INTERNET WORLD Business





PRODUCT INFORMATION MANAGEMENT

Das Kreuz mit den Katalogen

Daten, Daten, Daten: Webshops quellen über vor Informationen; nur wer diese Fülle ordentlich organisiert, kann von der Datenflut profitieren. Deshalb wird ein gutes Product Information Management immer wichtiger

Viele Webshops „erkranken“ irgendwann im Lauf ihres Lebens: E-Mail-Kampagnen konvertieren unzureichend, der Kunden-Support kann Reklamationen nicht nachvollziehen, Ware wird massenhaft retourniert, da im Shop verwirrend dargestellt oder im Lager falsch ausgesandt, SEA-Budgets und Affiliate Marketing verpuffen. Werden die entsprechenden Kennzahlen gebenchmarkt, zeigt sich erst der Abstand zum Wettbewerb. Diese allgemeine „Krankheit“ mit ihren vielen Symptomen hat oftmals einen Auslöser: Mängel im sogenannten PIM oder MDM, dem Produkt-Stammdaten-Management.

Wie alles im E-Commerce wird auch die Stammdaten-Landschaft immer komplexer. Immer mehr Datenquellen müssen sinnvoll in die Produktivsysteme integriert werden, immer schneller muss zudem aktualisiert werden. „Buecher.de integriert über 40 Datenquellen und priorisiert sie auf Ebene des einzelnen Datenfelds“, beschreibt Gerd Robertz, Geschäftsführer von Buecher.de, die Komplexität der Aufgabe. Der Detailreichtum in den Artikeleinträgen und die Auffindbarkeit unter den passenden Suchroutinen sind entscheidende Faktoren für den Verkaufserfolg geworden.

Erstaunlich, dass viele Hersteller dieses Erfolgspotenzial noch nicht konsequent angezapft haben. Ein führender Business Analyst stellte einmal fest, dass die „US Fortune 1.000“ für das Ausmerzen von Fehlern in Stammdaten dreimal so viel Geld aufwenden müssen wie für das Enterprise-Resource-Planning (ERP), das Customer-Relationship-Management (CRM)und Business Intelligence zusammen. Dieses Aufmerksamkeits-Defizit hat vielleicht Gründe: Dem Stammdaten-Management fehlt der Glamour des Marketings, das Jagdfieber des Verkaufs, die ruhige Macht des Einkaufs. Stammdaten-Management bedeutet sehr sorgfältige, penible Analyse auch von größten Datenmengen, Sammeln, Vergleichen, Importieren, Testen, Messen; mühevolle Kleinarbeit mit Frustpotenzial, aber hohen Erträgen, wenn alles richtig gemacht wird.

Typische Schritte in der MDM-Prozesskette sind unterschiedlich, je nachdem ob ein Betrieb Produkte herstellt oder nur verbreitet. Essenziell sind die Schritte Erzeugung beziehungsweise Import, Integration ins eigene Datenmodell, laufende Analyse und Qualitätssicherung, auch Data Governance genannt, Anreicherung und Veredelung während des Produktlebenszyklus, Verwertung in eigenen Systemen und Export in Fremdsysteme, wozu neben den User-Interfaces auch Suchsysteme zählen.

Kein reines IT-Thema

Fakt ist: Das Thema Product Information geht das ganze Unternehmen an, was sich schon in den ersten internen Besprechungen zum Thema zeigen dürfte. Wenn ein Bereichsleiter nach dem anderen operative Probleme auf den Tisch packt, wird vielen CEOs klar: Das ist ein Thema der höchsten Ebene, ein Business-Problem, kein IT-Problem. Daher stehen am Beginn eine Analyse und notfalls ein Reengineering der Business-Prozesse, soweit Stammdaten daran beteiligt sind. Jede Lösung entfaltet ihr Potenzial nur, wenn sie in optimale Geschäftsprozesse eingebettet ist. Dann wird die Arbeit verteilt. Welche Vorgehensweise ist die beste: Ein bereichsübergreifendes Projekt, womöglich moderiert von einem externen Consultant, oder ein neuer Bereich mit hauptamtlichen „Kümmerern“? Welcher Anbieter und welche Technik sichern die Zukunft langfristig ab?

Wie üblich, gilt auch hier: Je größer und verzweigter das Geschäft, je komplexer die Quellenlage, desto mehr muss investiert werden in Prozesse, Menschen und Systeme. Wer international, B2B oder „multi-channel“ unterwegs ist, wer medienübergreifende Werbung mit Print-Katalogen betreibt oder für wen Fragen der Produkthaftung wichtig sind, der braucht eine große technische Lösung; die Komplexität der Aufgabe lässt sich kaum mit inhouse entwickelter Software bewältigen. Und das ist auch nicht nötig, wenn vor der nötigen Investition nicht zurückgeschreckt wird: Es stehen Dutzende von Lösungen nationalen und internationalen Zuschnitts zur Verfügung, Anbieter mit großer Funktionsbreite wie IBM oder Hybris ebenso wie hochqualifizierte Spezialisten wie Stibo. Je nach Funktionsumfang müssen mehrere 100.000 Euro budgetiert werden. Da heißt es ganz genau hinschauen und das Produkt auswählen, das exakt zum Geschäftsmodell passt. Dabei helfen detaillierte Fragen an die Hersteller (vgl. Kasten S. 32).

