Erst vor kurzem war ich in einem Outdoor-Store, um mich mit neuen Wanderschuhen für den anstehenden Urlaub in Südtirol auszustatten. Nach einem aufklärenden Beratungsgespräch hatte ich mich für ein Paar entschieden und war mein Einkauf damit zu Ende? Nein!
„Hoch in den Bergen ist es oftmals windig, haben Sie schon eine passende windfeste Jacke?“ Da hatte der Verkäufer nicht unrecht und ein paar Minuten später hatte ich auch noch eine Jacke bei ihm an der Kasse liegen. So schnell kann’s gehen.
Als ich dann wenige Monate später auf 2800m Höhe stand, dachte ich wieder an das Gespräch und war froh um seine Empfehlung. Er dachte mit.
Und genau das brauchen auch Sie in Ihrem Online Shop – jemanden oder eine Lösung, der bzw. die für Ihre Kunden mitdenkt.
Wie können Sie diesen Vorteil des stationären Handels in Ihren Online Shop transferieren?
Die Lösung ist eine Recommendation Engine. Eine in Ihren Online Shop integrierbare Software für bedarfsgerechte Produktempfehlungen
Eine „Empfehlungsmaschine“ ist ein System, welches verschiedene Datengrundlagen analysiert und anhand der Ergebnisse passende Produktempfehlungen im Online Shop anzeigt. Dafür nutzt die Software meist Machine Learning Verfahren. Die Technologien dahinter sind so weit entwickelt, dass das Ausspielen der Product Recommendations sowohl automatisiert als auch in Echtzeit erfolgt.
Die Datenbasis besteht beispielsweise aus Produktdaten, Trackingdaten oder auch historische Daten, wie vergangene Käufe.
Durch die Analyse dieser Daten entstehen Produktvorschläge – also Produktempfehlungen für die Besucher Ihres Webshops.
Je nach Datengrundlage gibt es verschiedene Varianten von Product Recommendations, bspw.:
Diese Produktempfehlungen lassen sich an verschiedenen Touchpoints entlang der Customer Journey anzeigen.
Recommendations sind also nicht zwingend auf die Produktdetailseite beschränkt, obwohl dieser Touchpoint vielen Online-Händlern als Erstes in den Sinn kommt.
Weitere Platzierungsmöglichkeiten sind:
Dadurch stellen Sie sicher, dass sich Ihre Kunden entlang der Customer Journey gut beraten fühlen, denn das ist einer der Vorteile von Produktempfehlungen.
Damit sich die Besucher in Ihrem Online Shop wohlfühlen, gibt es verschiedene Wege. Einer davon ist es, ihnen Product Recommendations mit Mehrwert zu bieten. Davon profitieren Online-Shopper in vielerlei Hinsicht:
Doch die Besucher Ihres Online Shops sind nicht die einzigen, die von Produktempfehlungen profitieren.
Eine Recommendation Engine im Online Shop zu nutzen, hat vor allem für das E-Commerce Unternehmen selbst einige Vorteile:
Doch von all diesen Vorteilen profitieren Sie nur, wenn Sie qualitativ hochwertige Produktempfehlungen ausspielen.
In dieser Case Study erfahren Sie, wie der Online-Händler VAUDE Produktempfehlungen erfolgreich im Online Shop einsetzt:
Sie brauchen jemanden in Ihrem Online Shop, der mitdenkt. Jemanden, der wie im stationären Einzelhandel sinnvoll berät. Die Lösung ist eine Recommendation Engine. Aber nicht jede Software für Produktempfehlungen ist gleich.
Product Recommendations sind nur erfolgreich, wenn sie qualitativ hochwertig sind. Bis dato ist das leider immer noch nicht der Fall:
Ich war auf der Suche nach einer warmen Jacke im Online Shop der bekannten Marke Northface. Was der Online-Händler bereits erkannt hat: Inspiration zu geben und Alternativen aufzuzeigen liegt im Interesse der Kunden.
Mir gefiel eine schwarze Jacke mit Kapuze. Darunter wurden mir Empfehlungen mit der Überschrift „Das könnte dir auch gefallen“ angezeigt. Ich war verwirrt.
Der „Berater“ denkt also, nachdem ich eine schwarze Jacke ausgewählt hatte, dass ich auch ein gestreiftes T-Shirt brauchen kann. Suchintention nicht getroffen. Offensichtlich „könnten mir auch eine gelbe, eine beige oder eine weiße Jacke gefallen“. Naja gut – kann ja sein.
Als ich mich dann – ungeachtet der nicht zutreffenden „Alternativen“ – weiter umgesehen hatte, sprang mir diese hellblaue Jacke ins Auge. Und siehe da: auch hier sind ein gestreiftes T-Shirt und drei Jacken in völlig anderer Farbe etwas, dass mir „auch gefallen könnte“. Schon wieder.
