Self-Service-Kennzahlen helfen dabei, zu verstehen, wie ein Self-Service-System im täglichen Betrieb tatsächlich funktioniert. Denn Self-Service-Projekte werden häufig anhand sichtbarer Ergebnisse bewertet: Wie viele Self-Checkout-Kassen wurden installiert (siehe auch EHI: Jede 18. Kasse ist eine SB-Kasse)? Wie hoch ist die Nutzungsquote? Wie schnell läuft der Bezahlvorgang? Und wie modern ist die eingesetzte Technik?
Diese Zahlen sind wichtig. Sie zeigen aber noch nicht, ob ein Self-Service-System im Alltag wirklich funktioniert.
Denn entscheidend ist nicht nur, wie häufig oder wie schnell ein System genutzt wird. Mindestens ebenso wichtig ist die Frage, was während der Nutzung passiert.
Self-Service-Kennzahlen machen Probleme sichtbar
An welcher Stelle brechen Kunden einen Vorgang ab? Wann muss ein Attendant eingreifen? Welche Artikel verursachen regelmäßig Schwierigkeiten? Welche Meldungen treten immer wieder auf? Wann häufen sich Stornos, Gewichtsdifferenzen oder Altersfreigaben?
Und welche Auffälligkeiten können auf Manipulation oder Diebstahlversuche hinweisen?
Genau hier werden Kennzahlen interessant. Nicht als Dekoration für ein Dashboard, sondern als Diagnoseinstrument für den laufenden Betrieb.
Denn „Self-Service“ ist mehr als nur kein einzelner SCO. Ein funktionierendes System entsteht aus dem Zusammenspiel von Kundschaft, Technik, Benutzerführung, Layout, Prozessen, Personal und Loss Prevention.
Eine Zahl allein erklärt deshalb zunächst wenig.
Eine hohe Eingriffsquote kann viele Ursachen haben
Nehmen wir die Zahl der Eingriffe durch einen Attendant. Steigt sie deutlich an, könnte man zunächst vermuten, dass die Technik Probleme verursacht.
Doch die Ursache kann ganz woanders liegen.
Vielleicht ist die Bedienlogik zu kompliziert. Hinweise auf dem Bildschirm werden möglicherweise nicht verstanden. Bestimmte Artikel könnten regelmäßig Probleme bereiten. Auch eine ungünstig geplante Self-Checkout-Zone oder fehlende Schulung des Personals kommen infrage. In anderen Fällen steckt tatsächlich ein Thema aus dem Bereich Loss Prevention dahinter.
Ohne diese Zusammenhänge zu betrachten, bleibt die Eingriffsquote lediglich eine Zahl.
Erst durch die richtige Interpretation wird daraus ein Hinweis auf eine mögliche Ursache.
Nicht jede Abweichung ist ein technisches Problem
Das gilt auch für viele andere Betriebsdaten.
Eine erhöhte Abbruchrate kann beispielsweise auf eine unverständliche Benutzerführung hinweisen. Lange Wartezeiten müssen nicht zwangsläufig durch langsame Technik entstehen. Vielleicht deckt ein Attendant zu viele Terminals gleichzeitig ab. Häufige Rückfragen können auf Probleme bei Artikeln, Prozessen oder Bildschirmdialogen hindeuten.
Selbst Laufwege und Sichtachsen innerhalb einer Self-Checkout-Zone lassen sich über geeignete Daten besser beurteilen.
Interessant sind deshalb unter anderem:
- Eingriffe und Unterstützungsanlässe
- Abbrüche während des Bezahlprozesses
- Warte- und Bearbeitungszeiten
- wiederkehrende Fehlermeldungen
- problematische Artikel oder Artikelgruppen
- Stornos und Altersfreigaben
- Auslastung und Nutzung einzelner Terminals
- Auffälligkeiten mit Bedeutung für Loss Prevention
Entscheidend ist jedoch nicht, möglichst viele Daten zu sammeln.
Die bessere Frage lautet: Welche Daten helfen dabei, das System zu verstehen?
Self-Service-Kennzahlen richtig interpretieren
Eine Self-Service-Kennzahl wird erst dann wertvoll, wenn sie mit anderen Informationen verbunden wird.
Wie viele Terminals betreut ein Attendant gleichzeitig (siehe auch Retail Engineering: Die Rolle des Attendant)? Zu welcher Tageszeit treten Probleme auf? Bei welchen Kundengruppen oder Artikeln häufen sich Eingriffe? Wo innerhalb des Prozesses entstehen Wartezeiten? Und was geschieht unmittelbar vor einem Abbruch?
Aus einzelnen Zahlen entsteht so nach und nach ein Bild.
Dieses Bild kann zeigen, ob ein Prozess für die Kundschaft funktioniert, ob Mitarbeitende wirksam unterstützen können, ob Laufwege sinnvoll geplant sind oder ob bestimmte Schritte innerhalb der Benutzerführung regelmäßig Schwierigkeiten verursachen.
Auch für Loss Prevention ist diese Betrachtungsweise entscheidend. Auffälligkeiten sollten nicht isoliert bewertet werden. Erst das Zusammenspiel verschiedener Signale kann Hinweise darauf geben, ob tatsächlich ein erhöhtes Risiko besteht.
Self-Service-Daten: Messen allein reicht nicht
Wer Self-Service steuern und verbessern möchte, braucht Daten. Vor allem braucht es aber ein Verständnis dafür, welche Geschichte diese Daten erzählen.
Nicht jede Kennzahl ist automatisch eine Steuergröße. Und nicht jede Abweichung bedeutet, dass neue Technik benötigt wird.
Manchmal liegt die Ursache im Layout. Manchmal in der Schulung. Vielleicht ist die Benutzerführung unklar oder ein Prozess unnötig kompliziert.
Gute Self-Service-Optimierung beginnt deshalb nicht mit noch mehr Technik und auch nicht mit immer umfangreicheren Dashboards.
Sie beginnt mit einer einfachen Frage:
Was müssen wir messen, um das System wirklich zu verstehen?
Welche Self-Service-Kennzahlen helfen Ihrer Erfahrung nach im täglichen Betrieb tatsächlich weiter – und welche Daten werden zwar erhoben, aber bislang kaum konsequent genutzt?