Die Lösung ist, dass die Klasse AppController ab CakePHP Version 1.3 (entgegen allen Tutorials) in

/app/Controller/AppController.php

zu speichern ist!

Der HIER angegebene Speicherort ist einfach alsch!

Das Problem hat damit zu tun, dass die Session-Speicherung mit der Verwendung mit oder ohne Subdomäne zu einem Fehler führen kann.  Der Shop speichert die Sitzungs-Cookies mit einer Wildcard für alle Subdomänen (z.B: “.example.com”). Dies führt dazu, dass die Parameter HTTP_SERVER und HTTPS_SERVER, in der Datei includes/configure.php, auch zwingend mit einer Subdomäne angegeben werden müssen. Ist dies nicht der Fall, steigen viele Browser dabei aus, die zugehörigkeit der Cookies an zu erkennen.

Zunächst einmal bin ich dem Ergebnis zufrieden, denn immerhin stehen Firmename und Claim im Vordergrund. Die Kernaussage meiner Leistungen kommt offenbar in der Wahrnehmung des Besuchers an.

Aber welche Verbesserungen kann man dieser Heatmap entnehmen?

1. Mit fällt auf, dass die Weiter-Schaltflächen der Artikel nicht auf den ersten Blick erkannt werden!
2. In der Navigationsleiste ist die Aufmerksamkeit nicht gleich verteilt.
3. Ein guter Anteil der Aufmerksamkeit liegt in der Kompass-Illustration

Mit diesen Aussagen kann ich tatsächlich Verbesserungen an der Website vornehmen! Das Problem mit den Weiter-Schaltflächen löse ich im ersten Ansatz über die Ausweitung des Klickbaren Bereiches auf die gesamte Fläche des Teasers.

Ich enscheide mich ein zweites Mal, aber diesmal noch bewuster, dafür, dass der Einsatz der Kompass-Illustration meine Leistung gut untermauert und die richtige Botschaft transportiert.

Ich beschließe die Verteilung in der Navigationsleiste mit den Website Analytics-Daten zu verifizieren – evtl. sollte ich hier mit Reihenfolgen und Begriffen arbeiten.

to be continued!

OXID esales Patch-Site

Immer wieder wichtig, ist außerdem die kurzer Beschreibung der Vorgehensweise bei einem OXID-Update:

http://www.oxid-esales.com/en/resources/help-faq/eshop-manual/update-oxid-eshop-version-451

Die Installation aus dem TER verläuft problemlos so lange die beiden abhängige Extensions lib und div auf dem Zielsystem installiert sind. Ist dies nicht der Fall, nimmt das Verhängnis seinen Lauf – die automatische Nachinstallation von div bringt TYPO3 mit folgender Meldung zum  Absturz:

Fatal error: Uncaught exception 'BadFunctionCallException' with message 'TYPO3 Fatal Error: Extension key "div" was NOT loaded!' in /var/www/typo3_src-4.5.6/t3lib/class.t3lib_extmgm.php:142 Stack trace: #0 /var/www/example.com/www/typo3conf/temp_CACHED_pse9e8_ext_localconf.php(1335): t3lib_extMgm::extPath('div') #1 /var/www/typo3_src-4.5.6/t3lib/config_default.php(946): require('/var/www/schenc...') #2 /var/www/typo3_src-4.5.6/typo3/init.php(206): require('/var/www/typo3_...') #3 /var/www/typo3_src-4.5.6/typo3/sysext/cms/layout/db_layout.php(72): require('/var/www/typo3_...') #4 {main} thrown in /var/www/typo3_src-4.5.6/t3lib/class.t3lib_extmgm.php on line 142

Betroffen sind sowohl Frontend als auch das Backend.

Der Fehler ensteht durch die fehlerhafte Installation der Extension ‘div’. ‘div’ ist nur eine ALPHA Release – es stellt sich die Frage, wie die rrs_aggregator-Extension mit dieser Abhängigkeit zu einer STABLE Version werden konnte?

Die Lösung war ein relativ tiefer und für meine Begriffe eher seltener Eingriff in die localconf.php. Hier sind die Verweise auf die rss_aggregator Extension manuell aus dem Array extList zu entfernen:

$TYPO3_CONF_VARS['EXT']['extList'] ='...,rss_aggregator, ...';

1. Im Menü die Seite MENU > INFO > SEITE aufrufen
2. Indexsuche auswählen…
3. Technical Details auswählen (für den gesamtne Index “undendlich” als Tiefe)
4. auf dem Mülleimer klicken!
5. Fertig, der Indexed Search Cache ist gelöscht!

