Persönliche Empfehlungen durch Big-Data
© Pixabay / JuralMin
Im einfachsten Fall wird die Reihenfolge der in einem Webshop angezeigten Produkte alleine auf der Basis der im Webshop erhobenen Datenpunkte (Kauf- und Klickverhalten) ausgesteuert. Insbesondere bei Webshops mit vielen Produkten sind diese Informationen unzureichend, um die Reihenfolge im Long Tail zu steuern. Davon betroffen sind das Suchergebnis, Browse-, Kategorieseiten sowie die Produktempfehlungen auf der Artikeldetailseite.
Durch die Nutzung von weiteren Datenquellen lässt sich die Reihenfolgensteuerung optimieren. Komplett ausverkaufte Produkte sollten entweder ganz ausgeblendet oder nur noch am Listenende gezeigt werden. Für Produkte mit mehreren Ausprägungen (zum Beispiel mehrere Größen oder Farben) ist ein Index zu entwickeln. Neben den Abverkäufen der jeweiligen Ausprägung in bestimmten Zeitabschnitten kann auch noch der Lagerbestand bzw. die Lagerbestandsreichweite berücksichtigt werden. Zur Feinsteuerung werden neben dem vorhandenen Lagerbestand noch Informationen des Lieferanten zur grundsätzlichen Nachlieferbarkeit und Lieferdauer herangezogen. Einfluss auf den Index hat auch die Zeitspanne zwischen den Neuberechnungen des Index. Wird dieser täglich berechnet hat die Lagerbestandsreichweite einen anderen Stellenwert als bei einer wöchentlichen, monatlichen oder noch selteneren Neuberechnung. Wird neben dem eigenen Webshop auch noch über weitere Kanäle (online oder auch offline) oder in verschiedenen Ländern verkauft, können die darüber gewonnenen Daten ebenfalls in den Index einfließen.
Bei neuen Produkten liegen keine historischen Abverkaufsdaten vor. Daher sind für einen bestimmten Zeitraum alternative Daten (wie beispielsweise Vorordermenge beim Lieferanten oder Vorbestellungen im Shop) zur Berechnung des Index heranzuziehen.
Weitere betriebswirtschaftliche Kennzahlen (Deckungsbeitrag, Ergebnis, Retourenquote etc.) und Preisänderungen sollten sinnvoll im Index berücksichtigt werden. Informationen aus dem PIM-System (beispielsweise: kein Produktbild vorhanden, Anzahl und Durchschnitt der Kundenbewertungen) runden den Index ab.
Der Index eines Produktes stellt zudem eine solide Entscheidungsbasis zur Aussteuerung produktbasierter Online-Marketing-Kanäle, wie zum Beispiel Preissuchmaschinen oder Retargeting-Kampagnen dar. In der Vergangenheit gut verkaufte und immer noch vollständig lieferbare Produkte können stärker beworben werden als Produkte mit geringer Verfügbarkeit. Aggregiert man die Daten der einzelnen Produkte auf Marken, Sortimente oder Kategorien, können die Steuerung der SEM-Kampagnen und Display-Aktivitäten optimiert werden.
Zukünftig wird die Aussteuerung der Suchergebnisse individuell für den User zugeschnitten. Im Rahmen einer einfachen Personalisierung werden bei der Eingabe eines generischen Suchbegriffs wie „Mantel“ für eine Frau dann „Damenmantel“ und für einen Mann dann „Herrenmantel“ angezeigt. Die Information zum Geschlecht kann beispielsweise aus dem CRM bereitgestellt werden. Dem User muss allerdings eine einfache Möglichkeit gegeben werden, das Suchergebnis nach seinen Wünschen wieder verändern zu können.
Sind die Präferenzen des Users für Marken, Farben oder Produkte bekannt, können auf der Basis immer individuellere und somit relevantere Suchergebnisse ausgesteuert werden. Die Kaufwahrscheinlichkeit steigt dadurch signifikant an. Präferenzen, die sich aus Kauf- und Klickverhalten ableiten, sind häufig umsatzrelevanter als die Selbstprofilierung des Users anhand eines Fragebogens.
Das Ziel des Webshops sollte immer eine Optimierung des Warenkorbwertes sein, der sich von der reinen Umsatzmaximierung unterscheidet. Werden höhere Warenkorbwerte vor allem über niedrigpreisige Ergänzungs- oder Zubehörartikel erzielt, dann besteht die Gefahr, dass die dadurch verursachten Abwicklungskosten den potentiellen Ertrag des höheren Warenkorbs mehr als nur ausgleicht.
