Personalisierte Produktempfehlungen

Was ist ein Beispiel für personalisierte Produktempfehlungen?

Stell dir vor, ein Kunde kauft alle drei Monate neue Laufschuhe. Die Person kauft immer die gleiche Marke. Wenn dieser Kunde auf deine Website zurückkommt und nach Laufschuhen sucht, wird die Person wahrscheinlich wieder ihre Lieblingsmarke kaufen – vielleicht möchte sie aber auch neue Features, eine andere Farbe oder einen Schuh mit einer neuen Produktpräsentation. Eine personalisierte Produktempfehlung für diesen Kunden macht alte Optionen weiterhin verfügbar, präsentiert aber zudem eine „neue und verbesserte“ Kundenerfahrung zu einem anderen Preis an erster Stelle.

Wie können E-Commerce-Websites personalisierte Produktempfehlungen generieren?

Künstliche Backend-Intelligenz erstellt zu der Online-Persönlichkeit jeder Kunde ein Modell. Der Personalisierungsalgorithmus ist nicht auf die Kaufhistorie beschränkt. Er kann auch Zahlen aus Social-Media-Posts, Kaufentscheidungen auf anderen Websites sowie Google-Anfragen analysieren. Diese komplizierten mathematischen Modelle basieren auf Metriken zu Offenheit, Gewissenhaftigkeit, Extrovertiertheit, Verträglichkeit und Neurotizismus. Sie alle werden mit Daten aus Millionen von Kundentransaktionen und attraktiven Produktmerkmalen kombiniert. Inhaber von E-Commerce-Websites bekommen jedoch diese Berechnungen, die innerhalb von Millisekunden von der Personalisierungssoftware zum Backend deiner Website hinzugefügt werden, nie zu Gesicht.

Deine Aufgabe besteht darin, Optionen zu finden, die es dir ermöglichen, Produkte zu empfehlen, welche für eine gute Marge sorgen und bei deiner Kundschaft gut ankommen. Deine Produktpersonalisierungssoftware analysiert die Zahlen, damit deine Website Produkte präsentiert, die Kunden einfach unwiderstehlich finden. Deine Website zeigt deiner Kundschaft nur Produkte an, die sie kaufen wollen. Eine gelungene Produktpersonalisierung kann deine Marketingausgaben senken und deine Kundenbindung stärken.

Was sind die Vorteile personalisierter Produktempfehlungen?

Produktpersonalisierung generiert eine tolle Rendite. Einer aktuellen Studie zufolge geben 49 % der Verbraucher an, ein Produkt gekauft zu haben, das sie ursprünglich nicht kaufen wollten, nachdem sie eine personalisierte Produktempfehlung erhalten haben.

Produktpersonalisierung kann überall in deinem Kundentrichter eingesetzt werden. Die Funktion kann dir eine 360-Grad-Ansicht deiner Kunden bieten, da sie jedes Mal, wenn ein Kunde deine Website besucht, Informationen für eine bessere Produktpersonalisierung sammelt.

Wie funktionieren personalisierte Produktempfehlungen?

Personalisierte Produktempfehlungen werden mit Benutzerdaten, die deiner Website entnommen werden, generiert. Idealerweise zeigst du deinen Kunden nur Produkte, die sie auch wirklich kaufen möchten. Je personalisierter die Kundenerfahrung, desto besser.

Wenn du es richtig machst, kannst du mit personalisierten Produktempfehlungen Geld sparen und die Kundenbindung steigern. Aus einem Bericht aus dem Jahr 2018 geht hervor, dass bei wiederkehrenden Kunden, die sich mit einem vorgeschlagenen Produkt befasst haben (indem sie beispielsweise darauf geklickt und die Beschreibung gelesen haben), eine um 55 % höhere Wahrscheinlichkeit bestand, dass sie während dieser Einkaufssitzung einen Kauf tätigen. Bei Neukunden lag diese Zahl bei beeindruckenden 70 %.

Empfehlungs-Engines sind Programme, die Daten sowohl zu Produkten als auch zu Benutzern analysieren und solche Funktionen enthalten. Nicht nur Einzelhändler nutzen diese Engines; auch Video-Streaming-Websites verwenden sie, um Listen mit empfohlenen Clips zu erstellen, die sich ihre Benutzer ansehen können.

Es gibt drei große Typen von Empfehlungs-Engines:

1. Kollaborative Filtersysteme
2. Inhaltsbasierte Filtersysteme
3. Hybride Empfehlungssysteme

Wir besprechen diese Empfehlungsmaschinen ausführlicher und geben später in diesem Post zu jeder Beispiele.

Worauf achten Empfehlungs-Engines?

