Ein Distributor kann das richtige Teil auf Lager haben. Auch der Preis kann wettbewerbsfähig und der Versand schnell sein. Findet der Kunde das Teil bei der Suche jedoch nicht oder ist er unsicher, ob es zu seinem Fahrzeug passt, führen diese Vorteile möglicherweise nicht zum Verkauf. Im automobilen Ersatzteilmarkt wird der Wettbewerb neben dem physischen Produkt auch durch die Qualität der Informationen bestimmt, die dieses Produkt beschreiben.
Das digitale Gegenstück zum Regal: auffindbar und verständlich sein
Im klassischen Vertrieb kann ein erfahrener Mitarbeiter eine unvollständige Beschreibung am Telefon ergänzen. Im digitalen Kanal übernimmt der Produkteintrag einen wesentlichen Teil dieses Gesprächs. Stimmen Teilenummer, technische Eigenschaften, Abmessungen, Einsatzbedingungen und Bilder nicht überein, fällt dem Nutzer die Entscheidung schwer. Vertrauen auf der Produktseite aufzubauen ist ebenso wichtig wie die Sichtbarkeit in Suchergebnissen.
Datenmanagement kann deshalb nicht allein als Aufgabe der IT-Abteilung betrachtet werden. Einkauf, Produktmanagement, Vertrieb und Kundenservice nutzen dieselben Datensätze für unterschiedliche Zwecke. Erreicht die Korrektur einer Abteilung die anderen Kanäle nicht, kann ein Unternehmen seinen Kunden dasselbe Produkt unterschiedlich beschreiben.
Produktinformationen und Fahrzeugzuordnung voneinander trennen
Was ein Teil ist und in welchem Fahrzeug es unter welchen Bedingungen eingesetzt werden kann, sind unterschiedliche Fragen. Produktinformationen umfassen Merkmale wie Material, Abmessungen, Verpackung und Beschreibung. Informationen zur Fahrzeugzuordnung stellen Beziehungen zum Fahrzeug, Motor, Produktionszeitraum und weiteren erforderlichen Unterscheidungsmerkmalen her. Auch die Datenstandards der Auto Care Association behandeln Produktinformationen und Anwendungsdaten als getrennte Bereiche. [1]
Diese Unterscheidung ist für Unternehmen praktisch relevant: Eine bessere Produktbeschreibung korrigiert nicht automatisch eine fehlende Fahrzeugzuordnung. Ebenso beweist das Auftreten derselben Referenznummer für sich allein keine uneingeschränkte technische Gleichwertigkeit. Im Datensatz sollte erkennbar sein, aus welcher Quelle eine Information stammt und wann sie geprüft wurde.
Drei Mechanismen verbinden Daten mit Geschäftsergebnissen
Der erste Mechanismus ist die Auffindbarkeit. Einheitliche Produktnamen, normalisierte Nummern und korrekte Kategoriezuordnungen erleichtern es Kunden, über verschiedene Suchweisen zum richtigen Datensatz zu gelangen. Werden bei der Normalisierung jedoch bedeutungstragende Buchstaben oder führende Nullen entfernt, kann das Gegenteil eintreten. Der ursprüngliche Wert sollte erhalten bleiben.
Der zweite Mechanismus ist Entscheidungssicherheit. Sind Einsatzbedingungen und technische Unterschiede klar erkennbar, kann der Bedarf an zusätzlicher Bestätigung sinken. Der dritte ist die Wiederholbarkeit operativer Abläufe. Die kontrollierte Verteilung eines freigegebenen Datensatzes auf mehrere Kanäle kann verhindern, dass dieselben Korrekturen für jeden neuen Vertriebskanal erneut erfolgen müssen. Wie stark diese Effekte ausfallen, hängt von der vorhandenen Datenqualität und den Prozessen ab. Eine einheitliche prozentuale Verbesserung gilt nicht für jedes Unternehmen.
Der Ausgangspunkt ist Verantwortung, nicht eine größere Datenmenge
Legen Sie zuerst fest, wer für welches Feld verantwortlich ist. Wer prüft technische Abmessungen? Wer gibt Änderungen einer Fahrzeuganwendung frei? Wer greift ein, wenn ein Kanal veraltete Daten veröffentlicht? Der GS1-Ansatz zur Datenqualität hebt Managementpraktiken wie Datenverantwortung und die Prüfung von Produktmerkmalen hervor. [2]
Beginnen Sie anschließend mit einer Produktgruppe, die einen hohen Verkaufswert hat oder viele Supportanfragen auslöst. Definieren Sie Pflichtfelder und messen Sie leere, widersprüchliche und veraltete Datensätze getrennt. Machen Sie Quelle, Aktualisierungsdatum und Freigabestatus sichtbar. Erweitern Sie den geprüften Produktbestand kontrolliert, statt viele schwache Datensätze auf einmal zu veröffentlichen.
Welche Kennzahlen Führungskräfte verfolgen sollten
Die Anzahl der Datensätze allein ist kein Erfolgsmaßstab. Der Anteil der Produkte mit vollständigen Pflichtfeldern, die Zeit von der Freigabe eines neuen Produkts bis zur Veröffentlichung, erfolglose Suchanfragen und datenbedingte Supportanfragen sollten gemeinsam betrachtet werden. Beim Vergleich von Konversionsraten sind auch Preis-, Bestands- und Kampagneneffekte zu berücksichtigen. Nicht jeder Umsatzanstieg lässt sich sinnvoll einem Datenprojekt zuschreiben.
Die richtige Ausgangsfrage lautet: Welche Informationslücke, die dem Kunden die Entscheidung erschwert, sollten wir zuerst schließen? Wer diese Frage messbar beantworten kann, verbindet seine Dateninvestition mit dem Tagesgeschäft und den Wachstumszielen.
Datenqualität zum Bestandteil Ihres Wachstumsplans machen
Konkretisieren Sie den ersten Schritt, wenn Sie Ihren Bedarf im Datenmanagement mit Apis Business Solutions besprechen: Legen Sie die priorisierte Produktgruppe, die zu prüfenden Felder und die Erfolgskennzahlen fest. Ein starkes digitales Vertriebserlebnis beginnt dort, wo Kunden auf Grundlage verlässlicher Informationen entscheiden können.
Quellen
- [1] Auto Care Association - Data Standards — Die Unterscheidung zwischen Produktdaten und Fahrzeuganwendungsdaten. https://www.autocare.org/data-standards
- [2] GS1 US - National Data Quality Program — Datenverantwortung und Prüfung von Produktmerkmalen. https://www.gs1us.org/services/data-quality/national-data-quality-program