Location Analytics für den Retail – mit Frequenzmessung zur besseren Performance.

Transkript des DMS Talk zum Nachlesen

‍

DMS Talk – Location Analytics

Oliver Nitz (CMO, Digitale Mediensysteme):
Herzlich willkommen zu unserem fünften DMS Talk – heute zum Thema Location Analytics.
Mein Name ist Oliver Nitz. Ich bin CMO der Digitalen Mediensysteme und heute Ihr Moderator.
Sie können gerne im Chat mitdiskutieren, wenn Sie möchten. Bitte geben Sie im Chatfenster zuerst Ihren Namen ein und danach Ihre Frage – wir gehen später darauf ein.

Ich habe alle vorsichtshalber auf stumm geschaltet, damit wir den Präsentationsflow unserer Gäste nicht unterbrechen.
Unser Thema heute: Location Analytics. Der stationäre Handel befindet sich im Umbruch – nicht erst seit der Pandemie, sondern auch durch strukturelle Veränderungen und den zunehmenden Druck des E-Commerce.
Filialisten sind gezwungen, sich intensiver mit der Performance einzelner Standorte auseinanderzusetzen – und mit der Frage, welche neuen Standorte in Zukunft sinnvoll sind.

Heute lässt sich das anhand vieler Daten beantworten:
Man kann sich Besucherfrequenzen, Bewegungsrichtungen und Herkunftsorte ansehen, diese mit soziodemografischen Informationen verknüpfen und daraus die Kaufkraft und das Zielgruppenpotenzial ableiten.

All das wollen wir heute näher kennenlernen – ergänzt durch Sensoren im Eingangsbereich, in Stores, an Standorten und durch Beacons. So lassen sich vor Ort Daten erheben, konsolidieren und eigene Fragen beantworten.

Ich sehe gerade – ist der Thomas schon da? Ja?
Dann begrüßen Sie bitte mit mir Jan Barenhoff, heute aus Köln zugeschaltet, Director Business Development Europe bei Placsense.
Placsense liefert datenbasierte Einblicke in das Kundenverhalten. Wir arbeiten auch mit ihnen zusammen – sehr professionell, sehr partnerschaftlich.

Und ebenso begrüßen wir Thomas Hinterleitner, Inhaber von Locationplace.
Er betreibt ein Wissens- und Innovationszentrum für Retail und unterstützt Unternehmen bei der Transformation des stationären Handels. Auch er wird heute einige Cases und Projekte vorstellen.

Uns ist wichtig, zu verstehen, welche Cases funktionieren, welche Fragen Kunden stellen und wie Daten Antworten geben können.
Manchmal nennen wir dabei Kundennamen, manchmal nicht.

Ich würde sagen, Thomas – du beginnst mit einer kurzen Vorstellung und zeigst uns, was du vorbereitet hast. Ich bin gespannt.
Danke dir schon jetzt und herzlich willkommen!

Thomas Hinterleitner (Locationplace):
Hallo zusammen! Vielen Dank für die Einladung und die Möglichkeit, hier zum Thema Location Analytics Stellung zu nehmen und ein paar Cases zu zeigen.
Ich habe eine PowerPoint-Präsentation vorbereitet – Moment, ich teile kurz den Bildschirm … jetzt sollte sie sichtbar sein.

Zur Einleitung:
Unsere Firma – ursprünglich LBS GmbH, gegründet vor rund neun Jahren – hat ihren Schwerpunkt im Handel gefunden und firmiert seit 2014 als Locationplace GmbH.
Ich bin in Österreich sowie für Zentral- und Osteuropa für unseren Dachverband, die Location Based Marketing Association (LBMA), verantwortlich.
Wir sind in 19 Metropolregionen weltweit vertreten und beschäftigen uns mit Marketing am Point of Sale – also dort, wo Kund:innen sich aufhalten: online zu Hause, on the move oder physisch im Store.