Mit der großen Menge an zur Verfügung stehenden Benutzerdaten kannst du eine Empfehlungs-Engine nutzen, um deinen Kunden sehr spezifische Empfehlungen zu bieten.

Empfehlungs-Engines analysieren normalerweise Daten wie:

• die Suchanfragen von Kunden
• ihre Kaufhistorie
• was sich derzeit in ihrem Warenkorb befindet
• ihr Verhalten in sozialen Medien (wie Likes, Shares usw.)
• ihren geografischen Standort
• ihr Zielgruppensegment (die Demografie)

Deine Engine kann ihren geografischen Standort nutzen, um einen guten Mantel zu empfehlen, wenn bei ihnen der Herbst vor der Tür steht. Im Falle unseres Fotografen empfiehlt sie möglicherweise eine Speicherkarte mit hoher Kapazität für seine Kamera, wenn bereits eine gewissen Zeit seit dem Kauf verstrichen ist.

Was sind Beispiele für personalisierte Produktempfehlungen?

Die KI von Produktpersonalisierung beruht hauptsächlich auf drei Arten von Empfehlungsmaschinen: kollaborative Filtersysteme, inhaltsbasierte Filtersysteme und hybride Empfehlungssysteme.

Kollaborative Filterung

Kollaborative Filterung analysiert Daten von mehreren Kunden (die Statistik funktioniert am besten, wenn die Anzahl der Kunden mindestens 1.500 beträgt), um ein Panel an Produkten zu erstellen, die dem Kunden wahrscheinlich am besten gefallen. Die Funktion verwendet die Erfahrung aller Kunden, um jedem deiner Kund*innen Produkte zu empfehlen.

Was ist ein Beispiel für kollaborative Filterung?

Wenn ein Besucher der Website sich beispielsweise eine bestimmte Spiegelreflexkamera angesehen hat, zeigt die Funktion der Person vielleicht Linsen an, die andere Kunden zusammen mit dieser Kamera gekauft haben.

Kollaborative Filterung basiert nicht nur auf kundenübergreifender Datenzusammenführung. Sie filtert Produktempfehlungen nach Suchhistorie, geografischem Standort und nach Kundenhistorie bezüglich Modellen und Website. Ihr Hauptvorteil ist, dass sie Einblicke von mehreren Kunden nutzt, um personalisierte Empfehlungen für einen Kunden abzugeben.

Inhaltsbasierte Filterung

Inhaltsbasierte Filterung generiert Empfehlungen à la „Wenn Ihnen das gefallen hat, gefällt Ihnen vielleicht auch das“. Sie sieht sich die Muster zu Kaufentscheidungen einzelner Kunden an anstatt Daten aus einer Kundengruppe. Bei der inhaltsbasierten Filterung werden jeweils nur die Daten eines einzigen Kunden betrachtet.

Was ist ein Beispiel für inhaltsbasierte Filterung?

Stell dir vor, ein Kunde hat im März Mandeln, im April Walnüsse sowie im Mai Cashewnüsse gekauft und kommt im Juni wieder auf deine Website, um eine neue Nussbestellung aufzugeben. Inhaltsbasierte Filterung könnte Macadamianüsse und Pistazien als zusätzliche Produkte anzeigen, die der Person gefallen könnten.

Hybride Empfehlungssysteme

Hybride Empfehlungssysteme kombinieren kollaborative und inhaltsbasierte Filterung. Sie nutzen Daten von ähnlichen Kunden sowie Daten von früheren Suchen und der Kundenkaufhistorie.

Was ist ein Beispiel für ein hybrides Empfehlungssystem?

Videostreaming-Dienste führen normalerweise kollaboratives Screening durch (um zu ermitteln, welche neuen Videos dir gefallen könnten) kombiniert mit inhaltsbasiertem Screening (das aktuell verfügbare Videos den Videos zuordnet, denen du in der Vergangenheit eine gute Bewertung gegeben hast). Diese Art von Screening kann auch Aspekte wie geografischen Standort sowie angegebene Vorlieben und Abneigungen berücksichtigen.

Personalisierte Produktempfehlungen – Best Practices

Deine Produktpersonalisierungsmaschine automatisiert die Analyse von Kundensuchanfragen, demografischen Daten, Kaufhistorie, Verhalten in sozialen Medien (besonders Shares und Likes) sowie des geografischen Standorts im Vergleich zu den Artikeln, die sich bereits in ihrem Warenkorb befinden. Um die Produktpersonalisierungsmaschine deiner Website bestmöglich zu nutzen, solltest du diese fünf Best Practices befolgen.

