Messen. Verstehen. Steuern. Warum Daten und Nutzung im Self-Service zusammengehören

Self-Service-Systeme erzeugen heute große Mengen an Daten: Transaktionen, Wartezeiten, Eingriffe, Abbrüche, Fehlermeldungen, Auslastung und vieles mehr. Aussagekraft gewinnen diese Informationen aber erst im Zusammenhang mit dem tatsächlichen Verhalten im Markt. Gerade das Zusammenspiel von Daten und Nutzung im Self-Service entscheidet darüber, ob aus Messwerten auch Erkenntnisse entstehen.

Doch Daten allein machen ein Self-Service-System noch nicht besser.

Entscheidend ist, ob die richtigen Informationen verfügbar sind, verstanden werden und zu konkreten Verbesserungen führen. Ebenso wichtig ist die Frage, wie Kunden und Mitarbeitende das System tatsächlich nutzen.

MLA-Reihe, Beitrag 3 von 5: Network & Analytics sowie Usability & Customer Experience.

Genau hier setzen Ebene 3 „Network & Analytics“ und Ebene 4 „Usability & Customer Experience“ des Multi-Level Approach (MLA) an, dessen fünf Ebenen ich im ersten Beitrag dieser Reihe vorgestellt habe (ZdE-Beitrag: „Self-Service neu denken. Struktur vor Entscheidung“)

Nachdem in den ersten beiden Ebenen Zielsetzung, Wirtschaftlichkeit und Gestaltung der Self-Service-Zone (siehe ZdE-Beitrag „So startet ein MLA-Projekt“) im Mittelpunkt standen, geht es nun darum, das System im Betrieb transparent und steuerbar zu machen.

Level 3: Daten im Self-Service – Network & Analytics

Ein moderner Self-Checkout ist kein isoliertes Gerät. Er ist Teil einer vernetzten Systemlandschaft. Auch das EHI Retail Institute beschreibt den Checkout inzwischen als zunehmend intelligente und vernetzte Plattform (siehe EHI: Checkout im Umbruch).

Kassensystem, Artikeldaten, Zahlung, Waagen, Altersfreigaben, Sicherheitsfunktionen und Monitoring müssen zuverlässig zusammenspielen. Erst dann entsteht eine belastbare Datengrundlage.

Die Logik ist einfach:

Vernetzung → Daten → Analyse → Steuerung.

Dabei geht es nicht um möglichst viele Daten, sondern um die richtigen Fragen:

• Wie hoch ist die Nutzungsquote?
• Wie lange warten Kunden?
• Wie häufig müssen Mitarbeitende eingreifen?
• Wo werden Vorgänge abgebrochen?
• Welche Prozessschritte verursachen immer wieder Probleme?
• Wie verändert sich der Durchsatz im Tagesverlauf?

Erst wenn solche Informationen zeitnah verfügbar und sinnvoll verknüpft sind, werden Daten zu einem Werkzeug für den Betrieb.

Ein Dashboard allein schafft noch keine Transparenz. Entscheidend ist, ob die Werte helfen, Ursachen zu erkennen und Prozesse zu verbessern.

Level 4: Nutzung im Self-Service – Usability & Customer Experience

Doch selbst die beste Datenauswertung beantwortet noch nicht, warum ein Wert auffällig ist.

Eine hohe Interventionsquote zeigt zunächst nur, dass Mitarbeitende häufig eingreifen müssen. Sie erklärt noch nicht, warum.

Vielleicht ist eine Aufforderung missverständlich. Vielleicht erfolgt eine Rückmeldung zu spät. Oder Kunden wissen schlicht nicht, was als Nächstes zu tun ist.

Deshalb betrachtet die vierte MLA-Ebene nicht nur die Oberfläche eines Terminals, sondern den gesamten Nutzungsvorgang.

Versteht der Kunde jederzeit den nächsten Schritt? Sind Rückmeldungen eindeutig? Lassen sich Fehler einfach korrigieren? Funktioniert der Prozess auch unter Zeitdruck? Und können Mitarbeitende schnell helfen?

Zur Usability gehört deshalb auch die Bedien- und Servicefreundlichkeit für das Personal: Mitarbeitende müssen Systemzustände schnell erkennen, Eingriffe sicher durchführen und Störungen ohne unnötige Umwege beheben können (siehe auch ZdE-Beitrag „Self-Checkout braucht Menschen“).

Self-Service funktioniert wirtschaftlich nur dann, wenn Menschen das System tatsächlich nutzen können und wollen.

Wenn Kunden zögern, abbrechen oder regelmäßig Hilfe benötigen, entstehen Reibung, Wartezeiten und zusätzlicher Aufwand. Müssen Mitarbeitende ständig eingreifen, verschwinden die Aufwände nicht – sie verlagern sich nur.

MLA-Systembild zum dritten Beitrag: Fokus auf Network & Analytics sowie Usability & Customer Experience.

Daten und Nutzung im Self-Service zusammendenken

Genau hier greifen die Ebenen 3 und 4 ineinander.

Network & Analytics zeigt, wo ein Prozess funktioniert – und wo nicht.

Usability & Customer Experience hilft zu verstehen, warum.

Eine Abbruchquote kann auf ein Problem hinweisen. Erst die Beobachtung des Nutzungsvorgangs zeigt aber, ob eine unklare Bedienlogik, eine schlecht verständliche Meldung oder ein ungünstiger Prozessschritt die Ursache ist.

Das Gleiche gilt für Wartezeiten, Interventionen, Fehlbedienungen oder eine geringe Nutzung.

Kennzahlen liefern Hinweise – warum sie im Self-Service als Diagnoseinstrument wichtig sind, habe ich bereits beschrieben (siehe ZdE-Beitrag „Self-Checkout braucht Menschen“). Ihre Bedeutung erschließt sich jedoch erst im Zusammenspiel von Daten und Nutzung im Self-Service. Erst beides zusammen schafft die Grundlage für gezielte Verbesserungen.

Messen reicht nicht. Verstehen reicht ebenfalls nicht.

Ein Self-Service-System kann technisch hervorragend funktionieren und dennoch an der Nutzung scheitern.

Umgekehrt kann eine gut gestaltete Bedienoberfläche wenig bewirken, wenn Daten fehlen oder Probleme im Betrieb unsichtbar bleiben.

Deshalb betrachtet der Multi-Level Approach beide Perspektiven gemeinsam.

Können wir das System messen und steuern?
Und verstehen wir, wie Menschen es tatsächlich nutzen?

Technik schafft Möglichkeiten. Erst Nutzung macht daraus ein funktionierendes System.

Im nächsten Beitrag der MLA-Reihe geht es um Risiken, Manipulation und Verluste – und darum, warum Fraud Detection und Risk Management von Anfang an Teil eines Self-Service-Konzepts sein sollten.

Sie möchten Self-Service nicht nur installieren, sondern verstehen, messen und gezielt verbessern? Dann lohnt es sich, Daten, Nutzung und Prozesse gemeinsam zu betrachten.
Sprechen Sie mich hierzu gerne an. Über LinkedIn (einfach hier auf mein Bild klicken) oder über meine Homepage: https://dr-rainer-eckert.de/.

Dr. Rainer Eckert unterstützt Unternehmen im Handel bei Themen wie Self-Service, Ergonomie, Barrierefreiheit und digitalen Customer Journeys.