Datengetriebene Personalisierung in stationären Läden

Author: Nora Charlotte Kralle

Language: Deutsch (nur als PDF-Datei erhältlich)

Stationäre Einzelhändler stehen vor der Herausforderung sinkender Umsätze und Besucherzahlen. Früher lag der Wettbewerbsvorteil des stationären Handels in der personalisierten Beratung durch Mitarbeiter. Jedoch hat der Online-Handel den stationären Handel überholt dank der Möglichkeit, Daten für Personalisierung zu sammeln und zu nutzen. Die Lage spitzt sich weiter zu, da ehemals reine Online-Händler wie Amazon nun auch stationäre Läden eröffnen und diese Fähigkeiten hier einsetzen. Neue Technologien ermöglichen es, Daten über ihre Kundschaft in der physischen Welt zu sammeln und dadurch das Einkaufserlebnis zu personalisieren. Diese Fortschritte bringen datengetriebene personalisierte Werbung aus dem Online-Marketing in den stationären Handel. So ist im Alibaba Fashion Concept Store jedes Kleidungsstück mit einem Radiofrequenzidentifikations (RFID)-Tag ausgestattet. RFID-fähige intelligente Spiegel identifizieren Artikel, die Konsumierende in die Umkleidekabine mitnehmen, un zeigen Empfehlungen an, um das Outfit zu vervollständigen. Solche Technologien haben das Potential, den stationären Handel wieder wettbewerbsfähig zu machen, bringen jedoch auch Gefahren mit sich, wie Bedenken hinsichtlich der Privatsphäre. Ziel dieser Dissertation ist es zu zeigen, wie stationäre Händler datengetriebene Personalisierung in ihren Läden einsetzen können, um für Konsumierende wieder attraktiver zu werden und ihre Umsätze zu steigern. Dabei werden diese Technologien erstmals im Feld in echten Einkaufssituationen untersucht. Es werden vier Dimensionen datengetriebener Personalisierung in stationären Läden identifiziert: Sammeln von Daten, Entwickeln einer Kommunikationsstrategie für personalisierte Inhalte, Übermitteln von personalisierten Inhalten an Konsumierende und Analysieren von Ergebnissen zur Optimierung der Personalisierung. Der empirische Teil dieser Arbeit untersucht in zwei Feld- und zwei Laborexperimenten unterschiedliche Kommunikationsstrategien. Personalisierung von Produktempfehlungen für individuelle Konsumierende beeinflussen das Kaufverhalten positiv. Offenlegung der Technologienutzung gegenüber der Kundschaft, erhöht darüber hinaus den wahrgenommenen Nutzen der Empfehlung. Wenn die Personalisierung auf persönliche Eigenschaften von Kunden referenziert, so löst dies Freude aus. Das gilt jedoch nur, wenn die Kundschaft auf der Suche nach neuen Kaufideen ist. Ausserdem werden Nutzen und Freude lediglich bei Personen mit geringen Bedenken hinsichtlich der Privatsphäre ausgelöst. Auch führt datengetriebene Personalisierung zu Reaktanz bei Konsumierenden. Diese können stationäre Händler eliminieren, indem sie Reziprozität auslösen. Die empirischen Ergebnisse dieser Arbeit werden in ein Stufenmodell für Praktiker zur Implementierung von datengetriebener Personalisierung in stationären Läden übersetzt.