Die Logik zur Aussteuerung von persönlichen Empfehlungen baut auf der Reihenfolgensteuerung auf. Hierbei werden sehr viel stärker die vom User selber generierten Daten zum Kauf- und Klickverhalten (zum Beispiel: „zuletzt gesehene Artikel“, „letzte Suchanfragen“) oder dem Referrer (Preissuchmaschine oder Fachblog) berücksichtigt. Diese Daten werden im optimalen Fall Device- und Session-übergreifend getrackt. Darüber hinaus werden diese Informationen durch Daten aus Drittsystemen wie dem CRM angereichert. Zusätzlich können beispielsweise auch noch Daten aus Social-Media-Profilen wie zum Beispiel Facebook (nach Erlaubnis durch den Kunden) zur Optimierung genutzt werden.
Die Information zu gekauften Produkten bietet dann auch relevante Ansatzpunkte für das Up- und Cross-Selling. Die persönlichen Produktempfehlungen sind somit eine Säule der Personalisierung des Webshops.
Neben den Produkten findet eine datengetriebene Personalisierung des Webshops in Bezug auf Sortimente, Content, Services und Preis statt. Tools wie der „Experience Manager“ legen nach der Analyse der integrierten Datenbasis fest, welche Informationen zu welcher Phase im Kaufprozess des Users auf welchem Device relevant sind. Die technische Herausforderung besteht in der Real-Time-Aussteuerung der Inhalte, um quasi jedem einzelnen User eine auf ihn zugeschnittene Experience zu geben.
Insbesondere im B2B Umfeld wächst die Bedeutung der datengetriebenen Personalisierung des Webshops oder der Website. Aktuelle Studien (The Digital Evolution in B2B Marketing, CEB Marketing Leadership Council) gehen davon aus, dass bis zu 60 Prozent des Entscheidungsprozesses und der Meinungsbildung bereits geschehen sind, bevor überhaupt ein Vertriebsmitarbeiter kontaktiert wird. Daher muss die Website für die Leadgenerierung und die Marketing- Automatisierung für das Leadnurtering optimiert werden. Durch den (datenschutzkonformen) Einsatz von IP-Detection kann bei statischen IPs nachvollzogen werden, welcher anonyme User sich von welcher Firma auf der Website für welche Themen interessiert. Darauf aufbauend können Online- und Offline-Maßnahmen ergriffen werden, zum Beispiel follow-up-E-Mails oder Aussteuerung von Retargeting bis hin zum persönlichen Vertriebskontakt.
Optimierung durch weitere Datenquellen
Durch die Nutzung von weiteren Datenquellen lässt sich die Reihenfolgensteuerung optimieren. Komplett ausverkaufte Produkte sollten entweder ganz ausgeblendet oder nur noch am Listenende gezeigt werden. Für Produkte mit mehreren Ausprägungen (zum Beispiel mehrere Größen oder Farben) ist ein Index zu entwickeln. Neben den Abverkäufen der jeweiligen Ausprägung in bestimmten Zeitabschnitten kann auch noch der Lagerbestand bzw. die Lagerbestandsreichweite berücksichtigt werden. Zur Feinsteuerung werden neben dem vorhandenen Lagerbestand noch Informationen des Lieferanten zur grundsätzlichen Nachlieferbarkeit und Lieferdauer herangezogen. Einfluss auf den Index hat auch die Zeitspanne zwischen den Neuberechnungen des Index. Wird dieser täglich berechnet hat die Lagerbestandsreichweite einen anderen Stellenwert als bei einer wöchentlichen, monatlichen oder noch selteneren Neuberechnung. Wird neben dem eigenen Webshop auch noch über weitere Kanäle (online oder auch offline) oder in verschiedenen Ländern verkauft, können die darüber gewonnenen Daten ebenfalls in den Index einfließen.
Bei neuen Produkten liegen keine historischen Abverkaufsdaten vor. Daher sind für einen bestimmten Zeitraum alternative Daten (wie beispielsweise Vorordermenge beim Lieferanten oder Vorbestellungen im Shop) zur Berechnung des Index heranzuziehen.
Weitere betriebswirtschaftliche Kennzahlen (Deckungsbeitrag, Ergebnis, Retourenquote etc.) und Preisänderungen sollten sinnvoll im Index berücksichtigt werden. Informationen aus dem PIM-System (beispielsweise: kein Produktbild vorhanden, Anzahl und Durchschnitt der Kundenbewertungen) runden den Index ab.
