Hier erfahren Sie, wie eine Smart Data Solution von ERBACH auf Basis von historischen Daten tagesgenaue Umsatz- und Besucherprognosen für eine Möbelhauskette treffen kann.

Durch unsere Smart Data & KI Lösung sind Zeit- und Zielgruppenoptimierte Marketingmaßnahmen möglich, die zu erstaunlich präzisen Voraussagen von Besuchern, Kunden und Umsätzen führen. So können für einzelne Standorte tagesgenaue Besucher- und Kundenzahlen, erwartete Umsätze und das dafür notwendige Personal eingeplant werden. Basis bilden historische Daten der Möbelhauskette, die mit lokalen Wetterdaten sowie Feiertagen und Schulferien angereichert wurden.

50-70%

Kosteneinsparung für Marketing und Personal

Smart Solution

Die Möbelhauskette konnte uns für das Projekt vollständige historische Daten der letzten 3,5 Jahre zur Verfügung stellen. Darin waren tagesgenaue Besucherzahlen sowie Umsätze der einzelnen Märkte nach Produktgruppen und Informationen zu durchgeführten Marketingaktionen mit Rabatthöhen und Laufzeit enthalten.

Erbach Smart Solutions hat diese Informationen mit lokalen Wetterdaten sowie Ferien- und Feiertagen passend zu den ausgewählten Standorten der Möbelhäuser angereichert und in eine zentrale Excel-Tabelle überführt. Die gesammelten Daten hatten eine Größe von rund 40 MB mit ungefähr 200.000 Einträgen, die für Analysen und Vorhersagen in 25 einzigartige Merkmale gruppiert wurden.

Die erste Herausforderung bestand darin zu zeigen, dass Smart Data und KI für die Möbelhauskette einen Mehrwert darstellen. Dazu wurde mit verschiedenen Analysemethoden die Wirkung von Marketingaktionen auf Besucherzahlen, Tagesumsätze und verkaufte Produktgruppen aufgezeigt. Außerdem wurde untersucht, ob und wie mit Smart Data & KI Vorhersagen zu Besucherzahlen und Umsätzen möglich sind. Schließlich konnten wir durch die Kombination von Analytik und Vorhersagen eine Bewertung des Tageserfolgs durchführen. Darauf aufbauend können nun gezielte Marketingmaßnahmen gestartet werden.

Ausgangspunkt des Projekts war eine Smart Data Potentialanalyse, die wir geneinsam mit dem SDSC BW durchgeführt haben. Es wurden verschiedene Analytik- und Machine Learning Methoden untersucht und schließlich ein Basismodell entwickelt, um Prognosen unter Verwendung des Wissens über Besucher- und Umsatzzahlen sowie Marketingmaßnahmen zu erstellen. Die Algorithmen wurden unter Verwendung von statistischen Informationen aus den Zeitreihen (u.a. Mittelwert und Autokorrelation) entwickelt und schließlich mit historischen Daten trainiert, getestet und optimiert.

 Ergebnis & Ausblick

Alleine durch das Zusammenführen der verschiedenen Datenquellen in einer zentralen Datenbank konnten bereits bemerkenswerte Analyseergebnisse erzielt werden. So war es möglich zu zeigen, welche Marketingmaßnehmen sich besonders positiv auf die Verkäufe bestimmter Produktgruppen ausgewirkt haben.

Mit dem optimierten und trainierten Machine Learning Modell sind nun tagesgenaue Prognosen von Umsätzen und Besucherzahlen der einzelnen Möbelmärkte mit hoher Genauigkeit (bis zu 97%) möglich. Daraus lässt sich in Echtzeit für jedes einzelne Möbelhaus eine Aussage zum jeweiligen Tageserfolg ableiten. In unserem Cloud-basierten Smart Data Center können Cockpit-Charts Analysen und Vorhersagen für einzelne Möbelhäuser und Produktgruppen konfiguriert und für unterschiedliche Nutzergruppen angezeigt werden.

Im nächsten Schritt kann das System um weitere Datenquellen und Charts z.B. zu Wettbewerberpreisen oder zur Optimierung von Lieferketten ergänzt werden.