Wie eine Promotion-Palette zur profitablen Datenplattform wird.
Ein Discovery-Track für Brambles' Retail Promotions, der untersuchte, ob die bei Walmart, Costco und großen CPG-Marken wie Guinness und P&G eingesetzten Viertelpaletten-Displays Marken und Händlern etwas zeigen könnten, das bisher niemand sehen konnte: Steht diese Promotion tatsächlich auf der Verkaufsfläche, oder ist sie irgendwo im Lager verschwunden? Zwei Prototyping-Runden später befindet sich das Produkt heute im aktiven Kundentest.
Was ein Promotion-Display eigentlich ist
Das Objekt im Zentrum dieser gesamten Fallstudie: eine gebrandete freistehende Displayeinheit (FSDU), mit Produkten bestückt und so gebaut, dass sie auf einer Palette sitzt, sodass sie geliefert, an Ort und Stelle gerollt und in Minuten aufgebaut werden kann. Das ist gemeint, wann immer im Folgenden von „der Palette“ und „dem Display“ die Rede ist.
Projektüberblick
Ein Discovery-Track, der mich eng mit einer leitenden UX-Researcherin zusammenbrachte, zwei Prototyping-Runden durchlief und heute die Evidenzbasis für ein Produkt im aktiven Kundentest bildet.
Die Herausforderung, kurz gefasst
Marken geben jährlich über 500 Milliarden US-Dollar für Trade Promotions aus, doch sobald eine Promotion-Palette das Lager verlässt, wird die Filiale zur Blackbox. Zwischen 40–60 % der Displays werden verspätet aktiviert oder erreichen die Verkaufsfläche nie, verschwinden im Lager, werden umgeräumt oder zu früh entfernt, und niemand erfährt davon, bevor die Promotion schon vorbei ist. Brambles' intelligente Viertelpaletten-Displays, bereits in Tausenden Filialen im Einsatz, waren der einzige Vermögenswert mit einer echten Chance, diese Lücke zu schließen, ohne von einem einzigen Händler zu verlangen, neue Infrastruktur zu installieren.
Die Filiale ist das datenärmste Umfeld im Handel, und wir hatten bereits eine Palette darin.
Meine Rolle, kurz gefasst
Ich war Lead Designer im Trio, das diesen Discovery-Track vorantrieb, und arbeitete besonders eng mit Olga, unserer leitenden UX-Researcherin, deren Recherche den Großteil des Folgenden untermauert. Ich habe nicht einfach aus zweiter Hand nach ihren Erkenntnissen gestaltet: Ich habe Filialen mit ihr besucht, an Nutzersitzungen teilgenommen und persönlich Stakeholder interviewt, darunter Filialleiter*innen bei Tesco, Asda und Sainsbury's sowie Co-Packer von Guinness. Ich habe beide Prototyping-Runden selbst gestaltet und gebaut, einmal in Figma, einmal fast vollständig in einem KI-beschleunigten Playground, während Olga die Forschungssitzungen dazu leitete.
Wirkung, kurz gefasst
Echtzeit-Aktivierungsalarme, in Erprobungen getestet, steigerten die Promotion-Verkaufszeit über eine gesamte Promotion hinweg um rund 80 %. Frühe Placement-Optimierungstests brachten eine Steigerung um das 4,5-Fache der Verkäufe auf Display-Ebene. Die aus diesem Discovery-Track entstandene Klassifizierung der Aktivierung vorne/hinten im Geschäft befindet sich heute im aktiven Test bei Marken und Händlern — die erste Stufe einer Plattform, deren nächster Horizont, die Gewichts-/Verbrauchserkennung, bereits separat erprobt wird: nicht mehr nur, ob eine Palette die Verkaufsfläche erreicht hat, sondern ob tatsächlich eine Flasche daraus entnommen und in einen Verkauf umgewandelt wurde.
Die Herausforderung
Marken wie Guinness und P&G zahlen Händlern wie Walmart, Costco, Tesco und Sainsbury's erhebliche Summen für gut sichtbare Displayplätze in der Filiale. Das ist die kommerzielle Logik hinter Trade Promotions: Ein gut platziertes Display treibt das Volumen, verteidigt Regalfläche gegen eine stetig wachsende Konkurrenz durch Eigenmarken und ist einer der größten Posten in vielen CPG-Marketingbudgets, oft größer als die Medienausgaben.
