Customer Shopping Behaviour Analytics: An Integrated Data Pipeline and Decision-Support System
Dieses Paper präsentiert ein KI-gestütztes, End-to-End-Datenanalyse-Framework, das Python-ETL, MySQL-Modellierung und interaktive Dashboards zur Analyse von Einzelhandelstransaktionen integriert und aufzeigt, dass trotz einer Volumenverzerrung eine geschlechtsspezifische Ausgabengleichheit besteht, während aktuelle Rabattaktionen und Abonnementmodelle es versäumen, die Warenkorbgröße oder die Ausgaben pro Besuch signifikant zu steigern, wodurch kritische Lücken in den Akquisitions- und Monetarisierungsstrategien aufgezeigt werden.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
In der geschäftigen Welt des modernen Einzelhandels hinterlässt jede Transaktion einen digitalen Fußabdruck. Wenn ein Kunde eine Jacke kauft, mit einer Kreditkarte bezahlt oder eine Sternebewertung hinterlässt, generiert er ein Stück Daten. Seit Jahrzehnten versuchen Filialleiter und Unternehmensplaner, diese Millionen von verstreuten Notizen sinnvoll zu interpretieren, um zu verstehen, was Menschen zum Kauf bewegt, was sie dazu bringt, wiederzukommen, und wie man Artikel für maximalen Gewinn bepreist. Die Herausforderung lag schon immer in der Menge und der Klarheit; die Daten existieren, sind aber oft in unordentlichen Tabellenkalkulationen vergraben, durchsetzt mit fehlenden Zahlen und in Formaten eingeschlossen, die spezielle Fähigkeiten erfordern, um sie zu erschließen. Das Ziel dieser Forschung ist es, diesen chaotischen Haufen aus Belegen und Bewertungen in ein klares, lebendiges Bild des Kundenverhaltens zu verwandeln, das es Führungskräften ermöglicht, genau zu sehen, was in ihren Geschäften passiert, ohne Computer-Experten sein zu müssen.
Um dies zu erreichen, entwickelten die Forscher ein neues System, das als automatischer Übersetzer zwischen rohen Verkaufsdatensätzen und menschlicher Entscheidungsfindung fungiert. Sie begannen mit einer massiven Sammlung von 3.900 echten Transaktionen aus einem Einzelhandelsumfeld, die alles von Kleidung und Schuhen bis hin zu Accessoires abdeckte. In ihrer ursprünglichen Form waren diese Datensätze unvollkommen; einige Kundenzufriedenheitswerte fehlten, und die Daten waren über verschiedene Spalten verstreut, die nicht immer zusammenpassten. Das Team bereinigte diese Daten zunächst mit einem Computerprogramm, das automatisch die fehlenden Zufriedenheitswerte ergänzte, indem es den Medianwert für die jeweilige Produktart heranzog, wodurch sichergestellt wurde, dass keine wertvollen Verkaufsinformationen verworfen wurden. Sie organisierten die bereinigten Daten anschließend in einer strukturierten Datenbank, einem digitalen Ablagesystem, das eine sofortige Suche und Sortierung ermöglicht. Schließlich bauten sie eine einfache, interaktive Website, auf der ein Filialleiter mit nur wenigen Klicks Fragen stellen kann wie „Wie viel geben Männer im Vergleich zu Frauen aus?“ oder „Führen Rabatte tatsächlich dazu, dass Menschen mehr kaufen?“ und eine sofortige Antwort erhält.
Die Ergebnisse dieser Untersuchung offenbarten mehrere überraschende Wahrheiten, die gängige Annahmen über das Verhalten von Shoppern infrage stellen. Eine der auffälligsten Entdeckungen betrifft das Geschlecht. Während Männer zwei Drittel aller Käufe im Datensatz ausmachten, war der Betrag, der pro Besuch ausgegeben wurde, für Männer und Frauen nahezu identisch. Männer gaben durchschnittlich 59,57 $ pro Bestellung aus, während Frauen 59,52 $ ausgaben. Dieser winzige Unterschied von fünf Cent beweist, dass der geringere Gesamtumsatz der weiblichen Kundschaft nicht darauf zurückzuführen ist, dass sie weniger ausgeben, wenn sie einkaufen, sondern schlichtweg darauf, dass weniger von ihnen durch die Tür kommen. Die Lücke liegt vollständig darin, wie viele Kunden erreicht werden, und nicht darin, wie viel sie bereit sind zu bezahlen.
