Kommentar von Dan Gildoni, PlaceSense Location Intelligence bringt Einzel- und Onlinehandel näher zusammen

Anbieter zum Thema

Fujitsu Technology Solutions GmbH

Disy Informationssysteme GmbH

Sinequa

Den Begriff „Location Intelligence“ haben die meisten Menschen wohl schon einmal gehört, oder sie haben zumindest eine vage Idee des Konzepts. Hierbei gibt es jedoch ein weit verbreitetes Missverständnis: Bei Location Intelligence liegt der Fokus nicht auf dem Standort allein. Es geht um die Menschen, die diesen Ort aufsuchen und mit ihm interagieren. Denn ohne die Interaktion von Menschen ist ein Standort bedeutungslos – insbesondere aus geschäftlicher Sicht.

Der Versuch, die Attraktivität bestimmter Standorte zu verstehen, ist daher nicht neu im Kontext des Immobilienmarktes, im Einzelhandel sowie beim Management von Städten. Dabei werden Daten zur Entscheidungsfindung herangezogen, welche meist zu statisch, allgemein oder eindimensional sind. Hierzu zählen beispielsweise Ergebnisse aus amtlichen Erhebungen, die einen Bevölkerungszuwachs in einer bestimmten Stadt aufzeigen oder auch Trends mit Blick auf Immobilienpreise. Häufig fehlen Daten darüber, welche Besuchergruppen einen bestimmten Ort wann besuchen, sodass viele geschäftliche Entscheidungen oft auf unzureichenden Informationen beruhen.

Auf der Suche nach datenbasierten Einblicken in die Welt der Einzelhandelsimmobilien

Aus technologischer Sicht hat man versucht das genannte Problem zu lösen und standortbezogene Entscheidungsfindungen zu optimieren, indem präzisere Daten als Grundlage für Entscheidungen bereitgestellt werden. Dies erfolgt hauptsächlich durch den Einsatz elektronischer Geräte, mit denen die Anzahl der Besucher, die einen bestimmten Ort betreten oder verlassen, ermittelt wird. Diese Geräte können im Allgemeinen als Laser-, Wi-Fi- sowie Videosysteme klassifiziert werden. Die Daten, die sie produzieren, sind jedoch in der Aussagekraft begrenzt. Sie erfassen das Besucheraufkommen an einzelnen Orten und vernachlässigen ein umfassenderes, differenzierteres Verständnis davon, welche Personengruppen einen Ort tatsächlich besuchen. Detaillierte Informationen – etwa darüber, wie lange sich die Besuchergruppen an einem bestimmten Ort aufhalten, woher sie kommen, welche Route sie nehmen, welches demografische Profil sie haben, etc. – gehen weit über die Möglichkeiten der Hardware-basierten Systeme hinaus.

Unterm Strich bedeutet das, dass diejenigen, die Entscheidungen auf Basis verlässlicher Einblicke in den stationären Handel treffen wollen, im Gegensatz zu ihren Online-Kollegen nur auf recht ungenaue, grobe Informationen zurückgreifen können.

Big Data im Kontext der Passanten- und Besucheranalyse

Es gibt mittlerweile Technologien, die die Analyse der Besucherströme verbessern und damit differenzierte Einblicke in die gewonnenen Daten ermöglichen. Künstliche Intelligenz, maschinelles Lernen sowie Big-Data-Analysen werden kombiniert, um präzise und vernetzte Erkenntnisse bezüglich der Passantenströme eines jeden Standorts zu generieren. Damit wird die traditionelle Welt des stationären Handels endlich mit Werkzeugen ausgestattet, die bisher nur in der Online-Welt verfügbar waren. Das verändert nachhaltig die standortbezogene Entscheidungsfindung in den Bereichen des Immobilienmarktes, des Einzelhandels, der Außenwerbung sowie der Stadtplanung, um nur einige Anwendungsbereiche zu nennen.

Smartphones fungieren dabei als kleinster gemeinsamer Nenner – nahezu jeder hat heute eines in der Tasche. Aber der eigentliche Schlüssel zu diesen Daten ist die Smartphone App. Apps bieten Zugang zu Milliarden von GPS-Datenpunkten. Diese dienen als Grundlage, um die Bewegungen von Menschen sowie ihre Interaktionen mit der physischen Welt besser zu verstehen. Das mag zunächst beunruhigend klingen. Was wäre jedoch, wenn die Daten statt auf individueller Ebene auf Gruppenebene für den jeweiligen Standort aggregiert und anonymisiert ausgewertet werden?