Das Problem ist: Sobald eine Promotion-Palette das Lager verlässt, kann niemand mehr sehen, was mit ihr geschieht. Anders als im E-Commerce, wo jeder Klick und jede Conversion nachverfolgt wird, erzeugt die physische Filiale fast keine Ausführungsdaten. Marken wissen, was sie versendet haben, und was an der Kasse gescannt wurde. Alles dazwischen ist eine Grauzone, und genau in dieser Grauzone geraten Promotions aus dem Ruder: Paletten bleiben im Lager stehen, werden zur Sicherung der Verfügbarkeit auf normale Regale umgeräumt, starten verspätet oder werden vor Ende des Promotionszeitraums wieder entfernt. In den Zielmärkten werden zwischen 40–60 % der Promotion-Paletten verspätet oder gar nicht aktiviert, und bis das jemand bemerkt, ist das Zeitfenster zur Korrektur längst geschlossen.
Brambles/CHEP verfügte bereits über einen Vermögenswert, der physisch in Tausenden von Filialen präsent war und den kein Wettbewerber leicht nachbilden konnte: die Palette selbst. Da CHEP seine Paletten zurückholt, konnte in sie integrierte intelligente Sensorik im großen Maßstab über einen enormen Filial-Footprint hinweg ausgerollt und wieder eingesammelt werden, ohne von einem einzigen Händler zu verlangen, neue Infrastruktur zu installieren oder Systemzugriff zu gewähren. Die Frage, die dieser Discovery-Track beantworten sollte, war, ob diese Palette, ausgestattet mit Sensoren, die Bewegung, WLAN- und Bluetooth-Signale fusionieren, um ihren tatsächlichen Standort zu bestimmen, ein wirklich neues, profitables Datenprodukt für Brambles' Supply-Chain-Illumination-Plattform werden konnte, und nicht nur eine Tracking-Funktion, für die niemand zahlen würde.
Die Filiale ist das datenärmste Umfeld im Handel, und wir hatten bereits eine Palette darin.
„Was sind die zusätzlichen Kosten dafür, ein FSDU zu haben und diese Produkte nicht normal aus dem Regal zu verkaufen? Wahrscheinlich 20.000, 30.000? Zu viel. Was muss ich tun, damit es etwas profitabler wird? Welche Produkte muss ich hinzufügen, damit es profitabler wird?“
„Die finanzielle Auswirkung zeigt sich auf zwei Ebenen: einerseits eine etwaige Kompensation, die gewährt würde, und andererseits die Auswirkung auf Umsatz und Gewinn, denn wenn etwas nicht gut oder gar nicht umgesetzt wurde, dann gibt es … etwas, das wir als Unternehmen verpasst haben.“
Meine Rolle
Ich war der Lead Designer im Trio, das diesen Discovery-Track leitete, und arbeitete dabei mit einer Product Lead sowie, noch enger, mit Olga, unserer leitenden UX-Researcherin, zusammen.
Die im Folgenden beschriebene Recherche ist überwiegend Olgas Arbeit, und das möchte ich offen sagen. Was ich beigetragen habe, war, nah genug dranzubleiben, um nützlich zu sein, statt Ergebnisse erst im Nachhinein zu sichten: Ich habe persönlich Filialen mit ihr besucht, einschließlich der von der Asda-Filialleiterin geführten Begehung, die in Kapitel 01 erwähnt wird, und ich habe an den moderierten Nutzersitzungen in beiden Prototyping-Runden teilgenommen und beobachtet, wie Menschen tatsächlich auf das reagierten, was ich gebaut hatte, statt es nur aus zweiter Hand zu erfahren. Parallel dazu habe ich unterwegs eigene Interviews mit Stakeholdern geführt, darunter Filialleiter*innen bei Tesco, Asda und Sainsbury's sowie Co-Packer von Guinness, deren Alltagsrealität aus Umräumen, Engpässen und Compliance-Checklisten geprägt hat, was das Produkt erkennen und worauf es reagieren musste.
Auf der Design-Seite habe ich beide Prototyping-Runden selbst konzipiert und gebaut: die erste in Figma, getestet mit US-Marken wie Green Garden; die zweite, in diesem Jahr, fast vollständig in einem KI-beschleunigten Playground, mit demselben von VS Code und Claude getriebenen Workflow, der auf der KI-Playground-Seite beschrieben wird, und deutlich weniger Abhängigkeit von statischen Figma-Dateien.
Zu verstehen, was auf der Verkaufsfläche tatsächlich passiert, kam vor jeglicher Gestaltungsarbeit.
Rein in die Filialen
Bevor wir irgendetwas gestalteten, mussten wir physisch sehen, was mit einem Promotion-Display passiert, sobald es das Lager verlässt. Olga leitete diese Recherche; ich besuchte Filialen und interviewte Stakeholder an ihrer Seite.
