Die Retail-Apokalypse nimmt scheinbar kein Ende. Die Ära, die weltweit Dutzende stationäre Händler zu Fall gebracht hat, baut einen metaphorischen Friedhof. Seine neueste Ergänzung: Fast Fashion Händler Forever 21. Es gibt aber auch Einzelhändler, die in dieser neuen Welt prosperieren, indem sie die aktuelle technologische Revolution annehmen.
Es ist Ihnen sicher schon aufgefallen, der klassische Einzelhandel leidet. Stationäre Händler schließen ihre Geschäfte zu Tausenden und die Meinungen darüber, wie es dazu kam sind sehr umstritten. Einige kritisieren die Regierung und ihr Versagen, Unternehmen in wirtschaftlich schwachen Zeiten zu unterstützen. Andere beschuldigen Retail-Tyrannen wie Amazon, die die Marktbedingungen für immer verändert haben.
Eines ist klar: Der „Amazon-Effekt“ ist kein Schauermärchen, sondern geschriebene Geschichte, die von den innovativsten Köpfen der letzten Jahrzehnte geprägt wurde. Aber wie können traditionelle Einzelhändler dieses Phänomen überwinden? Die Lösung lautet: Digitalisierung. Digitalisierung bedeutet tatsächlich, Zugang zu besseren Daten zu haben und diese verarbeiten zu können, um bessere Entscheidungen zu treffen. Es gibt einen guten Grund, warum Daten heutzutage wertvoller sind als Geld. Und genau hierin liegt die Dominanz der Online-Riesen: der Einsatz von künstlicher Intelligenz im Kerngeschäft, um Informationen effizient zu verarbeiten und Kundenorientierung zu schaffen.
Anstatt die Zeit damit zu verschwenden bei anderen die Fehler zu suchen, sollten Einzelhändler die Gelegenheit nutzen, von denen zu lernen, die trotz der starken Herausforderungen des sich ändernden Kundenverhaltens weiterhin erfolgreich sind.
Mit dem Kampfgeist im Sinn, können Sie Ihre Zukunft zum Besseren wenden.
Veränderte Kundenbedürfnisse erfordern lernfähige Einzelhändler
„Lernfähige Einzelhändler“: ein Begriff, der für die meisten klassischen Einzelhändler, zumindest in Europa, eher wie eine Epidemie klingt. Angesichts der sich ständig ändernden Kundenbedürfnisse und des sich wandelnden Marktes müssen Einzelhändler schneller denn je reagieren können. Sie müssen mit dem Unerwarteten rechnen. Aber zu viele liegen beim technologischen Fortschritt weit zurück, oder schlimmer noch, ignorieren Ihre Existenz aus Angst vor Veränderungen und bleiben folglich auf der Strecke liegen. Laut einer McKinsey-Studie könnte Europa bis zu 2,5 Billionen Euro zu seiner gesamten Wirtschaftsleistung bis 2025 beitragen, wenn die Digitalisierung mit den vorhandenen Ressourcen beschleunigt werden würde.
Wenn das kein Weckruf ist, dann weiß ich nicht was noch passieren muss.
Lernfähige Einzelhändler sind offen für neue Möglichkeiten. Sie sind die Könige und Königinnen, die die individuellsten Kundenerlebnisse schaffen. Leider haben nur wenige stationäre Händler sich der Transformation angenommen, während die meisten reinen Online-Player die Innovation beschleunigen, indem sie das Potenzial ihrer Daten ausschöpfen. Nehmen wir zum Beispiel Zalando. Was nur wenige wissen, der Online-Modehändler ist in vielerlei Hinsicht auch ein Tech-Unternehmen und das spiegelt sich in seinem Umsatzwachstum wider.
Neue Marktdynamiken erfordern lernfähige Einzelhändler, aber was genau machen sie anders? Datengetriebene Einzelhändler verwenden Predictive Analytics um historische Daten zu analysieren und das Kundenverhalten vorherzusagen. Während Machine Learning (ML) Algorithmen, eine Anwendung der KI, verwendet werden, um menschliches Verhalten nachzuahmen und Aufgaben in einer Geschwindigkeit auszuführen, die ein Mensch nie erreichen könnte.
Es ist eindeutig, der Einzelhandel hat seinen Wendepunkt erreicht.
Die neue Welt des Handels gehört den Tapfersten
Ich weiß, Veränderungen können beängstigend sein, besonders wenn man mit Schlagzeilen wie „KI stiehlt unsere Jobs“ oder „KI gefährdet die Menschheit“ konfrontiert wird. Aber Angst ist nichts, was man vermeiden soll. Angst ist etwas, das man überwinden muss, nicht wahr? Werfen wir einen Blick auf die Vorteile der KI: die Automatisierung von repetitiven, manuellen Aufgaben und die Fähigkeit, Entscheidungen mit Hilfe von Daten zu treffen – Schlüsselfaktoren für die Profitabilität.