1. Analysiere das richtige Verhalten.

Kein KI-System wird ganz ohne menschlichen Input betrieben. Stell sicher, dass deine Produktempfehlung relevante Verhaltensweisen analysiert, um die Gründe hinter den Kaufentscheidungen deiner Kundschaft herauszufinden.

Damit deine Engine für personalisierte Produktempfehlungen relevante Ergebnisse generieren kann, muss sie den Fokus auf Benutzerverhalten legen, die relevant sind. Nicht alle deine Kunden kaufen basierend auf denselben Kriterien. Deine Engine sollte immer darauf achten, was diese Kriterien sind, und den Grund dafür herausfinden, weshalb Kunden bestimmte Produkte kaufen.

Wenn du T-Shirts verkaufst, bevorzugen einige deiner Benutzer bestimmte Farben oder Stile. Andere bleiben ihrer Lieblingsmarke treu. Eine dritte Kundengruppe würde sogar einen Umweg in Kauf nehmen, um in den Vereinigten Staaten hergestellte T-Shirts zu kaufen.

Bevorzugt einer deiner Kunden Shirts aus umweltfreundlichem Material? Diesem Benutzer ist die Umwelt wahrscheinlich wichtig, und er ist eher an anderen „grünen“ Produkten interessiert als an einem anderen Shirt mit ähnlichem Stil. Vielleicht interessiert er sich auch für Dinge wie nichttoxische Haushaltsreiniger und Lebensmittel-Vorratsbehälter aus Glas.

2. Teste deine Strategien.

Wie bei jeder Marketingkampagne spielen Tests und Vergleiche eine wichtige Rolle. Wenn du deine Strategien nicht testest, bevor du sie in der realen Welt einsetzt, lässt du dir eine wertvolle Gelegenheit entgehen.

Empfehlungs-Engines sind wirkungsvolle Tools, benötigen aber trotzdem die führende Hand des Menschen. Achte immer darauf, was funktioniert, und mach dir eine Notiz davon. Wenn du dir nicht sicher bist, erwäge die Durchführung von A/B-Tests.

A/B-Tests sind bei jeder Marketingkampagne eine gute Idee. Wenn du deine Einstellungen nicht testest, bevor du dein Produktpersonalisierungstool hochskalierst, könnten dir Chancen entgehen, die Benutzererfahrung zu verbessern und den Umsatz zu steigern.

Bestimmte Arten von Empfehlungen schneiden auf gewissen Seiten besser ab als auf anderen. Empfehlungen zu Produkten, die derzeit im Trend sind, mögen auf deiner Homepage gut funktionieren, aber nicht auf der Warenkorbseite. Aber ein Feld zur Vervollständigung des Looks auf deiner Warenkorbseite – bei dem man beispielsweise einen Gürtel und eine Tasche zu den gekauften Schuhen hinzufügen kann – könnte deinen Umsatz steigern. Gewissheit dazu, was gut funktioniert, bekommst du nur, wenn du Tests durchführst.

Achte darauf, ob bestimmte Arten von Empfehlungen auf gewissen Seiten besser abschneiden als auf anderen. Ein Feld mit Produkten, die derzeit im Trend sind, mag auf deiner Homepage gut funktionieren, aber nicht auf der Warenkorbseite. Wenn sich ein Kunde auf der Warenkorbseite befindet und ein neues Paar Schuhe kaufen möchte, wäre vielleicht ein „Vervollständige deinen Look“-Feld, das Accessoires wie Handtaschen und Gürtel empfiehlt, effektiv. Gewissheit bekommst du nur, wenn du Tests durchführst und Änderungen anhand dessen vornimmst, was funktioniert und was nicht.

3. Füge an unerwarteten Stellen Empfehlungen ein.

Du kannst deine Empfehlungen nicht nur auf Seiten platzieren, die bereits Produkte enthalten. Platziere sie doch auf deiner 404-Seite und biete deinen Kunden einen einfachen Weg, um sich auf deine Hauptseite zurück zu klicken. Ein Empfehlungsfeld auf deiner Zahlungsseite könnte den Kunden darüber informieren, dass er nur ein wenig mehr ausgeben muss, um seine gesamte Bestellung kostenlos geliefert zu bekommen.

Du kannst Empfehlungen auch in deine E-Mails einfügen. In einer Warenkorbabbruch-E-Mail können Produktempfehlungen darauf basieren, was sich im Warenkorb des Kunden befindet. Viele Unternehmen senden Follow-up-E-Mails, nachdem jemand ein Produkt gekauft hat, und empfehlen in diesen E-Mails Artikel, die zu dem Produkt passen könnten. Wenn sich jemand dasselbe Produkt mehrmals angesehen hat, kannst du dieser Person E-Mails senden, in denen du dich erkundigst, ob sie immer noch an dem Produkt interessiert ist, und ähnliche Artikel mit ähnlichem Preis zeigen.

