Ziel dieser Bachelorarbeit ist es, die Minderung der Verbraucherretouren im Onlinehandel anhand von vorliegenden "Big Data" der Kunden und der Produkte zu untersuchen. Unternehmen setzen immer mehr E-Commerce-Initiativen ein und tätigen zunehmend erhebliche Investitionen, um am wachsenden Online-Markt teilzuhaben. Jedoch lösen die Kundenrücksendungen im Onlinehandel hohe Kosten aus und erweisen sich als ein Verlustgeschäft.
Mit Hilfe von Big Data sollen Strategien evaluiert werden, um Retouren im deutschen Onlinehandel zu verringern. Dies soll ohne die negative Beeinflussung der Kundenzufriedenheit erfolgen. Die Auswertung von Retourenmaßnahmen erfolgt dabei auf Basis von bestehender Fachliteratur und Studien, sowie durch Befragungen von Experten aus der E-Commerce-Branche. Der Stand der Forschung zeigt, dass Big Data im Retourenmanagement in der Literatur nur am Rande diskutiert wird. In vielen Fällen fehlt es auch an expliziten Empfehlungen zur zielgerichteten Anwendung mit Big Data in der Praxis. Aufgrund dieser Forschungslücke leiten sich folgende Forschungsfragen ab, welche in dieser Bachelorarbeit untersucht und bearbeitet wird: Welche Maßnahmen im Retourenmanagement können eingesetzt werden, um die Retourenquoten zu senken? Wie kann Big Data diese Maßnahmen unterstützen?
Inhaltsverzeichnis
1 Einleitung
1.1 Hinführung zum Thema
1.2 Problemstellung
1.3 Stand der Forschung
1.4 Forschungsfrage und Zielsetzung
1.5 Methodisches Vorgehen
2 Thematische Abgrenzung
2.1 E-Commerce
2.1.1 Markteilnehmer in E-Commerce
2.1.2 Nutzung von B2C-Bereich in Deutschland
2.2 Retourenmanagement
2.2.1 Retouren
2.2.2 Strategien
2.2.2.1 Präventives Retourenmanagement
2.2.2.2 Reaktives Retourenmanagement
2.2.3 Retourenquoten
2.2.4 Prozesskosten
2.3 Big Data
2.3.1 Begriffserläuterung
2.3.2 Relevante Big-Data-Technologien
2.3.3 Ermittlung von Maßnahmen für Retourenmanagement mit Big Data
2.3.3.1 Vorkaufphase
2.3.3.2 Kaufphase
2.3.3.3 Nachkaufphase
3 Methodisches Vorgehen zur Evaluierung von Maßnahmen in Verbindung mit Big Data zur Senkung der Retourenquote
3.1 Zielsetzung und Überblick über die Untersuchung
3.2 Erhebungsinstrument - Experteninterview
3.3 Auswahl der Experten
3.4 Gestaltung der Expertenfragen
3.5 Kategorisierung der qualitativen Inhaltsanalyse
4 Ergebnisse der qualitativen Experteninterviews
4.1 Datenauswertung
4.2 Handlungsempfehlungen zur Senkung der Retourenquote
5 Fazit & Ausblick
5.1 Fazit
5.2 Ausblick
Zielsetzung & Themen
Die Bachelor-Thesis untersucht, wie Big-Data-Technologien im Retourenmanagement des deutschen Online-Handels eingesetzt werden können, um Rücksendequoten effizient zu senken, ohne die Kundenzufriedenheit negativ zu beeinflussen. Im Zentrum steht die Evaluierung von präventiven Maßnahmen über den gesamten Kundenlebenszyklus hinweg.
- Grundlagen des E-Commerce und Retourenmanagements
- Analyse der Kostentreiber und Ursachen für Retouren
- Einsatzmöglichkeiten von Big-Data-Analysen (Data Mining, Text Mining)
- Evaluierung präventiver Maßnahmen mittels qualitativer Experteninterviews
Auszug aus dem Buch
1.2 Problemstellung
Obwohl in Anbetracht der oben dargestellten Fakten der Vertrieb von Produkten über das Internet für viele Unternehmen ein wichtiges Thema ist, stehen diese vor einer großen Herausforderung. Aktuell stellt das Thema Retouren einen erfolgskritischen Faktor für den Onlinehandel dar, da aggressiv die Gewinnmarge angreifen, die Conversion Rate (CR) ausschöpfen und letztendlich das Unternehmen bedrohen. Mit dem wachsenden elektronischen Handel steigt auch die Zahl der versendenten Pakete an den Kunden und wieder zurück an den Onlinehändler. Das bedeutet für den Onlinehändler, dass ungefähr 20% der versendenten Pakete als Rücksendung zurückkommen. Im Jahr 2019 deckte die Forschungsgruppe Retourenmanagement der Universität Bamberg auf, dass die deutschen Online-Kunden 490 Millionen Artikel zurückschicken. Im Unterschied zum stationärem Handel nimmt im Onlinehandel die Begutachtung der Ware eine andere Dimension an. Im Onlinehandel erfolgt die Begutachtung der Ware vorerst optisch, sodass die Prüfung der Qualität erst nach Eingang der Lieferung erfolgt. Das Online-Einkaufserlebnis führt bei vielen Kunden zu einer Enttäuschung. Mit dem Nichtentsprechen der Wunschvorstellung des Kunden nimmt auch die Anzahl der Warenrücksendungen und somit die Retourenquote zu. In diesem Kontext variieren die Höhe der Retouren stark in Bezug auf die Branche und Warengruppe.