Zur Veranschaulichung siehe das  Titelbild des Beitrags!

SEO und typografisch ansprechende Websites müssen sich dank Webfonts nicht mehr gegenseitig ausschließen!

Wir nähern uns im Internet endlich dem Zeitpunkt, an dem Grafiker mit Schriftarten und Typografie annähernd genau so arbeiten können, wie es im DTP-Bereich schon immer möglich ist. Schaut man sich die CSS Integration der Websfonts an, so stößt man auf eine relativ aufwändige Struktur:

@font-face{
 font-familiy: 'SCHENCK-DATA Firmen-Font';
 src:url(s-data.eot);
 src:local(':-)'),
   url(s-data.woff);
 format('woff'),
   url(s-data.ttf)
 format('truetype');
}

Die recht komplizierten Angaben der font-face-Regel holt uns wieder ein bisschen zurück auf den Boden der Tatsachen. Wir befinden uns eben immer noch in der Frühzeit des Informationszeitalters. Die Menschen sitzen vor Bildschirmen,
verwenden eigenartige Zeiger- und Tasteninstrumente zur Kommunikation und produzieren mangels Standardisierung sehr viel Pseudo-KnowHow und sei es für die Browserkompatibilität von Websites:

• mit der .EOT Datei wird also der Font für die Darstellung im Internet Explorer definiert
• für Internet Explorer verwenden wir die Quellenangabe src:local(‘:-)’), um unerwünschte Effekte
  im Hinblick auf vorangegangene Direktiven zu vermeiden.
• die .WOFF Dateien richten sich z.B. an Firefox Browser
• mit .TTF definieren wir einen Fallback für jene Browser, die keines der obigen Formate verstehen
• Erweiterungen wie .SVG können für iPads und iPhones hinzugefügt werden

Freie Webfonts, Open Source Fonts

• Google web fonts
• fontsquirrel

Kennen Sie das Problem? Sie haben die Zahlen Ihres Analytics Tools und wollen anhand der Messgrößen sinnvolle Aussagen über die Wirksamkeit Ihres Online Marketings machen? Oder, sie haben eine Agentur mit der Betreuung Ihrer Website beauftragt und müssen das Budget, anhand eines  Reportings mit einigen Zahlen und griffigen Aussagen zu Erfolg und Misserfolg von SEO, SEM Emailmarketing und Co., neu aufteilen? Beschleicht Sie hier auch das Gefühl, dass die Zahlen nicht genug darüber aussagen, auf welchem Weg die Besucher tatsächlich den Weg zu Ihnen gefunden haben? Kann man wirklich einfach alle Besucher über einen Kamm scheren, wenn man sich fragt welche Marketing-Kanäle gewinnbringend arbeiten?

Die Menge und Komplexität der Analyse-Kenngrößen (z.B: Google-Analytics) erlaubt viele, zum Teil sogar gegensätzliche Deutungsmöglichkeiten:

• Besucher können sich z.B. sehr lange auf der Website aufhalten und viele Seiten abrufen, verlassen die Site jedoch enttäuscht, weil sie letztendlich nicht gefunden haben was sie gesucht haben.
• Andere Besucher finden das Angebot sehr informativ, und halten sich genau so lange auf der Site auf. Letztere kommen regelmäßig wieder zu Besuch und haben sich sogar eine Bookmark angelegt.

Diese beiden Besuchertypen können mit herkömmlichen Betrachtungsmodellen, bzw. dem einfachen Blick in die Nutzungstatistik der Website, nicht unterschieden werden.

Welche Kanäle Ihres Online Marketings sind tatsächlich an einer Conversion beteiligt?

“Wir wissen z.B. wie viele Benutzer im Newsletter einen Link geklickt haben, und welche Conversions daraus direkt resultierten.”
Unsere Analytics Daten sagen uns jedoch nicht, wie viele Besucher aufgrund des Newsletters später noch einmal über die Suche in einer Suchmaschine auf die Website gekommen sind. Einige engagierte Besucher haben sich noch mehr Zeit gelassen und sind erst beim dritten Mal, über den Klick auf einen Banner, zu Kunden geworden.

