Wie Trove dank Product Analytics von Contentsquare jährlich über 3 000 Stunden an Entwicklungsarbeit spart

Zentrale Insights

Das Unternehmen

Trove ist eine Technologie- und Betriebsplattform, die Marken beim Aufbau und Betrieb ihrer eigenen Wiederverkaufs- und Trade-in-Programme unterstützt. Von Trade-in-Initiativen und Marken-Resales (also Secondhand-Verkauf) über virtuelle Schaufenster bis hin zu Reparaturen und nachhaltigem Recycling bietet Trove seinen Markenpartnern die Tools und das operative Know-how, um Produkte länger im Umlauf zu halten. Damit wird der zirkuläre Handel mehr als nur ein Nachhaltigkeits-Statement, sondern vielmehr ein wichtiger Bestandteil des Geschäftsmodells.

Rocco Giordano, Senior Product Manager, und McCall James, Senior Data Analyst, sind verantwortlich für die Bereitstellung von Verhaltensanalysen und Funnel-Berichten, auf die sich über 40 Markenpartner verlassen, um ihre Programme zu betreiben.

Die Herausforderung

 Mit dem Wachstum des Partnernetzwerks von Trove und der Erweiterung ihres Produktangebots wurden die Einschränkungen des manuellen Event-Trackings immer deutlicher. 

Von einem kleinen Datenteam wurde erwartet, detaillierte und präzise Analysen für ein vielfältiges und wachsendes Portfolio zu liefern, das Trade-in-Programme im stationären Handel, Online-Resale-Plattformen, Reparaturdienste und Retourenabwicklungen umfasste. Ohne eine skalierbare Methode zur Erfassung von Verhaltensdaten konnte dieses Modell einfach nicht länger mithalten. 

Zu ihren zentralen Herausforderungen zählten:

• Entwickler:innen kodierten das Event-Tracking manuell in digitale Produkte ein, was bei einem 6-köpfigen Entwicklerteam jährlich etwa 252 Entwicklungsstunden in Anspruch nahm.

• Datenwissenschaftler:innen verbrachten ihre Zeit damit, getaggte Events anzufordern und auf sie zu warten, anstatt tatsächlich Daten zu analysieren.

• Das Onboarding neuer Partner konnte bis zu 2 Monate dauern – mit jeweils nur einem betreuten Partner zu einem bestimmten Zeitpunkt.

• Ihre fragmentierte Datenpipeline machte partner- und plattformübergreifende Vergleiche unzuverlässig.

• Die langsame Bearbeitung von Analytics-Anfragen schränkte die Fähigkeit des Teams ein, eine datenbasierte Entscheidungsfindung im gesamten Unternehmen voranzutreiben.

Mit dem Wachstum von Trove vergrößerten sich auch die Probleme. Neue Arten von Partner traten auf die Bildfläche: Einige bearbeiteten nur Retouren, andere führten Trade-in-Pilotprojekte durch, wieder andere boten vollumfängliche Programme an. Jeder dieser Partner erhöhte den Belastungsgrad des ohnehin schon schlank besetzten Teams.

Die Lösung

Trove hat Contentsquares Product Analytics, unterstützt von Heap, inzwischen seit 7 Jahren genutzt und es zu einem grundlegenden Bestandteil der Arbeitsweise des Datenteams gemacht. Es bietet dem Team eine einzige, vereinheitliche Plattform, die Verhaltensdaten automatisch in allen Trove-Umgebungen erfasst, sodass Partner volle Transparenz über ihre Programme erhalten. 

„Unabhängig davon, welche Trade-in-Plattform ein Partner für seine Implementierung auswählt: Wir verfügen über einen einheitlichen Satz von Events, um Funnels und Berichte zu erstellen. Die Konsistenz, die die Verfügbarkeit einer einzelnen Plattform wie Heap von Contentsquare bietet, um all diese Events zu tracken und in unsere Datenbank einzuspeisen, hat sich wirklich als hilfreich erwiesen – andernfalls hätten wir sie alle als nutzerdefinierte Events fest in unsere Codebasis einprogrammieren müssen, was einen enormen Aufwand für die Entwicklungs- und Wartungsteams bedeutet hätte.“

Rocco Giordano

Senior Product Manager

Wie Contentsquare Trove helfen konnte

1. Eliminierung von manuellem Event-Tagging mit Smart Capture

Mit Smart Capture erfasst Product Analytics Nutzerinteraktionen automatisch über alle digitalen Produkte von Trove hinweg – kein manuelles Setup erforderlich. 

„Smart Capture hat uns definitiv geholfen, wann immer wir mit neuen Entwicklungen oder einem neuen Produktions-Push nicht Schritt halten konnten. Da die Daten rückwirkend erfasst werden, kommt es nie vor, dass uns zum Beispiel plötzlich 2 Monate an Datenmaterial fehlen.“

McCall James

Senior Data Analyst

Für ein kleines Datenteam war das ein echter Durchbruch. Sobald eine neue Seite, ein neuer Button oder ein neues Feature livegeschaltet wird, werden die Daten automatisch und rückwirkend erfasst. Das garantiert, dass das Team niemals Verhaltensdaten verpasst – selbst dann nicht, wenn es nicht sofort auf einen neuen Produktions-Push reagieren kann.

