Für eine gute Product Experience sind viele Punkte wichtig. Dazu zählt zweifelsfrei, dass man seine Kunden, also seine Zielgruppe gut kennt und weiß, wie man sie in ihrer Customer Journey am zielführendsten erreichen kann. Auch ein Verständnis über Touchpoints und deren Wirkmechanismus ist nicht von der Hand zu weisen. Was man aber grundlegend nicht unterschätzen darf, ist der Stellenwert von Produktdaten. Daten und Informationen sind bei Kontakt mit Produkten unerlässlich und können, wenn sie gut aufbereitet sind, für konsistente und überzeugende Produkterlebnisse sorgen. In diesem Artikel zeigen wir Ihnen, welche Schritte notwendig sind, um Produktdaten für eine optimierte Product Experience aufzubereiten.
Schritt 1) Datenmodell bzw. Klassifikation aufbauen
Wenn es um die Aufbereitung von Produktdaten geht, liest man meist als ersten Schritt die Daten-Sammlung. Wir wollen hier jedoch noch einen weiteren Schritt davor einfügen: das Datenmodell bzw. die Klassifikation.
Vor dem Sammeln von Daten sollte ein Datenmodell bzw. eine Klassifikation aufgebaut werden. In der Klassifikation werden die Attribute je Produktgruppe definiert und damit eine eigene Struktur vorgegeben. Attribute können z.B. Farbbezeichnungen, Abmessungen, Inhaltsstoffe oder Größen sein. Je nach Produkt müssen im späteren Verlauf vorab definierte Attribute gepflegt werden oder nicht. Kleidung benötigt andere gepflegte Attribute wie beispielsweise eine Bohrmaschine. Damit nicht bei allen Produkten alle Attribute abgefragt werden, sollten Produkte in Kategorien geclustert werden und diesen dann relevante Attribute zugewiesen werden.
Schritt 2) Daten sammeln
Grundlegend für jede gute Produkterfahrung sind die richtigen Produktinformationen. Dazu muss jedes Unternehmen Daten sammeln. Meist liegen die Daten jedoch nicht an einem Ort, bei einer Person oder in einem bestimmten Dateiformat ab. Vielmehr bildet sich in Unternehmen häufig ein unübersichtliches Konstrukt aus Ordner-Ablagesystemen, Excel-Tabellen, Sharepoints, Datenbanken, ERP Systemen usw. Ganz zu schweigen, dass unterschiedliche Abteilungen “ihre” Daten auch wieder ganz individuell abspeichern.
Über dieses Sammelsurium muss man sich als erstes einen Überblick verschaffen: wer nutzt und speichert welche Daten und wie? Gibt es Doppelungen? Welche Daten sind aktuell? Gibt es möglicherweise externe Parteien, die Daten für das eigene Unternehmen speichern und bereitstellen? Sobald man weiß, wer alles Produktdaten speichert, ist der nächste Schritt all diese Produktdaten zentral zu sammeln und zwar egal, in welchem Format sie aktuell vorliegen.
Schritt 3) Daten standardisieren
Die ersten Schritte sind getan, alle Daten sind gesammelt. Noch liegen sie aber unstandardisiert in verschiedenen Formaten vor und sind somit noch nicht für PIM Systeme, die für eine optimale PXM ein entscheidender Faktor sind, verarbeitbar. Und nicht nur das Format ist unterschiedlich, auch die Bezeichnung von Daten kann je nach Quelle unterschiedlich sein. Denkt man an die Information zu Produktabmessungen, so wird dies einmal beispielsweise als “Abmessung” betitelt, in einem anderen Fall möglicherweise als “BxHxT” oder “Abm. in cm”. Nur wenn alle Daten nach dem gleichen Schema betitelt sind können sie zentral zusammengeführt werden; hierfür greift man auf das Datenmodell bzw. die Klassifikation aus dem ersten Schritt zurück. Die vorliegenden unstrukturierten Daten müssen in diesem Schritt in die in Schritt 1 entwickelten Strukturen überführt werden.
Schritt 4) Daten anreichern
Sind die Daten gesammelt und standardisiert, gilt es nun in Schritt 4 die Qualität der gesammelten Daten zu überprüfen und sie mit weiteren Daten anzureichern. Damit immer nur qualitativ hochwertige Daten eingepflegt werden, ist es wichtig, Mechanismen zur Datenvalidierung einzubauen: diese Regeln überprüfen, ob die eingegebenen Werte stimmig sind oder nicht. Ein Beispiel wäre ein EAN-Code mit 13 Zeichen. Ein Code mit 9 Zeichen würde somit direkt vom System als Fehler erkannt werden. Zu Beginn kann man mit einfachen Regeln starten, die dann im Laufe der Zeit je nach Bedarf komplexer werden können.
Neben Mechanismen zur Datenvalidierung sind auch Qualitätsreports und KPIs wichtig, um die Grad der Produktdatenqualität immer im Auge zu haben und ggf. gegensteuern zu können. Dazu müssen Regeln und KPIs festgelegt werden, die die Datenqualität messen und darstellen. Auch hier kann zu Beginn mit einem minimalen Set gestartet werden. Im späteren Verlauf steigen in der Regel die Anforderungen an die Datenqualität, damit generell die Produktdatenqualität steigt. In diesem Fall sollten die Regeln erweitert bzw. angepasst werden.