Olgas Forschungsprogramm kombinierte Retail-Safaris durch Tesco-, Sainsbury's- und Asda-Filialen im Raum Birmingham, einen eigenen Feldbesuch mit Interview bei der Filialleiterin eines Asda-Supermarkts in Coventry sowie direkte Gespräche mit den Menschen, die Promotions im Alltag tatsächlich umsetzen: Filialleiter*innen, CPM-Merchandiser und, auf meiner Seite, Co-Packer von Guinness. Ich habe persönlich an den Filialbesuchen und der von der Filialleiterin geführten Begehung teilgenommen und eigene Interviews mit Händler- und Lieferanten-Stakeholdern parallel zu Olgas Programm geführt, statt erst im Nachhinein aus einer Synthese-Präsentation zu arbeiten.
Was dabei herauskam, stellte das Problem neu dar. Die Ausführungsreife unterscheidet sich stark je nach Händler: Tescos Gänge waren sichtbar strukturierter, geregelt durch strikte Engpassregeln wie eine „Fünf-Kachel-Regel“, um Laufwege freizuhalten; Sainsbury's hatte mehr aktive Promotions auf der Verkaufsfläche, unterstützt durch ein Barcode-Scansystem, das der Zentrale Sichtbarkeit über die Aktivierung verschafft, doch dasselbe Volumen ging mit geringerer Compliance, vermischten Produkten und uneinheitlicher Ausführung einher; Asdas Ansatz stellte die Verfügbarkeit an erste Stelle, war schwächer bei der Promotion-Hygiene, mit Personal, das sich eher auf das Einräumen der Regale konzentrierte als darauf, ob ein bestimmtes Display korrekt aussah. Die zugrunde liegenden Zwänge waren jedoch überall gleich: begrenzter Lagerplatz, Engpässe in den Gängen, Diebstahlrisiko, und Filialteams, die mit fragmentierten Systemen arbeiteten, ohne eine einheitliche Sicht auf alles, was gerade in ihrer Filiale lief.
Filialleiter*innen denken wie Händler, nicht wie Merchandiser
Filialleiter*innen werden vor fast allem anderen am Filialgewinn gemessen. Ihr Instinkt ist es, Ware so schnell wie möglich ins Regal zu bringen, um Umsatz und Verfügbarkeit zu sichern, egal ob sie in der richtigen Promotion-Position landet. Irgendetwas ins Regal zu bringen schlägt das Richtige am richtigen Ort ins Regal zu bringen.
Umräumen ist eine rationale Reaktion, kein Versagen
Wenn der Platz knapp ist, die Engpassregeln streng sind oder das Diebstahlrisiko hoch ist, räumt das Personal Promotion-Ware aus dem vorgesehenen Display in gewöhnliche Regale um. Vom Dashboard einer Marke aus sieht das wie Non-Compliance aus. Auf der Verkaufsfläche ist es der vernünftige Kompromiss, der der Person zur Verfügung steht, die den Platz tatsächlich verwaltet.
Compliance wird auf Papier erfasst und verlässt die Filiale kaum
Filialleiter*innen gehen nach dem Aufbau über die Verkaufsfläche und notieren die Compliance auf einer papierbasierten Checkliste, die vor allem für den Fall aufbewahrt wird, dass ein Besuch der Geschäftsleitung danach fragt. Sie erreicht fast nie die Zentrale und nie die Marke, die für den Platz bezahlt hat.
Aktivierung und Compliance sind zwei verschiedene Dinge
Ein Display kann „aktiviert“ sein, also auf der Verkaufsfläche präsent, und trotzdem nicht compliant: vermischte Produkte, falscher Standort, beschädigte Verpackung. Jede Lösung musste diese beiden Zustände unterscheiden können, statt nur ein einziges Aktivierungs-Flag zu melden.
Das waren keine abstrakten Personas. Es waren konkrete Menschen, Filialleiter*innen, die uns durch ihre eigenen Lager führten, Merchandiser, die erklärten, warum ein Display, das auf dem Papier „aktiviert“ aussah, im Regal vermischt und ohne Preisschild stand, gegen die die beiden folgenden Prototyping-Runden entworfen und getestet wurden.
Bevor wir irgendetwas gestalteten, kartierte das Trio das gesamte Ökosystem: jede Phase, jeden Akteur, und die physische Filiale selbst.
Das Ökosystem kartieren
Vor jeglicher Gestaltungsarbeit haben wir den gesamten Retail-Promotions-Verlauf, jede beteiligte Instanz und die physische Filiale selbst kartiert, damit das gestaltete Produkt der Realität entspricht und nicht nur einem Plan.
Wir gingen dabei über Service Blueprints vor und kartierten den Aktivierungs- und Compliance-Verlauf Schritt für Schritt, wobei wir sowohl die nutzerseitig sichtbaren Handlungen (ein Merchandiser, der ein Display scannt, eine Filialleitung, die über die Fläche geht) als auch die dahinterliegenden Backstage-Systeme und -Prozesse erfassten. Erst das gemeinsame Blueprinting beider Ebenen, statt nur der sichtbaren Schritte, brachte Reibungspunkte und Chancen zutage, die ein einfaches Flussdiagramm übersehen hätte.