In der Praxis wird die Marketing Performance der einzelnen Kanäle sehr oft nach dem Last Click- oder First Click- Modell bewertet. In unsrem Beispiel würde den Kanälen Emailmarketing (First Click) bzw. Banner (Last Click) demnach ein falscher Anteil am Erfolg beigemessen, denn der Kontakt über die Suchmaschine würde dem Erfolg nicht zugeordnet werden. Als Konsequenz wird das Marketingbudget für die Banner- oder Email- Kampagnen gesteigert, ohne die realen Verhältnisse zu berücksichtigen.
Die Vereinfachung über First- bzw. Last- Click Betrachtungen führt zur fehlerhaften Aufteilung der Budgets, da die Erfolgsmessung nicht den realen Bedingungen gerecht wird. Somit werden die Budgets für SEO-, SEM-, SMO- und Emailmarkting-Maßnahmen zu undifferenziert aufgeteilt und ein erhebliches Potential nicht ausgeschöpft.

Beteiligung aller Marketingkanäle am Erfolg

Im Gegensatz zur reinen First Click bzw. Last Click Bemessung Ihrer Marketingkanäle, kann man bei der Erfolgsmessung die tatsächlichen Kontaktpunkte des Besuchers berücksichtigen. Es ist bekannt, dass mehr als die Hälfte aller Kunden vor einem Einkauf mit mehreren Links arbeiten. Im Durchschnitt werden 3.9 Kontakte mit Marketing Kampagnen gemessen, bevor eine Conversion zu Stande kommt. High-Value Kunden haben vor einer Kaufentscheidung im Schnitt 7 Mal Kontakt mit einer Marketingaktion gehabt. Bei einer Zuordnung dieser Conversions zu lediglich einem der gängigen Modelle (First Click oder Last Click) werden bis zu 70% der beteiligten Kanäle nicht berücksichtigt! Auf diesem Weg sind der Optimierung der Online-Marketing-Leistung starke Grenzen gesetzt, da die tatsächlichen Leistungsdaten der einzelnen Kanäle falsch sind.

Ein Ausweg besteht in der Aufteilung des Erfolges bei der Messung von Conversions. So kann zum Beispiel der Kanal, über welchen ein Kunde zum ersten Mal auf ein Produkt aufmerksam geworden ist, mit einem hohen Prozentsatz an der Conversion beteiligt werden, z.B. 40%. Die folgenden Kanäle, welche zur Conversion führen, teilen sich den Rest, also 60%, gleichmäßig auf. Somit kann z.B. die CPC-Kampagne, welche den ersten Click erhalten hat, 40% zum Erfolg beigetragen haben, die restlichen Kanäle, wie z.B. SEO, Newsletter und Bannerschaltung, jeweils mit 20%. Auf diese Art erhalten Sie eine deutlich realistischere Einschätzung über den Erfolg Ihrer Marketing-Kanäle und können die Aufteilung von Budgets erheblich effektiver vornehmen. Welches Modell Sie im Einzelfall für die Gewichtung der Kanäle vornehmen sollten Sie jeweils gesondert definieren. So kann eine höhere Gewichtung des Last Clicks, welcher unmittelbar zur Conversion führt, sicherlich auch sinnvoll sein.

Online Marketing Budget nach Besucher Engagement beurteilen

Eine alternative Sicht auf die Effektivität von Online Marketing-Kampagnen entsteht, wenn die Aktionen der Benutzer über speziell für den Anwendungsfall definierte Segmente betrachtet werden. Ein sehr interessantes Segment ist hier das Engagement der Besucher.

“Engagierte Besucher besuchen eine Website häufiger und/oder dringen bis zu bestimmten Punkten im Angebot vor.”

Ein Besucher, der z.B. die Bestellgasse eines Shops vollständig durchlaufen hat, ist sicherlich ein sehr viele höheres Engagement bei zu messen, als jenem Besucher, der nur die Startseite abruft. Grundsätzlich zeigt ein Besucher mehr Engagement, je mehr Inhalte er frequentiert, je häufiger er auf die Website zurück kehrt oder je tiefer er in die Hierarchie der Inhalte vorstößt.

Wie kann man aber das Engagement-Modell auf die Besucherströme einer Website anwenden?

