Interaktive Informationsmanagement-Tools in Online Shops: Studienergebnisse und Gestaltungsempfehlungen

Da beim Online Shopping der Zugang zu Produktinformationen im Vergleich zu traditionellen Absatzkanälen (z. B. Einzelhandelsgeschäft) erleichtert wird, steigt auch das Informationsangebot. Dieses zunehmende Angebot birgt jedoch die Gefahr, dass Informationen von potenziellen Käufern im Kaufentscheidungsprozess nicht mehr wirksam verarbeitet werden können. Es entsteht eine Informationsüberlastung (Information Overload), die zu einer geringeren Kundenzufriedenheit führen sowie negative Effekte auf Kaufabschlüsse haben kann.

Die Menge an im Kaufentscheidungsprozess benötigten Informationen hängt von objektiven Faktoren (z. B. Art des Produktes wie technische Produkte) und subjektiven Faktoren (z. B. individuelles Informationsbedürfnis des Käufers) ab. Während der objektive Informationsbedarf des Käufers in Online Shops vorhersehbar ist (z. B. Informationen zu Produktdaten sowie Preis, Liefer- und Zahlungsbedingungen), ist hingegen das subjektive Informationsbedürfnis in der Regel nicht zuverlässig prognostizierbar, da dieses Bedürfnis durch personenbezogene Faktoren (z. B. Erfahrung des Käufers mit dem Produkt) und situationsbezogene Faktoren (z. B. Zeitdruck) beeinflusst wird, die schwierig vorherzusehen sind. Diese Umstände haben zu einer Integration von Interaktiven Entscheidungshilfen, und hier vor allem von Interaktiven Informationsmanagement-Tools (IIMT), in Online Shops geführt, die Käufer bei der Informationsverarbeitung unterstützen.

Interaktive Entscheidungshilfen stellen nach Wang und Benbasat (2009) Entscheidungsunterstützungssysteme in Online Shops dar, mit deren Hilfe die Informationsverarbeitung gesteuert werden kann. Insbesondere IIMT wie Filter- oder Sortierfunktionen helfen den Käufern dabei, explizit mit dem Informationsangebot interagieren zu können (Gupta et al. 2009). Abb. 1 zeigt drei Beispiele für in Online Shops weit verbreitete IIMT.

Die Auslagerung der Steuerung des Informationsangebotes an die Käufer führt zu einem hohen Maß an Kundenintegration. Das heißt, die Käufer sind aktiv an der Erstellung der Dienstleistung des Online Shops beteiligt (als primäre Dienstleistung wird die Unterstützung der Käufer im gesamten Kaufentscheidungsprozess gesehen). IIMT setzen dabei vor allem in den Phasen „Informationssuche“ und „Bewertung der Alternativen“ im Kaufentscheidungsprozess nach Kotler et al. (2007) an und bieten den Käufern durch Filtern, Sortieren und Vergleichen ein individuelles, auf die Bedürfnisse der Käufer angepasstes Informationsangebot. Dies rückt die Service-dominierte Logik (Vargo und Lusch 2004) in den Fokus von Online Shops und impliziert, dass der Wert für den Käufer nicht erst beim physischen Erhalt der Waren, sondern während des gesamten Nutzungsprozesses und folglich auch bei der digitalen Bereitstellung der Produktinformationen entsteht. Demzufolge ist es ein wesentliches Ziel der Implementierung von IIMT, dass der Käufer eine positive Wahrnehmung zur gesamten Digital Customer Experience hat.

Da IIMT zwar in der Praxis weit verbreitet, jedoch kaum erforscht sind, plädierte Pfeiffer (2010) dafür, einen stärkeren Forschungsfokus auf IIMT zu legen. Eine Studie von Pfeiffer (2010) analysierte die nach Google Page Rank am besten platzierten 100 Online Shops und stellte fest, dass vor allem Filter als IIMT angeboten wurden. Seit 2010 wurden IIMT-Prototypen mit unterschiedlichen Funktionen entwickelt (Pfeiffer et al. 2010, 2014), deren Verwendung in der Praxis allerdings noch unzureichend erforscht ist.

Um einer Informationsüberlastung entgegen zu wirken und zu einer bestmöglichen Entscheidung zu gelangen, folgen Entscheidungsträger grundsätzlich, und somit auch potenzielle Käufer in Online Shops, einem Prozessablauf und verwenden Entscheidungsstrategien. In der Fachliteratur werden den Strategien bestimmte Charakteristiken zugeordnet. Riedl et al. (2008) verwenden ein Klassifikationsmodell mit neun Charakteristiken und unterscheiden dabei 13 verschiedene Strategien. Zum Beispiel eliminiert ein Käufer, der die Elimination-by-Aspects-Strategie (EBA) anwendet, Produkte, die gewünschte Grenzwerte beim wichtigsten Attribut nicht erreichen. Sind nach diesem Schritt noch mehrere Produkte in der Auswahl verblieben, wird mit dem zweitwichtigsten Attribut fortgefahren, und zwar solange, bis ein Produkt übrig bleibt.