Ein weiterer nicht zu unterschätzender Gesichtspunkt bei der Daten-Anreicherung ist die Übersetzung der Informationen in Fremdsprachen. Im besten Fall können Daten multilingual gepflegt werden. Aber gerade bei international agierenden E-Commerce Unternehmen kann die Übersetzung in der Regel nicht mehr manuell erfolgen, da die Komplexität und der Aufwand mit der Anzahl an Sprachen und Produkten extrem ansteigt. Hierzu bieten PIM Systeme automatisierte Übersetzungsfunktionen an, die nahtlos integriert und regelbasiert gesteuert werden können. Dies können Anbindungen an Übersetzungs-Engines sein (z.B. DeepL) oder bei komplexen Prozessen separate TMS-Software (Translation Management Systeme).
In klassischen PIM Systemen würde an dieser Stelle nun der Punkt “Daten verbreiten” ansetzen, den wir in Schritt 6 genauer erläutern. Da dieser Blogbeitrag jedoch auf die Schritte für ein optimales Product Experience Management eingeht, folgt nun der entscheidende Schritt 5, der den Unterschied zwischen PXM und klassischem PIM darstellt: die Kontextualisierung.
Schritt 5) Daten kontextualisieren
Im Grunde ist die eben angesprochene Übersetzung auch bereits ein Bestandteil der Kontextualisierung, da man so die Produktinformationen an verschiedene Sprachen und internationale Märkte anpasst.
Kontextualisierung geht im Bereich PXM jedoch noch weiter. Heutzutage erwarten Konsumenten, dass sie personalisierte Erlebnisse mit einer Marke oder einem Produkt erhalten. Das bedeutet, dass Produktinformationen auf Konsumenten und auf deren Customer Journey zugeschnitten werden müssen. So muss man bei der Kontextualisierung nicht nur unterschiedliche Sprachen, sondern auch Kulturunterschiede, Besonderheiten des jeweiligen Touchpoints und die Bedürfnisse der Zielgruppen berücksichtigen. Eine identische Kommunikation auf verschiedenen Plattformen und an verschiedene Zielgruppen wird ihre Wirkung verfehlen.
Um Produktinformationen kontextualisiert ausspielen zu können, müssen sie vorab entsprechend organisiert werden. Diese Organisation kann man beispielsweise dadurch erreichen, indem man verschiedene Tags für Produktinformationen vergibt. Eine Tag-Kategorie bezeichnet beispielsweise den Marktplatz, auf dem die Information ausgespielt werden soll. Jeder Marktplatz bringt unterschiedliche Vorgaben für Textlängen oder Bilder mit sich. Eine andere Tag-Kategorie bezieht sich auf die Zielgruppe. So erhält beispielsweise eine Produktbeschreibung den Tag für die Zielgruppe “Frauen zwischen 20-30 Jahren mit hohem Fashionbewusstsein”, eine andere Produktbeschreibung dagegen den Tag für die Zielgruppe “Personen, die mehr auf Preis als auf Marke schauen”. Diese Tags lassen sich nicht nur auf Produktbeschreibungen anwenden, sondern auch auf Bilder und andere Assets. Ein weiterer nicht zu unterschätzender Tag könnte sich auf die Phase im Kaufentscheidungsprozess beziehen. Gerade zu Beginn des Prozesses werden andere, ausführlichere Informationen benötigt, als gegen Ende des Prozesses. Weiß ein Unternehmen, wer z.B. Interessent, Wiederkäufer, absprunggefährdet oder regelmäßiger Käufer ist, kann es seine Kommunikation individuell darauf anpassen.
Schritt 6) Daten verbreiten
Nachdem das Datenmodell erstellt ist, die Daten gesammelt, standardisiert, angereichert und kontextualisiert sind, ist es nun an der Zeit, sie individuell auszuspielen. Individuell für die Zielgruppe, aber auch individuell für den Ausgabekanal. Dies kann der eigene Online-Shop sein, Online Marktplätze, Apps, Newsletter, gedruckte Kataloge oder Social Media Kanäle, nur um ein paar wenige Beispiele zu nennen. Entscheidend für den Erfolg ist, dass die Ausgabekanäle an das PIM System angeschlossen sind. Dies erfolgt über APIs (API=Application Programming Interface, im Volksmund Schnittstellen genannt), die im Vorfeld programmiert werden müssen, sofern sie nicht bereits in der PIM Software-Lösung als Connector angeboten werden. Nur wenn das PIM mit den Ausgabesystemen “kommunizieren” kann, kann die Ausspielung von kontextualisierten Produktinformationen automatisiert erfolgen.
Lesen Sie weitere spannende Infos zum Thema:
Von PIM zu PXM
Context is King! Warum Context für eine gelungene Product Experience so wichtig ist.