Das ist unser Ansatz im Einklang mit der DSGVO. Daten werden mit einem geschützten Verfahren bereinigt, sodass Einzelpersonen in der Grundgesamtheit nicht identifiziert werden können. Gleichzeitig werden die Daten von Apps nur dann bezogen, wenn deren Nutzer zustimmen, dass für diesen Zweck der Gruppen- und Marktanalyse erhobene Daten weitergegeben und verwendet werden dürfen.

GPS macht‘s möglich

Das Schließen der Datenlücke zwischen den Informationen, die einerseits Online-Händlern zur Verfügung stehen, und andererseits jenen Daten, die im Kontext der realen Einzelhandels-Welt stehen, wäre ohne GPS nicht möglich. Die geografische Genauigkeit (5 bis 10 Meter) ist weitaus höher als bei der alternativen Triangulation mit Mobilfunk (etwa 200 Meter).

Dennoch haben GPS-Daten ihre Tücken. So kann es zum Beispiel unterschiedliche Nutzungsmuster für Apps in verschiedenen Bevölkerungsgruppen geben. Das bedeutet, dass die Nutzerbasis einer bestimmten App möglicherweise nicht repräsentativ für die Gesamtbevölkerung ist. Applikationen können des Weiteren auch unterschiedliche Nutzungsmuster für verschiedene Aktivitäten aufweisen (z. B. Essen gehen oder Einkaufen). Diese Herausforderungen führen zu einer Verzerrung der Daten, wenn sie nicht korrekt eingeordnet werden.

Um Ungenauigkeiten zu eliminieren sowie realistische Passantenfrequenzen für einen bestimmten Standort zu ermitteln, verwenden wir einen zum Patent angemeldeten Algorithmus für maschinelles Lernen. Dieser umfasst mehrere mathematische Modelle, welche kontinuierlich in verschiedenen Regionen/Standorten zum Einsatz gebracht und getestet werden, um so die Daten zu kalibrieren. Das erlaubt es, Besuchergruppen an einem beliebigen Ort zu messen und zu verstehen.

Milliarden Datenpunkte, hochpräzises Abbild der Realität

Wir stützen uns dabei auf ein großes Datenpanel von über acht Millionen Geräten in Deutschland. Diese Geräte generieren im Durchschnitt mehr als zwei Milliarden sogenannte monatliche Pings, die, wenn sie von unseren Algorithmen gefiltert und angereichert werden, ein hochpräzises Abbild der Realität ergeben.

Anschließend gleichen wir die Ergebnisse mit zusätzlichen Datenquellen ab, um auf Gruppenebene Details wie etwa die Demografie, die Kaufkraft, Geschlechterverteilung sowie Altersgruppen in die Analyse miteinfließen zu lassen. Diese Informationen sind für Entscheidungsträger von unschätzbarem Wert – insbesondere für diejenigen, die auf der Suche nach Mietern für Mietflächen im Einzelhandel sind, oder aber Einzelhändler, die eine Expansionsstrategie verfolgen. Sie können so nicht nur die Anzahl der Besucher eines bestimmten Standorts analysieren, sondern auch die Profile unterschiedlicher Besuchertypen.

Mit dem Zugang zu neuen, fortschrittlichen Analysemethoden im Kontext von KI und Big Data befindet sich die Welt standortbezogener Informationen im Wandel. Diese KI-gestützten, datengesteuerten Einblicke machen die Analytik heute zum Kernstück standortbasierter Entscheidungsfindung in der realen Welt. Einzelhändler können ihre Handelsgeschäfte optimieren und in der Folge ihre Attraktivität in den Augen der Kunden erhöhen. Experten für Immobilien im Einzelhandel erhalten einen Überblick darüber, auf welche Weise (und wie häufig) Menschen zu ihren Einkaufszentren (und denen der Konkurrenz) gelangen. Sie können analysieren, wie viele Personen einen Standort besuchen, wie oft diese zurückkommen und beide Metriken mit anderen Standorten vergleichen. Eigentümer von Immobilien können so den Zustand sowie das Potenzial ihrer Standorte im Vergleich zu anderen besser einschätzen.

Endlich ist es möglich, vernetzte Daten aus der realen Welt weit über die Bedürfnisse der Werbeindustrie hinaus zu demokratisieren. Dadurch wird der Zugang zu Fakten möglich, die Experten im Zusammenspiel mit der realen Welt benötigen, um Unternehmen und Städte zukunftsweisend voranzubringen.

(ID:47872433)