Wie die Schaffung einer kundenorientierten Kultur zu mehr Konversionen führte

Erkenntnis/Aktion/Ergebnis: Nutzer:innen, die die mobile Rebuy-App heruntergeladen hatten, wollten oft den Wert ihres Geräts herausfinden, mussten aber über mehrere Bildschirme hinweg navigieren, um eine Schätzung für den Verkauf ihres Geräts an Rebuy zu erhalten. Mit den Daten aus Amplitude Analytics erstellte das Produktteam einen Link auf der Startseite, der die Nutzer:innen fragt, ob sie den Wert ihres Geräts erfahren möchten. Indem sie direkt zu diesem Fragebogen weitergeleitet wurden, konnte die Anzahl der Nutzer:innen, die Samsung-Handys bewerteten, um 30 % und die Anzahl derer, die andere Handys bewerteten, um 11 % gesteigert werden. Dadurch konnte das Unternehmen größere Lagerbestände für den Online-Wiederverkauf generieren. Die Kachel weckte auch das Interesse von Nutzer:innen, die ursprünglich gar nicht geplant hatten, ihr Gerät zu verkaufen – und führte zu zusätzlichen Konversionen.

Einige Unternehmen bezeichnen sich selbst als datengesteuert, schauen aber nur auf Zahlen, die nur einen Teil der Realität offenbaren. Bei Rebuy verfolgen wir einen Ansatz, der das Gespräch mit unseren Kund:innen und die Analyse der Zahlen kombiniert. Das ist unglaublich effektiv und hilft uns, uns im E-Commerce-Bereich abzuheben.

Ich habe eine Leidenschaft für E-Commerce. Ich liebe es, mit Endnutzer:innen in Kontakt zu treten, um ihre Bedürfnisse zu verstehen und ihnen den bestmöglichen Service zu bieten. Abläufe für Kund:innen zu vereinfachen ist das Herzstück der Produktentwicklung, und unsere Kund:innen sollen immer an erster Stelle stehen.

Ich habe bei Rebuy, einem Berliner Einzelhandelsunternehmen, angefangen. Das Unternehmen lebt von einer Kreislaufwirtschaft und schafft so eine sehr kundenorientierte Umgebung. Wir kaufen gebrauchte Elektronik- und Medienprodukte von unseren Kund:innen, bereiten sie auf und verkaufen sie dann weiter. So geben wir den Produkten ein neues Leben und verhindern, dass sie auf der Müllhalde landen. Wir haben fast 500 Mitarbeiter:innen, unser 15-köpfiges Produktteam im Speziellen besteht aus Produktmanager:innen und Designer:innen, UX-Forscher:innen und Autor:innen.

Ich habe den größten Teil meiner Karriere im E-Commerce-Bereich in verschiedenen Branchen verbracht und höre immer wieder von Unternehmen, die nah an ihren Kund:innen sein wollen, aber nichts dafür tun. Indem wir eine Verbindung zwischen Kundengesprächen und Daten herstellen, können wir verstehen, was mit den Kund:innen geschieht. Diese Kombination schafft eine Kreativität, durch die wir spannende neue Möglichkeiten entdecken und Entscheidungen treffen können, um unseren Kund:innen näherzukommen.

Aber manchmal ist das leichter gesagt als getan: „näher an die Kund:innen herankommen“.

Unnötige Komplexität reduzieren

Im Jahr 2014 arbeitete ich für ein argentinisches Start-up, das Google Analytics (GA) zur Optimierung unserer mobilen App verwendete. Am Anfang funktionierte das gut, aber irgendwann boten die Ergebnisse nicht mehr die Genauigkeit, die wir brauchten. Und damit waren wir nicht allein. Viele Unternehmen beginnen mit GA, weil es einfach erscheint, aber mittlerweile fühlt es sich an, als käme es aus einer anderen Ära. Es war schwer zu verstehen, was getrackt wurde, was nicht und wie man es finden konnte. Wenn man weiß, welche Antwort man braucht, kann man sie in GA finden – aber, wenn man nur mit den Daten spielt und etwas sucht, das man nicht kennt, wird sehr kompliziert.