IIMT unterstützen bestimmte von Käufern in Online Shops eingesetzte Entscheidungsstrategien. Ein Online Shop mit Tools zum Filtern unterstützt beispielsweise die Anwendung von EBA. Pfeiffer et al. (2009) analysierten in einer theoretischen Arbeit, welche IIMT für die Unterstützung von bestimmten Entscheidungsstrategien benötigt werden. Ist bekannt, welche Tools in welchen Online Shops implementiert sind, kann daraus abgeleitet werden, welche Entscheidungsstrategien dort von Käufern angewendet werden können.

Auf der Basis der beschriebenen Vorarbeiten analysierten wir, welche IIMT in den 100 umsatzstärksten Online Shops in Nordamerika implementiert sind, um damit auch festzustellen, welche Entscheidungsstrategien angewendet werden können. Die Ergebnisse zeigen, dass Online Shops Entscheidungsstrategien unterstützen, die von Käufern auch häufig angewendet werden, beispielsweise EBA; vgl. dazu im Detail Riedl und Brandstätter (2007). Diese Strategien werden nach der aktuellen Analyse durch einige wenige IIMT (Funktionen zum Filtern, Funktionen zum Sortieren, Produktvergleichsmatrizen) unterstützt. Der Einsatz genau dieser IIMT in Online Shops ist daher für die Erzielung hoher Conversion Rates und Umsätze bedeutsam und steht im Fokus dieses Beitrages.

IIMT unterstützen Käufer in ihrem Entscheidungsprozess in Online Shops. Entscheidungsprozesse im Konsumentenbereich bestehen typischerweise aus zwei grundlegenden Phasen: eine initiale Phase (Screening Phase), in welcher durch Elimination die Anzahl möglicher Produkte auf eine überschaubare Menge reduziert wird. Funktionen zum Filtern (FILTER) und Sortieren (SORT) helfen den Käufern, Produktangebote in Online Shops zu durchsuchen und die Anzahl der Produkte auf eine kleinere Auswahl (Consideration Set) einzuschränken (vgl. Abb. 2 – Screening Phase). In einer zweiten Phase (In-depth-comparison Phase) werden die Produkte im Consideration Set einem genaueren Vergleich unterzogen, um so zu einer Entscheidung zu gelangen. Das Übertragen von Produkte von der Screening- in die In-depth-comparison Phase kann beispielsweise durch Aktivieren der Checkbox „Add to compare“ (COMPARE) erfolgen (vgl. Abb. 2 – Screening Phase). Der Vergleichsprozess selbst wird durch Produktvergleichsmatrizen unterstützt, welche die Produkte in einer n * m Matrix darstellt (n = Produkt im Consideration Set, z. B. Handy 1, Handy 2, …, Handy n; m = Produkteigenschaft (Attribut), z. B. Preis oder Farbe). Ein Entfernen von Produkten aus der Matrix ist beispielsweise wie in Abb. 2 (In-depth-comparison Phase) dargestellt durch Klicken auf den Link mit der Aufschrift REMOVE möglich. Ebenso können Gemeinsamkeiten und Unterschiede der Produkteigenschaften farblich hervorgehoben werden (HIGHLIGHT).

Wir analysierten die 100 umsatzstärksten Online Shops in Nordamerika. Dieser geographische Raum wurde gewählt, da die USA 2015 die weltweit höchsten E‑Commerce-Umsätze hatten (Digital Market Outlook 2016). Der Umsatz als Reihungskriterium wurde herangezogen, da bekannt ist, dass Unternehmen mit hohem Umsatz die nötigen finanziellen Mittel haben, um IIMT auf deren Internet-Plattformen zu integrieren und weiterzuentwickeln, wobei technische Entwicklungen (wie ein zunehmendes Angebot an Open-Source-Shop-Systemen mit entsprechenden Features) mehr und mehr dazu führen, dass auch kleine Shop-Betreiber IIMT auf ihren Websites integrieren können. Als Datenquelle wurde die jährlich erscheinende Studie von Internet Retailer (2015) verwendet, welche die 500 umsatzstärksten Online Shops listet. Die in den 100 umsatzstärksten Online Shops vorhandenen IIMT wurden im Zeitraum vom 25. März bis 02. April 2016 evaluiert (Desktop-Versionen, da diese mehr Funktionen bieten als Mobile-Versionen – insbesondere in der In-depth-comparison Phase). Neben der grundsätzlichen Verfügbarkeit von IIMT wurden auch deren konkrete Gestaltung und Funktionalität analysiert.

