Ein Regal kann auf dem Papier perfekt aussehen und dennoch Marge vernichten. Wenn eine Topseller-Analyse bundesweit überzeugt, aber lokale Nachfrage, Bestandssituation und Flächenproduktivität ignoriert, entstehen Abschriften, Out-of-Stocks und verlorene Käufe. Wer Merchandising Entscheidungen datenbasiert treffen will, braucht deshalb mehr als ein Reporting mit Verkaufszahlen. Entscheidend ist ein Steuerungsmodell, das Daten in konkrete Entscheidungen für Sortiment, Platzierung, Preis und Verfügbarkeit übersetzt.
Warum Merchandising zur Führungsaufgabe wird
Merchandising war lange von Erfahrung, Händlerinstinkt und saisonaler Routine geprägt. Diese Kompetenzen bleiben wertvoll. Doch sie reichen nicht mehr aus, wenn Kundenerwartungen, Sortimentszyklen und Kanäle schneller wechseln als bisher. Die zentrale Frage lautet nicht, ob Daten menschliche Entscheidungen ersetzen. Sie lautet, welche Entscheidungen Führungsteams künftig noch ohne belastbare Signale verantworten können.
Der wirtschaftliche Hebel ist erheblich. Eine falsche Flächenallokation bindet Kapital und senkt die Produktivität. Eine verspätete Reaktion auf Nachfragesignale führt zu Überbeständen oder fehlender Ware. Ein identisches Planogramm für unterschiedlich performende Filialen ignoriert Kaufkraft, lokale Anlässe und regionale Präferenzen. Im Omnichannel-Modell verschärft sich das Problem: Verfügbarkeit im Shop, im Store und für Click & Collect muss gemeinsam gesteuert werden.
Datenbasierte Merchandising-Arbeit schafft dabei nicht automatisch bessere Resultate. Sie schafft zunächst Transparenz: Welche Artikel erzeugen Umsatz, welche sichern Marge, welche steigern den Warenkorb und welche beanspruchen Fläche ohne ausreichenden Ertrag? Aus dieser Transparenz entsteht erst dann Wert, wenn Verantwortlichkeiten, Entscheidungslogik und operative Umsetzung zusammenpassen.
Merchandising Entscheidungen datenbasiert treffen: mit der richtigen Fragestellung beginnen
Viele Handelsorganisationen starten beim Dashboard. Das ist nachvollziehbar, aber häufig der falsche erste Schritt. Ein Dashboard zeigt nur, was gemessen wird. Die relevantere Arbeit beginnt mit einer klaren kommerziellen Entscheidung: Soll die Fläche produktiver werden? Soll der Abverkauf eines saisonalen Sortiments beschleunigt werden? Geht es um eine höhere Verfügbarkeit bei margenstarken Artikeln oder um weniger Komplexität im Long Tail?
Erst wenn diese Frage präzise formuliert ist, lässt sich festlegen, welche Daten tatsächlich benötigt werden. Für eine Sortimentsentscheidung reichen Absatz und Umsatz selten aus. Nötig sind mindestens Informationen zu Rohertrag, Bestand, Abverkaufsgeschwindigkeit, Retouren, Abschriften und Flächenleistung. Bei einem filialisierten Händler kommen Standortprofil, Kundensegmente und lokale Wettbewerbsdichte hinzu. Bei digitalen Kanälen ergänzen Suche, Conversion, Warenkorblogik und Lieferfähigkeit das Bild.
Die stärkste Analyse bleibt wirkungslos, wenn sie auf eine Entscheidung trifft, die niemand operativ treffen darf oder kann. Deshalb sollte jede Analyse einen klaren Owner, einen Entscheidungstermin und eine definierte Maßnahme haben. Ein Category Lead muss beispielsweise wissen, ob eine schwache SKU ausgelistet, regional reduziert, anders platziert oder vorübergehend durch eine alternative Nachversorgung abgesichert wird.
Die Kennzahl darf nicht zur falschen Optimierung führen
Umsatz ist sichtbar, aber nicht immer der beste Kompass. Ein Artikel mit hohem Umsatz kann durch niedrige Marge, hohe Retouren oder geringe Verfügbarkeit anderer Produkte Wert zerstören. Umgekehrt kann ein Artikel mit moderatem Einzelumsatz als Frequenzbringer, Ergänzungsartikel oder Markenanker strategisch relevant sein.
Deshalb sollten Teams Kennzahlen als Entscheidungsset lesen, nicht als Rangliste. Besonders aussagekräftig wird die Kombination aus:
- Abverkauf und Bestandstagen, um Kapitalbindung und Nachfragerisiko zu bewerten
- Rohertrag pro Fläche oder pro Regalplatz, um Produktivität sichtbar zu machen
- Verfügbarkeit und Lost-Sales-Indikatoren, um vermeidbare Umsatzverluste zu erkennen
- Retouren, Abschriften und Markdown-Quote, um die tatsächliche Profitabilität einzuordnen
- Attach Rate und Warenkorbeffekt, um Cross-Selling und Sortimentsrollen zu verstehen
Welche Kennzahl Priorität hat, hängt vom Geschäftsmodell ab. Ein Premiumanbieter wird Markenwirkung und Beratungstiefe anders gewichten als ein Discounter. Ein Fashion-Retailer muss Saisonalität und Abschriften deutlich stärker berücksichtigen als ein Händler für Verbrauchsgüter. Datenbasierung bedeutet nicht, überall dieselbe Formel anzuwenden. Sie bedeutet, die Formel bewusst auf das Geschäftsmodell auszurichten.