Es geht um die Frage: Wie kann Marketing durch Standortdaten und Analysen optimal umgesetzt werden?

Unsere Arbeit begann mit technischen Installationen – unter anderem mit Retail-Outlets im Testbetrieb. Inzwischen arbeiten wir mit großen Händlern und Einkaufszentren wie Galeria Karstadt Kaufhof oder der PAYBACK-Gruppe.
Dort können wir Technologien live vor Ort testen und validieren.

Warum Location Analytics?

Ich komme aus dem Customer-Relationship-Management und Direktmarketing – das ist meine berufliche DNA.
Ein wesentlicher Bestandteil ist die Customer Journey:
Woher kommt der Kunde? Welche Interessen hat er? Was tut er mit den Produkten, für die er sich interessiert oder die er gekauft hat? Wie kann das Serviceangebot aussehen?
Wie viele Wiederkäufer gibt es? Wie viele Neukunden?
Wie verhält sich meine Kundschaft im Vergleich zum Wettbewerb?

Diese Fragen lassen sich heute in Echtzeit beantworten – und mit manchen Tools sogar rückwirkend über zwei bis drei Jahre.
Wir haben etwa Shopping-Mall-Analysen gemacht, um zu sehen: Wie war es vor Corona? Wann erreichte man wieder das frühere Frequenzniveau? Wie entwickelte sich das Kundenverhalten im Vergleich zum Wettbewerb?

So wird deutlich, wo man steht – und das ermöglicht kontinuierliche Optimierung von Marketing, Sortiment und Standortstrategie.

Datengrundlagen

In Österreich gibt es zwei große Anbieter für anonymisierte Mobilfunkdaten (A1 und Drei).
Diese liefern Bewegungsdaten in Rastern von ca. 100–200 m (teilweise bis zu 50 m).
Man erkennt, wo sich Personen aufhalten, wo sie wohnen, arbeiten, einkaufen – alles TÜV-geprüft und DSGVO-konform.
Diese Daten werden durch Soziodemografie ergänzt (Alter, Haushaltsform, Einkommen, Wohnsituation etc.) und ermöglichen so valide Standortanalysen.

Ein Beispiel aus der Pandemiezeit zeigt: Lockdowns erzeugten messbare Frequenzeinbrüche, die sich visuell in Heatmaps und Zeitverläufen darstellen lassen.
Oder man nutzt Sankey-Diagramme, um Bewegungsströme zwischen Standorten zu analysieren.

Praxisbeispiel Flughafen Wien

Am Flughafen Wien wurde eine umfassende Location-Based-Marketing-Infrastruktur installiert:
Die Flughafen-Wien-App (mit sechsstelliger Nutzerzahl) dient als Basis und wurde um Beacons und Geofences erweitert.
So lässt sich anonym feststellen, wo sich Personen bewegen – etwa auf Parkflächen, in Terminals oder Shops.

Unterschieden wird zwischen Passagieren, Businesskunden, Mietern und Mitarbeitern.
Die Bewegungen werden in Heatmaps visualisiert und helfen, Serviceangebote kontextbezogen zu steuern:
z. B. ein Parkticket-Upgrade-Angebot, wenn ein Fahrzeug das Flughafengelände befährt.

Weitere Technologien

Neben Mobilfunkdaten gehören auch klassische Frequenzzähler (Lichtschranken, Kameras, Infrarotsensoren), Kassensysteme, Digital Signage, Electronic Shelf Labels und Beacons zur Location-Analytics-Infrastruktur.
Alles, was Interaktionen misst, kann Daten liefern, um den Point of Sale besser zu verstehen.

Diese Daten ermöglichen:

• Anpassung von Öffnungszeiten (z. B. nach Wetter oder Events)
• Ressourcenplanung und Personalsteuerung
• Marketingkampagnen-Optimierung
• Lager- und Bestandsmanagement
• Steigerung der Flächenproduktivität

Man kann also sowohl eigene als auch Wettbewerbsanalysen durchführen.
Das Entscheidende ist: Messen, verstehen, verbessern – und das kontinuierlich.

