Das Szenario:

Ich bin Produktmanager für Laufschuhe bei einem mittelständischen Sportartikelhersteller (Old Balance). Meine Aufgabe ist es, die Verkaufsentwicklung meiner drei Hauptmodelle (Produkt A, B, C) über das Jahr zu analysieren, regionale Unterschiede zu erkennen und Handlungsempfehlungen für Marketing & Vertrieb abzuleiten. 

Alle drei Produkte sind innovative Laufschuhe, die im Frühjahr 2024 auf den Markt kamen und sich bisher noch nicht zufriedenstellend etabliert haben. Daher soll der Blick in die Verkaufszahlen helfen, eine neue Strategie abzuleiten und ggf. Adjustierungen vorzunehmen.

Die Produkte:

• Produkt A "Rapid Racer" → Premium-Performance-Laufschuh (teurer, High-End, für ambitionierte Läufer).

• Produkt B "Morning Mile" → Allround-Modell (beliebtes Mittelklasse-Segment, breite Zielgruppe).

• Produkt C "New Jogger" → Einsteigerschuh (günstig, für Gelegenheitsläufer).

  
  

Regionen:

• Nord → eher Küstenregion, viele Hobbyläufer, Freizeitmarkt.

• Süd → bergig, starke Läuferszene, leistungsorientiert.

• West → urban, trendbewusste Zielgruppe.

• Ost → aufstrebender Markt, Nachholbedarf, aber starkes Wachstum im Winter.

  
  

• Welche Modelle verkaufen sich über das Jahr hinweg am besten?

• Gibt es saisonale Peaks (z. B. Frühjahr durch Marathonsaison, Herbst durch neue Kollektionen)?

• Welche Region bietet das größte Wachstumspotenzial?

  
  

1. Verkaufsentwicklung je Produkt über das Jahr (Liniendiagramm)

Zunächst soll geprüft werden, wie sich die Modelle über das Jahr 2024 hinweg verkauft haben. Dafür habe ich in Julius AI folgenden Prompt eingegeben:

"Du bist ein Business-Analyst für den Sportartikelhersteller Old Balance. Erstelle ein Liniendiagramm, das die monatliche Verkaufsentwicklung der drei Produkte (A = Premium-Laufschuh "Rapid Racer", B = Allround-Modell "Morning Mile", C = Einsteigerschuh "New Jogger") im Jahr 2024 zeigt. Die x-Achse soll die Monate enthalten, die y-Achse die Verkaufszahlen. Jede Produktlinie soll farblich unterschieden sein. Ziel: Erkennen von saisonalen Peaks und Vergleich der Marktperformance."

Das Ergebnis war dann:

Um nun festzustellen, welche Unterschiede es in den Regionen gab, wurde eine Analyse der einzelnen Regionen in Julius AI vorgenommen:

2. Regionsanalyse:

Prompt:

"Erstelle ein gruppiertes Balkendiagramm, das die Gesamtverkaufszahlen der Produkte A, B und C nach Region (Nord, Süd, West, Ost) darstellt. Die x-Achse soll die Regionen enthalten, die y-Achse die Verkaufszahlen. Innerhalb jeder Region sollen drei Balken für die Produkte A, B und C erscheinen. Ziel: Identifikation der stärksten und schwächsten Regionen je Produkt."

Aus der Regionsanalyse ergibt sich folgende Teilableitung:

• Top-Produkt überall: Rapid Racer verkauft sich in allen Regionen am besten, mit dem Peak im Osten (~570).

• Schwächstes Produkt: New Jogger ist in jeder Region am schwächsten und relativ konstant (~210–235).

• Mittelfeld: Morning Mile liegt stabil im Mittelfeld (~300–350).

Regionale Performance (grobe Summen):

• Ost ~1.155 (350 + 235 + 570) → stärkste Region

• West ~1.100 (335 + 225 + 540)

• Süd ~1.040 (320 + 220 + 500)

• Nord ~1.000 (300 + 210 + 490) → schwächste Region

Ableitungen:

1. Wachstum hebeln: Rapid Racer ist der Hauptumsatztreiber. Daher sollte ich im Osten und Westen Marketing/Bestände ausbauen; in Nord/Süd Potenziale prüfen (POS-Präsenz, Promo).

2. Produktpflege: New Jogger braucht ein Refresh (Preis, Features, Zielgruppe) oder fokussierte Nischenkampagnen.

3. Planung: Forecast/CAPEX auf Ost & West priorisieren; Nord als Turnaround-Fokus.

4. Mix-Optimierung: Bundle/Trade-Up von New Jogger → Morning Mile bzw. Rapid Racer testen.

3. Im nächsten Schritt wollte ich wissen, in welchen Monaten für welches Produkt die Nachfrage besonders hoch ist. Daher habe ich eine Heat Map erstellt.

