Visit page
Zum Inhalt springen

Geo-Modul von FACT-Finder – wie baue ich den optimalen Datenfeed dafür auf?

Lesezeit: 5 Minuten

Standortbezogene Services im Online-Shop werden immer beliebter. Im Jahr 2020 haben 44% der Online-Shopper mindestens einmal Click-and-Collect genutzt, so dass allein über diesen Service mehr als 6% des gesamten Online-Umsatzes generiert wurde (HDE-Online-Monitor 2021). Unser neues Geo-Modul bringt alle Tools mit, um ein personalisiertes, standortbasiertes Shop-Erlebnis zu realisieren. Entscheidend dafür ist auch die Datenbasis: Wie muss dein Datenfeed aufgebaut sein, damit FACT-Finder lokale Ergebnisse, Filial-Preise und Verfügbarkeiten ausspielen kann? Genau das zeige ich dir in diesem Beitrag.

Du kennst unser Geo-Modul noch nicht?

Das Geo-Modul ist Teil der neuen FACT-Finder-Version Next Generation Ascent. Entwickelt wurde es in enger Abstimmung mit unseren Anwendern. Aufgrund der Lockdowns stieg bei vielen Händlern und Handelsketten der Bedarf für standortbezogene Services im Online-Shop. Die Anforderungen reichen von der Anzeige ladenspezifischer Öffnungszeiten und Verfügbarkeiten bis hin zu Features wie umkreisbasierte Produktsuche, standortbasiertes Ranking und lokale Rabatt-Anzeige. Das und mehr ist jetzt möglich. Alle Use-Cases findest du auf unserer Website:

Grundsätzlich funktioniert das Modul wie folgt:

  1. Der Shop ermittelt den Standort des Online-Besuchers und übergibt diese Koordinaten an FACT-Finder.
  2. FACT-Finder kennt die Standorte der Filialen und errechnet, welche in nächster Nähe zum Online-Besucher sind.
  3. FACT-Finder spielt die Filial-spezifischen Daten (Produktergebnisse, Filter, Preise etc.) in den Shop zurück.

Wie sollte der Datenfeed für das Geo-Modul aufgebaut sein?

Damit der eben beschriebene Prozess funktioniert, braucht FACT-Finder zusätzlich zum Produktdaten-Feed auch Marktdaten und Bestandsdaten. Insgesamt müssen also pro Channel drei verschiedene CSV-Dateien vorgehalten werden:

 

1. Produktdaten

Das ist der Standard-Feed für FACT-Finder. Er enthält alle Sortiments-Daten, die für Suche, Ranking, Navigation, Filter, Personalisierung etc. genutzt werden sollen. In unserem Doku-Portal findest du ein detailliertes PDF, worauf du beim Aufbau dieses Datenfeeds achten solltest:

2. Marktdaten

Diese Datei verknüpft die Markt-IDs mit den jeweiligen Geo-Koordinaten. Dadurch kann FACT-Finder den Standort von Online-Shoppern mit den Filialstandorten abgleichen – und errechnen, welche Filialen am nächsten sind.

Geokoordinaten bestehen aus Breiten- und Längengrad und werden in der Form Breitengrad/Längengrad angegeben (als Dezimaltrennzeichen wird ein Punkt verwendet). Dabei muss der Breitengrad zwischen -90 und 90 Grad liegen und der Längengrad zwischen -180 und 180 Grad. Als Orientierung: Deutschland liegt zwischen dem 47. und 55. Breitengrad sowie zwischen dem 6. und 15. Längengrad.

Hier ein Beispiel, wie eine Marktdaten-CSV aufgebaut sein kann. Deinen Online-Shop stellst du in diesem Feed mit den Geokoordinaten 0.0/0.0 und der Markt-ID „online“ dar.

Beispieltabelle Datenfeed für Marktdaten

3. Bestandsdaten

Bis hierhin kann FACT-Finder also jedem Online-Shopper die nächstgelegenen Filialen zuordnen. Was jetzt noch fehlt, sind die lokalen Bestände. Um diese in den Shop zurückzuspielen, braucht FACT-Finder eine CSV-Datei, die Markt-IDs mit den Produkt-Identifiern verknüpft. Ein Produkt-Identifier kann entweder eine Artikelnummer oder eine Master-ID sein.

Zudem wird mindestens ein weiteres Feld mit Markt-spezifischen Werten benötigt. Das können zum Beispiel Preise oder Verfügbarkeiten sein, aber auch andere Werte sind möglich.