Einige Unternehmen haben wegen einer schlechten Implementierung Probleme mit GA und verlieren ihre Daten aus den Augen, aber das war bei Rebuy nicht der Fall. Wir hatten ein solides GA-Setup, allerdings konnte es immer noch nicht das, was wir eigentlich wollten. Weil das System so komplex ist, haben Mitarbeitende nur nach ein bis zwei Dingen gesucht und dann aufgegeben. Das erste, was ich sagte, als ich zu Rebuy kam, war: „Google Analytics wird uns nicht dabei helfen, die Datenkultur zu erreichen, die wir hier wollen.“

Im Rahmen meiner Arbeit bei dem Start-up suchte ich also nach Alternativen zu GA und stieß auf Amplitude Analytics – das ich seitdem in mehreren Unternehmen eingesetzt habe. Amplitude Analytics wurde aufgrund seiner benutzerfreundlichen Oberfläche und seiner Erkundungsfunktionen zu meiner Lieblings-Plattform. Wenn eine Plattform zu schwer zu bedienen ist, setzen sich die Nutzer:innen nicht damit auseinander. Aber Analytics macht es ihnen leicht, Fragen zu stellen, und hilft uns zu erfahren, warum unsere Kund:innen das tun, was sie tun.

Ich habe unserem CTO Amplitude auf der Grundlage meiner bisherigen positiven Erfahrungen vorgestellt, und er stimmte meiner Wahl zu. Ich wusste, dass unser Produktteam an Bord war, aber auch andere Abteilungen nutzten GA. Und da GA viele sofort einsatzbereite Lösungen bietet, war ich mir nicht sicher, ob alle dieser Abteilungen sich über so eine große Veränderung freuen würden. Aber als alle gesehen haben, wie Amplitude funktioniert, war die Überzeugungsarbeit nicht mehr schwierig. Wir haben uns entschieden, alles auf Analytics und Experiment zu übertragen, einschließlich der Daten, die wir für die Berichterstattung verwenden.

Funktionen, die alle nutzen

Wir mussten schnell handeln. Einige unserer Kerngeschäftsprozesse hängen von diesen Daten ab, und wir konnten die Sessionaufzeichnung und das Nutzertracking nicht unterbrechen. Das Amplitude-Team hat sich unserem engen Zeitplan angepasst, und von der Vertragsunterzeichnung bis zur ersten Iteration unseres Trackingsystems waren es nur zwei Monate.

Amplitude hat dazu beigetragen, dass bei Rebuy alle Mitarbeitenden datengestützte Entscheidungen treffen können. Heute sind unsere primären Anwendungsfälle die Messung und die Erkundung. Unsere Vertriebs-, Marketing- und Produktteams verwenden Analytics, um zu erfahren, wie viele Personen sich unsere Seiten ansehen, welche Artikel die Nutzer:innen aufrufen und wie hoch die Konversionsraten sind. Unsere Produkt- und Produktdesignteams nutzen Analytics, um Hypothesen über das Nutzungsverhalten zu entwickeln, und Experiment, um diese Hypothesen zu testen. Unsere Designer:innen (die sich normalerweise eher ungern mit Daten beschäftigen) untersuchen mit Analytics, wie sich Designelemente auf das Nutzungsverhalten auswirken. Sogar unser Team für die Preisgestaltung verwendet Experiment, um verschiedene Preise zu testen und die Rentabilität zu steigern.

Ich verwende täglich Diagramme zur Segmentierung und für die Konversionstrichter-Analyse. Ich verwende auch die Journeys-Funktion, um die Übergänge entlang eines Benutzerpfads gut zu verstehen. Wenn ich bei einem Schritt in unserem Trichter einen signifikanten Rückgang sehe, kann ich mir im Detail ansehen, was die Nutzer:innen nach dem Abbruch der Aktion tun. Wenn wir wissen, wann potenzielle Kund:innen unseren Trichter verlassen, können wir unsere Produktentwicklung und unser Marketing entsprechend anpassen.

