Neueste Beiträge
Produktdaten für E-Commerce veredeln

INTERVIEW: Produktdaten im E-Commerce

  |   Gastbeitrag
Produktdaten sind die Achillesferse im E-Commerce. Ihre Qualität entscheidet wesentlich darüber, ob der Kauf in einem Online-Shop zu einem Erlebnis oder zu einer Enttäuschung wird. Hochwertige Produktdaten sorgen dafür, dass Shop-Technologie ihre Stärken voll entfalten kann. Schlechte Daten sind die Ursache dafür, dass viele Online-Shops weit hinter ihren Möglichkeiten bleiben. Online-Händler und Hersteller sollten daher ein großes Interesse daran haben, ihre Produktdaten optimal für den Online-Verkauf aufzubereiten. Und zwar nicht nur von Zeit zu Zeit, sondern kontinuierlich, um Käufern jederzeit das bestmögliche Kauferlebnis bieten zu können.
Im Interview erklärt der Produktdaten-Experte Günter Heiß von eCube, wie Shop-Betreiber mithilfe geeigneter Technologien und ihrem Fachwissen die Qualität ihrer Produktdaten für den Online-Verkauf dauerhaft verbessern können. Sein Motto: Produktdaten veredeln statt nur verwalten. Dafür hat Günter mit seinem Team ein Tool entwickelt.

Günter, warum ist die Qualität der Produktdaten für den Verkauf im E-Commerce so wichtig?

Grundsätzlich entscheidet die Qualität von Produktdaten darüber, wie Produkte in einem Online-Shop präsentiert werden. Je besser die Produkte dargestellt werden, desto größer der Verkaufserfolg. Fehlen wichtige Informationen zu einem Produkt oder werden Inhalte gar fehlerhaft dargestellt, dann werden Interessenten möglicherweise nicht kaufen. Hier zählen oft Kleinigkeiten in der Darstellung, die jeder bei sich selbst beobachten kann, wenn er einen Online-Shop besucht. Wird beispielsweise ein Sonderzeichen im Produktnamen nicht richtig dargestellt, dann wirkt das unseriös. Potenzielle Käufer schließen von diesem Fehler sofort auf die Qualität des Produktes, was schlecht für den Verkauf ist.
Zudem entscheidet die Qualität der Produktdaten auch darüber, wie gut (oder schlecht) wichtige Funktionen im Online-Shop wie etwa die Produktsuche oder -empfehlungen funktionieren. Sind Produktdaten unvollständig, weil z.B. Attribute fehlen, dann wird das betreffende Produkt möglicherweise nicht von der Suche berücksichtigt, was für den Verkauf fatal ist. Aber auch „unter der Haube“ eines Shops spielt die Qualität der Produktdaten eine wichtige Rolle: “Metadaten” sorgen dafür, dass das Datenmanagement automatisiert werden kann. Das ist vor allem dann wichtig, wenn sehr große Datenmengen verarbeitet und aufbereitet werden müssen. Hier können Shop-Betreiber durch Automatisierung viel manuellen Aufwand einsparen und gleichzeitig die Qualität der Daten deutlich erhöhen.

Welches sind die größten Herausforderungen für Shop-Betreiber im Umgang mit Produktdaten?

Die meisten Shop-Betreiber haben verstanden, dass die Qualität ihrer Produktdaten entscheidend für den Verkaufserfolg in ihrem Shop ist. Dennoch schätzen sehr viele die Qualität ihrer Daten als schlecht ein. Das liegt aus unserer Erfahrung u.a. daran, dass Händler und Hersteller den Aufwand für die Aufbereitung von Produktdaten für den Online-Verkauf unterschätzen. Laut einer Studie zum Einfluss der Digitalisierung auf den deutschen Einzelhandel von ibi Research, DIHK und IHK betrifft das jeden zweiten Shop-Betreiber. Wenn zu wenig Zeit und Ressourcen für die Aufbereitung zur Verfügung stehen, leidet die Qualität der Produktdaten.

Welches sind die Ursachen für schlechte Produktdaten im E-Commerce?

