Marketing

So setzen Sie Recommendation-Marketing gewinnbringend ein

Markus BĂŒckle
11.04.2022
7 Min

Begeistern Sie Kundinnen und Kunden mit gezielten Empfehlungen

Im stationĂ€ren Handel sind gute VerkaufskrĂ€fte oftmals der große Unterschied zwischen einem guten und einem schlechten GeschĂ€ft. WĂ€hrend dort sehr viel Energie in die kontinuierliche Schulung des Einzelnen gelegt wird, ist eine optimale Beratung in vielen Onlineshops noch blanke Theorie. Hier sind Kund:innen hĂ€ufig auf sich selbst gestellt. Dabei schlummert vor allem im E-Commerce ein großes Potenzial, denn natĂŒrlich legen auch hier Kund:innen Wert auf ein positives Einkaufs- und Produkterlebnis. Zwar verfĂŒgen mittlerweile fast alle Shopsysteme ĂŒber entsprechende Filter, sodass Nutzer:innen sich aus der FĂŒlle der Informationen das richtige Produkt herausfiltern können. Was aber immer wieder auf der Strecke bleibt, ist eine Beratung, wie man sie aus stationĂ€ren GeschĂ€ften kennt. Dort können VerkaufskrĂ€fte anhand von vergangenen Besuchen bzw. EinkĂ€ufen und anhand des angeschauten Produktes sehr gut proaktiv Alternativen und/oder ErgĂ€nzungen empfehlen. Das sorgt nicht nur fĂŒr ein positives Einkaufserlebnis der Kund:innen, sondern auch fĂŒr mehr Umsatz beim Unternehmen. Aber ist es ĂŒberhaupt möglich, ein Einkaufserlebnis, das wir aus dem stationĂ€ren Handel kennen, im Onlinehandel zu bieten? Die Lösung ist, Ihre Kundinnen und Kunden mit dem richtigen Content als gezielte Empfehlung zu bespielen. Kurz gesagt: Recommendation-Marketing ist das Zauberwort. Eine einfache Lösung, dies in die Tat umzusetzen, ist der Einsatz einer Recommendation Engine.

❓ Was ist eine Recommendation Engine?

Eine Recommendation Engine ist ein Werkzeug zur Datenfilterung, das auf Basis von KI-gestĂŒtzter Algorithmen und Daten zum Verhalten der Verbraucher:innen den Shop-Besucher:innen relevante Artikel empfiehlt.

Alles Geschmackssache? Punkten Sie mit relevanten Inhalten

An verschiedenen Stellen im Shop werden allen Kundinnen und Kunden weitere Artikel angezeigt. Dabei ist die Relevanz der entscheidende Faktor. Nur wenn die dort angezeigten Produkte auch den Geschmack der Besucher:innen treffen, besteht die Möglichkeit, dass diese auch gekauft werden. Genau hier zeigen sich die Vorteile einer guten Recommendation Engine. Auch wenn mittlerweile nahezu jedes Shopsystem irgendwelche Empfehlungen anzeigen kann, sind diese aufgrund der fehlenden Datenbasis oftmals nicht relevant und verfehlen dadurch ihre Wirkung. Oft sorgen schlechte Empfehlungen sogar fĂŒr Frust und damit fĂŒr KaufabbrĂŒche. Ein klassisches Beispiel dafĂŒr sind Empfehlungen, die nicht mehr in der passenden GrĂ¶ĂŸe verfĂŒgbar sind. Solche Empfehlungen schaden mehr, als dass sie nĂŒtzen.

Recommendations tragen Überschriften wie „das könnte Ihnen auch gefallen“, oder „andere kauften auch“. WĂ€hrend diese Überschriften in vielen FĂ€llen gar nicht mehr wahrgenommen werden, spielt der Inhalt eine wichtige Rolle. Dieser muss passen, um die Kaufwahrscheinlichkeit und somit den Umsatz im Shop zu erhöhen. Die Frage, was ein passender Inhalt ist, kann nicht einfach und schon gar nicht pauschal beantwortet werden. Jeder Mensch hat andere Vorlieben und erachtet demzufolge unterschiedliche Artikel als relevant.

 

Personalisierter Content is King

Um das Passende anzuzeigen, mĂŒssen Informationen ĂŒber die Bewegungen der Nutzer:innen und idealerweise ĂŒber vorherige Aktionen vorliegen. Je mehr Sie ĂŒber die Besucher:innen wissen, desto besser kann der jeweilige Inhalt personalisiert werden. Im Grunde können Sie dabei zwischen zwei Grundstrategien wĂ€hlen, die bei einer guten Recommendation auch miteinander kombiniert werden können.

1. Die Recommendation Engine nutzt Informationen ĂŒber User:innen

Bei jedem einzelnen Besuch hinterlassen Verbraucher:innen Spuren, die fĂŒr eine prĂ€zise Produktempfehlung genutzt werden können. So können Informationen wie zum Beispiel was in der Vergangenheit angeschaut, in den Warenkorb gelegt und schließlich gekauft wurde, direkt in Empfehlungen verarbeitet werden. Wie diese Daten dann genutzt werden, hĂ€ngt von dem Sortiment im jeweiligen Shop ab. WĂ€hrend es bei Verbrauchsartikeln sinnvoll ist, dass die bereits gekauften bei einem weiteren Besuch nochmal angezeigt werden, sollten diese bei Gebrauchsartikeln wie zum Beispiel Modebekleidung besser ausgeschlossen werden. Die Königsdisziplin ist jedoch, aus Vergangenheitsdaten die Zukunft zu prognostizieren. Mithilfe von Predictive Analytics können diese Daten genutzt werden um daraus sogenannte NBO (Next Best Offer) zu berechnen.