Multiple Ausgabekanäle

Anfragen auf Webshop-und Stammdaten kommen heute aus unterschiedlichsten Richtungen: Stand früher die gezielte Suche im Vordergrund, spielen nun Stöbern und Promotions, Suchmaschinen und Multichannel, Affiliate, Preissuchmaschinen, Marktplätze und andere Absatz-Trigger eine Schlüsselrolle. Das bringt neue Herausforderungen für die Qualität des Datensatzes und für die Breite des Datenformats. Logistische Attribute wie Produktdimensionen und -gewicht oder Verfügbarkeit nach Ländern, beschreibende und animierende Media Assets, Produkthistorie, Prüfsiegel und Herkunftszeichen, Schlagwörter und Zuordnung zur Produktsystematik, Zubehör und die Zuordnung ähnlicher Artikel entscheiden über Erfolg oder Misserfolg eines Produkts. Erfolgt im MDM eine präzise Zuordnung solcher Attribute, sehen Kunden genau, was sie dann geliefert bekommen – Datenqualität als Kaufauslöser und Remissionsbremse. Auch die beste, teuerste Katalogsuche findet nur in einem guten Katalog gute Treffer, denn gefunden werden kann nur, was im Katalog steht. Bei aller Begeisterung über multimediale Produktwerbung ist es wichtig, sich bewusst zu machen, dass jede Suche – egal ob die Shop-Suche oder Web-Suchmaschinen – primär textbasiert ist. Also benötigen textuelle Attribute wie Produktbeschreibungen oder Schlagwörter hohe Aufmerksamkeit, allein schon aus SEO-Gründen.

Nicht weniger Aufmerksamkeit gebührt dem Zusammenwirken von MDM und anderen notwendigen Systemen wie Suchindex, Web-CMS für die artikelübergreifenden Inhalte, ERP oder Warenwirtschaft, Database Publishing für diverse Ausgabekanäle wie gedruckte Kataloge oder mobile Anwendungen. Das Ziel ist ein Single Source Publishing: Die Ausgaberegeln wandeln sich, der Datenstamm bleibt derselbe, alle redaktionellen Änderungen werden im Stamm erledigt. Wenn die Quelle nicht sauber ist, ist auch die Mündung schmutzig.

Lohn der Mühe: in Web-Katalogen eine befriedigende User Experience mit detaillierten Artikelansichten, eine hohe Artikel-Conversion-Rate, niedrige Retourenquote; viele, genaue Treffer in der Shop-Suche – das, was für den Anbieter wichtig ist, wird prominent angezeigt und von vielen Usern gesehen; feine Steuerung der Personalisierung und direkten Kundenkommunikation, hohe Relevanz in den Suchmaschinen. ❚

MICHAEL LEMSTER


Die Spreu vom Weizen trennen: Schlüsselfragen an Anbieter von MDM-Systemen

Wie sind Performance und Skalierbarkeit? Ein gutes Stammdatenmanagement ermöglicht ein produktives Handling von vielen Millionen Produktdatensätzen aus Dutzenden von Quellen mit geringem Input an IT- und Fach-Know-how.

Erlaubt die Architektur des Systems, dass es mit veränderten Business-Anforderungen wächst? Heute ist es ein PIM-System – morgen könnte es auch das CRM übernehmen.

Wie viele Benutzer können auf die Daten zugreifen, wie ist das Berechtigungs-Management?

Wie leistungsfähig hinsichtlich Funktionalität und Performanz ist es bei der Integration großer Datenmengen, etwa aus Data Pools, und bei schlechten Daten?

Wie groß ist das Datenmodell bezüglich der Anzahl der Artikelattribute? Top-Lösungen wuppen Attribute in vierstelliger Zahl

Wie geht es mit den spezifischen Problemen bestimmter Attribute um? Zum Beispiel mit Personennamen, mit Maßen und Gewichten aus nichtmetrischen Systemen, mit Fremdwährungen oder mit Mediendaten und Dokumenten?

Unterstützt es Hierarchien und Beziehungen von Produkten?

Bietet es für das laufende Qualitätsmanagement Analyse-Infrastrukturen?

Wie effizient können notwendige manuelle Pflegearbeiten erledigt werden?

Sind unterschiedliche Ansichten auf die Datensätze möglich?

Wie leistungsfähig sind Detektoren und Sperrlisten?

Kann User Generated Content integriert und bearbeitet werden?

Sind Teilkataloge in granularer Selektion möglich?

Können Selektionen der Attribute ausgegeben werden, zum Beispiel an unterschiedliche Datenkunden oder in verschiedenen Zeitrhythmen?

In welchen Formaten ist die Datenausgabe möglich?

Investiert der Hersteller erkennbar in seine Lösung?

Wie bewerten ihn Analysten?

Welche Branchen bedient der Hersteller?

Wie viele Kunden hat der Hersteller und welche? Wo hat er seine Standorte?


Spezialisten für manche Branchen oder Spezialfeatures mischen sich mit Generalisten

Übersicht über ausgewählte Anbieter von Product Information Management Software

Weitere Bilder
comments powered by Disqus