Ein Bereich, der von der KI deutlich vorangetrieben wird und der den Erfolg eines Einzelhändlers enorm beeinflusst, ist die Preisgestaltung. Um jedoch den Umfang und die Geschwindigkeit zu erreichen, die erforderlich sind, um wettbewerbsfähig zu bleiben, müssen die Einzelhändler eine proaktive Strategie umsetzen: Dynamische Cross-Channel-Preise.
Die KI-basierte Preisoptimierung ist eine technologische Kunst, die für viele Unternehmen unerlässlich geworden ist und es dem Handel ermöglicht, die Preise dynamisch an die Nachfrage anzupassen. Basierend auf historischen Daten und zusätzlichen Faktoren wie Wetter-, Standort-, Verfügbarkeits- oder Wettbewerbsdaten können Machine Learning (ML) Algorithmen den Bedarf prognostizieren und den optimalen Preis pro Artikel und Standort bestimmen, um den Umsatz zu steigern und Margen zu maximieren. Darüber hinaus ermöglichen KI-gesteuerte Lösungen es Einzelhändlern, den gesamten Preisfindungsprozess zu automatisieren und das Zeitalter der manuellen Kalkulationen und Excel-Tabellen hinter sich zu lassen.
Jetzt denken Sie vielleicht, dass die Investition, die für die Implementierung von KI-Anwendungen erforderlich ist, für Ihr Unternehmen nicht in Frage kommt, denn schließlich sind IT-Ressourcen heutzutage ein knappes Gut. Oder Sie denken vielleicht sogar, dass die Umsetzung von KI für den stationären Handel nicht machbar ist. Jedoch sammelt jeder Einzelhändler bereits Daten und kann diese Daten nutzen, um bessere Entscheidungen zu treffen!
Das Problem ist, dass viele Einzelhändler nicht über die notwendigen Ressourcen oder das notwendige Know-how verfügen, um diese Daten in verwertbare Erkenntnisse zu verwandeln. Dazu bedarf es externer Unterstützung durch Tech-Unternehmen, die den Handel mit individuell konfigurierbaren Lösungen unterstützen. Ein Beispiel ist aifora.
Das Technologieunternehmen bietet KI-gesteuerte Software-as-a-Service (SaaS)-Lösungen, die es Einzelhändlern jeder Größe ermöglichen, das Preis- und Bestandsmanagement entsprechend ihrer individuellen Strategien, Geschäftsregeln und Arbeitsabläufe zu optimieren. So können Teams ohne technisches Know-how datengesteuerte Entscheidungen treffen.
Egal, ob Sie ein eigenes Tech-Team zusammenstellen oder Unterstützung suchen – KI und Machine Learning bieten profitable Möglichkeiten, Ihre Leistung wieder auf Kurs zu bringen.
4 klassische Einzelhändler, die ihren Erfolg durch maschinelles Lernen steigern
H&M
Es ist nahezu unmöglich durch ein Stadtzentrum oder Einkaufszentrum zu laufen, ohne mindestens ein oder zwei H&M-Filialen zu passieren. Aber selbst dieser Fast-Fashion-Star wurde fast in die Apokalypse des Einzelhandels hineingezogen. Aufgrund falscher Bestandsprognosen überschätzte der Einzelhändler die Kundennachfrage und musste deutliche Preissenkungen vornehmen, was zu einem Verlust von 14% des Ertrags führte.
Aber H&M erkannte seinen Widerstand gegen das digitale Zeitalter und entschied, dass der Weg zurück zum Erfolg darin bestand, in neue Technologien wie künstliche Intelligenz zu investieren, anstatt nur nach einer kurzfristigen Lösung zu suchen. Mit Machine Learning nutzt das Unternehmen nun eine lokalisierte Strategie, mit der es die Waren für jede Filiale verwaltet und so überschüssige Lagerbestände, schlechte Kaufentscheidungen und unerwünschte Bestände reduziert.
