Inhalt
Kurzfassung
- Gute Datenqualität ist notwendig – aber sie erzeugt noch keine gute Product Experience.
- PIM löst das Problem der Beherrschbarkeit von Produktdaten. PXM löst das Problem der Entscheidbarkeit für Kunden.
- Ein stabiles Datenfundament ist kein Beweis für eine gute Product Experience.
Während ich diesen ersten Blog-Artikel verfasse, befinden wir uns in einer Zeit des immer schneller werdenden „Fortschritts“. Überall – in den Medien, in der Arbeitswelt und im Privaten – beherrscht das Thema KI die Schlagzeilen.
Auch die Auswirkungen von KI auf Erlebnisse im Zusammenhang mit Produktdaten sind bereits spürbar. Sei es in Form künstlich generierter Texte auf Webshops oder offensichtlich KI-generierter Menükarten in Restaurants. Das Thema umgibt uns rund um die Uhr.
In meinem ersten Artikel möchte ich jedoch einen Schritt zurückgehen. Zurück in die Zeit, als Automatisierungen ein Thema waren, aber noch nicht die Automatisierung des ganzen Daseins. Bevor man sich also Gedanken darüber macht, welche Prozesse man vollständig den Maschinen übergibt, sollte man sich fragen, welche Ziele man eigentlich verfolgt.
Nur weil Daten vollständig sind und Prozesse schnell ablaufen, bedeutet das noch lange nicht, dass dies einen Mehrwert für andere mit sich bringt.
Gute Datenqualität ist notwendig – aber sie erzeugt noch kein gutes Erlebnis.
Betrachten wir als Beispiel die Plattform eBay. Im Verkaufsprozess wird Händlern die Möglichkeit geboten, den Beschreibungstext per KI generieren zu lassen. Als das Feature eingeführt wurde, wurde mithilfe der KI nur der Beschreibungstext erstellt. Die Ergebnisse waren dabei interessanter Natur. Die Texte wirkten künstlich und überspitzt formuliert. Oft wurden Informationen hinzugefügt und andere relevante Informationen vergessen.
Auch aus Kundensicht ließen sich solche Texte nur schwer lesen. Bereits nach den ersten Worten wurde klar, dass sie maschinell erstellt wurden, und die Ausschmückungen ließen darauf schließen, dass man zehn Minuten benötigte, um die relevanten Informationen herauszufiltern.
Übertragen wir dieses Beispiel nun in ein PIM-System, so lässt sich erkennen, dass folgende Themen fälschlicherweise gleichgesetzt werden könnten:
- Datenvollständigkeit und Relevanz
- Korrektheit und Verständlichkeit
- ein sauberes Produktmodell und echte Entscheidungsunterstützung
In unserem eBay-Beispiel ist die Produktbeschreibung gepflegt und für unseren Zielkanal vollständig. Allerdings hat sie negative Auswirkungen auf das Einkaufserlebnis. Wir sind genervt von der Formulierung und benötigen zudem noch viel Zeit, um an alle relevanten Informationen zu gelangen.
Beide Faktoren haben immense Auswirkungen auf unser Einkaufserlebnis. Wir wollen nicht einkaufen, wenn wir genervt sind, und wir möchten ohne Widerstand an alle Informationen gelangen, die wir für unsere Kaufentscheidung benötigen.
Plattformen wie PIM-Systeme leisten bereits enorm viel und unterstützen uns bei einer Vielzahl von Optimierungsthemen. Sie machen unsere Produktdaten beherrschbar, schaffen Ordnung und Konsistenz und reduzieren die interne Komplexität, sofern sie richtig angewendet werden. Ohne dieses Fundament wäre eine gute Product Experience kaum denkbar.
