Me-Commerce

So werden Web-Empfehlungen persönlich

Personalisierte Produktempfehlungen schaffen mehr Umsatz. Doch welche Ansätze gibt es und welche sind wirklich erfolgversprechend? Wir stellen die wichtigsten Methoden vor.

Es gibt ein neues Zauberwort im Online-Handel: Me-Comerce. Ziel des Me-Commerce ist es, Webshop-Besuchern ein ganz persönliches Besuchserlebnis zu bieten. Das Ziel: Den Kunden auf möglichst direktem Weg zu den Produkten und Angeboten führen, nach denen er bewusst oder unbewusst sucht. Eine größere Kundenzufriedenheit und mehr Umsatz sind diversen Studien zufolge der Benefit.

Produktempfehlungen sind ein zweischneidiges Schwert. Das hat die 38. W3B-Studie von Fittkau & Mass herausgefunden. Viele Kunden fühlen sich offenbar belästigt.
Produktempfehlungen sind ein zweischneidiges Schwert. Das hat die 38. W3B-Studie von Fittkau & Mass herausgefunden. Viele Kunden fühlen sich offenbar belästigt.
Foto: Fittkau & Maß

Doch wie ist es tatsächlich um die Akzeptanz personalisierter Angebote bestellt? Fittkau & Maß haben im April und Mai 2014 mehr als 4.300 deutsche Internet-Nutzer zum Thema Personalisierung im Internet befragt. Das Ergebnis der 38. W3B Studie "Me Commerce" ist ernüchternd: 41 Prozent stehen dem Me-Commerce aufgeschlossen gegenüber und freuen sich über individuelle Produktempfehlungen. Aber genauso viele Nutzer - nämlich ebenfalls 41 Prozent - läuft es kalt über den Rücken, wenn sie daran denken, was an Daten über sie gesammelt wird. Weitere 18 Prozent haben keine spezifische Meinung zu dem Thema. Die Fans personalisierter Webshops sind laut Studie eher jünger und kaufen gerne Trendprodukte und Markenartikel. Sie freuen sich über entsprechende Produktvorschläge - aber passgenau müssen sie schon sein.

Kollaboratives Filtern: Bewährt im bekannten Umfeld

Die wohl bekannteste Technik, um Kunden Produkte näher zu bringen, hat Amazon berühmt gemacht: "Kunden, die dies gekauft haben, haben auch das gekauft." Die Idee ist bestechend einfach: Man geht davon aus, dass Menschen, die sich für gleiche Produkte interessieren, auch kaufen, was andere Kunden mit ähnlichem Kaufverhalten bereits gekauft haben. Um mit dem kollaborativen Filtern erfolgreich zu arbeiten, braucht es allerdings eine große Datenmenge, die als Basis für die Empfehlungen dient. Denn nur mit einer ausreichend großen Datenbasis lässt sich eine automatische Vorhersage über die Benutzerinteressen treffen - die Fachwelt spricht hier von "Filtern." Relevant sind also nicht einzelne Nutzer, sondern vergleichbare Kaufentscheidungen von ganz vielen Nutzern. Sehr gut eignet sich dieses Vorgehen bei einem großen und bunten Sortiment. Anbieter wie Fact-Finder, econda und epoq bieten entsprechende Plug-ins für individuelle Produktempfehlungen an.

Foto: storm, Fotolia.com

Allerdings hat das System auch Schwächen: Was bei Büchern und CDs funktioniert, ist bei Möbeln oder anderen Großanschaffungen oft Blödsinn. Denn wer gerade einen 3.000-Euro-Fernseher gekauft hat, wird beim nächsten Besuch auf der Webseite sicher nicht schon wieder ein TV-Gerät bestellen. Ein entsprechender Vorschlag wirkt daher nur lächerlich. Die selbstlernende Shop-Software von Apptus eSales berücksichtigt das und schlägt dem Kunden entsprechende Produkte gar nicht erst vor.

Auch bei neuen Kunden und bei neuen Produkten versagt das kollaborative Filtern: Einem Neukunden kann das System noch keine sinnvollen Produkte empfehlen, da die Interessen des Nutzers noch nicht bekannt sind. Und wenn Shop-Betreiber neue Produkte in ihr Sortiment aufnehmen, besteht das gleiche Problem.

Ein aktuelles Beispiel liefern Smartwatches. Es muss sich erst noch zeigen, ob Käufer eines Smartphones unweigerlich auch Interesse an einer smarten Armebanduhr haben. Oder ob die Smartwatches eher von Anzugträgern mit einem Faible für Lifestyle-Produkte oder doch eher von Sportlern, die ihre Sportartikel online bestellen, gekauft werden.