Zusammenfassung der Kapitel
1 Einleitung: Diese Einleitung führt in die Relevanz des Online-Handels ein, identifiziert Retouren als erfolgskritisches Problem für Unternehmen und definiert die Forschungsfragen sowie das methodische Vorgehen.
2 Thematische Abgrenzung: Dieses Kapitel erläutert die theoretischen Grundlagen zu E-Commerce, analysiert das Retourenmanagement als Teil der Logistik und definiert Big Data sowie relevante Technologien zur Analyse von Kundenverhalten.
3 Methodisches Vorgehen zur Evaluierung von Maßnahmen in Verbindung mit Big Data zur Senkung der Retourenquote: Hier wird der methodische Ansatz der Experteninterviews detailliert beschrieben, einschließlich der Auswahl der Experten und der Kategorisierung für die anschließende qualitative Inhaltsanalyse.
4 Ergebnisse der qualitativen Experteninterviews: Dieses Kapitel präsentiert die Auswertung der Expertenbefragungen, stellt die Präferenzen zu verschiedenen Retourenmanagement-Strategien dar und leitet konkrete Handlungsempfehlungen ab.
5 Fazit & Ausblick: Das Fazit fasst die zentralen Erkenntnisse der Arbeit zusammen und gibt einen Ausblick auf die digitale Transformation und die Herausforderungen bei der Implementierung von Big-Data-Systemen in KMU.
Schlüsselwörter
Retourenmanagement, Online-Handel, Big Data, E-Commerce, Rücksendequote, B2C, Data Mining, Kundenlebenszyklus, Prozesskosten, Logistik, Experteninterview, qualitative Inhaltsanalyse, Kundenbindung, Datenanalyse, Handelsstrategien.
Häufig gestellte Fragen
Worum geht es in der Arbeit grundsätzlich?
Die Bachelor-Thesis befasst sich mit dem Retourenmanagement im deutschen Online-Handel und evaluiert, wie Unternehmen durch den gezielten Einsatz von Big Data die Rücksendequoten senken können.
Was sind die zentralen Themenfelder?
Die Arbeit behandelt E-Commerce, Retourenmanagement-Strategien (präventiv vs. reaktiv), Big-Data-Technologien sowie die spezifischen Phasen des Kundenlebenszyklus (Vorkauf-, Kauf- und Nachkaufphase).
Was ist das primäre Ziel der Arbeit?
Das Hauptziel ist es, Strategien zur Reduzierung von Verbraucherretouren zu evaluieren, die unter Nutzung von Big-Data-Anwendungen die Wirtschaftlichkeit verbessern und gleichzeitig die Kundenzufriedenheit wahren.
Welche wissenschaftliche Methode wird verwendet?
Es wurde ein qualitatives Forschungsdesign gewählt. Die Arbeit nutzt eine Literaturanalyse zur theoretischen Fundierung und ergänzt diese durch qualitative Experteninterviews, die mittels einer qualitativen Inhaltsanalyse ausgewertet wurden.
Was wird im Hauptteil behandelt?
Der Hauptteil gliedert sich in die thematische Abgrenzung der Grundlagen, das methodische Vorgehen zur Untersuchung und die detaillierte Ergebnispräsentation der Expertenbefragungen inklusive abgeleiteter Handlungsempfehlungen.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wesentliche Begriffe sind Retourenmanagement, Big Data, Rücksendequote, E-Commerce, Data Mining, Kundenanalyse und Prozesskostenoptimierung.
Welche Bedeutung haben die Experteninterviews für diese Arbeit?
Die Interviews dienen dazu, praktisches Prozess- und Deutungswissen aus dem Online-Handel einzuholen, um die theoretisch identifizierten Big-Data-Maßnahmen in der betrieblichen Realität zu bewerten.
Was ist das zentrale Hindernis für KMU bei der Nutzung von Big Data?
Die Arbeit identifiziert insbesondere die hohen Implementierungskosten sowie die Notwendigkeit von Datensicherheitskonzepten (DSGVO) als signifikante Hürden für kleine und mittlere Unternehmen.
- Quote paper
- Tugce Kilickiran (Author), 2021, Retourenmanagement im deutschen Online-Handel mit Hilfe von Big Data. Eine Evaluierung von Möglichkeiten zur Senkung der Rücksendequoten, Munich, GRIN Verlag, https://www.grin.com/document/1168927
