Fallstudie
Der Weg von Millionen Ersatzteilen aus dem CRM auf die Website, und warum wir heute früher an der Datenquelle ansetzen würden.
Ein unabhängiger Händler für Original-Ersatzteile aus der Industrie, rund 50 Mitarbeiter. Das Sortiment liegt in Salesforce, Millionen Teile von 2.226 Herstellern, und die Website in vier Sprachen ist der wichtigste Vertriebskanal. Sie musste aus diesen Daten entstehen, obwohl die Daten nicht sauber waren und Salesforce die Abfragen pro Monat begrenzt.
Eintrag 1
Ausgangslage
Dieser Kunde markiert die Untergrenze unserer Zielgruppe. Rund 50 Mitarbeiter sind wenig für ein KI-Projekt. Aber der Datenbestand ist größer als bei manchem Konzern, und an ihm hängt das Geschäft. Wer ein Ersatzteil für eine Anlage sucht, sucht nach Teilenummer und Hersteller, findet eine Produktseite und fragt an. Je mehr Teile auffindbar sind, desto mehr Anfragen kommen.
Das Sortiment wird in Salesforce gepflegt, vom Vertrieb, für Angebote, nicht für eine Website. Entsprechend sahen die Daten aus: Platzhalter, interne Kennungen, Zeichnungsnummern im Namensfeld, gestrichene Produkte, die nie gelöscht wurden. Ungefiltert wäre all das auf die Website gelangt.
Die Herstellerseiten waren bis auf den Firmennamen textgleich, 2.226 Mal derselbe Zweizeiler. Für Suchmaschinen sind solche Seiten wertlos, für Kunden auch. Und Salesforce begrenzt die Abfragen pro Monat: Suchmaschinen-Crawler, die Millionen Seiten besuchen, haben das Kontingent aufgebraucht, bevor ein Kunde die Seite sah. Eine Anfrage mit zwanzig Positionen erzeugte zwanzig einzelne Mails, die jemand im Innendienst zusammensetzen musste.
Eintrag 2
Zahlen vorher
| Hersteller im Sortiment | 2.226 |
|---|---|
| Teile | Millionen, gepflegt in Salesforce |
| Sprachen der Website | 4 |
| Herstellertexte | 2.226 identische Zweizeiler |
| Datenqualität | Platzhalter, interne Kennungen, Zeichnungsnummern im Namensfeld, gestrichene Produkte |
| Abfragekontingent | von Crawlern aufgebraucht, bevor Kunden kamen |
| Anfrage mit 20 Positionen | 20 einzelne Mails |
Eintrag 3
Der Weg
Etwa zehn Wochen bis zum ersten Wochenrollout, danach automatischer Betrieb. Die Wochenangaben sind gerundet.
- Woche 1 bis 2
Zählen, bevor gebaut wird
Wir haben den Bestand ausgewertet: welche Arten von Datenmüll es gibt und wie oft, und woher die Salesforce-Abfragen kommen. Ergebnis: Der größte Verbraucher waren nicht Kunden, sondern Crawler.
- Woche 3 bis 4
Filter vor der Verarbeitung
Ein Filter erkennt Platzhalter, Zeichnungsnummern im Namensfeld und gestrichene Produkte und hält sie aus allem heraus, was daraus entsteht: Seiten, Sitemaps, Texte. Die Daten in Salesforce bleiben unverändert, der Vertrieb arbeitet weiter wie gewohnt.
- Woche 3 bis 6
Zwischenspeicher und Drosselung
Zwischenspeicher in der Datenbank statt in Dateien, Laufzeiten je Datentyp, negatives Zwischenspeichern für tote Adressen, ein Suchbudget pro Stunde und Crawler-Regeln an der Netzwerkkante. Die Seite wurde dadurch nicht langsamer.
- Woche 5 bis 8
Herstellertexte mit Faktenanker
Für jeden Hersteller entsteht ein eigener Text in Deutsch und Englisch: Einleitung, Unternehmensprofil, Ersatzteil-Hinweise, Meta-Beschreibung. Faktenanker ist das reale Sortiment auf der Live-Seite, die Positionierung als unabhängiger Händler steht in jedem Text. Vor dem Livegang laufen Qualitätsprüfungen, bei einem Fehler folgt ein bitgleiches Rollback.
- Woche 9
Probelauf
Die ersten zehn Hersteller laufen durch den ganzen Ablauf und werden zusätzlich von Hand gegengelesen, auf unserer Seite und beim Kunden.
- ab Woche 10
Wochenrollout ohne Handarbeit
Zehn Hersteller pro Woche, nachts, sortiert nach Suchnachfrage, bis Rang 300, weil dort 86 Prozent des Herstellertraffics liegen. Freitags kommt ein Wochenbericht. Ein Stoppschalter hält den Rollout an, ohne etwas zu zerstören.