Nicht selten müssen Shop-Betreiber regelmäßig sehr große Mengen von Produktdaten mit entsprechend großem Aufwand für den Online-Verkauf aufbereiten. Das ist beispielsweise dann der Fall, wenn Daten aus verschiedenen Quellen, von verschiedenen Zulieferern, in unterschiedlicher Qualität in einem Online-Shop zusammengeführt werden müssen. Die manuelle Aufbereitung unter Zeitdruck ist sehr fehleranfällig, abgesehen davon, dass das Durchforsten von tausenden von Datensätzen den zuständigen Mitarbeitern keinen Spaß macht.
Zu den Schwächen in den Abläufen kommen in der Praxis häufig Schwächen in der Datenstruktur. Wie oben bereits erwähnt, brauchen die Algorithmen in einem Online-Shop über die reine Produktbeschreibung hinaus eine Reihe von Metadaten, die bestimmen, wie die Algorithmen mit einem Produkt umgehen sollen. Hier spielen beispielsweise eine Verschlagwortung (Tagging) und Attribute eine wichtige Rolle. Auch müssen die Daten einheitlich strukturiert sein, damit alle Produkte in gleicher Weise verarbeitet werden können. Dazu gehört beispielsweise, dass die Datenbasis frei von doppelten oder “toten” Datensätzen ist. All das lässt sich besonders bei sehr großen Sortimenten kaum manuell sicherstellen, besonders, wenn es schnell gehen muss und das Ergebnis trotzdem stimmen soll.

Wo stößt das klassische Product Information Management (PIM) an Grenzen?

Das klassische Product Information Management konzentriert sich in der Regel nur auf das Verwalten von Daten, weniger auf die Analyse und Optimierung ihrer Qualität. Besonders für die regelmäßige Aufbereitung sehr großer Datenmengen fehlen PIM-Systemen in der Regel Funktionen bzw. Algorithmen, die es ermöglichen, Produktdaten systematisch zu analysieren und aufzubereiten, statt jeden Datensatz einzeln zu bearbeiten. Bei kleineren Sortimenten bis zu einigen tausend Produkten mag die manuelle Bearbeitung mit PIM funktionieren, bei größeren Mengen sollten Händler und Hersteller über leistungsfähigere Alternativen nachdenken.

Wie kann Automatisierung beim Produktdatenmanagement unterstützen?

Je mehr Produkte in seinem Online-Shop angeboten werden, desto größer ist das Einsparpotenzial beim Aufwand, der durch die manuelle Aufbereitung der Produktdaten entsteht. Bei mehreren zehn- oder gar hunderttausenden Produkten lässt sich die Analyse und Aufbereitung durch automatisierte Abläufe erheblich beschleunigen, ohne dass die Qualität leidet. Im Gegenteil, wenn manueller Aufwand reduziert wird, dann bleibt mehr Zeit, sich um die inhaltliche Optimierung der Produktdaten zu kümmern. Das lässt sich leider noch nicht komplett automatisieren, denn hier ist das Fachwissen des Shop-Betreibers gefragt.
TIPP: eCube hat ein Tool entwickelt, mit dem Händler und Hersteller ihre Produktdaten automatisiert aufbereiten und die Qualität kontinuierlich verbessern können. Bei Interesse schreiben Sie einfach eine E-Mail an chioro@ecube.de und erhalten Sie eine Demo.

Welche Rolle spielen Künstliche Intelligenz und Maschine Learning?

Software-Anwendungen, die wirklich intelligent mitdenken oder dem Shop-Betreiber gar Entscheidungen abnehmen können, gibt es heute noch nicht. Es gibt jedoch bereits eine ganze Reihe von sogenannten Services, die mithilfe sehr weit entwickelter Algorithmen oder auch durch Maschinelles Lernen ein gewisses Maß an Intelligenz in den E-Commerce bringen, z.B. in der Produktsuche, Chatbots im Kundenservice, sichere Bezahlsysteme oder maschinelle Texterstellung für Produktbeschreibungen. 
Mit jedem Shop, in dem ein solcher Service zum Einsatz kommt, lernt die Software dazu und entwickelt ihre Fähigkeiten weiter. Sie verarbeitet laufend viel größere Datenmengen als Menschen das jemals leisten könnten. Von diesem Trainingseffekt können auch kleine Shops schon heute profitieren, wenn sie entsprechende Services nutzen.

