Warum ein Online-Shop gute Datenqualität braucht

Dubletten entdecken

Alles wäre so einfach, wenn sämtliche Bestandteile einer Kundenadresse bei jeder Eingabe in identischer Schreibweise angelegt würden. Das ist aber oft nicht der Fall: Aus der Pestalozzistr. wird versehentlich die Petsalozzistr., die Postleitzahl enthält einen Zahlendreher oder Alexandra kürzt ihren Vornamen als Alex ab. Tipp- und Orthografiefehler beim eigenen Namen sind nach unserer Erfahrung selten, mit einer Ausnahme: Wer ein Blacklisting umgehen will, wird erfinderisch, da nennt sich ein "Mayer" auch mal in "Meier" um - das Paket kommt ja trotzdem an.

Um Dubletten zu finden, ist die Prüfung der Email-Adressen ein guter erster Schritt: Stimmt sie bei zwei Kundendatensätzen überein, hat man einen zumindest fast sicheren Treffer. Allerdings haben viele Menschen mehrere Email-Adressen (ich habe zwei private und sechs geschäftliche), und manche geben auch zur Spam-Vermeidung gezielt nicht die korrekte Email-Adresse an, wenn dies nicht offensichtlich erforderlich ist. Blacklist-Vermeider holen sich einfach eine neue Gratis-Email-Adresse.

Da es bundesweite und auch internationale Straßenverzeichnisse gibt, kann man Straßennamen und Postleitzahlen mit Software automatisch prüfen und korrigieren lassen. Ob der Name nun korrekt Mayer oder Meier heißt, kann die Software allerdings nicht wissen. Es gibt aber gute Dubletten-Prüfsoftware, die ähnliche Datensätze einander zuordnet, so dass die oben aufgeführten Folgen für die Analyse vermieden werden.

Falsche Angaben bei Kundenattributen

Viele Onlineshops versuchen, von ihren Kunden zusätzliche Daten zu erfragen, die für die Paketzustellung und für die Zahlung nicht erforderlich sind, aber dabei helfen, den Kunden besser einzuordnen. Wenn der Kunde keinen Sinn darin sieht, diese Informationen preiszugeben, wird oft etwas Falsches eingetragen, vor allem wenn die Angaben verpflichtend sind: In manchen Kundendatenbanken sehen wir über fünf Prozent Personen, die am 1. Januar geboren sind. Das Geburtsjahr wird vermutlich noch häufiger geändert. Alle Daten, die in die Analyse einfließen, sollten daher auf Plausibilität geprüft werden. Bleiben Zweifel, ist es besser das entsprechende Feld für Analysen wegzulassen.

Probleme auch bei Transaktionsdaten

Auch wenn die Erfassung von Transaktionsdaten ein rein technischer Vorgang ist und daher nicht dieselben Gestaltungsmöglichkeiten wie die Bearbeitung von Stammdaten bietet, fällt uns ein Problem auch hier immer wieder auf: Die meisten Analysen von Online-Shops erheben Transaktionsdaten, indem sie ein Zählpixel in die Webpage einbauen. Der gröbste Fehler, den es hier zu vermeiden gilt: Achten Sie darauf, dass das Zählpixel nicht durch Caching verfälscht wird. Durch die Cache-Zwischenspeicherung werden sonst insbesondere die häufig abgerufenen Seiten nicht für jeden Kunden erfasst, was zu einer erheblichen Verfälschung der Daten führt.

Data Driven Marketing birgt ein enormes Potenzial. Es kann zu einer besseren und präziseren Aussteuerung des Online-Shops genutzt werden und ebenso für die Personalisierung von Katalogsendungen, Mailings und Instore-Advertising hochrelevant sein. Analysen können eine großartige faktische Basis schaffen, um Entscheidungen zu treffen und Maßnahmen zu begründen. Doch Data Driven Marketing ist nur so viel wert, wie die Daten, auf denen es aufsetzt. Das Fundament sind immer die Stammdaten. Ihrem Big-Data-Vorhaben sollte daher ein Master-Data-Projekt vorausgehen.