Sieben Phasen, vier Instanzen, ein Moment, auf den wir uns zuerst konzentriert haben.
Hersteller (M), Händler (R), Co-Packer (CP) und Außendienstteam (FT) sind an unterschiedlichen Phasen desselben Verlaufs beteiligt. Aktivierung & Compliance, Phase fünf, ist die Phase, auf die sich dieser Discovery-Track und beide Prototyping-Runden konzentrierten.
Kampagnen werden konzipiert, Volumina geschätzt, Konditionen zwischen Marke und Händler verhandelt.
Die kreative und technische Entwicklung des Displays selbst.
Die Displays werden physisch gebaut und beladen, bevor sie an die Distributionszentren der Händler versendet werden.
Die Displays gelangen von der Montage bis in die einzelnen Filialen.
Die Displays werden aufgebaut, auf der Verkaufsfläche aktiviert und mit dem Plan abgeglichen. Unser Fokus.
Die Display-Performance wird verfolgt, und Nachschubentscheidungen werden getroffen.
Die Kampagnenergebnisse werden gegen die in Phase eins gesetzten Ziele analysiert.
Der Ort: die Filiale
Phase fünf findet in einem physischen Raum statt, den der Großteil des Teams, und jede Marke, die für ein Display bezahlt, nie tatsächlich durchläuft. Ihn zu kartieren war ebenso wichtig wie den Prozess zu kartieren.
Erst diese Aufteilung der Filiale ließ die Recherche mit den Filialleiter*innen aus Kapitel 01 als System statt als Sammlung von Anekdoten Sinn ergeben. Das Umräumen geschieht genau an der Grenze zwischen diesen beiden Hälften. Compliance-Checklisten werden auf der einen Seite ausgefüllt und wandern selten zur anderen. Das gesamte Wertversprechen einer Palette, „ist dieses Display auf der Verkaufsfläche“, ergibt erst dann Sinn, wenn man zeigen kann, wo die Verkaufsfläche tatsächlich beginnt.
Die Akteure
Fünf Rollen sind direkt dafür verantwortlich, was mit einem Display geschieht, sobald es eine Filiale erreicht. Jede von ihnen hat geprägt, wie sich der Prototyp verhalten musste.
Filialleiter*in
Verantwortlich für die Gesamtleistung der Filiale, wobei der Gewinn das Hauptziel ist. Aktivierung und Compliance konkurrieren mit einer deutlich längeren Liste an Kennzahlen.
Bereichsleiter*in
Überwacht das Tagesgeschäft innerhalb einer Produktkategorie und stellt sicher, dass Waren, einschließlich Promotion-Ware, im Regal und verfügbar sind.
Filialmitarbeiter*in
Übernimmt die täglichen operativen Aufgaben, die ein Display vom Lager ins Regal bringen, und nach Ende der Promotion wieder zurück.
Merchandiser
Besucht Filialen, um zu prüfen, ob eine Kampagne standardgerecht aktiviert wurde, dokumentiert die Compliance mit Fotos, nach einem geplanten Streckenplan, den er/sie nicht vollständig selbst bestimmt.
Bezirksleiter*in
Verantwortlich für eine Gruppe von Filialen. Der Führungsbesuch, den Filialleiter*innen als eigentliche Compliance-Prüfung beschreiben, mehr als es jedes System leistet.
„Da bewegt man sich wirklich im Bereich der echten Wertschöpfung, weil man nicht einfach eine Filiale besucht, in der das Display schon steht, um nur ein Foto zu machen. Man stellt sicher, dass man in jeder Filiale, die man betritt, tatsächlich etwas bewirkt.“
Dieselben zugrunde liegenden Ausführungsdaten bedeuten für jeden von ihnen etwas anderes. Eine Filialleitung muss jetzt, sofort, wissen, ob ein bestimmtes Display in ihrer Filiale aktiv ist. Eine Regionalleitung muss Filialen vergleichen, um zu priorisieren, wohin die begrenzte Außendienstzeit fließt. Eine Category-Managerin oder ein Category-Manager braucht dieselben Daten aggregiert über alle Kampagnen und Regionen, um die nächste Kampagne besser zu planen.
| Rolle | Was sie aus denselben Daten benötigen |
|---|---|
| Filialleiter*in | Echtzeit, auf Filialebene: Ist dieses Display gerade aktiv, damit ein Problem gelöst werden kann, bevor es einen Verkauf kostet. |
| Regionalleiter*in | Wöchentlich, auf Regionsebene: Welche Filialen fallen zurück, damit Außendienstbesuche dort stattfinden, wo sie das Ergebnis tatsächlich verändern. |
| Category Manager | Monatlich und quartalsweise, filialübergreifend: Was die Performance über alle Kampagnen hinweg bestimmt hat, um die nächste besser zu planen. |
Recherche in ein strukturiertes Modell überführen
Die Akteure zu verstehen reichte allein nicht aus. Wir führten eine strukturierte Akteurs- und Capability-Mapping-Übung durch, ausgehend von einer Kontextaussage über die Beziehungen zwischen den Akteuren bis hin zu einer Reihe überprüfbarer Aussagen, damit das spätere Produkt auf einem belegten Wert basierte und nicht auf einer Vermutung, wer es nützlich finden würde.