Oliver Nitz:
Danke, Thomas – großartiger Überblick!
Was sind deiner Erfahrung nach die drei größten Hebel aus diesen Analysen?

Thomas Hinterleitner:
Der größte Hebel entsteht, wenn man die Analysedaten in Services einbettet – also im Rahmen von CRM- oder Loyalty-Programmen, Nachkaufservices oder Produktberatung.
Ein Beispiel: Ein Kunde ruft über ein interaktives Terminal einen Service-Mitarbeiter zu sich. Das steigert Servicequalität und Effizienz.

Ein zweiter Hebel liegt in der Personalplanung nach Frequenzen – etwa durch die Kombination von Wetter- und Feiertagsdaten.
Und der dritte in der strategischen Nutzung von Insights für Standort- und Investitionsentscheidungen.

Oliver Nitz:
Und womit sollte man starten, wenn man neu in das Thema einsteigt?

Thomas Hinterleitner:
Mit dem Bewusstsein, dass es sich um eine strategische Entscheidung handelt.
Es braucht Offenheit, Prozesse messbar zu machen – auch dort, wo Ergebnisse nicht perfekt sind.
Wer diesen Kulturwandel schafft, gewinnt: durch Datenklarheit, Effizienz und Transparenz.

Oliver Nitz:
Jan, du bist dran – zeig uns, was eure Lösung kann!

Jan Barenhoff (Placesense):
Sehr gerne!
Wir analysieren präzise GPS-Daten, die aggregiert und DSGVO-konform über Smartphone-Apps erhoben werden – Navigation, Wetter, News usw.
Die Daten sind anonym, aber äußerst präzise (auf Meter-Ebene).

Ein Beispiel: Wiesbaden Innenstadt.
Unsere Heatmap zeigt die Hauptachse und die stärksten Frequenzpunkte – u. a. bei Karstadt und Galeria.

Case Fashion Retail:
Wir vergleichen ZARA und Peek & Cloppenburg:

• Frequenzen während der Lockdowns ↓, danach Wiederanstieg.
• Im Dezember 2022 wieder fast auf Vorkrisenniveau.
• 2021 besuchten rund 64 % der ZARA-Besucher:innen auch P&C – 2022 nur noch 59 %.
• Das zeigt: gezielte Maßnahmen können Kund:innenflüsse beeinflussen.

Wir können zusätzlich Einzugsgebiete, Tageszeiten, Konkurrenzbesuche und soziodemografische Merkmale analysieren – alles historisch rückverfolgbar.

Das ist für Retailer, Investoren, Stadtentwickler oder Filialisten hochrelevant – überall, wo man die Customer Journey im physischen Raum verstehen will.

Oliver Nitz:
Danke, Jan – beeindruckend. Kann man das auch international einsetzen?

Jan Barenhoff:
Ja, absolut. Wir analysieren Filialnetzwerke länderübergreifend, inklusive Wettbewerb, und helfen, Cross-Visits oder regionale Unterschiede zu erkennen.
So lassen sich Kampagnen, Standortentscheidungen und Markteintritte datenbasiert steuern.

Q&A und Abschluss

Oliver Nitz:
Gibt es Fragen aus dem Publikum?
(…)
Wenn keine weiteren Fragen sind:
Das Webinar wird als Aufzeichnung verfügbar sein – auf digitale-medien.at/dms-talk.
Dort finden Sie auch vergangene Talks zu Themen wie Retail Innovation, Digital Signage und Customer Experience.

Der nächste DMS Talk findet am 21. März statt – Thema folgt in Kürze.
Vielen Dank an Thomas Hinterleitner und Jan Barenhoff, und natürlich an alle Teilnehmenden.
Einen schönen Abend!