Contentsquares Funktion Smart Capture erfasst vom ersten Tag an jede Interaktion auf deiner App oder Website

Als Trove ein neues Reparatur-Plug-in für Partner in Europa einführte, ermöglichte Smart Capture dem Datenteam, seinen gewohnten Berichtsablauf beizubehalten, ohne vor dem Pilotstart noch hektisch Events konfigurieren zu müssen. Alle Daten waren zu dem Zeitpunkt verfügbar, als sie benötigt wurden.

2. Skalierung des Partner-Onboardings von Monaten auf Tage

Bevor das Unternehmen Product Analytics nutzte, war das Onboarding neuer Markenpartner in die Analytics-Umgebung von Trove ein langwieriger und ressourcenintensiver Prozess – jeder Partner wurde einzeln betreut und konnte bis zu 2 Monate in Anspruch nehmen. Dank dem automatischen Event-Tracking ist die Einarbeitung von neuen Partnern nun genauso einfach wie das Anlegen und Starten eines neuen Projekts.

Inzwischen kann das Datenteam mehrere Partner gleichzeitig eingliedern – eine Umstellung, die es Trove unmittelbar ermöglichte, den internen KPI der drastischen Reduzierung der Onboarding-Zeit abzudecken. Für ein Unternehmen, das einen besonderen Fokus auf den Ausbau seines Partnerportfolios legt, war dies ein bedeutsamer Vorteil.

„Das ist so leicht wie das Erstellen und Live-Schalten einer neuen Web-Umgebung innerhalb eines Projekts: All diese Events laufen einfach automatisch durch. Für uns entsteht keine zusätzliche Arbeit. Das hat alles deutlich einfacher gemacht, und viel weniger Aufgaben gehen unter.“

McCall James

Senior Data Analyst

3. Freilegung von Daten-Insights in großem Umfang

Einer der strategisch wertvollsten Einsatzbereiche von Product Analytics bei Trove war die Nutzung von Funnel Analysis zur Verbesserung der Journey von Kund:innen durch die Trade-in-Experience. Im Gegensatz zum traditionellen E-Commerce gibt es nur wenige etablierte Branchenstudien darüber, was genau zu einem Trade-in-Flow mit hohen Conversion-Raten führt. Das bedeutet, dass Marken, die solche Programme anbieten, noch weitgehend im Dunkeln tappen und Teams, die diese Fragen beantworten können, einen echten Wettbewerbsvorteil haben. 

Das Produktteam von Trove nutzte Event-Daten aus Product Analytics, um genau zu ermitteln, wo Nutzende absprangen – und um verschiedene Implementierungen zu testen, die das richtige Gleichgewicht zwischen dem Sammeln von ausreichend Artikelinformationen und der durchgehenden Reibungslosigkeit der Experience herstellen sollten.

Diese Art von iterativer, datengestützter Produktentwicklung wäre mit manuellem Tagging nicht machbar. Von dem Entwicklerteam zu verlangen, für jeden neuen Flow ein neues Testszenario anzufertigen, wäre für ein 4-köpfiges Team einfach nicht skalierbar gewesen.

„Wir haben Heap von Contentsquare verwendet, um verschiedene Hypothesen zu testen, Daten auszuwerten und das Produkt zu verfeinern. Der alte Ansatz mit manuellem Tagging hätte sich dafür nicht geeignet – da hätten wir das Entwicklerteam bitten müssen, all diese verschiedenen Flows manuell auszubauen, um unterschiedliche Testszenarien zu tracken, und sowas ist einfach nicht skalierbar.“

Rocco Giordano

Senior Product Manager

Ein weiteres Beispiel, das dies gut veranschaulicht, dreht sich um ein Merchandising-Widget, das Trove für einen seiner Markenpartner, einen führenden Einzelhändler im Bereich Outdoor-Bekleidung, entwickelte. Das Widget wurde als Kachel auf der Hauptseite des Partner-Onlineshops angezeigt und forderte Kund:innen dazu auf, sich denselben Artikel auch als gebrauchte Resale-Version anzusehen.

Durch die Verwendung bereits vorhandener Events aus Product Analytics und das einfache Aufteilen der Daten anhand von UTM-Parametern (wobei unterschieden wurde zwischen Nutzenden, die über das Widget auf die Resale-Seite gelangten, und solchen, die organisch dort landeten) konnte Trove einen direkten Seite-an-Seite-Vergleich der Session-Performances beider Gruppen durchführen. Keinerlei neues Tagging nötig. 

Das Team konnte genau sehen, wie Nutzende, die über das Widget auf die Resale-Seite gelangten, sich im Vergleich zu gewöhnlichen Besuchenden verhielten. Das lieferte dem Markenpartner ein klares, datenbasiertes Bild davon, wie effektiv die Integration das Resale-Engagement ankurbelte.