Die Kontextaussage
Situation. Während der Erstsemesterwoche erleben Nahversorger in Campusnähe einen Nachfrageschub bei Studierenden nach Energydrinks: ein schneller Impulskauf zwischen Vorlesungen und abendlichen Treffen.
Herausforderung. Promotion-Umsätze in Filialen mit begrenzter Flächen- und Lagerkapazität maximieren, während die Displays während einer kurzen, nachfragestarken Kampagnenperiode nachbestückt bleiben.
Chance. Wirkungsvolle, leicht nachzufüllende Promotion-Displays schaffen, die die Sichtbarkeit erhöhen, Impulskäufe fördern und die Verfügbarkeit während der gesamten Promotion aufrechterhalten.
Vom Akteur zur Capability
Die Zuordnung der Vermögenswerte, Zwänge und Ziele jedes Akteurs führte zu einer einfachen Capability-Aussage, getestet gegen jeden Akteur im Ökosystem: Als Filialleiter*in besitze ich Promotion-Fläche und -Zeit, was Daten liefern kann darüber, was wann und wo verkauft wird, wovon profitieren können der Hersteller (Planung der nächsten Promotion) und der Kunde (Bequemlichkeit und Verfügbarkeit).
Vom Risiko zur überprüfbaren Aussage
Jede Capability wurde anschließend so lange auf die Probe gestellt, bis daraus eine Aussage wurde, die tatsächlich jemand überprüfen konnte. Die klarste davon wurde zum Rückgrat des späteren Produkts: Das Risiko, dass ein Display auf der Verkaufsfläche „nicht aktiviert“ bleibt, wird zur überprüfbaren Aussage „% aktiviert“, mit dem Hersteller als direktem Nutznießer. Genau diese Umformulierung, von einer nicht überprüfbaren Annahme zu einer messbaren Aussage, ist es, die aus den Tracking-Daten dieses Kapitels ein Produkt gemacht hat, für das eine Marke zahlen würde.
Die Filiale zu verstehen hat neu definiert, was das Produkt eigentlich sein musste: kein Bericht, sondern eine Intervention.
Vom Tracking zum Datenprodukt
Der geschäftliche Case wurde erst greifbar, als wir die Palette neu dachten, nicht mehr als „einen Vermögenswert, den man zurückholt“, sondern als „einen Sensor, der bereits in großem Maßstab in Tausenden von Filialen im Einsatz ist“.
Brambles/CHEPs Viertelpaletten-Promotion-Displays tragen bereits einen kleinen Stapel an Sensoren: Bluetooth und WLAN für die Indoor-Positionierung, einen Beschleunigungssensor und ein Magnetometer, um zu erkennen, wann eine Palette tatsächlich bewegt und neu ausgerichtet wurde statt nur leicht angestoßen, einen Temperatursensor, um zu bestätigen, dass sie sich in einem Kundenbereich befindet statt noch im Kühllager oder Transit, und eine Mobilfunkanbindung für eine grobe Standortbestimmung, wenn nichts Präziseres verfügbar ist. Ein GPS-Modul ist ebenfalls verbaut, derzeit deaktiviert, um die Batterie zu schonen, bis es gebraucht wird. Zu einem einzigen Klassifizierungsmodell zusammengeführt, reichen diese Daten aus, um die zwei geschäftlich kritischsten Fragen im gesamten Promotion-Lebenszyklus zu beantworten: Ist diese Palette in der richtigen Filiale angekommen, und wurde sie im vorderen Verkaufsbereich aktiviert statt im Lager liegen geblieben? Das ist die „Jetzt“-Fähigkeit, die Echtzeit-Klassifizierung der Aktivierung vorne/hinten im Geschäft, und sie ist es, die sich heute im aktiven Kundentest befindet. Dieser Discovery-Track und beide Prototyping-Runden konzentrierten sich bewusst auf genau diesen einen Moment: die Aktivierung, nicht den gesamten Promotion-Lebenszyklus.