Prompt:

"Erstelle eine Heatmap mit den Monaten (Jan–Dez) in den Zeilen und den Produkten A, B, C in den Spalten. Die Verkaufszahlen sollen farblich abgestuft dargestellt werden (hell = niedrig, dunkel = hoch). Ziel: Schnelles Erkennen, in welchen Monaten und für welche Produkte die Nachfrage besonders hoch ist. Wichtig: Nutze die Produktnamen in der Auswertung!"

Ergebnis:

• Deutlich zu sehen: Rapid Racer ist durchgängig am stärksten, Peaks im Jahresverlauf Richtung Herbst/Winter.
• Morning Mile und New Jogger steigen stabil, mit höherer Nachfrage im Q4.

Um dann noch die Saisonalität pro Produkt stärker herauszustellen habe ich noch eine z-Score Analyse gemacht. Ziel: Herausfinden, ob ein Monat für ein Produkt relativ stark oder schwach war.

Ergebnis: 

• Starke Saisonalität für alle drei Modelle. Tiefpunkt Jan–Jun (Minimum im Jan), Neutralzone Jul, deutlicher Anstieg Aug–Dez mit dem Peak im Dezember.

• Muster fast identisch über alle Produkte → gemeinsamer Saison-Treiber (z. B. Wetter/Feiertage), keine großen produkt­spezifischen Abweichungen.

• Feinheiten:

  • Rapid Racer zieht etwas früher an (schon Jul leicht positiv) und ist Sep–Nov relativ am stärksten; Jun ist für ihn überdurchschnittlich schwach.

  • Morning Mile erreicht den höchsten relativen Peak im Dez (z≈1,65).

  • New Jogger bewegt sich sehr ähnlich zu Morning Mile; Unterschiede sind klein (Aug/Nov minimal stärker).

Implikationen:

• Bestände & Produktion: Kapazitäten und Lager ab Aug hochfahren, Spitzen für Rapid Racer in Sep–Nov und Morning Mile im Dez einplanen; Jan–Mrz Bestände abbauen/Outlet.

• Marketing: Pre-Season-Kampagnen Ende Jun/Jul starten; Hauptbudget Aug–Dez.

• Merchandising: Bundles/Trade-Ups in der Flaute (Jan–Mai) testen, um die Talsohle zu glätten.

4. Quartalsvergleich

Die entscheidende Frage für alle Produktmanager und Vertreiber: Welches Quartal ist für unser Produkt das stärkste? Dazu habe ich ein gestapeltes Balkendiagramm erstellt:

Ergebnis:

• Kontinuierliches Wachstum über die Quartale; Q4 ist klar am stärksten.
• Alle drei Produkte tragen zum Anstieg bei, besonders Rapid Racer.

5. Das Gesamtfazit der Analyse

Um ein Gesamtfazit zu erhalten habe ich in Julius AI folgenden Prompt eingegeben:

"Analysiere die Verkaufszahlen der Produkte A, B und C über alle Monate und Regionen hinweg. Nenne die drei auffälligsten Trends oder Muster und leite konkrete Handlungsempfehlungen für Marketing & Vertrieb ab (z. B. Kampagnenzeitpunkte, Fokusregionen, Produktpriorisierung). Gib die Ergebnisse in klaren Stichpunkten aus."

Folgendes Fazit wurde erstellt:

Erste Plausibilitätsprüfung: Die Summen steigen von Q1 zu Q4, und Rapid Racer führt klar vor Morning Mile und New Jogger. Werte wirken konsistent.

Die drei auffälligsten Trends/Muster:

• Starker, stetiger Aufwärtstrend über das Jahr
  • Alle drei Produkte wachsen quartalsweise; Rapid Racer zeigt die höchste absolute Steigerung.
• Klare Produkt-Hierarchie
  • Rapid Racer > Morning Mile > New Jogger beim Gesamtumsatz und in jedem Quartal.
• Regionale Differenzen
  • Regionen variieren in der Produktstärke; Rapid Racer dominiert in allen Regionen, Morning Mile ist solide, New Jogger ist überall schwächer.