Ein weiterer Befund stellt die Wirksamkeit standardmäßiger Verkaufsstrategien infrage. Die Forscher untersuchten genau, was passierte, wenn Kunden Rabattgutscheine verwendeten. Sie fanden heraus, dass zwar fast 42 % aller Bestellungen einen Rabatt nutzten, die durchschnittliche Größe des Warenkorbs jedoch kaum anstieg. Kunden, die einen Gutschein verwendeten, gaben im Durchschnitt nur 0,74 $ mehr aus als Kunden, die den vollen Preis zahlten. Dies deutet darauf darauf hin, dass ein Rabatt für viele Käufer nicht dazu führt, mehr Artikel zu kaufen oder mehr Geld auszugeben, sondern lediglich den Preis der Artikel senkt, die sie ohnehin kaufen wollten. Folglich verliert das Geschäft einen signifikanten Teil seines potenziellen Gewinns bei diesen Verkäufen, ohne durch ein erhöhtes Volumen zu kompensieren.
Die Studie deckte auch ein Paradoxon in Bezug auf Treueprogramme und Abonnements auf. Viele Unternehmen gehen davon aus, dass Kunden, die eine Mitgliedschaft oder ein Abonnement bezahlen, wertvoller sind und pro Besuch mehr ausgeben. Die Daten zeigten jedoch, dass aktive Abonnenten durchschnittlich 59,47 $ pro Besuch ausgaben, während Nicht-Abonnenten 59,59 $ ausgaben. Der Unterschied ist vernachlässigbar, was darauf hindeutet, dass diese Mitgliedschaften derzeit eher als eine bequeme Zahlungsweise oder ein Vorteil für häufige Käufer fungieren, als ein Werkzeug, das sie dazu bewegt, mehr auszugeben. Die wahren Treiber für hohe Ausgaben waren spezifische Produktarten und die Häufigkeit der Besuche. So gaben beispielsweise Kunden, die Schuhe kauften, mit 60,75 $ pro Bestellung am meisten aus, und die treuesten Kunden – jene, die in der Vergangenheit mehr als zehn Einkäufe getätigt hatten – machten fast die Hälfte aller Transaktionen aus.
Durch die Kombination dieser automatisierten Datenbereinigungsschritte mit einer benutzerfreundlichen Website demonstrierten die Forscher, dass komplexe geschäftliche Fragen in weniger als einer Sekunde beantwortet werden können – eine Aufgabe, die zuvor Stunden manueller Arbeit mit Tabellenkalkulationen beansprucht hätte. Das System ermöglicht es Managern, Daten sofort nach Alter, Geschlecht oder Produkttyp zu filtern und genau zu sehen, wie sich verschiedene Gruppen verhalten. So fanden sie beispielsweise heraus, dass Kunden, die Schuhe kauften, den höchsten durchschnittlichen Bestellwert hatten, während das System auch bestätigte, dass Versandpräferenzen und Zahlungsmethoden gleichmäßig verteilt sind, wobei keine Option dominiert, was darauf hindeutet, dass das Angebot einer Vielfalt an Möglichkeiten essenziell ist, um Kunden zufrieden zu stellen.
Der ultimative Wert dieser Arbeit liegt in ihrer Fähigkeit, rohe Zahlen in eine umsetzbare Strategie zu verwandeln, ohne dass ein Abschluss in Informatik erforderlich ist. Die Forscher zeigten, dass der Weg zu besseren Gewinnen nicht zwangsläufig über aggressivere Rabatte oder die Annahme führt, dass Mitglieder mehr ausgeben werden. Stattdessen deuten die Daten auf die Notwendigkeit hin, mehr weibliche Käuferinnen zu gewinnen, da sie, sobald sie einmal im Geschäft sind, genauso viel ausgeben wie Männer, und darauf, die Struktur von Treueprogrammen zu überdenken, um tatsächlich höhere Ausgaben zu fördern. Das von ihnen gebaute System dient als zuverlässiges, kostengünstiges Werkzeug, das jedes Einzelhandelsunternehmen nutzen kann, um seine Leistung zu prüfen, verborgene Muster zu erkennen und Entscheidungen basierend auf dem zu treffen, was die Kunden tatsächlich tun, statt auf dem, was das Unternehmen annimmt.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.