Schattenwarenkörbe steuern Angebote besser

Werbebotschaften von Relevanz setzen voraus, dass der Werbetreibende die aktuellen Interessen seines Kunden kennt. Darunter fallen die permanenten Interessen („ist Tierliebhaber“) und die volatilen Interessen („braucht gerade einen neuen Wintermantel“). Die Krux an den volatilen Interessen ist, dass sie durch Bedarfserfüllung schlagartig irrelevant werden. Eine ex-post-Auswertung des Kaufverhaltens nützt hier wenig: Die Feststellung, dass ein Kunde einen Wintermantel gekauft hat, bedeutet allenfalls, dass man sich bis zum nächsten Winter entsprechende Werbung schenken kann. Der Kunde, der nicht, noch nicht oder gar woanders gekauft hat, hat keine Spuren in Gestalt von Kaufdaten hinterlassen und ist damit nicht greifbar.

Was wurde angesehen aber nicht gekauft?

Im Onlinehandel entstehen dennoch in großem Umfang Datenspuren, während ein Kunde sich umschaut, bestimmte Artikel betrachtet, vielleicht in den Warenkorb legt, sie wieder löscht, den kompletten Warenkorb verwirft oder doch kauft. Die tatsächlich gekauften Artikel bergen zwar allenfalls Potenzial für Cross Selling, sofern Branche und Sortiment das hergeben. Weitaus spannender sind dagegen die Artikel, die vom Kunden angesehen, aber (noch) nicht gekauft wurden.

Leider managt marktübliche Shop-Software nur Käufe und keine „Nicht-Käufe“ oder „Beinahe-Käufe“. Um deren Daten dennoch zu gewinnen, bietet sich die Methodik des Verpixelns an. Dabei werden auf einigen der Shopseiten kurze Code-Fragmente eingebaut, die bei jeder relevanten Handlung des Kunden ein 1x1 Pixel großes „Bild“ von einem separaten Webserver anfordern. In die Anfrage wird die jeweilige Aktion des Kunden hineincodiert, typischerweise Art (hinzufügen zum Warenkorb, entfernen, Kaufabschluss), Kundennummer, Artikelnummer und Menge.

Separater Analyseserver weiß, was im Warenkorb passiert

Durch die Anfrage werden diese Daten zum Webserver übertragen; dass der mit einem bedeutungslosen Mini-Bild antwortet, dient nur dazu, den anfragenden Browser zufriedenzustellen. Vorteil dieses Ansatzes ist, dass der Analyseserver örtlich entfernt vom Shopsystem stehen kann, nicht in dessen Tagesgeschäft eingreift und dass die Analyse- und Nachfassprozesse unabhängig vom Shop weiterentwickelt werden können.

Mit den übermittelten Daten wird auf dem Analyseserver pro Kunde ein Schattenwarenkorb mitgeführt, der das Geschehen im Shop 1:1 nachbildet. Jede Aktivität kann leicht in Echtzeit ausgewertet werden, da der mitlauschende Server ja nur einen Bruchteil der operativen Arbeiten des Shopsystems zu erledigen hat und entsprechend weniger Last bewältigen muss.

Als Ergebnis dieser Analysen kann wahlweise in Echtzeit über die Shopseite interveniert werden, etwa mit einem Pop-up „wenn Ihnen dieser Artikel in rot nicht gefällt, sehen Sie ihn sich doch in blau an!“ oder später mit Retargeting per kontrollierter Bannerwerbung und/oder hochgradig personalisiertem E-Mail-Marketing.

Warenkörbe vollautomatisch analysiert

Bei der Analyse der Kundenaktivitäten gibt es in der Praxis einige Stolpersteine. Bei einem gut frequentierten Shop muss man damit rechnen, dass Tausende von Schattenwarenkörben parallel zu beobachten sind. Das kann nur vollautomatisiert geschehen, sodass man sich auf die programmierten Prozesse blind verlassen können muss. Zuschauen oder von Hand eingreifen zu wollen, ist faktisch unmöglich. Auch muss man die Qualität der aus der Pixel-Mechanik gelieferten Daten kritisch hinterfragen. Erfahrungsgemäß lässt sich nur schwer sauber trennen, ob von mehreren gleichen Artikeln im Warenkorb ein Teil oder die ganze Menge entfernt wurde. Dann muss entschieden werden, was die defensive Interpretation der Meldung ist. Nimmt man den Artikel in die Analyse mit herein, da er ja schließlich im Spiel war, oder lässt man ihn vorsichtshalber lieber weg, da man nicht sicher ist, ob er am Ende noch eine Rolle gespielt hat.

Aus den gewonnenen Rohdaten müssen die Ergebnisse mit einer gewissen Sorgfalt herausdestilliert werden. Es empfiehlt sich nicht, den Kunden bei Handlungen zu „ertappen“, die ihm peinlich sein könnten, etwa wenn er einen Artikel in mehreren Größen oder Farben zur Auswahl bestellt und schon vorher weiß, dass er (mindestens) zwei von drei retournieren wird. Wenn Artikel mit einer gewissen Wahrscheinlichkeit bald ausverkauft sein werden, richtet man das Retargeting auch besser breitbandig auf die Produktgruppe als auf den einzelnen Artikel. Und natürlich macht es Sinn, bei mehreren möglichen Ansprachen diejenige zu priorisieren, die mit der größten Ertragschance verbunden ist.

Weitere Informationen finden Sie unter www.defacto-software.de