Konkrete Handlungsempfehlungen für Marketing & Vertrieb:

• Kampagnenzeitpunkte
  • Push-Kampagnen ab Ende Q2 bis Q4 intensivieren; Q3 als Ramp-up, Q4 als Peak mit Promotions und Bundles.
  • Always-on für Rapid Racer, taktische Aktionen für Morning Mile zu Monatswechseln (z. B. Back-to-Training im Sep).
• Fokusregionen
  • Regionen mit bereits hoher Rapid-Racer-Performance als Umsatztreiber priorisieren und Cross-Sell auf Morning Mile forcieren.
  • Regionen mit unterdurchschnittlichem New-Jogger-Anteil mit Testkampagnen und Produkttests adressieren; Social Proof und Einsteigerangebote.
• Produktpriorisierung
  • Rapid Racer: Hero-Produkt; Premium-Positionierung, knappe Editionen, größere Budgets.
  • Morning Mile: Wachstumshebel; Bundles mit Rapid Racer, Preisaktionen zu Saisonschwerpunkten.
  • New Jogger: Awareness- und Trial-getriebene Maßnahmen; Influencer-Reviews, Einstiegspreis, Money-back-Garantie.
• Vertriebsmaßnahmen
  • Q4-Inventar frühzeitig absichern; Forecast-basierte Nachbestellungen, besonders für Rapid Racer.
  • POS-Merchandising: Regalfäche und Sichtbarkeit nach Umsatzanteil gewichten; Demo-Stationen für New Jogger.
• Messung und Tests
  • Quartalsweise A/B-Tests für Preis-Promos bei Morning Mile, kreativer Split-Test für New Jogger.
  • Regionale Kampagnen-ROAS und Inkrementalität tracken; wöchentliches KPI-Dashboard nach Produkt x Region x Quartal.

6. Validieren und Strategieableitung mit ChatGPT:

Um die Auswertung abzurunden habe ich das finale Ergebnis mit ChatGPT abgeglichen. Ziel dabei ist es, das Ergebnis von Julius AI zu validieren und eine besser lesbare Strategie abzuleiten.

Prompt:

"Verhalte dich jetzt wie ein Experte für Produktmanagement und Strategien. Im Folgenden findest du die Analyse von Julius AI zu den Produkten. Deine Aufgabe ist es, eine Produktmanagementstrategie verständlich und Managementtauglich zu formulieren. Schreibe diese im Stil einer Executive Summary. Gehe dabei folgendermaßen vor: a) validere das Ergebnis von Julius AI b) formuliere die Executive Summary in max 100 worten. Analyse-Ergebnis Julius AI: {Ergebnis siehe oben. Nicht eingefügt um Worte zu sparen}"

Ergebnis ChatGPT:

Validierung – in Klartext

• Die Umsätze steigen über das Jahr hinweg. Das passt zu einer klaren Saisonalität (starkes H2, schwaches H1).

• Rangfolge ist stabil: Rapid Racer am stärksten, Morning Mile solide dahinter, New Jogger am schwächsten – in allen Regionen.

• Regionen unterscheiden sich in der Höhe, nicht in der Reihenfolge.

• Fazit: Julius’ Kernaussagen sind plausibel und stimmig. Wichtig: Den Aufwärtstrend als Saisoneffekt, nicht als dauerhaften Strukturbruch interpretieren.

Executive Summary – Strategie

• Produktrollen

  • Rapid Racer (Hero): Premium halten, immer sichtbar bewerben, limitierte Editionen testen.

  • Morning Mile (Volumen): Bundles/Cross-Sell mit Rapid Racer, gezielte Preisaktionen zu Saisonwechseln.

  • New Jogger (Einsteiger): Bekanntheit und Tests fördern: Influencer-Reviews, Probierangebote, Geld-zurück.

• Timing

  • Ab Ende Q2 aufdrehen, Q3 hochfahren, Q4 als Peak planen. Inventar und Nachbestellungen früh sichern.

• Regionen

  • Starke Regionen priorisieren; schwächere mit Test-&-Learn (lokale Creatives, Social Proof) entwickeln.

• Vertrieb & POS

  • Regalfläche nach Umsatzanteil; Demo-/Teststationen für New Jogger.

• Messung

  • Wöchentliches Dashboard (Produkt×Region×Quartal). Werbewirkung/ROAS und Inkrementalität tracken. Laufende A/B-Tests: Preis (Morning Mile), Creative (New Jogger).

Finales Resumé: 

Aus meiner Sicht liegt ist die Auswertung mit Julius AI super. Klappt hervorragend und ist sehr klar und nachvollziehbar. Ich bin allerdings der Meinung, dass man am besten die Arbeit von 2 LLMs kombiniert um ein herausragendes Ergebnis zu bekommen. ChatGPT ist super für die textbasierte Erarbeitung von Prompts und möglichen Strategien und Szenarien. Julius ist für die eigentlichen Auswertearbeit und Erstellung von Grafiken gut geeignet. Beides zusammen ist super für die Analysearbeit.