Das ist zudem nur der Einstiegspunkt. Dieselbe Palette ist eine Plattform: Jeder zusätzliche Sensor eröffnet eine neue Kategorie an Handlungsmöglichkeiten. Über die Aktivierungserkennung hinaus läuft bereits ein separater, weiter fortgeschrittener Test direkt in den Filialen: die Gewichts-/Verbrauchserkennung, präzise genug, um zu wissen, ob eine Flasche Coca-Cola oder eine Kiste Guinness tatsächlich vom Display genommen und in einen Verkauf umgewandelt wurde. Dieser Test liegt außerhalb des Umfangs dieses Discovery-Tracks, ist aber der nächste Horizont auf derselben Plattform, neben Qualitätsüberwachung während des Transports, die Temperatur-, Stoß- oder Feuchtigkeitsschäden erkennt, bevor ein Display überhaupt aktiviert wird, präziser Standortbestimmung auf Gangebene, und einem Compliance-Score, der all das in einer einzigen Zahl bündelt, auf deren Grundlage Marken, Händler und Merchandiser gemeinsam handeln können.
Nicht „ist die Palette angekommen.“ Ist sie rechtzeitig zum Verkauf im vorderen Verkaufsbereich angekommen.
„[Retail-Promotion-]Kampagnen sind für uns eine ziemlich große Investition. Früher, wenn diese Paletten aus unserem Lager abgeholt wurden, verschwanden sie in einem schwarzen Loch. … Wir brauchen durchgängige Sichtbarkeit, und wenn eine Palette nicht angekommen ist, will ich sehen, wo sie hängt.“
Null Händlerreibung, per Design
Jede Lösung, die von einem Händler verlangt, Hardware zu installieren oder Systemzugriff zu gewähren, stößt auf einen langsamen, politischen Freigabeprozess, den die meisten Händler schlicht nicht bewilligen. Hier funktioniert alles, weil die Sensorik auf der Palette sitzt, nicht in der Filiale, genau deshalb kann Brambles das zu Kosten und in einem Maßstab umsetzen, den sonst niemand erreichen kann.
Echtzeit-Alarme, kein Post-Mortem
Der Wert liegt nicht in einem Bericht, der nach Ende der Promotion bestätigt, dass ein Display versagt hat. Er liegt darin, einen Merchandiser oder ein Filialteam zu alarmieren, solange noch Zeit bleibt, eine Palette vom Lager ins Regal zu bewegen, und Testdaten zeigen, dass diese Intervention verlorene Verkaufszeit spürbar zurückholen kann.
mehr Promotion-Verkaufszeit über eine gesamte Promotion hinweg, als Echtzeit-Aktivierungsalarme gegen nicht ausgeführte Displays getestet wurden.
höhere Verkäufe auf Display-Ebene aus frühen Placement-Optimierungstests, unter Nutzung von Aktivierungsdaten vorne/hinten im Geschäft statt Vermutungen.
der Promotion-Paletten in den Zielmärkten werden verspätet oder gar nicht aktiviert, das Referenzproblem, für dessen Lösung das gesamte Produkt existiert.
Zwei Prototyping-Runden haben aus dieser Chance etwas gemacht, das konkret genug war, um mit echten Nutzer*innen getestet zu werden.
Runde 1: das Konzept mit Green Garden validieren
Letzten Sommer, bevor all das bei britischen Stakeholdern validiert wurde, testete der erste Prototyp das grundlegende Aktivierungskonzept bei US-Marken.
Noch bevor ein einziger Figma-Screen existierte, haben wir das Konzept speziell für Green Garden als Storyboard entwickelt: Vorbereitung vor der Kampagne, Lieferbenachrichtigung am Tagesende, Aktivierung in der Filiale mit Fotobeleg, und Compliance-Monitoring, Panel für Panel durchgespielt anhand derselben Rollen von Operations Manager und Merchandiser, um die der Rest dieses Verlaufs herum aufgebaut ist. Dieses Storyboard wurde zuerst getestet, bevor wir in den Bau des höherwertigen Prototyps investierten.
Die erste Prototyping-Runde, von mir selbst in Figma konzipiert und gebaut, testete die Aktivierung des Konzepts und die Compliance-Sichtbarkeit bei US-Marken, darunter Green Garden. Olga interviewte die Nutzer*innen während der Sitzungen; ich nahm daran teil und beobachtete in Echtzeit, wie ein Operations Manager durch die Schlüsselmomente des Promotion-Verlaufs argumentierte, Planung, Lieferung, Aktivierung und Post-Kampagnen-Analyse, und wo eine Design-Entscheidung funktionierte oder nicht.
Diese Verankerung war beim Einstieg in Runde 2 entscheidend. Sie bestätigte, dass speziell der Aktivierungsmoment, und nicht der gesamte Promotion-Lebenszyklus, der schärfste Hebel gegen das Problem war, und brachte die erste Version der Interaktionsmuster, Statuszustände und Alarmlogik hervor, die Runde 2 später fast vollständig im Code statt in statischen Screens neu aufbauen sollte.
