Standorte können bei vielen Unternehmen über Erfolg oder Misserfolg entscheiden. Umso wichtiger ist, es, vor der Planung der nächsten Filiale – sei es Laden, Fitnessstudio oder Restaurant – eine gründliche Recherche durchzuführen.
Mit Predictive Analytics können Unternehmen jetzt die finanziellen Auswirkungen von Standortentscheidungen wie eine Eröffnung, Schließung oder betriebliche Veränderung genau abschätzen.
Henning Hollburg, Targomo’s Founder and Managing Director, explains what predictive analytics is and how businesses with physical points of sales can benefit from it.
Was ist „Predictive Analytics“, was ist daran neu?
“Einfach ausgedrückt handelt es sich darum, hochentwickelte Machine Learning Algorithmen anzuwenden, um aus der Vergangenheit zu lernen und zukünftige Szenarien vorherzusagen.
Wir arbeiten seit Jahren an Predictice Analytics und können diese innovative Technologie nun allen Unternehmen anbieten, die sie benötigen. In den letzten Jahren hat dieser Bereich durch die Weiterentwicklung von Schlüsseltechnologien einen enormen Aufschwung erfahren, von besserer Hardware bis hin zu leistungsfähigeren Modellen. Zusätzlich ermöglicht uns das Aufkommen moderner Webtechnologien, solche Lösungen in einer browserbasierten Umgebung zu entwickeln.”
Welchen Nutzen bringt der Einsatz von „Predictive Analytics“ in der Standortplanung?
“Der Standort ist für alle Unternehmen wichtig, die eine physische Interaktion mit ihren Kunden pflegen. Unsere Modelle können den Erfolg einer Handelsfiliale zu 80-90 % vorhersagen. Das bedeutet, dass wir unseren Kunden mit dieser Genauigkeit sagen können, welche Umsätze sie erwarten können, wenn sie ein neues Geschäft eröffnen wollen. Das gibt ihnen eine enorme Planungssicherheit.
Aber das Potenzial der Prognosen geht über Neueröffnungen hinaus. Auch Änderungen der Verkaufsfläche, der Öffnungszeiten, des Ladentyps usw. können vorhergesagt werden, und zwar nicht nur für die veränderte Filiale selbst, sondern auch für die anderen Filialen im Netz. Ein Kunde von uns möchte zum Beispiel wissen, welchen Standort er ‘re-branden’ soll. Ein anderer möchte wissen, welche Produkte er wo anbieten soll. Unsere Modelle geben antworten.”
Predictive Analytics liefert sofortige Vorhersagen für relevante KPIs (wie hier die Gästezahl) für jeden potenziellen neuen Standort.
Wie kann ein Kunde den Einstieg in Predictive Analytics finden?
“Bei Tarogmo ist das ein dreistufiger Prozess. Zunächst stellt uns der Kunde seine Geschäftsdaten zur Verfügung. Dann trainieren wir unser Modell mit diesen Daten, bevor wir in TargomoLOOP ein individuelles Modell für den Kunden mit Vorhersagen über seine Geschäftsentwicklung integrieren.
Die Geschäftsdaten der Kunden umfassen üblicherweise die Standorte ihrer Geschäfte in Kombination mit einer Reihe von Attributen, den so genannten standortbezogenen oder ‚geo-referenzierten‘ Daten. Dabei handelt es sich in der Regel um die Größe und Art des Geschäfts, die Öffnungszeiten, die letzte Renovierung und so weiter. Die Kunden stellen uns auch ihre Geschäftskennzahlen zur Verfügung, wie z. B. den Gesamtumsatz, den Umsatz mit einem bestimmten Produkt oder die Anzahl der Besucher.
