Use Case Personalisierung von Angeboten

Personalisierung von Angeboten

Bild­nach­weis: Jirsak/Shutterstock.com

Worin beste­ht die Herausforderung?

Der zunehmende Wet­tbe­werb­s­druck fordert von Unternehmen ein dif­feren­ziertes Ange­bot von Pro­duk­ten und Dien­stleis­tun­gen. Die Per­son­al­isierung in den Ange­boten kann bere­its während des Her­stel­lungs- oder Leis­tungser­bringung­sprozess­es geschehen (hard cus­tomiza­tion, z. B. Kon­fig­u­ra­tion von Ausstat­tungsmerk­malen beim Neuwa­gen). Wird die Per­son­al­isierung im Nach­gang berück­sichtigt, spricht man von soft cus­tomiza­tion (z. B. Auswahl von Bedi­en­soft­ware für eine beste­hende Hard­ware oder Ser­vi­cein­di­vid­u­al­isierung). Das Per­son­al­isierungskonzept der »mass cus­tomiza­tion« (kun­denin­di­vidu­elle Massen­pro­duk­tion) ist ein wesentlich­es Ziel in der Indus­trie 4.0. Die Her­aus­forderung beste­ht bei allen Per­son­al­isierungsver­fahren darin, die aus Kun­den­sicht rel­e­van­ten Mod­ule bzw. Pro­duk­tele­mente zur Per­son­al­isierung zu definieren und mit einem Wert zu verse­hen. Außer­dem ergeben sich beson­dere Anforderun­gen an die zu nutzen­den dig­i­tal­en Infor­ma­tions- und Kommunikationssysteme.

Welche Dat­en kön­nen hier helfen?

• Kund­schafts­dat­en

• Kauf­dat­en (Bestel­lvorgänge, Eingabe in Such­masken, Kaufhis­to­rien und Warenkörbe mit gewählten Angebotsmerkmalen)

• Nutzungs­dat­en (über IoT-Geräte, Service-Anfragen)

• Interne Dat­en zur Waren­ver­füg­barkeit und Pro­duk­tion (Lager- und Pro­duk­tion­skosten, Merk­male von Fertigungsverfahren)

• Von Unternehmen definierte »Gebots- und Ver­bot­sregeln«, um bes­timmte Kom­bi­na­tio­nen im Zuge der Per­son­al­isierung vor­ab zu definieren

Wie kommt der Nutzen aus den Daten?

Mit der Nutzung von Dat­en und dig­i­tal­en Lösun­gen zur Per­son­al­isierung von Ange­boten kön­nen Unternehmen indi­vidu­elle Kun­denbedürfnisse bess­er bedi­enen und zugle­ich ihre Beschaffungs‑, Fer­ti­gungs- und Lager­hal­tungskosten opti­mieren. Aus den gesam­melten Dat­en wer­den Muster erzeugt, um Vorher­sagen für neue Mark­ten­twick­lun­gen zu tre­f­fen. Ein weit­er­er Nutzen kann in der Opti­mierung von »Open-Innovation«-Prozessen liegen, die Kundin­nen und Kun­den bere­its in den Pro­duk­tion­sprozess einbinden.

Wo wird diese Daten­nutzung bere­its angewendet?

• Das Medi­enun­ternehmen Net­flix nutzt einen Empfehlungsal­go­rith­mus. Dieser gener­iert auf Basis von Mil­lio­nen von Nutzungs­dat­en (rezip­ierte Filme oder Serien) per­son­al­isierte Empfehlungen.

• Die Online-Han­del­splat­tform Taobao sam­melt, spe­ichert und nutzt Dat­en aus den Bere­ichen Kun­denser­vice, Betrieb und Sicher­heit. Die gespe­icherten Dat­en wer­den mit­tels eines Algo­rith­mus des Machine Learn­ings ver­ar­beit­et, um den Kundin­nen und Kun­den indi­vidu­elle, pass­ge­naue Vorschläge zu unterbreiten.

• Der Sportar­tikel­her­steller Adi­das nutzt Sen­sor­dat­en von Ath­leten, um zusam­men mit Com­put­er­sim­u­la­tio­nen opti­male Laufeigen­schaften zu iden­ti­fizieren. So kön­nen mit 3D-Druck indi­vidu­elle Schuh­sohlen gefer­tigt werden.

• Das Chemie­un­ternehmen Rob­Nor AB pro­duziert indi­vid­u­al­isierte Lack­ier­ro­bot­er. Mit VR-Brillen und Soft­ware­an­wen­dun­gen wird die Pro­gram­mierung der Lack­ier­ro­bot­er auf Basis von Bewe­gungs­dat­en auf den Bedarf der Kund­schaft angepasst. Kundin­nen und Kun­den steuern über die VR-Brille die Bewe­gung des dig­i­tal­en Zwill­ings ihres späteren Lack­ier­ro­bot­ers und liefern damit die Bewegungsdaten.

Welchen Beitrag leis­tet diese Daten­nutzung zur Wertschöpfung?

Die Prozesse im Unternehmen wer­den angepasst, um Kundin­nen und Kun­den indi­vid­u­al­isierte Ange­bote machen zu kön­nen. Dies kann sowohl die Erstel­lung­sprozesse des Pro­duk­tes bzw. der Dien­stleis­tung betr­e­f­fen als auch die Vari­a­tio­nen des vorhan­de­nen Pro­dukt-/Ser­vice-Port­fo­lios. Mit Per­son­al­isierung kann ein Unternehmen dynamisch auf die Bedürfnisse der Kundin­nen und Kun­den reagieren und damit die Attrak­tiv­ität der Pro­duk­te oder Ser­vices sowie die Kund­schafts­bindung erhöhen. Unternehmen erhal­ten außer­dem wertvolle Kund­schafts­dat­en, um auf dieser Basis Mark­ten­twick­lun­gen vorauszuse­hen und neue Wertschöp­fung zu generieren.

Quellen: Net­flix (2017), Zeng, M., Har­vard Busi­ness Review (2018), Adi­das (2017), Kostis, A. & Rita­la, P., Cal­i­for­nia Man­age­ment Review (2020)

Pub­lika­tion: Wie Unternehmen Dat­en heute schon nutzen und in Zukun­ft nutzen kön­nen. Her­aus­ge­ber: Fraun­hofer IMW, Inhalt: Data Min­ing und Wertschöpfung

Link zur Publikation
Start Dat­en- und Ideenfinder
Start­seite