Unerwartete Erkenntnisse und Ergebnisse

Die Einführung von Analytics und Experiment hat zu einigen unerwarteten Ergebnissen geführt.

Wir haben Daten aus Analytics in Experiment eingespeist, um A/B-Tests über die Anzahl der Fragen durchzuführen, die wir stellen, wenn Nutzer:innen uns ihre gebrauchten Elektronikgeräte verkaufen möchten. Wir gingen davon aus, dass die detaillierteren Fragen zu weniger Konflikten führen würden (wenn die Bewertung, die Kund:innen über die Waren für den Wiederverkauf vornehmen, von der Bewertung unserer Expert:innen abweicht). Aber unabhängig von der Anzahl der Fragen, die wir gestellt haben, blieb die Anzahl der Konflikte zwischen der Bewertung der Kund:innen und der Bewertung unserer Expert:innen gleich. Also mussten wir die Art der Fragen, die wir stellten, überdenken.

Die nächste Erkenntnis war, dass Nutzer:innen, die unsere mobile App heruntergeladen hatten, oft den Wert ihres Mobilgeräts wissen wollten. Aber sie mussten über mehrere Bildschirme hinweg navigieren, um eine Schätzung zu erhalten und ihr Gerät an uns zu verkaufen. Mit den Daten aus Analytics erstellten wir einen Link auf der Startseite, der die Nutzer:innen fragt, ob sie den Wert ihres Geräts wissen möchten. Indem wir sie direkt zu unserem Gerätefragebogen weitergeleitet haben, konnten wir die Anzahl der Nutzer:innen, die Samsung-Handys bewerteten, um 30 % und die Anzahl derer, die andere Handys bewerteten, um 11 % steigern. Dadurch konnten wir mehr Lagerbestände für den Online-Wiederverkauf generieren. Die Kachel weckte auch das Interesse von Nutzer:innen, die ursprünglich gar nicht geplant hatten, ihr Gerät zu verkaufen – und führte zu zusätzlichen Konversionen.

Eine weitere offensichtliche, aber kontraintuitive Erkenntnis war, dass unsere Homepage nicht die wichtigste Seite auf unserer Website ist. Viele unserer Kund:innen folgen einer Anzeige oder einer Websuche und landen dann auf einer anderen Landingpage. Dank Analytics konnten wir erkennen, dass unsere Homepage zwar oft das primäre Ziel ist, wir aber alle Seiten optimieren müssen, damit jede Customer Journey reibungslos beginnt und endet. Und zwar unabhängig davon, woher unsere Nutzer:innen kommen.

Analytics und Experiment liefern zusammen quantitative Daten, die wir mit qualitativen Daten kombinieren können, um tiefere Einblicke in das Kundenverhalten zu bekommen. Wir konzentrieren uns derzeit auf die Monetarisierung und Mikrokonversionen bei jedem Schritt unseres Trichters, und Amplitude ist der Ausgangspunkt für diese wichtigen Entwicklungen. Wir beginnen mit quantitativen Daten von Amplitude, um zu erfahren, wo unsere Kund:innen aussteigen. Anschließend führen wir eingehende Kundeninterviews durch, um diese Erkenntnisse zu validieren und festzustellen, ob sie für unsere gesamte Nutzerbasis oder nur für bestimmte Kundensegmente gelten.

Auch das Gegenteil kann der Fall sein. Ich habe kürzlich mit einem Kollegen gesprochen, der Kundeninterviews zu einigen unserer aktuellen Kampagnen durchgeführt hat. Die Nutzer:innen, mit denen er gesprochen hatte, waren von diesen Angeboten begeistert – Analytics zeigte aber, dass die meisten unserer tatsächlichen Kund:innen nicht so begeistert waren. Die Wirkung dieser Kampagnen auf unser Endergebnis war also minimal.