Ein mathematisches Modell analysiert dabei eine Vielzahl von vergangenen Sessions, um zu prognostizieren, was wahrscheinlich als NĂ€chstes gekauft werden wird. Dabei können nicht nur passende Produkte, sondern auch Kategorien oder redaktionelle Artikel aus dem Content-Marketing angezeigt werden, um ein optimales Onlineshopping-Erlebnis zu schaffen. Der Datenschutz sieht vor, dass fĂŒr diese Art der Personalisierung eine Einwilligung der jeweiligen Person, die den Shop besucht hat, vorliegen muss. Diese Einwilligung kann ĂŒber das Standard-Cookie-Banner erfolgen, das sowieso in jedem Shop im Einsatz ist.

2. RĂŒckschlĂŒsse auf den Bedarf auf Basis der im Moment angeschauten Artikel

Ist zum Beispiel jemand auf der Produktdetailseite einer Bohrmaschine, können ĂŒber die Empfehlungen zum einen andere Bohrmaschinen mit Ă€hnlichen Eigenschaften, zum anderen ergĂ€nzende Produkte angezeigt werden. Beides sorgt bei Kund:innen fĂŒr höhere Zufriedenheit und fĂŒr mehr Umsatz in Ihrem Unternehmen. Das ist vor allem dann wichtig, wenn zum Beispiel Zugriffe direkt ĂŒber Google oder andere Suchmaschinen erfolgen und noch keine weiteren Informationen ĂŒber die Nutzer:innen vorliegen.

FĂŒr optimalen Erfolg sollten beide Regeltypen im Shop miteinander kombiniert werden. So können den Nutzer:innen auf der Produktdetailseite passende Artikel zu dem Produkt angezeigt werden, bei dem die bereits gekauften Artikel ausgeschlossen sind oder das NBO-Produkt aus dieser Kategorie bevorzugt wird. Weitere Faktoren, wie zum Beispiel der Lagerbestand oder die Marge, können dabei in die Regel mit einfließen.

 

Daten sind das A und O

Je mehr Informationen ĂŒber die Besucher:innen vorliegen, desto besser und prĂ€ziser sind die Empfehlungen. Auch Bewegungsdaten, wie zum Beispiel Informationen darĂŒber, welche Artikel angeschaut, in den Warenkorb gelegt und gekauft wurden, werden dabei von der Engine erfasst. Diese werden entweder direkt verwendet oder die Recommendation Engine berechnet daraus ĂŒber kĂŒnstliche Intelligenz diejenigen Produkte, bei denen die Kaufwahrscheinlichkeit am höchsten ist.

Die optimale Regel oder das optimale Vorgehen im Sinne von „one size fits all“ existiert nicht. Die Regelwerke und somit die Empfehlungen mĂŒssen zur Situation der Nutzer:innen passen und je nach Phase innerhalb der Customer Journey angepasst werden. Schaut sich ein Besucher oder eine Besucherin bereits ein konkretes Produkt an, mĂŒssen die Empfehlungen das berĂŒcksichtigen.

In allen FĂ€llen kann eine Recommendation Engine nicht nur helfen, den Umsatz in Ihrem Unternehmen zu steigern, sondern auch dabei, Kundenströme dahin zu lenken, wo diese fĂŒr Sie, Ihren Shop und Ihr Unternehmen den grĂ¶ĂŸten Nutzen haben. Die Bevorzugung von margenstarken Produkten oder der Abverkauf von LadenhĂŒtern sind hierbei zwei weitere Beispiele, wie gezielte Empfehlungen Ihr Online-Marketing und die UmsĂ€tze Ihres Unternehmens per Knopfdruck unterstĂŒtzen. Und damit das reibungslos funktioniert, sind konsistente Daten ein absolutes Muss. Stellen Sie sich vor, Sie mĂŒssten versuchen, alle Bewegungsdaten Ihrer Kund:innen sowie alle Produktdaten manuell zusammenzusuchen, um diese in die vorgesehenen KanĂ€le zu verteilen. Dies ist nicht möglich. Um Ihre Daten ressourcenschonend auf Vordermann zu bringen lohnt sich die Überlegung, ein PIM-System einzusetzen. Ein PIM fungiert wie eine zentrale Datendrehscheibe fĂŒr Ihren gesamten Product Content. Gesammelt und zentriert ist es dann ein Leichtes, teamĂŒbergreifend an den Daten zu arbeiten und diese in die notwendigen KanĂ€le zu verteilen. Sie sehen, mehr UmsĂ€tze zu generieren und Ihr Online-Marketing und Produktmanagement zu optimieren muss kein Hexenwerk sein, wenn wir die Möglichkeiten der Digitalisierung smart nutzen und richtig ausschöpfen.

Sie wollen tiefer in das Thema eintauchen? Im Webinar-on-Demand „Digitales Produktinformationsmanagement – Ihr Sprungbrett in die Digitalisierung“ zeigen Ihnen eggheads Produkt-Expert:innen in 30 Minuten, wie Sie mit einem PIM-System die optimale Basis schaffen, um die Vorteile der Digitalisierung gewinnbringend zu nutzen.

 

🔗 eggheads auf LinkedIn folgen
📧 Zum Newsletter anmelden