Soziodemografische Daten wie Alter oder Einkommen helfen bei Produktempfehlungen nicht wirklich weiter. Denn aus diesen Daten kann keine Produktempfehlungs-Engine der Welt erraten, ob der Kunde lieber Dan Brown oder Helmut Schmidt liest, ob er blaue oder grüne Hemden mag und ob er häufiger Jeans oder eher Anzüge bestellt. Klüger ist es also, ein Tool in seinen Online-Shop zu integrieren, das das Surf- und Kaufverhalten der Kunden berücksichtigt und entsprechende Produktvorschläge ausspuckt. Und das rechnet sich auch für mittlere und kleinere Shops: Mit Empfehlungen steigern Sie Ihren Umsatz in jedem Fall - im Schnitt machen Sie rund ein Drittel mehr Umsatz, wenn Sie geeignete Produkte empfehlen.
Doch Vorsicht: Produkte sollen sinnvollen Regeln folgen - nicht dass plötzlich in der Kategorie Kinderspielzeug auch Sex Toys empfohlen werden. Neben sinnvollen Regeln ist auch wichtig, dass die Produkte für den Kunden relevant sind. So wird im Winter gern ein Cross Sell Widget auf der Startseite mit der aktuellen Skimode angepriesen. Doch was, wenn es die ganze Woche regnet? Bei Regen macht es wenig Sinn, die Skikleidung zu zeigen. Bei Regen wäre es relevant, Kleidung oder Accessoires anzubieten, die vor Regen schützen.
Je flexibler eine Recommendation Engine arbeitet und je ausgeklügelter die Regeln sind, desto besser die Empfehlungen und desto glücklicher und kauffreudiger die Kunden. Wir stellen auf den nächsten Seiten Anbieter von Empfehlungs-Engines vor und erklären, was deren Software leistet.
econda
econda bietet zwei Tools für das Ausspielen von Empfehlungen. Basis für die Empfehlungen sind die Trackingdaten aus dem econda Shop Monitor, dem Webanalyse-Tool von econda, das unter anderem Klickpfade und Kaufprozesse analysiert. Das Cross-Selling-Modul, das auf die aktuellen Produktinformationen des Shopsystems zugreift, spielt auf Basis der Tracking-Daten mit selbstlernenden Algorithmen passende Produktvorschläge aus.
In einem ersten Schritt können Nutzer auch auf die Voreinstellungen im Regelwerk zurückgreifen, die einfache Regeln, wie beispielsweise "Zu Produkt A passt Produkt B" abbilden. Konkret: Zu Jeans bitte beliebte T-Shirts ausspielen. Wenn diese Regeln funktionieren, werden sie weiter verfeinert. In einem zweiten Schritt könnte man dann festlegen, dass nicht nur beliebte T-Shirts zur Jeans angeboten werden sollen, sondern dass etwa die margenstärksten T-Shirts bevorzugt ausgespielt oder auch alle nicht lieferbaren T-Shirts ausgeblendet werden. Voraussetzung für erfolgreiches Cross Selling sind somit gut gepflegte Produktdatenfeed, und auf das Sortiment abgestimmte Regelwerke, nach denen die Engine die Empfehlungen erstellen kann. Typische Regeln lauten: Zeige die Topseller, bereits angesehene Produkte, Produktempfehlungen aus der betrachteten Kategorie oder vergleichbare Produkte (zu einem höheren Preis) an. Um diese Regeln zu verfeinern, lassen sich die Standard-Datenfeeds mit Informationen zu Produkten mit hoher Marge oder Angebote, die in einer Kampagne beworben wurden, ergänzen. Der Shopbetreiber kann aber auch nur wenige Regeln definieren, dem Recommendation Modul "freie Hand" lassen und beispielsweise nur Empfehlungen anhand des Klickverhaltens des Nutzers abgeben.
Kein großer Implementierungsaufwand
econda bietet zahlreiche Schnittstellen zu den bekannten Shopsystemen wie Magento, Oxid, Websale etc. Damit ist laut Anbieter kein großer Projektaufwand nötig, um die Empfehlungs-Engine in den eigenen Shop zu integrieren. Üblicherweise setzt econda in einer ein- bis vierwöchigen Testphase zusammen mit dem Shopbetreiber die Engine auf und legt die Grundregeln für die Empfehlungen fest. Dazu bietet econda einen Baukasten an Standard-Produktempfehlungsregeln, die der Shopinhaber schnell zusammenklicken kann. Diese Regeln lassen sich sukzessive manuell verfeinern. Auf Wunsch wird eine Unterstützung beim Abstimmen des Regelwerks angeboten.