Dies geschieht über eine individuelle Zuteilung von Engagement-Scoring-Werten, zu den einzelnen Seiten der Website. Über eine Bewertung zwischen 1, für niedriges und 5, für hohes Engagement, wird den einzelnen Bereichen bzw. Seiten der Site ein individueller Scoring-Wert zu geordnet. Beim Besuch der Site addieren sich die Engagement-Scoring-Werte jeder besuchten Seite zum Engagement-Wert des  (natürlich anonymisierten!) Besuchers. Ein Besucher, der z.B. 10 mal auf die Startseite der Website kommt, welche z.B. einen Scoring-Wert von 1 besitzt, kann als genau so engagiert gelten wie ein Besucher, der 2 mal die Bookmark mit den Sonderangeboten, welche z.B. einen Scoring-Wert von 5 besitzt, aufgerufen hat.

Besonders spannend wird es nun, wenn man betrachtet welches Benutzer-Engagement mit den unterschiedlichen Online-Kampagnen in Verbindung steht. Betrachtet man das Engagement der Besucher, die über unterschiedliche Kanäle auf die Site kommen, so kann sich eine völlig neue Bewertung der Effektivität einzelner Maßnahmen einstellen:

“Es könnte sich z.B. heraus stellen, dass die Arbeit des SEO-Teams, Besucher mit einem sehr hohen Engagement-Wert nach sich zieht, auch, wenn die Anzahl der Conversionen im Vergleichszeitraum nicht mit jenen der CPC-Kampagnen mithalten kann.  Die SEO-Investition ist u.U. trotzdem sehr wichtig, weil die hieraus resultierenden Kunden eher zu Stammkunden konvertieren – der hohe Engagement-Wert ist hierfür ein Anhaltspunkt.”

Entscheidend ist eine sinnvolle Segmentierung und die richtigen Schlüsse hieraus

Es gibt es  kein allgemeines Erfolgsrezept für die optimale Auswertung von Analysedaten. Neben der Betrachtung der reinen Traffic-Zahlen einer Website, kommt es besonders auf geeignete Modelle zur besseren Abbildung der Wirklichkeit an.  Allzu schnell geben zu einfache Betrachtungsweisen ein verzerrtes Bild über die Effektivität der Online-Marketing-Kampagnen ab. Man denke hier z.B. an die zwangsläufigen Fehler, die bei reiner First- bzw. Last Click- Betrachtung entstehen oder an die strategischen Fehlbewertungen, welche sich aus der falschen Sicht auf die Motivationen und das Engagement von Besuchern ergeben können. Firmen, die Online Marketing als zentralen Kanal zur Kundengewinnung bzw. Kundenpflege bettreiben, können in Zukunft deshalb immer weniger auf die Potentiale strategischer Analysemethoden verzichten.

Über die sog. Facettierte Navigation (auch faceted browsing, oder Faceted search genannt) werden große Inhaltsmengen schnell auf ein einfach zu handhabendes Suchergebnis eingedampft. Anstatt den Benutzer in eine vorgegebene Inhaltsstruktur zu zwingen, erlaubt die Facettierte Navigation den multidimensionalen Zugriff über die individuelle Kombination der vom Nutzer gewünschten Kriterien in Form von Filtern.

Jeder kennt die Situation beim Onlineshopping. Es reicht oft nicht aus, zu wissen was man ungefähr sucht, um zu einem passenden Produkt zu kommen. In fast jedem Onlineshop muss man sich außerdem mit der meist vorgegebenen inhaltlichen Struktur des Shops befassen.

“In welcher Kategorie hat dieser Onlineshop das gesuchte Produkt versteckt?”

Zum Glück haben die meisten Shops eine integrierte Suchfunktion. Bevor man also die Zeit investiert  und versucht die Denkweise des Shops zu verstehen, gibt man seinen Produktwunsch also in das Suchfeld ein. Kunden, die jedoch noch keinen konkreten Hersteller bzw. Produktbezeichnung im Kopf haben, stoßen hier auf eine unangenehme Rechercheaufgabe. Das allgemeine Problem von Suchergebnissen ist, dass man hier nur sehr wenig über den Kontext des angezeigten Ergebnisses erfährt.

Ein Beispiel:
“Ich möchte eine Digitalkamera mit mindestens 8 Megapixeln, einem Display und einem möglichst großen optischen Zoom kaufen. Die Kamera darf nicht mehr als 200 EURO kosten.”

