz Datenschutzzertifizierung müssen neue Technologien umsichtig eingeführt werden und dem Bedürfnis der Menschen nach Transparenz und Kontrolle Rechnung tragen.
Literaturnachweise
- Contigiani, M., Pietrini, R., Mancini, A., & Zingaretti, P. (2016): “Implementation of a tracking system based on UWB technology in a retail environment”, Proceedings of the 12th IEEE/ASME MESA Conference, 1-6. https://ieeexplore.ieee.org/abstract/document/7587123
- Pfeiffer, J., Pfeiffer, T., & Meißner, M. (2015): “Towards attentive in-store recommender systems”, in D. Power & I. Lakshmi (Eds.), Annals of Information Systems: Vol. 18. Reshaping Society through Analytics, Collaboration, and Decision Support, Springer, 161-173.
- Garbas, J. U., Ruf, T., Unfried, M. & Dieckmann, A. (2013). Towards Robust Real-Time Valence Recognition from Facial Expressions for Market Research Applications, Proceedings of the Humaine Association Conference on Affective Computing and Intelligent Interaction, 570–575. https://ieeexplore.ieee.org/document/6681491
- Kárník, J., & Streit, J. (2016): “Summary of available indoor location techniques”, IFAC-Papers OnLine, Vol. 49 (25), 311-317. https://www.sciencedirect.com/science/article/pii/S240589631632691X
Weitere Artikel der MIR-Ausgabe “Die Zukunft des Einzelhandels”
Hier finden Sie weitere spannende Artikel dieser Ausgabe.
