Wunschanalyse Zalando

Herzlich Willkommen zur sharewise Wunschanalyse in Zusammenarbeit mit Stephan Heibel vom Heibel-Ticker.de Börsenbrief (www.heibel-ticker.de).

 

Mit Hilfe von Predictive Analytics setzt sich Zalando gegenüber anderen Online-Händlern ab. Durch individualisierte Kundenangebote jedoch, die in unsere Offline-Welt hinein reichen, verschafft sich Zalando einen Wettbewerbsvorteil gegenüber Amazon. Im Bekleidungsgeschäft hat Zalando eine lukrative Nische gefunden. In meiner Wunschanalyse werde ich zeigen, dass dieser Vorteil auch künftig für hohe Wachstumsraten sorgen dürfte. 

 

Kennzahlen von Zalando laut Sharewise.com

ISIN: US02079K3059, WKN A14Y6F

Kurs aktuell: 39,91€  

 
 

 

	Ø Kursziel €	Kaufen	Halten	Verkaufen
13 Mitglieder	46,20 €	10	-	3
25 Analysten	43,40 €	16	6	3

 

 

Predictive Analytics
 

Im Schuhgeschäft lässt sich das einfach bewerkstelligen: Schwarze Anzugschuhe stehen nebeneinander aufgereiht, schwarze Sneakers stehen ganz woanders. Wer Anzugschuhe sucht, der möchte sich keine Sneakers anschauen. Doch wie schafft es Zalando, diese beiden Schuhe voneinander zu trennen?
 

„Das könnte Dir auch gefallen“ lautet die Rubrik unter den für Ihre Suchanfrage angezeigten Ergebnissen. Mit Hilfe von aufwendigen Algorithmen wertet Zalando das Suchverhalten aller Nutzer aus und bildet Gruppen (Cluster), die ähnliche Verhaltensmuster zeigen. Wenn Sie nun mit Ihrer Suche beginnen, werden Sie sofort einem Cluster zugeordnet und Ihnen werden Produkte gezeigt, die von den anderen Cluster-Mitgliedern gekauft oder angeschaut wurden.
 

Doch bei einem sich ständig ändernden Angebot müssen auch neue Produkte eingebaut werden, die bislang noch niemand angeschaut hat. Das funktioniert am besten, indem man die Produkte mit Charaktermerkmalen ausstattet – händisch – sowie auch deren optische Beschaffenheit berücksichtigt. So werden die Formen und Farben der Produkte in Zahlen umgerechnet und mit anderen bestehenden Produkten verglichen. Produkte mit ähnlichen Zahlen werden dann gemeinsam angezeigt.
 

In einem ständig revolvierenden Prozess werden dann permanent bestehende Cluster angepasst und neue Cluster gebildet. In diesen Prozess gehen also Charaktermerkmale, Kundenverhalten, optische Beschaffenheit bis hin zur Kundenzufriedenheit (nachdem ein Kunde ein Produkt gekauft und eine Zeitlang genutzt hat) ein.