Hier ein Beispiel, wie eine solche Bestandsdaten-CSV aufgebaut sein kann. Alle Felder im Geo-Feed müssen entweder Varianten oder Master-Felder sein:

Beispieltabelle für Bestandsdaten

Übrigens: Im User-Interface von FACT-Finder kannst du neben den Produktdaten auch deine Markt- und Bestandsdaten bequem konfigurieren. Hier findest du die technische Dokumentation der Feldübersicht …

Weitere allgemeine Best-Practices

Bei der Befüllung der Datenfeeds gibt es noch einige grundsätzliche Punkte, die du beachten solltest:

  • Trenne die einzelnen Felder mit einem Trennzeichen. Wir verwenden standardmäßig das Semikolon. Alternativ kannst du auch jedes andere Zeichen nehmen. Wichtig ist nur, immer dasselbe Feld-Trennzeichen für die ganze Datei zu verwenden.
  • Verwende immer Umschließungszeichen am Anfang und Ende jedes Felds – zum Beispiel Anführungszeichen.
  • Stelle unbedingt sicher, dass in den Daten selbst keine der verwendeten Trennzeichen vorkommen. Sonst kann es passieren, dass die Feldinhalte durcheinander kommen.
  • Lege die Dateien immer mit UTF-8-Kodierung an.
  • Um Bandbreite bei der Übertragung zu sparen, kannst du die Dateien auch gerne in ein ZIP-Archiv verpackt bereitstellen. Es werden auch weitere ZIP-Formate unterstützt: GZip, BZip, GZip. Andere Archive wie RAR werden von unserem automatischen Daten-Aktualisierungs-Prozess nicht unterstützt.
  • Um die Zuordnung der Dateien zu den Channels zu erleichtern, ist es wichtig die Channel-Bezeichnung im Dateinamen zu führen (z.B.: factfinder_export_de_marktdaten.csv). Die Dateien können alle im selben Archiv oder einzeln abgelegt werden.
  • Lege jeden Datensatz in einer neuen Zeile an. Die Daten dürfen keine Zeilenumbrüche enthalten. Falls doch welche enthalten sind, kannst du das gerne bei uns im Projekt ansprechen. Dann unterstützen wir dabei, die Trennzeichen zu escapen.
  • Jede Zeile muss dieselbe Anzahl Felder enthalten, unabhängig davon, ob das Feld befüllt ist oder nicht.

Wie konfiguriere ich das Geo-Modul?

Falls du eine Anleitung für die Anwendung des Geo-Moduls suchst, findest du hier unsere technische Doku:

Das könnte dich auch interessieren

  • Alle
  • Allgemein
  • Branchen-Insights
  • eCommerce How-to
  • FACT-Finder News
  • Success Stories

Die eCommerce-Kata: Stärke dein Team und meistere deine Conversion-Ziele

Lesezeit: 0 MinutenWillkommen zu dieser Ausgabe von Thought Leadership – unserem Blog-Format, in dem du das neueste eCommerce-Wissen direkt von unseren Experten erfährst. In diesem

Wechsel auf die Next Generation bringt +10% Conversion-Uplift

Lesezeit: 0 MinutenLohnt sich der Wechsel auf die Next Generation? Patricia Zwack von RE-IN arbeitet seit fast 10 Jahren mit FACT-Finder und kann dazu einiges

Wie ein eCommerce Consultant die Performance von Online-Shops analysiert

Lesezeit: 0 MinutenWillkommen zu dieser Ausgabe von Thought Leadership – unserem Blog-Format, in dem du das neueste eCommerce-Wissen direkt von unseren Experten erfährst. In diesem

Wie FACT-Finder Personalisierung auf das nächste Level heben will

Lesezeit: 0 MinutenSuche und Personalisierung vereinen – das ist das Ziel, das FACT-Finder seit der Übernahme von Loop54 im Oktober 2021 verfolgt. „Next Generation Blixt“

Personalisierung durch Segmentierung ist tot – Game-Changer von FACT-Finder gelauncht

Lesezeit: 0 MinutenDu musst nicht auf die nächste KI-Welle warten oder dich auf überholte Ansätze verlassen: Lerne mehr über Next Generation Blixt …

Vereint das Beste aus Suche und Personalisierung: FACT-Finder launcht Blixt

Lesezeit: 0 MinutenKI-basierte Echtzeit-Personalisierung für jeden deiner Online-Shopper: Dieser Beitrag gibt dir detaillierte Einblicke in den neuen FACT-Finder Next Generation Blixt.

Über den Autor

Samantha Wettach ist eCommerce Consultant bei FACT-Finder. Während ihrer mehrjährigen Laufbahn als Account Managerin bei IBM betreute sie namhafte B2B-Kunden aus dem Groß- und Einzelhandel. Zusätzlich verfügt Samantha über internationale Erfahrung und weitreichende Branchen-Insights im Bereich Mode und Lifestyle, die sie heute bei der Beratung erfolgreicher Unternehmen einbringt – darunter Christ Juweliere und Uhrmacher, Ulla Popken und Holy Fashion Group. Auf der B2B Digital Masters Convention 2019 hielt sie die Masterclass „Shop-Traffic in Umsatz verwandeln: Die perfekte Customer Journey im B2B.“

    Schreibe einen Kommentar

    Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert

    Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.