Eintrag 4
Ergebnis
Aus den Salesforce-Daten entstehen heute 3,3 Millionen Produktseiten in vier Sprachen, ohne Platzhalter und gestrichene Produkte. Die Salesforce-Abfragen sind um 71 Prozent gesunken, das Kontingent hält. Die Herstellertexte gehen im automatischen Wochenrollout live, jeder mit eigenem Inhalt statt Zweizeiler. Eine Anfrage mit zwanzig Positionen kommt als eine Mail an, mit Salesforce-Kennung je Position und einem Datenblock, den die nächste Stufe der Automatisierung direkt lesen kann.
| Kennzahl | vorher | nachher |
|---|---|---|
| Produktseiten | mit Datenmüll | 3,3 Millionen, gefiltert, vier Sprachen |
| Herstellertexte | 2.226 identische Zweizeiler | eigener Text je Hersteller, zehn pro Woche |
| Salesforce-Abfragen | Kontingent aufgebraucht | minus 71 Prozent |
| Prüfung vor Livegang | keine | elf Qualitätsprüfungen, bitgleiches Rollback |
| Anfrage mit 20 Positionen | 20 Mails | eine maschinenlesbare Mail |
| Überwachung | keine | Wochenbericht freitags, Fehlermeldungen höchstens eine pro Stunde je Fehlerart |
Betriebsart: Produktdaten enthalten keine Personendaten. Die Textrecherche läuft über Cloud-Modelle unter Vertrag, Rollout und Prüfungen laufen auf unserer Infrastruktur in Deutschland, Anfragedaten bleiben beim Kunden. Freigegeben wird über den Wochenbericht: Der Kunde liest ihn und kann jederzeit stoppen.
Eintrag 5
Was schiefging
- Veraltete Konzernzugehörigkeiten. Die ersten Textfassungen nannten bei einigen Herstellern Muttergesellschaften, die nach Übernahmen oder Verkäufen nicht mehr stimmten. Für einen unabhängigen Händler ist das doppelt heikel, weil eine falsche Zugehörigkeit wie eine Vertriebspartnerschaft wirken kann. Die Lehre: Die Recherche-Regel lautet jetzt, Konzernzugehörigkeit nur mit Datum und Quelle zu nennen, sonst wird sie weggelassen.
- Eine fehlende Prüfung in der ersten Woche. Im ersten Rollout prüfte der Ablauf noch nicht, ob Umlaute korrekt kodiert sind. Drei Texte mit Zeichenfehlern kamen durch. Wir haben sie korrigiert und die Prüfung als elfte ergänzt. Die Lehre: Zeichenkodierung ist keine Kleinigkeit, sondern die erste Prüfung in jedem mehrsprachigen Ablauf.
Eintrag 6
Was wir heute anders machen würden
Wir würden mit den Prüfungen beginnen und dann die Texte schreiben lassen, nicht umgekehrt. Die zehn Prüfungen des Starts waren aus den Fehlern abgeleitet, die wir erwartet hatten. Die elfte kam aus einem Fehler, den wir nicht erwartet hatten. Heute schreiben wir vor dem ersten Text eine Liste aller Dinge, die an einem Text falsch sein können, und lassen jede davon prüfen.
Bei Fakten über Dritte, wie Konzernstrukturen, Firmensitze oder Gründungsjahre, gilt von Anfang an: Quelle und Datum oder gar nicht. Das kostet ein paar Sätze Inhalt und erspart Korrekturen.
Und wir würden früher mit dem Vertrieb über die Datenpflege in Salesforce sprechen. Der Filter hält den Müll von der Website fern, aber an der Quelle entsteht er weiter. Ein paar Pflichtfelder und Auswahllisten bei der Anlage hätten dem Filter die Hälfte seiner Arbeit abgenommen.
Eintrag 7
Eckdaten
| Branche | Unabhängiger Handel mit Original-Ersatzteilen für die Industrie |
|---|---|
| Mitarbeiter | rund 50 |
| Systeme | Salesforce, WordPress, Cloudflare, Google Search Console, Postmark |
| Leistungen | Daten in Ordnung bringen, Texte und Inhalte in Menge, laufende Begleitung |
| Betriebsart | Produktdaten ohne Personenbezug; Textrecherche über Cloud-Modelle unter Vertrag; Betrieb auf unserer Infrastruktur in Deutschland |
| Dauer | etwa zehn Wochen bis zum ersten Wochenrollout, Rollout bis Rang 300 rund 30 Wochen, seither laufende Begleitung |
Übergabe
Der erste Schritt ist ein Gespräch von 30 Minuten.
Sie erzählen uns von dem Ablauf, der Sie am meisten Zeit kostet. Wir sagen Ihnen ehrlich, ob sich KI dort lohnt und was der nächste Schritt wäre. Ob danach eine Ablaufanalyse folgt, entscheiden Sie.