Würde ein Berater im Outdoor-Geschäft zweimal die gleichen Alternativen aufzeigen? Eher nicht. Er würde auch nicht diese aus dem Online Shop wählen. Er hätte erkannt, dass mir diese schwarze Jacke in irgendeiner Weise zusagt. Dadurch hätte er mir andere schwarze Jacken gezeigt, die einen anderen Verschluss haben oder keine Kapuze, weil ich diese möglicherweise nicht brauche.
Hätte ich dann beim Durchstreifen des Ladens eine hellblaue Jacke entdeckt, weil mir die Schwarze doch nicht komplett zusagt, hätte er mir auch kein gestreiftes T-Shirt vorgeschlagen. Außer ich würde es mir ausdrücklich wünschen.
Und genau das ist der Punkt: Produktempfehlungen haben für beide Seiten viele Vorteile. Dafür müssen sie aber qualitativ hochwertig und sinnvoll sein. Sie müssen den Kunden Mehrwert bieten.
Im Fall von Northface hat der Algorithmus der Recommendation Engine wahrscheinlich irgendeinen „sinnvollen“ Zusammenhang erkannt, ausgewertet und schließlich angezeigt. Ohne Erfolg.
Es gibt eine weitere Möglichkeit, wieso mir diese Empfehlungen ausgespielt wurden. Bei den meisten Recommendation Engines ist es möglich, manuell einzugreifen. Das bedeutet, dass verschiedene manuell eingestellte Regeln die Produktempfehlungen beeinflussen.
So kann es sein, dass Northface dieses gestreifte T-Shirt schon lange im Sortiment hat und es loswerden möchte. In der Hoffnung, dass dies durch das Anzeigen als Produktempfehlung schneller geht, wird es ungeachtet der Suchintention ausgespielt. Natürlich hat es seine Vorteile für den Online-Händler bestimmte Produkte zu pushen.
Dennoch muss immer der Kunde im Vordergrund stehen. Ist er nicht zufrieden, werden Sie es auch nicht sein.
Produkt-Sets als Empfehlungstyp sind zwar komplex, aber sehr vorteilhaft. Sie ermöglichen zum einen die Inspiration, bspw. für ein Outfit. Zum anderen ermöglichen sie das Verkaufen über verschiedene Kategorien hinweg. Die Shopper müssen nicht erst nach den passenden Schuhen suchen, sondern erhalten diese als Teil der Empfehlung. So macht es s.Oliver im Online Shop:
.png)
s.Oliver zeigt passende Schuhe als Produktempfehlung zu einem Overall im Warenkorblayer.
Natürlich vereinfacht diese Produktempfehlung bereits den Suchprozess der Shopper. Aber was ist, wenn diese nicht auf der Suche nach passenden Schuhen, sondern nach einer passenden Tasche sind? Oder Kette? Oder Jacke? Oder alles zusammen? Dann hat diese Empfehlung auch nicht ins Schwarze getroffen.
Dem könnte der Online-Händler einfach vorbeugen: das Zeigen von Produkt-Sets über verschiedene Kategorien hinweg. So ist mit höherer Wahrscheinlichkeit das dabei, was die Shopper zusätzlich suchen. Oder nicht suchen, aber sich durch die Inspiration der passenden Artikel zu einem Zusatzkauf verleiten lassen. Der Online-Händler würde dadurch seinen durchschnittlichen Warenkorbwert steigern.
Diese beiden Beispiele zeigen, dass Recommendation Engines nicht immer die passenden Produktempfehlungen am Bedarf des Kunden ausspielen.
Recommendation Engines sind in der Lage, verschiedene Arten von Product Recommendations auszuspielen. Dabei sollten Sie immer darauf achten, an welchen Touchpoints es Sinn macht, Produktempfehlungen zu zeigen.
Sie erfüllen damit verschiedene Erwartungen der Kunden, wodurch Sie von Cross- und Up-Selling, eine steigende Wiederkaufrate sowie einer stärkeren Kundenbindung erreichen.
Allerdings fehlt es oft am Umfang, aber vor allem an der Qualität der Produktempfehlungen. Sparen Sie hier ein, profitieren Sie niemals komplett von den gewinnbringenden Vorteilen solcher Empfehlungen.
Meist basieren Recommendation Engines auf Algorithmen, die das menschliche Produktwissen – wie das vom Verkäufer im Outdoor-Geschäft – nicht perfekt nachahmen.
Sie brauchen jemanden, der mitdenkt. Eine Recommendation Engine, die das menschliche Fachwissen berücksichtigt, um Product Recommendations qualitativ hochwertig im Online Shop auszuspielen.
Was Sie bei der Auswahl einer Recommendation Engine unbedingt beachten müssen, erfahren Sie in diesem Recommendation Engine Guide.
Bisher gibt es noch keine Kommentare
Schreiben Sie den ersten Beitrag