Von der Analyse zum Test im Markt
Merchandising entscheidet sich nicht im Präsentationsdeck, sondern auf der Fläche und im digitalen Einkaufserlebnis. Deshalb sind kontrollierte Tests der schnellste Weg, Annahmen zu validieren. Statt ein neues Planogramm direkt auf das gesamte Filialnetz auszurollen, sollten vergleichbare Filialgruppen definiert werden. Eine Gruppe erhält die neue Platzierung, eine andere dient als Referenz. Entscheidend ist, nicht nur den Umsatz der betroffenen Kategorie zu messen, sondern auch Marge, Verfügbarkeit, Kannibalisierung und den gesamten Warenkorb zu betrachten.
Im E-Commerce gilt dieselbe Logik. Eine neue Sortierung, eine geänderte Empfehlungslogik oder ein prominenter Platz auf der Kategorieseite kann Conversion steigern und gleichzeitig margenstarke Produkte verdrängen. Wer nur auf Klicks schaut, optimiert möglicherweise Aufmerksamkeit statt Ertrag. Die relevante Frage ist: Welchen inkrementellen Wert erzeugt die Maßnahme nach Abzug von Rabatt, Retouren und operativem Aufwand?
Testen benötigt Disziplin. Saisonale Effekte, lokale Ereignisse und Lieferengpässe können Ergebnisse verzerren. Nicht jede Initiative muss wissenschaftliche Perfektion erreichen, aber jedes Team sollte vorab festlegen, welche Hypothese geprüft wird, welcher Zeitraum angemessen ist und ab welchem Ergebnis skaliert oder gestoppt wird. So wird Merchandising zu einem lernenden Steuerungssystem statt zu einer Abfolge von Einzelmaßnahmen.
Die häufigsten Fehler liegen zwischen Daten und Umsetzung
Der erste Fehler ist Datensilos zu akzeptieren. Wenn POS-Daten, Bestandsdaten, E-Commerce-Signale und Kampagneninformationen getrennt analysiert werden, entsteht keine belastbare Sicht auf Nachfrage und Profitabilität. Die Lösung ist nicht zwangsläufig ein Großprojekt. Oft reicht es, für die priorisierten Entscheidungen eine gemeinsame, verlässliche Datenbasis mit klaren Definitionen aufzubauen.
Der zweite Fehler ist die Verwechslung von Korrelation und Ursache. Wenn sich ein Produkt nach einer Platzierungsänderung besser verkauft, kann die Ursache auch eine Kampagne, ein Wetterwechsel oder eine zeitgleich verbesserte Warenverfügbarkeit sein. Teams müssen solche Einflussfaktoren aktiv hinterfragen, bevor sie ein Muster zum Standard erklären.
Der dritte Fehler ist Überautomatisierung. Algorithmen können Nachfrage prognostizieren, Sortimente clustern und Platzierungsoptionen bewerten. Sie verstehen jedoch nicht automatisch strategische Markenentscheidungen, lokale Marktbesonderheiten oder die Folgen einer angespannten Lieferantenbeziehung. Gute Systeme geben Empfehlungen mit nachvollziehbaren Treibern. Die finale Entscheidung bleibt dort menschlich, wo Zielkonflikte und Kontext entscheidend sind.
Ein Operating Model, das Entscheidungen beschleunigt
Datenbasierung wird wirksam, wenn Category Management, Einkauf, Supply Chain, Store Operations und Digital Commerce auf einen gemeinsamen Takt hinarbeiten. Wöchentliche Performance-Routinen können kurzfristige Verfügbarkeits- und Abverkaufsfragen lösen. Monatliche Sortiments- und Flächenreviews schaffen Raum für strukturelle Entscheidungen. Auf Managementebene braucht es wenige, klar priorisierte Ziele statt eines Kennzahlenfriedhofs.
Besonders wichtig ist die Rückkopplung aus den Filialen. Store Teams sehen, wenn Planogramme nicht zur tatsächlichen Fläche passen, wenn Kunden nach fehlenden Größen fragen oder wenn eine Warengruppe Beratung benötigt. Diese Beobachtungen sind kein Gegenmodell zu Daten. Sie sind Kontextdaten, die zentrale Analysen präziser machen. Die besten Handelsorganisationen verbinden beides: skalierbare Analytik und operative Marktkenntnis.
Auch Governance ist ein Wettbewerbsfaktor. Wer darf Preis, Platzierung oder Sortimentsbreite verändern? Welche Mindestmarge gilt? Wann ist eine regionale Abweichung sinnvoll? Ohne diese Regeln wird jede datenbasierte Empfehlung zur Diskussion ohne Entscheidung. Mit ihnen können Teams schneller handeln, Effekte messen und erfolgreiche Maßnahmen kontrolliert skalieren.
Für Retail Leaders liegt die Chance nicht in einem weiteren Reporting-Tool. Sie liegt darin, Merchandising als kommerzielles Steuerungsfeld neu zu organisieren: mit klaren Hypothesen, gemeinsamen Datenstandards und dem Mut, etablierte Flächen- und Sortimentslogiken im Markt zu testen. Genau diese Fragen gehören in den vertraulichen Austausch von Praktikern – etwa bei RETAIL NXT – weil sie nicht abstrakt, sondern direkt in Ergebnis, Kapitalbindung und Kundenerlebnis einzahlen.
Der nächste sinnvolle Schritt ist klein genug, um ihn schnell umzusetzen, und relevant genug, um Wirkung zu beweisen: Wählen Sie eine Kategorie, eine klare Profitabilitätshypothese und eine verantwortliche Person. Dann lassen Sie nicht das lauteste Bauchgefühl entscheiden, sondern das, was der Markt tatsächlich zeigt.