Warum Green Garden der richtige Testfall war
Green Garden versendet seine Promotions auf Standard-Vollpaletten, die mit einem frühen Standortverfolgungsgerät ausgestattet sind, und die Marke interessierte sich damals nur für eine Frage: Wurde ein Display pünktlich geliefert, aktiviert und abgeschlossen. Genau das haben dieser Discovery-Track und beide Prototyping-Runden tatsächlich getestet, Aktivierung und Termintreue, nicht Verbrauch. Deshalb wurde Runde 1 gegen Green Gardens echtes Promotion-Programm gebaut und getestet, statt gegen ein hypothetisches.
Parallel dazu, und getrennt von diesem Discovery-Track geführt, erprobte Brambles' Hardware-Produktteam bereits die nächste Gerätegeneration im Feld: ein Viertelpaletten-Display mit Gewichtssensor, getestet im spanischen Einzelhandel. Dieser Test zielt auf den Verbrauchs-/Gewichtserkennungs-Horizont der Roadmap, nicht auf die von diesem Discovery-Track validierte Aktivierungsfähigkeit vorne/hinten im Geschäft, aber es ist dieselbe zugrunde liegende Plattform, und die Fotos unten stammen aus derselben Phase der Hardware-Entwicklung.
Ein Viertelpaletten-Display auf der Verkaufsfläche
Ein Solis-gebrandetes Promotion-Display, getestet bei einem spanischen Händler, physisch dieselbe Art von Vermögenswert, um die dieser Discovery-Track herum gestaltete, fotografiert für die eigene Feldforschung des Produktteams.
Viertelpalette mit Gewichtssensor
Ein früher V1-Aufbau des Gewichtssensors; bei dieser Version konnte der Standort nur manuell erfasst werden. Das ist die in dieser gesamten Fallstudie erwähnte Hardware für den nächsten Horizont, entwickelt und getestet auf einem separaten Track vom Aktivierungs-Track.
Standardpalette mit Ortungsgerät
Die Hardware hinter Green Gardens eigenen Displays: eine Vollpalette mit Ortungsgerät, ausschließlich genutzt für das Timing von Lieferung, Aktivierung und Abschluss, genau der Umfang, auf den sich dieser Discovery-Track konzentrierte.
Green Garden Products
Die US-CPG-Marke, deren echtes Promotion-Programm als Grundlage für Design und Tests von Runde 1 diente, neben den fiktiven Daten, die in jeder Sitzung und jedem Screenshot dieser Fallstudie verwendet wurden.
Wireframing vor dem visuellen Prototyp
Bevor auch nur ein Figma-Screen aus Runde 1 realistisch aussah, habe ich das Service-Design-Denken in Low-Fidelity-Wireframes durchgearbeitet: was ein Dashboard mit Hunderten von Displays zeigen musste, wie ein Merchandiser auf dem Telefon bestätigen würde, dass ein Display konform ist, und die Logik hinter jeder Benachrichtigung, die das System senden konnte. Genau dieses Denken, nicht der visuelle Feinschliff, ist es, was Runde 2 später im Code neu aufbaute.
Die Compliance-Prüfung des Merchandisers
Ein Flow für den Außendienst: bestätigen, dass Filiale und Zone stimmen, ein Foto des aktivierten Displays aufnehmen, und die Bestätigung erhalten, dass die Kampagne live ist, das mobile Gegenstück zum Dashboard oben.
Die Logik hinter jedem Alarm
Noch bevor ein Screen existierte, habe ich die tatsächlichen Entscheidungen kartiert, die ein Benachrichtigungssystem braucht: was als verspätet gilt, wer benachrichtigt wird und wann, das Content-Modell, auf dem die Alarmlogik von Runde 2 aufgebaut wurde.
Runde 2 nahm auf, was Runde 1 validiert hatte, und baute es fast vollständig in einem KI-beschleunigten Playground neu auf.
Runde 2: fast vollständig im Code gebaut
Die diesjährige Runde kehrte zur selben Frage zurück, der Aktivierung, testete sie aber als funktionierenden, datengetriebenen Prototyp, gebaut in VS Code mit Claude, und nicht als eine Reihe statischer Screens.
Wo sich Runde 1 auf Figma stützte, setzte Runde 2 auf denselben KI-beschleunigten, Playground-first-Workflow, der auf der Seite KI-Playground beschrieben wird: unternehmenstaugliche Svelte- und TypeScript-Komponenten, direkt im Code gebaut und iteriert, sodass das, was Nutzer*innen in den Sitzungen testeten, ein funktionierender Prototyp war und kein Klick-Dummy. Das war für ein Datenprodukt wie dieses besonders wichtig: Aktivierungsstatus, Filialkarten und Detailebene je Display fühlen sich erst real an, wenn sich die zugrunde liegenden Daten tatsächlich bewegen.