Index für Suchmaschinenoptimierung nutzen
Der Index eines Produktes stellt zudem eine solide Entscheidungsbasis zur Aussteuerung produktbasierter Online-Marketing-Kanäle, wie zum Beispiel Preissuchmaschinen oder Retargeting-Kampagnen dar. In der Vergangenheit gut verkaufte und immer noch vollständig lieferbare Produkte können stärker beworben werden als Produkte mit geringer Verfügbarkeit. Aggregiert man die Daten der einzelnen Produkte auf Marken, Sortimente oder Kategorien, können die Steuerung der SEM-Kampagnen und Display-Aktivitäten optimiert werden.
Zukünftig wird die Aussteuerung der Suchergebnisse individuell für den User zugeschnitten. Im Rahmen einer einfachen Personalisierung werden bei der Eingabe eines generischen Suchbegriffs wie „Mantel“ für eine Frau dann „Damenmantel“ und für einen Mann dann „Herrenmantel“ angezeigt. Die Information zum Geschlecht kann beispielsweise aus dem CRM bereitgestellt werden. Dem User muss allerdings eine einfache Möglichkeit gegeben werden, das Suchergebnis nach seinen Wünschen wieder verändern zu können.
Sind die Präferenzen des Users für Marken, Farben oder Produkte bekannt, können auf der Basis immer individuellere und somit relevantere Suchergebnisse ausgesteuert werden. Die Kaufwahrscheinlichkeit steigt dadurch signifikant an. Präferenzen, die sich aus Kauf- und Klickverhalten ableiten, sind häufig umsatzrelevanter als die Selbstprofilierung des Users anhand eines Fragebogens.
Das Ziel des Webshops sollte immer eine Optimierung des Warenkorbwertes sein, der sich von der reinen Umsatzmaximierung unterscheidet. Werden höhere Warenkorbwerte vor allem über niedrigpreisige Ergänzungs- oder Zubehörartikel erzielt, dann besteht die Gefahr, dass die dadurch verursachten Abwicklungskosten den potentiellen Ertrag des höheren Warenkorbs mehr als nur ausgleicht.
Device- und Session-übergreifendes Tracking
Die Logik zur Aussteuerung von persönlichen Empfehlungen baut auf der Reihenfolgensteuerung auf. Hierbei werden sehr viel stärker die vom User selber generierten Daten zum Kauf- und Klickverhalten (zum Beispiel: „zuletzt gesehene Artikel“, „letzte Suchanfragen“) oder dem Referrer (Preissuchmaschine oder Fachblog) berücksichtigt. Diese Daten werden im optimalen Fall Device- und Session-übergreifend getrackt. Darüber hinaus werden diese Informationen durch Daten aus Drittsystemen wie dem CRM angereichert. Zusätzlich können beispielsweise auch noch Daten aus Social-Media-Profilen wie zum Beispiel Facebook (nach Erlaubnis durch den Kunden) zur Optimierung genutzt werden.
Die Information zu gekauften Produkten bietet dann auch relevante Ansatzpunkte für das Up- und Cross-Selling. Die persönlichen Produktempfehlungen sind somit eine Säule der Personalisierung des Webshops.
Neben den Produkten findet eine datengetriebene Personalisierung des Webshops in Bezug auf Sortimente, Content, Services und Preis statt. Tools wie der „Experience Manager“ legen nach der Analyse der integrierten Datenbasis fest, welche Informationen zu welcher Phase im Kaufprozess des Users auf welchem Device relevant sind. Die technische Herausforderung besteht in der Real-Time-Aussteuerung der Inhalte, um quasi jedem einzelnen User eine auf ihn zugeschnittene Experience zu geben.
Wachsende Bedeutung für den B2B-Vertrieb
Insbesondere im B2B Umfeld wächst die Bedeutung der datengetriebenen Personalisierung des Webshops oder der Website. Aktuelle Studien (The Digital Evolution in B2B Marketing, CEB Marketing Leadership Council) gehen davon aus, dass bis zu 60 Prozent des Entscheidungsprozesses und der Meinungsbildung bereits geschehen sind, bevor überhaupt ein Vertriebsmitarbeiter kontaktiert wird. Daher muss die Website für die Leadgenerierung und die Marketing- Automatisierung für das Leadnurtering optimiert werden. Durch den (datenschutzkonformen) Einsatz von IP-Detection kann bei statischen IPs nachvollzogen werden, welcher anonyme User sich von welcher Firma auf der Website für welche Themen interessiert. Darauf aufbauend können Online- und Offline-Maßnahmen ergriffen werden, zum Beispiel follow-up-E-Mails oder Aussteuerung von Retargeting bis hin zum persönlichen Vertriebskontakt.