Karl-Johan Persson, CEO von H&M erklärt: „Marken müssen lokal und personalisiert sein. Für stationäre Händler bedeutet dies kuratierte Sortimente, die für jeden Standort relevant sind und auf die detaillierten Kundenbedürfnisse eingehen.“
Reno
Reno ist eine deutsche Schuhkette der HR-Gruppe, die über 400 Filialen in 6 Ländern betreibt. Dem Unternehmen blieben am Ende jeder Saison hohe Restbestände weshalb große Mengen an Altwaren in die nächste Saison überführt werden mussten. Das waren die Ergebnisse hochgradig manueller und fehleranfälliger Prozesse. Daher suchte Reno nach neuen Maßnahmen zur Umsatzsteigerung. Da das Unternehmen nicht über die technischen Ressourcen verfügte, um dieses Problem allein zu lösen, suchte es nach einer Lösung, die sich leicht in das operative Geschäft implementieren und in die bestehende IT-Infrastruktur integrieren ließ.
Hier kam die aifora Retail Automation Plattform ins Spiel. Durch KI-basierte Preisanpassungen, Abschriftenoptimierung und intelligente Promotionsplanung optimierte Reno seine Bestandsstruktur und steigerte den Umsatz und Rohertrag. Die Fähigkeit, durch zeitnahe Erkenntnisse schnell auf veränderte Marktbedingungen zu reagieren, gibt ihnen die Möglichkeit, in der neuen Welt des Handels wieder zu wachsen.
Adidas
Während viele Einzelhändler KI und dessen Auswirkungen noch skeptisch gegenüberstehen, sagt Michael Vöegele, CIO von Adidas: „Die digitale Technologie ist der Wegbereiter, um unser Ziel zu erreichen, die beste Sportmarke der Welt zu sein„. Mit Hilfe von Machine Learning ist Adidas in der Lage, Trends in Kundenwünschen zu erkennen und in ein „individualisiertes Produkt“ umzusetzen. Ein Grund, warum Adidas Machine Learning in seinen Betrieben weiter anwendet und ausbaut, ist die Nutzung von Kundentrends und die gemeinsame Gestaltung einer neuen Lieferkette mit Kunden. Da sich gezeigt hat, dass Personalisierung von den Kunden sehr gefragt ist, bin ich mir sicher, dass sich Adidas zu einem Topstar in der neuen Welt des Handels entwickeln wird.
Adler Modemärkte
Adler Modemärkte betreibt 175 Filialen in Deutschland, Österreich, der Schweiz und Luxemburg, die sich an Männer und Frauen „in ihrer Blütezeit“ (50+) richten. Dem Unternehmen waren sein fehleranfälliger Warenwirtschaftsprozess und der hohe manuelle Aufwand leid. Darüber hinaus war das Unternehmen eines der ersten Modehäuser, das RFID vollständig einsetzte, aber es fehlten Instrumente, um dieses Potenzial voll auszuschöpfen. Mit der Implementierung einer KI-basierten Lösung für Replenishment und Allocation kann ADLER nun effizient und dynamisch Waren auf SKU-Ebene verwalten. Dadurch kann ADLER frühzeitig Unter- und Überbestände durch dynamische Prognosen erkennen, eine hohe Warenverfügbarkeit bei gleichzeitiger Reduzierung der Lagerbestände sicherstellen und ein ausgewogenes Verhältnis von Umsatz zu Lagerbestand erreichen.
Jeder Einzelhändler sammelt Daten
So beängstigend es auch klingen mag, fast überall wo wir hingehen und alles was wir tun hinterlässt digitale Spuren. Online-Händler wissen das und analysieren jeden Klick, jeden Kauf, jeden verlassenen Warenkorb, um das Kundenerlebnis zu verbessern und den Umsatz zu steigern. Aber der Zugang zu fundierten Erkenntnissen ist nicht mehr auf die digitale Welt beschränkt. Was der stationäre Handel erkennen sollte, ist, das auch er reichlich Daten über das Geschehen in seinen Filialen sammelt: Transaktionsdaten, Bestandsdaten, Marketing- und Promotionsdaten und die Liste lässt sich beliebig fortsetzen. Diese Daten können sich in Silos befinden oder Einzelhändler wissen vielleicht einfach nicht, wie man diese Daten richtig analysiert – aber die Daten sind verfügbar und bergen ein enormes Potenzial. Der Handel braucht nur die richtigen Werkzeuge, um seine Daten zu nutzen sowie die Bereitschaft zur Veränderung.
Eines ist sicher, datengesteuerte Entscheidungen sind nichts Neues. Wahrscheinlich haben Sie sich schon vor der Jahrhundertwende auf Daten für andere Geschäftsfelder in Form von Forschungsarbeiten und Statistiken verlassen. Aber heute sind unsere Möglichkeiten zur Erfassung und Analyse von Daten umfangreicher, die Geschwindigkeit mit der wir Daten verarbeiten können wurde enorm beschleunigt und die Erkenntnisse sind viel wertvoller geworden.
Warum diese neue Chance verpassen, wenn der einzige Weg aus der Retail-Apokalypse raus, hindurch ist?