Personalisierung von Angeboten

Worin besteht die Herausforderung?

Der zunehmende Wettbewerbsdruck fordert von Unternehmen ein differenziertes Angebot von Produkten und Dienstleistungen. Die Personalisierung in den Angeboten kann bereits während des Herstellungs- oder Leistungserbringungsprozesses geschehen (hard customization, z. B. Konfiguration von Ausstattungsmerkmalen beim Neuwagen). Wird die Personalisierung im Nachgang berücksichtigt, spricht man von soft customization (z. B. Auswahl von Bediensoftware für eine bestehende Hardware oder Serviceindividualisierung). Das Personalisierungskonzept der »mass customization« (kundenindividuelle Massenproduktion) ist ein wesentliches Ziel in der Industrie 4.0. Die Herausforderung besteht bei allen Personalisierungsverfahren darin, die aus Kundensicht relevanten Module bzw. Produktelemente zur Personalisierung zu definieren und mit einem Wert zu versehen. Außerdem ergeben sich besondere Anforderungen an die zu nutzenden digitalen Informations- und Kommunikationssysteme.

Welche Daten können hier helfen?

• Kundendaten
• Kaufdaten (Bestellvorgänge, Eingabe in Suchmasken, Kaufhistorien und Warenkörbe mit gewählten Angebotsmerkmalen)
• Nutzungsdaten (über IIoT-Geräte, Service-Anfragen)
• Interne Daten zur Warenverfügbarkeit und Produktion (Lager- und Produktionskosten, Merkmale von Fertigungsverfahren)
• »Gebots- und Verbotsregeln«, die Unternehmen definieren, um bestimmte Kombinationen im Zuge der Personalisierung vorab zu definieren 

Wie kommt der Nutzen aus den Daten?

Mit der Nutzung von Daten und digitalen Lösungen zur Personalisierung von Angeboten können Unternehmen individuelle Kundenbedürfnisse besser bedienen und zugleich ihre Beschaffungs-, Fertigungs- und Lagerhaltungskosten optimieren. Aus den gesammelten Daten werden Muster erzeugt, um Vorhersagen für neue Marktentwicklungen zu treffen. Ein weiterer Nutzen kann in der Optimierung von »Open-Innovation«-Prozessen liegen, die Kunden bereits in den Produktionsprozess einbinden.

Wo wird diese Datennutzung bereits angewendet?

Das Medienunternehmen Netflix nutzt einen Empfehlungsalgorithmus. Dieser generiert auf Basis von Millionen von Nutzungsdaten (geschaute Filme oder Serien) personalisierte Empfehlungen.

Die Online-Handelsplattform Taobao sammelt, speichert und nutzt Daten aus den Bereichen Kundenservice, Betrieb und Sicherheit. Die gespeicherten Daten werden mittels eines Algorithmus des Machine Learnings verarbeitet, um den Kundinnen und Kunden individuelle, passgenaue Vorschläge zu unterbreiten.

Der Sportartikelhersteller Adidas nutzt Sensordaten von Athleten, um zusammen mit Computersimulationen optimale Laufeigenschaften zu identifizieren und so mit 3D Druck eine individuelle Schuhsohlenfertigung erstellen zu können.

Das Chemie-Unternehmen RobNor AB produziert individualisierte Lackierroboter. Mit VR-Brillen und Softwareanwendungen wird die Programmierung der Lackierroboter auf Basis von Bewegungsdaten auf den Bedarf der Kunden angepasst. Kunden steuern über die VR-Brille die Bewegung des digitalen Zwillings ihres späteren Lackierroboters und liefern damit die Bewegungsdaten. 

Welchen Beitrag leistet diese Datennutzung zur Wertschöpfung?

Die Prozesse im Unternehmen werden angepasst, um Kundinnen und Kunden individualisierte Angebote machen zu können. Dies kann sowohl die Erstellungsprozesse des Produktes bzw. der Dienstleistung betreffen als auch die Variationen des vorhandenen Produkt-/Service-Portfolio. Mit Personalisierung kann ein Unternehmen dynamisch auf die Bedürfnisse der Kundinnen und Kunden reagieren und damit die Attraktivität der Produkte oder Services sowie die Kundenbindung erhöhen. Unternehmen erhalten außerdem wertvolle Kundendaten, um auf dieser Basis Marktentwicklungen vorauszusehen und neue Wertschöpfung zu generieren.

Quellen: Netflix (2017), Zeng, M., Harvard Business Review (2018), Adidas (2017), Kostis, A. & Ritala, P., California Management Review (2020)