Der Onlineshop (z.B: http://www.redcoon.de) macht keinen ausgeprägten Gebrauch von den Möglichkeiten der Facettierten Navigation. Bis ich ein relevantes Produkt gefunden habe, durchlaufe ich folgende Schritte:

1. Nach ca. 15 Sekunden habe ich auf der linken Seite des Shops den Navigationspunkt  Foto & Kamera gefunden.
2. Ich MUSS nun eine Warengruppe wählen, um weiter zu kommen. Ich wähle Digitalkameras.
3. Ich bekomme eine Liste von 218 Produkte, verteilt auf 22 Seiten
4. Ich habe nun die Möglichkeit das Ergebnis nach den Facetten Marke, Preis und  Verfügbarkeit zu sortieren (bzw. zu filtern).
5. Da ich von den Marken zu diesem Zeitpunkt noch keine Vorstellung habe (die Marke spielt vielleicht eine Rolle, wenn ich drei oder vier Produkte in der engeren Wahl habe) kann ich nun nur noch jedes einzelne Produkt anklicken und auf der Detailseite versuchen, meine Wünsche zu überprüfen.
6. Ich werde mir bewusst, dass ich nun viel Zeit benötige, um weiter zu kommen. Ich breche den Versuch ab und komme vielleicht wieder, wenn ich genau weiß welches Produkt ich will, um den Preis zu vergleichen.

Die gleiche Shoppingtour beim Branchenprimus Amazon:

1. Auf der Startseite benötige ich ca. 20 Sekunden um die Rubrik Elektronik & Foto zu finden.
2. Weitere 10 Sekunden vergehen, bis ich die Unterpunkte Kamera & Foto à Digitalkameras gefunden habe.
3. Nun habe ich einen Produkt-Pool von ca. 3.500 Kameras!
4. Ich verwende nun für alles Weitere die Facettierte Navigation auf der linken Seite des Shops und wähle die Merkmale: Megapixel, Optischer Zoom und Display-Größe aus.
5. Ich finde sofort 3 Artikel, die meinen gewählten Merkmalen entsprechen! Bis zu diesem Punkt sind weitere 20 Sekunden vergangen.
6. In meiner engeren Wahl befinden sich nun noch 3 Hersteller. Deren Marketing-Positionierung spielt nun eine Rolle bei meiner Kaufentscheidung.
7. Ich habe den Filter für die Facette Preis noch gar nicht angewendet. Außerdem werde ich darauf aufmerksam, dass es offenbar auch noch weitere Merkmale gibt, die für mich interessant sein könnten (Bildstabilisierung).  Für dieses Feature gibt es nur noch ein einziges Produkt, welches auch preislich meinen Vorstellungen entspricht. Bis zum Kauf ist es nun nicht mehr weit…

Der Vergleich zeigt die Stärke einer Facettierten Navigation gegenüber einer starren, vorgegebenen Navigation. Nicht nur, dass Kunden viel schneller zu einem passenden Produkte finden, welches für anhand Ihrer speziellen Vorstellungen aus einem sehr großen Pool gefiltert wurde. Kunden stoßen außerdem auf neue Produktmerkmale und öffnen sich leichter für geeignete Upselling Möglichkeiten.

Wer sich schon einmal mittels einer Facettierten Navigation einer großen Produktvielfalt genähert hat, wird es zu schätzen wissen, dass alle Ergebnisse, die man angezeigt bekommt, als relevant wahrgenommen werden! Im Gegensatz hierzu ist die lästige Arbeit, ständig überprüfen zu müssen, welches der angezeigten Produkte die gewünschten Merkmale besitzt, einfach nur nerv tötend. Die Facettierte Navigation sorgt dafür, dass das Einkauferlebnis nicht in Arbeit ausartet und die Lust zum Shoppen bleibt erhalten. Wie förderlich dies für den Umsatz eines Onlineshops ist, muss nicht besonders betont werden.