Reduzierung betrieblicher Abhängigkeiten

Eines meiner Hauptziele, als ich Amplitude zu Rebuy brachte, war die Reduzierung der betrieblichen Abhängigkeiten. Wir verwendeten GA zusammen mit einem Open-Source-A/B-Test-Framework, um randomisierte Tests durchzuführen. Unsere Entwickler:innen waren in der Lage, A/B-Tests einzurichten, aber unser Produktteam konnte die daraus resultierenden Daten nicht einfach untersuchen, um die Bedeutung oder die Auswirkungen der aufgezeichneten Metriken auszumachen. Wenn man kein Profi in der Datenwissenschaft oder Statistik war, konnte man mit diesen Zahlen nichts anfangen. Hier macht Experiment unseren Produkt- und Marketingteams das Leben leichter, da nun alle die Ergebnisse der A/B-Tests verstehen können. Dank der leicht verständlichen Diagramme und Grafiken benötigen sie keine Hilfe bei der Auswertung der Zahlen. So sparen unsere Data-Science-Teams Zeit und geben den Produkt- und Marketingteams mehr Freiheit fürs Testen.

Unsere bisherige Plattform war auch auf Transaktionsdaten beschränkt. Wir konnten alles sehen, was zu einem Verkauf oder Kauf führte, aber nichts darüber hinaus. Mit Analytics und Experiment erfahren wir, was passiert, nachdem Kund:innen eine Transaktion abgeschlossen haben. Welches Kundensegment gibt Produkte zurück? Wie war die entsprechende Customer Journey durch unseren Trichter? Es ist ein laufender Prozess, aber wir können uns jetzt die Daten nach der Transaktion ansehen und nachvollziehen, was während des Verkaufs- oder Kaufprozesses passiert ist.

Amplitude hilft uns, für maximale Wirkung zu sorgen

Wir müssen so schnell wie möglich lernen, was funktioniert und was nicht – und Amplitude ermöglicht es uns, unsere Arbeit zu intensivieren. Die Akzeptanz ist exponentiell, und die Anfragen sind sprunghaft angestiegen. Ich habe im letzten Jahr über 14.000 Amplitude-Abfragen durchgeführt. Ich bin nicht mit SQL vertraut, daher hätte ich mit einem Datenprofi aus unserem BI-Team zusammenarbeiten müssen, um diese Abfragen ohne Analytics zu bewältigen. GA und eine Open-Source-A/B-Testplattform zu verwenden, hätte viel mehr Zeit in Anspruch genommen, und ich hätte nur einen Bruchteil dessen erreicht, was mir Analytics und Experiment ermöglichen.

Jetzt, da Kundendaten und A/B-Experimente nur einen Klick entfernt und in einem einfach zu interpretierenden Dashboard untergebracht sind, wollen die Teams mehr Informationen und setzen die Daten zu ihrem maximalen Nutzen ein.

Wir haben mehr als 50 aktive Amplitude-Nutzer:innen in unserer Zentrale und durften eine massive Veränderung im Verhalten des Produktteams feststellen. Daten waren seit eh und je interessant für uns, aber BI zu sammeln war mühsam und auf die Antworten unserer Datenwissenschaftler:innen zu warten, hat unsere Neugier geradezu erstickt. Jetzt, da Kundendaten und A/B-Experimente nur einen Klick entfernt und in einem einfach zu interpretierenden Dashboard untergebracht sind, wollen die Teams mehr Informationen und setzen die Daten zu ihrem maximalen Nutzen ein.

Ich baue nicht gerne Dinge, nur um etwas zu bauen. Ich will Ergebnisse sehen und einen Einfluss auf unsere Kund:innen und unser Geschäft haben. Analytics und Experiment liefern Daten, die den Produktentwicklungszyklus beschleunigen und uns als grundlegende Bausteine dienen, mit denen wir wichtige Metriken für das Unternehmen verbessern können. Um das zu erreichen, identifizieren wir anhand dieser Daten, wo wir unsere Ressourcen am besten investieren können.

Dank Amplitude haben wir unsere Konversionsraten und die Anzahl der Artikel in den Warenkörben erhöht. Wir haben unsere App und Website optimiert. Und wir haben jetzt die Tools und die Datenkultur, um unseren Trichter detailgenau abzubilden und die Customer Journey zu analysieren. So können wir Nutzungserlebnisse schaffen, die unsere Kund:innen begeistern und unser Endergebnis maximieren.