Woran können Händler und Hersteller erkennen, dass bei der Qualität ihrer Produktdaten noch Luft nach oben ist?

 

Das tückische bei Produktdaten ist, dass man Probleme oft nicht an der Oberfläche erkennt. Fehler in der Darstellung von Produkten im Online-Shop sind nur die Spitze des Eisbergs. Schwächen in der Struktur der Daten bleiben oft unerkannt und hemmen den Verkauf, ohne dass man davon etwas mit bekommt. Offensichtliche Probleme lassen sich schnell beheben, versäumte Verkaufspotenziale, die etwa dadurch entstehen, dass über einen längeren Zeitraum die Produktempfehlung für das Cross-Selling im Shop nicht richtig funktioniert, richten dagegen unsichtbar großen Schaden an. Hierfür braucht man eine Art Röntgenblick in die Strukturen der Produktdaten.

Was können Shop-Betreiber tun, um die Qualität ihrer Produktdaten wirksam zu verbessern?

 

Im ersten Schritt geht es darum, Problemzonen und Potenziale in der Struktur der Produktdaten zu verstehen. Das funktioniert nur bedingt, wenn die Daten manuell in einem Excel-Sheet verwaltet werden. Dort kann man nach bestimmten Kriterien filtern oder organisieren. Für einen wirklich tiefen Einblick in die Grundstrukturen der Produktdaten braucht man jedoch leistungsfähigere Tools, beispielsweise für eine visuelle Analyse. Wenn man die Zuordnung von Produkten zu Kategorien in einem Tortendiagramm vor sich sieht, dann stechen Fehler oder Inkonsistenzen direkt ins Auge. Andere Problembereiche sind wiederum nur mit geübtem Auge und Fachwissen zu erkennen.
Sind die Problemzonen in den Produktdaten erkannt, dann lassen sich geeignete Maßnahmen ergreifen. Die eigentliche Herausforderung besteht jedoch darin, Fehler nicht nur einmalig zu beheben, sondern idealerweise auch zu vermeiden. Denn nur so lässt sich langfristig Aufwand einsparen und die Qualität der Produktdaten dauerhaft verbessern. Technologie kann dabei unterstützen, indem beispielsweise die Daten mithilfe eines Software-Tools in Form gebracht werden. Algorithmen sorgen dafür, daß die Daten nach bestimmten Regeln aufbereitet werden. Man kann sich das wie eine Art Waschmaschine für Produktdaten vorstellen, in der die Daten in verschiedenen Waschprogrammen von Fehlern und Inkonsistenzen befreit werden. Die Aufgabe des Händlers, bzw. des Herstellers besteht darin, die “Programme” mit seinem Fachwissen zu definieren und laufend zu optimieren.
TIPP: Mehr über praktische Möglichkeiten, Produktdaten für den Verkauf automatisiert und kontinuierlich zu optimieren, erfahren Sie in unserem Whitepaper, das Sie auf der Website von eCube kostenlos herunterladen können.

Ausblick: Wie werden Produktdaten für den E-Commerce zukünftig verarbeitet?

Künstliche Intelligenz und Machine Learning werden in Zukunft dabei unterstützen, ihre Produktdaten kontinuierlich zu analysieren und für den Online-Verkauf aufzubereiten. Während man E-Commerce-Systemen heute noch genau sagen muss, was sie tun sollen, werden lernende Systeme schon bald selbst wissen und entscheiden, wie sie die Qualität der Produktdaten verbessern. Perfekte Produktdaten im Autopilot-Modus wird es jedoch in absehbarer Zeit nicht geben. Das Fachwissen und die Erfahrung von Menschen sind also weiterhin gefragt.

Vielen Dank für das interessante Gespräch!