Welcher Entwicklungsaufwand verbirgt sich hinter der Umstellung auf eine Facettierte Navigation

Für die Betreiber gilt es, drei grundlegende Aspekte ab zu decken:

1. Einheitliche Klassifizierung der Produktmerkmale (Facetten) und Definition der für die Navigation sinnvollen Wertebereiche (Speicherplatz von.. bis…, Zoomfaktor von… bis… etc.)
2. Festlegung der Komplexität (werden z.B. ODER-Filter zugelassen, steigt die Komplexität an)
3. Planung und Programmierung des Userinterfaces

Produktmerkmale:
Für viele Onlinehändler liegt die größte Hürde für die Einführung der Facettierten Navigation, im zum Teil sicherlich beträchtlichen Aufwand, den die Zuordnung der einzelnen Facetten der einzelnen Produkte nach sich zieht. Oftmals werden die Ausgangsdaten der Produkte über bestimmte Schnittstellen der Hersteller oder Großhändler geliefert. Diese Daten liefern in den meisten Fällen keine ausreichende bzw. einheitliche Unterteilung der Produktmerkmale, so wie dies für eine Facettierte Navigation benötigt wird. Hier muss im Einzelfall genau überprüft werden, welche Schritte zur Aufbereitung der Daten erforderlich sind. Der Einsatz von Personal für die manuelle Zuordnung von Merkmalen ist deshalb oft notwendig. Hier besteht die Herausforderung in der Entwicklung guter Backend-Interfaces, welche eine effiziente und personalschonende Arbeitsweise bei der Zuteilung von Facettenmerkmalen erlauben.

Komplexität:
Die zu einer bestimmten Kombination von Facetten passenden Produkte werden über geeignete Datenbankabfragen auf dem Server bewerkstelligt. Die hierfür benötigten Abfragen können schnell relativ komplex werden, insbesondere, wenn unterschiedliche Arten der Verknüpfung von Facetten möglich sein sollen. In vielen Fällen werden mehrere Werte einer Facette mit ODER verknüpft (z.B: Hersteller Sony ODER Panasonic).

Unterschiedliche Facetten werden in der Regel als Ganzes mit UND verknüpft: (Hersteller: Sony ODER Panasonic) UND (Megapixel: 8 – 10). Darüber hinaus sind jedoch auch EXCUSIV ODER Verknüpfungen innerhalb einer Facette sinnvoll. Im Onlineshop Amazon ist dies beim Filter für die Punkte der Kunderezensionen der Fall. Hier ist stets nur ein Facettenwert aktiv und es ist keine Verknüpfung innerhalb dieses Filters möglich.

Planung und Programmierung:
Sind Produktmerkmale und Komplexität der Facettierten Navigation ausreichend geplant, müssen die Benutzerführung und das Verhalten des Shop-Frontends festgelegt werden. Die Komplexität der geplanten Filtermöglichkeiten führt zu verschiedenen Zuständen bei der Anzeige der Facetten-Filter. Der Benutzer muss auf einen Blick erkennen, welche Filter gerade aktiv sind. Darüber hinaus ist es wichtig, dem Benutzer für jede zusätzlich mögliche Facette an zu zeigen, wie viele Ergebnisse diese im Suchergebnis liefern wird. Meist wird dieser Wert in Klammern hinter dem Ergebnis angezeigt. Ferner muss das Interface eine Lösung für nicht mehr anwendbare Facetten-Werte bereit halten (diese würden kein Filterergebnis liefern). Amazon zeigt z.B. jene Hersteller in der Facette nicht an, die keine Produkte im Filterergebnis mehr bringen würden.

Eine weitere Verbesserung der Benutzerführung entsteht durch die dynamische Aktualisierung der Produktliste, wenn ein Benutzer den Wert einer Facette geändert hat. Hier steigt der Komfort deutlich, wenn statt der gesamten Seite, lediglich die Produktliste aktualisiert wird.

Fazit: Der Einsatz Facettierter Navigationskonzepte steigert die Conversionsrate

Die Vorteile, welche durch das deutlich frustrationsärmere Kauferlebnis entstehen, steigern die Kundenzufriedenheit erheblich. Durch die Anzeige von Produktmerkmalen in der Navigation, die dem Kunden noch nicht bekannt waren, werden Upselling-Effekte gefördert.

Dem gegenüber steht ein oftmals relativ hoher Planungs- und Entwicklungsaufwand sowie ggf. der Einsatz zusätzlichen Personals, zur Klassifizierung von Produkten und Merkmalen.