Olga leitete erneut die Forschungssitzungen; ich nahm daran teil und baute und passte den Prototyp als Reaktion auf das an, was wir zwischen den Sitzungen in Echtzeit beobachteten, etwas, das rein in Figma deutlich länger gedauert hätte. Wie bei jedem Prototyp im KI-Playground waren die zugrunde liegenden Daten, Händler, Produkte, die Promotion-Kampagne selbst, vollständig fiktiv, eigens erfunden, damit das Konzept ehrlich getestet werden konnte, ohne auch nur eine einzige echte Geschäfts- oder Kundendatenangabe preiszugeben.
Den Prototyp im Code statt in Figma zu bauen bedeutete, dass jede Änderung, die Olga und ich zwischen den Sitzungen vornehmen wollten, ein anderer Alarmschwellenwert, ein neuer Statuszustand, eine andere Art, Filialen zu gruppieren, noch am selben Tag umgesetzt und erneut getestet werden konnte, statt auf die nächste Design-Iteration warten zu müssen.
Zwei Prototyping-Runden, verankert in echten Filialbesuchen und Stakeholder-Interviews, haben dieses Projekt bis zum Kundentest gebracht.
Vom Discovery zum Kundentest
Die Evidenz aus beiden Prototyping-Runden, und aus der ihnen zugrunde liegenden Filialforschung, hat die Aktivierungsklassifizierung vorne/hinten im Geschäft vom Discovery-Hypothese-Status zu einer Fähigkeit gemacht, die heute bei echten Marken und Händlern getestet wird.
Die Echtzeit-Klassifizierung der Aktivierung vorne/hinten im Geschäft ist der „Jetzt“-Horizont auf Brambles' Retail-Promotions-Roadmap und befindet sich heute im aktiven Kundentest. Ein separater, weiter fortgeschrittener Test läuft bereits direkt in den Filialen, um den nächsten Horizont zu testen, die Gewichts-/Verbrauchserkennung, und darüber hinaus stehen präzise In-Store-Lokalisierung und ein einheitlicher Compliance-Score an, alles aufbauend auf demselben Aktivierungsfundament, das dieser Discovery-Track und beide Prototyping-Runden geschaffen haben.
Nichts davon wäre glaubwürdig gewesen, ohne durchgehend nah an der Verkaufsfläche zu bleiben: die Händlermentalität, die das tatsächliche Verhalten einer Filialleitung prägt, das Umräumen, das wie Non-Compliance aussieht, aber eigentlich ein rationaler Kompromiss ist, die Compliance-Checkliste, die die Filiale nie verlässt. Das ist der Grund, warum ich persönlich über die Design-Datei hinaus involviert blieb, bis hinein in die Filialbesuche und die Stakeholder-Interviews selbst, nicht nur in die Screens, die am Ende dabei herauskamen.
Was als Annahme über eine Promotion-Palette begann, ist heute die Evidenz hinter einem echten Produkt, im Test mit echten Kunden.
Wo dieses Projekt heute steht
Evidenz von der Verkaufsfläche, zwei Prototyping-Runden, und eine Fähigkeit, die heute echten Kunden gegenübersteht.
Was das zeigt
Die Filiale ist kein Interface-Problem. Sie ist ein Datensichtbarkeitsproblem, das erst dann ein Interface braucht, wenn man es endlich sehen kann. Das richtig zu machen bedeutete, nah genug an der Verkaufsfläche, am Lager, an der Checkliste der Filialleitung zu bleiben, um etwas zu gestalten, das dem entspricht, was dort tatsächlich passiert, nicht dem, was ein Plan vorschreibt.
Nicht „ist die Palette angekommen.“ Ist sie rechtzeitig zum Verkauf im vorderen Verkaufsbereich angekommen.
Es bedeutete, eng mit einer leitenden UX-Researcherin im Team zu arbeiten, statt aus der Distanz mit ihren Ergebnissen zu arbeiten, persönlich Filialen zu besuchen und Stakeholder zu interviewen, selbst zwei Prototyping-Runden zu konzipieren und zu bauen, einmal in Figma, einmal fast vollständig in einem KI-beschleunigten Playground, und im Raum zu bleiben für die Sitzungen, die beide testeten. Das Ergebnis ist eine Fähigkeit, die sich heute im aktiven Kundentest befindet, auf einer Roadmap, die eine zurückgeholte Palette in eines von Brambles' vielversprechendsten neuen Datenprodukten verwandeln soll.
Dieselbe Disziplin, angewendet auf einer anderen Skala.