4. Zeige die richtige Anzahl von Empfehlungen an.

Wie viele Empfehlungen du in deine Website einfügst, ist dir überlassen. Einige Unternehmen haben auf jeder Seite ihrer Website personalisierte Produktempfehlungen.

Marketingfachleute und Designer, die diesen Ansatz verfolgen, sind der Auffassung, dass es wahrscheinlicher ist, dass Kunden die empfohlenen Produkte kaufen, wenn ihnen diese so oft wie möglich gezeigt werden. Gegner dieses Ansatzes argumentieren, dass zu viele Empfehlungen vom Zweck der Seite ablenken und die Benutzer nerven könnten.

Wenn du überall personalisierte Produktempfehlungen anzeigst, solltest du darauf achten, dass du es richtig tust. Achte vor allem darauf, dass deine Empfehlungs-Engine fehlerlos funktioniert und relevante Ergebnisse anzeigt. Sonst fühlen sich deine Kunden womöglich überrannt und blenden sie aus.

Selbst wenn die Empfehlungen punktgenau sind, könnten einige Kunden dazu neigen, sie zu ignorieren, wenn du sie auf jeder Seite in den Vordergrund stellst. Hier nochmal zur Wiederholung: Der Zweck einer personalisierten Produktempfehlung besteht darin, deinen Kunden ein Produkt zu empfehlen, das sie wirklich nützlich finden werden.

Einige Marketingfachleute befürworten eine stark fokussierte Vorgehensweise. Du könntest dich für einen „Qualität vor Quantität“-Ansatz entscheiden und nur einige kuratierte Empfehlungen auf Seiten anzeigen, auf denen das deinen Recherchen zufolge effektiv sein würde. Alternativ kannst du auf deiner gesamten Website Empfehlungen einfügen, aber auf dezente Weise, indem du sie in der unteren Hälfte oder in einer Seitenleiste platzierst.

5. Verwende Social Proof.

Wenn du dir vor dem Kauf eines Produkts die Rezensionen durchliest oder jemanden deines Vertrauens danach fragst, ob er oder sie das Produkt empfehlen würde, suchst du nach Social Proof. Du möchtest sicher sein, dass das Produkt, das du kaufen willst, seinen Preis wert ist.

Als Unternehmensinhaber kannst du deine personalisierten Produktempfehlungen verwenden, um einen Social Proof zu bieten. Füge zu jedem Produkt kleine Badges hinzu, die zeigen, wie viele Personen es sich an diesem Tag angesehen oder gekauft haben. Wenn ein Kunde sieht, dass sich mehrere Hundert Personen ein Produkt angesehen haben, könnte ihn das dazu bewegen, es zu kaufen. Labels wie „Bestseller“, „die beste Wahl“ oder „von Mitarbeitern empfohlen“ verleihen deinen Produkten ebenfalls Glaubwürdigkeit. Dieser Vorgang ist gemeinhin als „Badging“ bekannt.

Einige Websites benachrichtigen ihre Benutzer in Echtzeit, wenn jemand ein Produkt kauft, dessen Kauf sie selbst in Betracht ziehen. Zum Beispiel: „Jenny aus Kalifornien hat gerade einen gravierten Hämatit-Ring gekauft.“ Dies schafft ein Gefühl von Dringlichkeit und kann Personen dazu motivieren, entweder einen Kauf zu tätigen oder sich andere Produkte anzusehen.

Wie würdest du ein jemandem Produkt weiterempfehlen? Wenn du Kunden dazu aufforderst, deine Produkte zu bewerten oder du deinen Kunden einen Anreiz gibst, deine Produkte anderen weiterzuempfehlen, nutzt du Social Proof. Deine Kunden wünschen sich gesellschaftlichen Input, um sich sicher sein zu können, auch ein gutes Produkt bzw. eine gute Leistung für ihr Geld zu erhalten. Verknüpfe deine Produktpersonalisierung mit deinem Social-Media-Management.

Biete eine nahtlose Kundenerfahrung

Mit personalisierten Produktempfehlungen können Kunden auf einfache Weise schnell das finden, was sie kaufen möchten. Je reibungsloser ihre Erfahrung ist, desto positiver werden sie über dich denken.

Wenn du Verkaufsdaten verwendest, um maßgeschneiderte Empfehlungen abzugeben und relevante Produkte anzuzeigen, ist die Wahrscheinlichkeit höher, dass Käufer etwas kaufen und zu wiederkehrenden Kunden werden.