Mailings mit Produktempfehlungen
Weiter bietet econda eine Schnittstelle zu Drittanbietern für den Newsletter-Versand. So lassen sich auf dem Surfverhalten des Kunden basierende Newsletter versenden. Diese Schnittstelle eignet sich vor allem, um Warenkorbabbrecher vielleicht doch noch zum Kauf zu motivieren. Für Postmailings oder Kundenkarten-Aktionen gibt es eine Schnittstelle zu Dymatrix (CRM Analytics) und damit die Möglichkeit, den Online-Shop mit Offline-Kanälen zu verknüpfen.
Preis
Der Preis von econda Cross Sell richtet sich nach dem Volumen der Datenerfassung plus einer einmaligen Setup Gebühr. Hinzu kommt eine monatliche Pauschale für den econda Shop Monitor, der die Trackingdaten liefert (ab 400 Euro im Monat.)
epoq
epoq bietet folgende e-Services aus einer Hand und als Software-as-a-Service: On-Site-Suche, Recommendation Engine und Verkaufsassistent. Durch die Nutzung der verschiedenen e-Services bieten sich zahlreiche Synergieeffekte. Ein Beispiel dazu: die Recommendation Engine verwertet Suchanfragen, um die Aussendung ihrer personalisierten Produktempfehlungen zu optimieren. Man kann aus Kostengründen aber auch nur die Empfehlungs-Engine in seinen Shop integrieren, verzichtet dann aber auf verfeinerte Empfehlungsmöglichkeiten.
Intentionales User Model
Grundsätzlich nutzt epoq ein "intentionales User Model." Die Philosophie dahinter: Jeder Kunde in einer neuen Session wird als Individuum betrachtet. Die Empfehlungen werden also bei jeder Kundenaktion für den Kunden neu berechnet - auf Basis des Verhaltens des Einzelnen und des kollektiven Verhaltens aller Kunden in der Vergangenheit.
Der Empfehlungs-Algorithmus von epoq analysiert nun: Was will der Kunde tatsächlich, was interessiert ihn im Moment? Dieser Ansatz bietet ganz andere Möglichkeiten als dies bei profilbezogenen Empfehlungen der Fall ist. Profilbezogene Empfehlungen berücksichtigen Produkte und Käufe, die der Kunde vor ein oder mehreren Jahren bis heute angesehen oder bestellt hat. Doch Vorlieben können sich ändern. Wer früher T-Shirts gekauft hat, kauft heute möglicherweise nur noch Hemden. epoq versucht also nicht, einen User auf Grund der gesammelten Daten zu simulieren. Vielmehr geht es darum, durch den Einsatz semantischer Verfahren und durch direktes und indirektes Fragen herauszufinden, was der User im Augenblick eigentlich will, um ihm dann verhaltensbezogen entsprechende Vorschläge zu unterbreiten. Dabei verwendet epoq datenschutzkonform ausschließlich im Online-Shop generierte Daten.
Customer Journey nutzen
Ist ein Kunde Bestandskunde, werden für die Optimierung der Produktempfehlungen seine vergangenen Sessions ausgewertet. Zudem können Artikel, die der Kunde bereits gekauft hat, aus den Empfehlungen ausgeschlossen werden. So berücksichtigt epoq bei Mode-Empfehlungen beispielsweise die passende Kleidergröße. Bei Stammkunden nutzt epoq die Customer Journey (in Form der Bewegungsdaten des Kunden in vorangegangenen Sessions), um passende Verbrauchsartikel (z.B. Schuhcreme oder Druckertoner) automatisch zu empfehlen.
Dabei ist die Recommendation Engine von epoq selbstlernend. Grundlage ist eine sogenannte Wissensbasis, die anhand von aktuellen und vorangegangenen Klicks und dem Kaufverhalten der einzelnen Besucher und Kunden intelligente Empfehlungen erzeugt. Ihr liegt auch ein (hoffentlich gut gepflegter) Produktkatalog zugrunde. Dieser Katalog lässt sich mit zusätzlichen Informationen wie zum Beispiel Verfügbarkeit oder Kampagneninfos (Sale, Neu, etc) anreichern.
Preis
Für Kunden des mittleren Segments liegt der durchschnittliche Preis bei etwa 1.000 Euro monatlich. Bei der Nutzung mehrerer e-Services profitieren Kunden sowohl von den Synergieeffekten als auch von einem Preisvorteil des Gesamtpakets.
prudsys RDE Recommendations
prudsys RDEsteht für Realtime Decisioning Engine. Das Modul prudsys RDE Recommendations berechnet automatisch und in Echtzeit relevante Empfehlungen für den Kunden. Diese werden auf Basis der getrackten Informationen on the fly berechnet. Aus dem Shop-Frontend heraus wird der Recommendation Dienst per http-Request angefragt - gleichzeitig werden mit der Anfrage alle notwendigen Tracking-Informationen an den RDE Server übergeben - z.B. Klicks, Warenkörbe, Käufe oder Suchanfragen. Die prudsys RDE personalisiert jedoch keine singulären Events, sondern kombiniert über die gesamte Customer Journey hinweg.