Auf der Basis einer Grundlegung und Einführung in die IIMT-Thematik wurden bedeutsame Ergebnisse einer empirischen Studie vorgestellt, in der die 100 umsatzstärksten Online Shops in Nordamerika untersucht wurden. Mit diesem Beitrag sollen einerseits Betreiber von Online Shops und andererseits Entwickler von Online-Shop-Systemen für ein bislang vor allem im deutschsprachigen Raum wenig beachtetes Thema sensibilisiert werden.

Betreiber von Online Shops müssen die Notwendigkeit einer kontinuierlichen Auseinandersetzung mit IIMT und deren positive Effekte auf Kundenzufriedenheit und Kaufabschlüsse erkennen. Diese Effekte können durch den Einsatz von A/B-Tests oder multivariaten Tests bestimmt werden. Die bloße Integration der Tools ist dabei nur der erste Schritt. Der Wert für die Käufer entsteht erst durch eine nutzerfreundliche Gestaltung. Beispielweise ist es wichtig, dass durch die Gestaltung der Filter vermieden wird, dass null Produkte im Consideration Set verbleiben können. In 17 der 100 analysierten Online Shops führten Filter-Kombinationen jedoch dazu, dass null Produkte im Set verblieben. Neben dynamischen Filtern könnten auch Empfehlungssysteme positive Effekte haben. Im stationären Handel würde ein geschulter Schuhverkäufer seinen Kunden im Normalfall auch ein dem gewünschten Schuh ähnliches Modell empfehlen, falls der Schuh in der gewünschten Größe nicht mehr lieferbar ist.

Da viele Online-Shop-Betreiber ihre Shops nicht selbst entwickeln, sondern auf bestehende Online-Shop-Systeme (z. B. Magento) zurückgreifen, sind die zur Verfügung stehenden IIMT stark von den Entwicklern dieser Shop-Systeme abhängig. Daher sollten Online-Shop-Entwickler enger mit Online-Shop-Betreiber zusammenarbeiten, um IIMT weiterzuentwickeln, da vor allem die Online-Shop-Betreiber Daten über das Benutzerverhalten zur Identifikation von Gestaltungspotentialen haben. Besser entwickelte IIMT können in Folge einen Wettbewerbsvorteil darstellen.

Die vorgestellten Studienergebnisse zeigen deutlich, dass selbst die umsatzstärksten Online Shops in Nordamerika, von denen etliche zu den weltweit größten Shops gehören, nach wie vor viele Potentiale aufweisen, die Gestaltung der eingesetzten IIMT zu verbessern. Da Käufer in der Praxis vor allem Entscheidungsstrategien anwenden, die bereits durch einige wenige IIMT anwendbar sind (Funktionen zum Filtern, Funktionen zum Sortieren, Produktvergleichsmatrizen), sollten Online-Shop-Betreiber und Online-Shop-Entwickler den Fokus vor allem auf die Optimierung dieser Tools richten. Dass in den 100 untersuchten Online Shops keine Tools zum quantitativen Vergleich angeboten wurden (beispielsweise IIMT, welche Attribute gewichten und Attributsausprägungen bewerten) (für eine Übersicht an Tools zum quantitativen Vergleich siehe Pfeiffer et al. (2010) und Pfeiffer et al. (2014)), sehen wir als unproblematisch an. Erstens werden quantitative Entscheidungsstrategien in der Praxis kaum angewendet und zweitens sind fast alle untersuchten Online Shops auf Verkäufe an Privatpersonen ausgerichtet, was zur Folge hat, dass hier im Gegensatz zu gewerblichen Käufen Entscheidungen typischerweise nicht gerechtfertigt werden müssen (und eine solche Rechtfertigungsnotwendigkeit geht oft mit quantitativen Vergleichen einher, z. B. durch Anwendung der Nutzwertanalyse). Überhaupt neue Tools zu implementieren, halten wir aktuell für ein weniger relevantes Aufgabengebiet.

Ziel aus Sicht der Praxis ist es letztlich, die Digital Customer Experience im Entscheidungs- und Kaufprozess zu verbessern, weil sich dies positiv auf Conversion Rates und Umsätze auswirkt. Online-Shop-Umgebungen bieten dabei ideale Voraussetzungen, um die Wirkungen von Veränderungen von Funktionen und Designelementen unter kontrollierten Bedingungen zu testen (A/B-Tests, multivariate Tests).