Was sie allerdings nicht tun, ist, für uns zu entscheiden, welche Informationen für uns als Kunden tatsächlich kaufrelevant sind. Ebenso wenig legen sie fest, wie diese Informationen priorisiert werden und wie Kunden durch die Informationsflut geführt werden. Und letztlich beantworten sie auch nicht die Frage, welchen Nutzen die Daten am Ende überhaupt erbringen. All diese Entscheidungen müssen wir selbst treffen – aus der Sicht derjenigen, die mit den Daten eine Kaufentscheidung treffen sollen.
Typische Fehlannahmen auf Entscheiderebene
In meiner Arbeit mit Kunden stoße ich immer wieder auf die folgende Thematik:
„Lasst uns zunächst das PIM-System einführen und nach dem Go-Live schauen wir uns das Thema Kundenerlebnis nochmal an.“ Dies wird häufig auch durch kurze Projektlaufzeiten begünstigt beziehungsweise provoziert.
Auf der Entscheiderebene sollte man sich deshalb ganz bewusst noch vor Projektbeginn die Frage stellen: „Wo wollen wir eigentlich hin?” In den seltensten Fällen bringt es etwas, zuerst loszurennen und dann das Ziel festzulegen (es sei denn, man möchte bewusst erkunden).
In Gesprächen fallen dabei immer wieder Aussagen wie:
- „Produktdaten haben wir im Griff, das ist kein Engpass mehr.“
- „Wir haben stark in PIM investiert – das Fundament steht.“
- „Wenn etwas nicht wirkt, liegt es eher an Kanälen oder UX.“
- „Mehr Struktur schafft automatisch mehr Klarheit.“
Keine dieser Aussagen ist für sich genommen falsch, allerdings implizieren sie häufig die Auffassung, dass mit einer sauberen Datenbasis die Arbeit am Kundenerlebnis bereits erledigt ist oder sich von selbst ergibt. Dieses Datenfundament ist jedoch lediglich die Voraussetzung, um den Fokus auf die Produkterlebnisse zu setzen. Die Arbeit, das Produkterlebnis zu gestalten, wird dadurch nicht erledigt.
Um beim eBay-Beispiel zu bleiben: Aus Sicht der Datenqualität war dort alles richtig. Die Produkteigenschaft war ausgefüllt und der Kanal wurde mit der entsprechenden Information beliefert. Für uns als Kunden stand dieser Text allerdings eher im Weg, anstatt uns zu helfen.
Wo gute PIM-Arbeit an ihre Grenzen stößt
PIM-Systeme sind darauf ausgelegt, Produktdaten zu verwalten. Sie sollen mit einem wachsenden Sortiment und der Erweiterung von Ausgabekanälen mitwachsen und dafür sorgen, dass unsere Prozesse effizient bleiben.
Gute Kundenerlebnisse entstehen jedoch nicht an dieser Stelle. Sie entstehen dort, wo Produktdaten uns Kontext geben, einen Vergleich ermöglichen und die Informationen entsprechend priorisieren, um uns so elegant durch den Kaufprozess zu führen.
Häufig entsteht zwischen diesen Welten eine Lücke, die durch den Projektalltag noch vergrößert wird, wenn der Fokus verloren geht. Entscheidend ist der Punkt, an dem unser Erfolg gemessen wird. Unsere Einsichten in die Datenqualitäten von PIM-Systemen geben nur selten Aufschluss darüber, wie diese sich im Kauferlebnis verhalten.
Was Entscheider daraus mitnehmen sollten
Kehren wir nun noch einmal zu meiner These am Anfang des Artikels zurück. Bevor wir überlegen, welche Aufgaben wir der KI übertragen können, lohnt es sich, die Frage zu stellen: „Welches Erlebnis möchten wir mit unseren Daten eigentlich schaffen?”
Für Entscheider sollte klar sein, dass eine gute Datenstruktur und -qualität lediglich die Grundlage bildet. Ein gutes Erlebnis zeichnet sich durch den entsprechenden Einsatz und die Aufbereitung der Daten aus. Ein Blick von außen nach innen ist daher empfehlenswert.