Historische Informationen über den Nutzer (frühere Klicks, Käufe, etc.) und Profilinformationen (Geschlecht, Alter, Facebook-Likes) können, sofern die Kunden zugestimmt haben, zur Anreicherung der Empfehlungen verwendet werden. Wichtiger ist jedoch, dass die der prudsys RDE zugrundeliegenden Algorithmen in der Lage sind, in Echtzeit zu lernen und somit auch neue Artikel vorzuschlagen, die außerhalb der ursprünglichen Interessen des Kunden liegen, inzwischen aber sein Interesse geweckt haben. Verschiedene Empfehlungstypen lassen sich mittels Filter, Blacklists und Business Rules manuell anpassen. Dazu gehören Empfehlungen wie: Käufer zu Produkt, Produkt zu Produkt, Topseller, Suchbegriff zu Produkt, Kategorie zu Banner etc. Das integrierte A/B-Testing auf Seiten- und Shopebene und die verschiedenen Reporting-Funktionen ermöglichen eine genaue Erfolgskontrolle der Empfehlungs- und Personalisierungsstrategie.
Lokale Produktempfehlungen
Mit prudsys RDE Recommendations sind seit Herbst 2014 auch ortsspezifische Empfehlungen möglich. Mit dem RDE Release 3.6 wird die Location nun direkt mit dem Empfehlungsabruf gesendet, so dass die Shopeinbindung der Locations flexibel in unterschiedlichen Varianten erfolgen kann.
Empfehlungen per E-Mail
Auch im E-Mail-Marketing lassen sich durch den Einsatz dieser Echtzeit-Personalisierungslösung Öffnungsraten und Conversions erhöhen, in dem die Kunden bzw. Abonnenten durch personalisierte Inhalte gezielt angesprochen werden. Möglich wird dies durch den Einsatz des Moduls RDE | Newsletter, das die Empfehlungen erst beim tatsächlichen Öffnen der Newsletter in Echtzeit generiert und damit höchste Relevanz für den Abonnenten garantiert. Ab dem RDE Release 3.6 sind unter anderem die kaufbasierten Empfehlungstypen "Ordered Together" und "Ordered Together Generalized" verfügbar. Damit ist es nun auch im Newsletter möglich, Kaufbeziehungen für die Empfehlungen in Newsletter-Kampagnen zu nutzen.
Preis
Das Modul prudsys RDE Recommendations gibt es als On-Premise- und als Managed-Service-Lösung. Für das Modul prudsys RDE | Recommendations rechnet prudsys umsatzbasiert ab. Die Empfehlungslösung lohnt sich ab einem Jahresumsatz im Onlineshop von 10 Millionen Euro. Das entspricht einer Lizenzgebühr von 22.000 Euro jährlich.
Yoochoose
Das Herzstück des Empfehlungssystems von Yoochoose ist ein modular aufgebauter "Recommender Core". Hier finden die Berechnung von Modellen und die Generierung von Empfehlungen zu den vordefinierten Anwendungsszenarien statt. Dabei kann in den definierten Szenarien auch auf Filterregeln oder Regeln für die Verwendung der Userprofile zurückgegriffen werden.
Über ein Hybrid-Verfahren lassen sich die Empfehlungen aus unterschiedlichen Algorithmen situationsabhängig kombinieren. Hier können Fall-back und Fail-Safe Regeln den Fall abdecken, dass das bevorzugte Empfehlungsmodell keine relevanten Empfehlungen ausspielt oder das erforderliche Anwenderprofil für individuelle Empfehlungen noch nicht ausgeprägt wurde. Richtig gute Empfehlungen aus Kundensicht erfordern, dass gekaufte und mehrfach schon ignorierte Artikel ebenso herausgefiltert werden wie Artikel, die aufgrund des aktuellen Kontextes nicht den Erwartungen entsprechen. Adäquate Filter und Regeln verbessern die Empfehlungsergebnisse.
Um flexibel auf das unterschiedliche Verhalten der Anwender reagieren zu können, kann die Empfehlung unter anderem vom Reifegrad des Anwenderprofils abhängen. So werden für einen neuen Anwender andere Verfahren genutzt und andere Empfehlungen ausgespielt als für einen regelmäßig wiederkehrenden Anwender mit entsprechend ausgeprägten Vorlieben und Verhaltensmustern.
Preis
Yoochoose rechnet umsatzbasiert ab. Bis 10.000 Euro Umsatz im Monat entfallen beispielsweise 4 Prozent Provision auf den Mehrumsatz. Ab 100.001 bis 250.000 Euro Umsatz sinkt die Provision auf 1,5 Prozent. (wh)