In der Summe dürfte sich die Einführung der Facettierten Navigation besonders für Onlinehändler mit großem Produktbestand lohnen. Der harte Wettbewerb im Onlinehandel wird die Bedeutung einer hohen Kundenbindung immer mehr zum wesentlichen Erfolgskriterium machen. Viele Kunden haben erkannt, dass die Zeit, die für das Recherchieren eines Produktes verloren geht, oft nicht mehr in Relation zu einem etwas günstigeren Angebot steht. Amazon macht es vor! Wenn das Gesamtpaket aus Angebot, Kauferlebnis und Fullfillment stimmt, spart man sich gerne die Zeit für aufwändige Recherchen und Geschäfte mit “unbekannten” Schnäppchen-Anbietern!

Interesssante Beiträge zum Thema:

http://www.digital-web.com/articles/user_interface_implementations_of_faceted_browsing/

http://en.wikipedia.org/wiki/Faceted_search

Sie betreiben einen XT-Commerce und haben einen internationalen Kundenstamm? Dann kennen Sie das Problem mit der regelmäßigen Aktualisierung Ihrer Wechselkurse. Aktualisieren Sie die Umrechnungskurse für außereuropäische Währungen nicht oft genug, schwankt Ihr Gewinn spürbar in Abhängigkeit von der Stärke des Euro.

XT-Commerce liefert von Haus aus keinen automatischen Mechanismus für die Steuerung des Währungsrisikos. Es bleibt Ihnen lediglich die regelmäßige, manuelle Anpassung der Umrechnungskurse. Sieh haben auch keine einfache Möglichkeit das Währungsrisiko abzumildern, indem für einzelne Währungen einen bestimmten “Risikozuschlag” berücksichtigt wird. Hier müssen Sie entsprechende Zuschläge selber auf den jeweiligen Umrechnungskurs aufschlagen.

Schritt 1: Die XTC-Schnittstelle zur Europäischen Zentralbank

Die Europäische Zentralbank stellt unter der Adresse http://www.ecb.europa.eu/stats/eurofxref/eurofxref-daily.xml eine öffentliche Schnittstelle mit tagesaktuellen Umrechnungskursen zur Verfügung. Diese Schnittstelle kann regelmäßig über das SCHENCK-DATA Modul “XTC-Währungsabgleich” ausgelesen werden. Die Umrechnungskurse werden somit automatisch in Ihrem Shop übernommen und die Preise in allen Währungen aktuell angezeigt.

Schritt 2: Währungsrisiko über den Risikozuschlag reduzieren

Die tagesaktuelle Berechnung der Verkaufspreise in den einzelnen Währungen hilft Ihnen jedoch noch nicht das Währungsrisiko zu reduzieren. Es kommt vor, dass eine Währung im Zeitraum zwischen dem Verkauf einer Ware und deren Bezahlung, gegenüber dem Euro, an Wert verliert. Da hilft Ihnen auch nicht die Berücksichtigung tagesaktueller Wechselkurse. Um dieses Problem zu beherrschen müsste man den Wechselkurs der Zukunft kennen. Das ist unmöglich. Deshalb bietet sich die Verwendung eines Risikozuschlages an.

Wir legen also für jede Währung einen prozentualen Risikozuschlag fest und berücksichtigen diesen bei der Ermittlung der Verkaufspreise. Auf diesem Weg können Sie das Währungsrisiko zwar immer noch nicht auf einen Schlag eliminieren. Sie haben aber nun ein Werkzeug an der Hand, mit dem Sie auf einfache Weise den besten Risikozuschlag für einzelne Währungen finden können.

Schritt 3: Statistische Auswertung und Dokumentation der Umrechnungskurse

Mit Recht sollte man skeptisch sein, wenn man einem Software-Automaten Einfluss auf die Preisentwicklung im Shop gibt. Als Shopbetreiber will man sich über folgende Fragen im Klaren sein:

• Welche Bestellungen wurden mit welchem Umrechnungskurs gemacht?
• Wie war der Preisverlauf im Shop in einer bestimmten Währung?
• Welche Währungen müssen im Punkt Risikozuschlag angepasst werden?
• …

Das Modul zum XTC-Währungsabgleich darf deshalb nicht nur regelmäßige Anpassungen an den Umrechnungskursen vornehmen.  Die einzelnen Änderungen müssen in geeigneter Weise vom System, für die nachträgliche Auswertung und Dokumentation, gespeichert werden. Somit haben Sie die Möglichkeit Ihr Währungsrisiko im Laufe der Zeit richtig ein zu schätzen und geeignete Schritte im Punkto Preisentwicklung zu unternehmen.