4. Förderung von Analytics mit Selbstbedienung im gesamten Unternehmen

Die einfache Bedienbarkeit von Product Analytics hat den Nutzen dieser Funktionalität auch über das Daten- und Produktteam hinaus deutlich erweitert. Bei Trove können das Senior Partner Management und andere Mitarbeitende (ohne Datenfokus) direkt auf das Interface zugreifen – z. B. um schnell Berichte zu erstellen, nach Partnern zu filtern oder individuelle Fragen zu beantworten –, ohne ein Anfrageticket einreichen zu müssen. 

Dieses Prinzip der Selbstbedienung reduziert den Druck auf die Kapazitäten des Datenteams und ermöglicht seinen Teammitgliedern, sich auf Aufgaben mit höherem Impact zu konzentrieren, etwa auf das Einrichten neuer Berichtabläufe für Produkt-Launches oder auf die Überarbeitung von Datenmodellen.

McCall James kam ohne jegliche Vorkenntnisse im Umgang mit der Plattform zu Trove. Innerhalb weniger Wochen war sie vollständig einsatzfähig – ein Beleg dafür, wie intuitiv und nutzerfreundlich Product Analytics ist.

„Als ich zu Trove kam, hatte ich Heap von Contentsquare noch nie zuvor benutzt. Dank der Möglichkeit, ohne große Vorbereitung und nur mit einem knappen Onboarding einsteigen zu können, fiel es mir sehr leicht, auf den neusten Stand zu kommen und tatsächlich all das zu erledigen, was ich erledigen musste – und das bei minimaler Vorerfahrung.“

McCall James

Senior Data Analyst

Die Ergebnisse

Die Auswirkungen von Product Analytics auf die Geschäftsvorgänge von Trove waren erheblich, denn sie gingen mit einer erhöhten Effizienz der Entwicklungsabteilung und einer reduzierten Arbeitslast für das Datenteam einher:

• Rund 3 000 eingesparte FTE-Stunden (Vollzeitäquivalentstunden) im Jahr durch die Abschaffung des manuellen Event-Taggings über 6 Entwickler:innen und 3 Datenwissenschaftler:innen hinweg.

• 4 % bis 12 % jährliche Verbesserung der Kapazität für Analytics-Anfragen, wodurch das Team mehr Zeit hat, sich auf strategische, höherwertige Aufgaben zu konzentrieren,

• Verkürzung des Partner-Onboarding von Monaten auf Tage, wodurch Trove sein Partnerportfolio skalieren konnte, ohne zusätzliches Personal einzustellen, und

• ein 4-köpfiges Datenteam, das inzwischen über 40 Markenpartner betreut – mit einer konsistenten, zuverlässigen, plattformübergreifenden Berichterstattung.

Für Trove geht der Mehrwert weit über die eingesparten Arbeitsstunden hinaus. Product Analytics hat grundlegend verändert, was kleinere Teams leisten können – und dem Unternehmen einen echten Wettbewerbsvorteil in einer Branche verschafft, in der Verhaltensdaten rund um Resale- und Trade-in-Programme weiterhin Neuland sind.

„Eine zuverlässige, stabile Plattform zu haben, die einfach funktioniert – das ist das größte Plus. Sie eignet sich perfekt für das, was wir unseren Partnern bieten möchten, und erfordert von unserer Seite aus nur wenig Aufwand für Wartung und Pflege. Das ist ein enormer Vorteil, während man versucht, die Anzahl seiner Partner mit einem recht schlanken Team auszubauen.“

Rocco Giordano

Senior Product Manager

Was als Nächstes kommt

Da Trove seinen Fokus zurzeit auf das Retour-Management erweitert – eine der größten heutigen Herausforderungen für E-Commerce-Marken –, erkundet das Team aktiv tiefgreifendere Integrationen zwischen Product Analytics und der Betriebssoftware von Trove. 

Ziel ist es, Interaktionen auf Mitarbeiterniveau innerhalb von Lager- und Verarbeitungs-Workflows tracken zu können, um der Bereichsleitung bei der Identifizierung zu helfen, wo genau Mitarbeitende nicht weiterkommen und wo Effizienzsteigerungen möglich sind.

Das Team exploriert zudem das Contentsquare-Feature Session Replay und bemüht sich, die Nutzerakzeptanz von Contentsquare im gesamten Unternehmen zu erhöhen. Diese Roadmap verdeutlicht eine simple Wahrheit: Parallel zur Evolution von Trove entwickelt sich auch dessen unternehmensweite Nutzung der Contentsquare-Plattform weiter.

„Ganz gleich, wie ein Partnerprogramm aussieht und welche Teile von Trove dafür genutzt werden: Dank Contentsquare sind wir in der Lage, hierbei Unterstützung zu bieten. Die Zukunft schreitet pausenlos voran – und Contentsquare ermöglicht uns, den Anforderungen von jeglicher Art Entwicklung gerecht zu werden.“

McCall James

Senior Data Analyst