Dann analysieren wir die Umgebung der einzelnen Filialen, um Muster zu erkennen. Hier kommen hauptsächlich drei Arten von Daten ins Spiel: mobilitätsbezogene Daten wie Fahrpläne des öffentlichen Nahverkehrs, Straßennetze oder Bewegungsdaten, soziodemografische Daten und Daten zu Orten in der Umgebung, den Points of Interest. Die Muster helfen uns zu verstehen, welche Faktoren zu Erfolg oder Misserfolg führen. Mit diesen Metriken/Erfolgsfaktoren trainieren wir ein Modell, und dieses Modell ermöglicht es uns, die meisten KPIs für andere Standorte vorherzusagen.”
Was können Kunden von den vorhersagenden Analysen erwarten?
“Wir integrieren das Modell in TargomoLOOP, das von uns entwickelte intuitive browserbasierte Tool, und sie können einfach eine beliebige Adresse eingeben, um Prognosen zu Umsatz, Besucherzahlen und anderen wichtigen Aspekten für die Filialplanung zu erhalten. Letztendlich werden sie in der Lage sein zu verstehen, ob die Eröffnung eines Geschäfts dort erfolgreich sein wird oder nicht.
Und das Besondere ist, dass unser Modell nicht nur für die Expansion des Geschäfts nützlich ist, sondern auch, um zu verstehen, ob eine bestehende Filiale besonders viel oder zu wenig Leistung bringt, also ein Over- oder Underperformer ist. Wir vergleichen einfach die Geschäftsleistung bestehender Geschäfte mit der von unserem Modell vorhergesagten Leistung. Mit diesen Erkenntnissen kann unser Kunde sein Filialnetz optimieren. Es kann die Preisgestaltung, das Produktangebot und die Ladenöffnungszeiten anpassen, um Erfolge zu wiederholen oder schlechte Ergebnisse zu korrigieren.”
Wo liegen die Grenzen in den Vorhersagen?
“Natürlich steht und fällt die Möglichkeit mit den verfügbaren Daten. Wir haben zum Beispiel gelegentlich beobachtet, dass bestimmte Geschäfte aufgrund von Renovierungsarbeiten und den daraus resultierenden Schließungen weniger Umsatz gemacht haben. Sie tauchten dann in unserer Analyse zunächst als Underperformer auf, weil wir keine Informationen über die Schließungen hatten. Je mehr interne Daten wir von unserem Kunden erhalten, desto besser.
Aber vor allem, wenn nur einige wenige Filialen verfügbar sind, wird es schwierig, Muster zu erkennen. Idealerweise sollte ein Netzwerk aus mehr als ein paar Dutzend Geschäften bestehen, um ein aussagekräftiges Modell zu entwickeln. Darüber hinaus gibt es auch Faktoren, die die Leistung beeinflussen, für die wir keine Daten haben oder die nichts mit dem Standort an sich zu tun haben. Zum Beispiel, wenn das Personal besonders freundlich ist und eine gute Kundenbindung aufgebaut hat.”
Welchen Vorteil bietet die Zusammenarbeit mit Targomo bei Predictive Analytics?
“Targomo hat langjährige Erfahrung in Analysen von Mobilität und menschlicher Bewegung und haben auch viel in diese Richtung geforscht. Diese Expertise fließt in unsere Analysen und Prognosen ein, da der Erfolg von Filialen entscheidend von menschlichen Bewegungsmustern abhängt: Es geht darum, dass die Menschen zu den Unternehmen kommen und die Unternehmen zu den Menschen.
Ein weiterer Vorteil ist, dass wir dieses individuell auf den Kunden entwickelte Vorhersagemodell in die Analyseplattform integrieren. Diese ist recht einfach zu bedienen, so dass alle Teammitglieder darauf zugreifen können, ohne GIS-Experte oder Datenwissenschaftler zu sein.”
Vielen Dank an Henning für die Einführung in Predictive Analytics.
Möchten Sie erfahren, wie Sie mit der Analyseplattform TargomoLOOP sofortige Vorhersageergebnisse erhalten? Buchen Sie hier eine Demo.
Comments