Produktempfehlungen im E-Commerce

Produktempfehlungen gehören heutzutage schon fast zum Standard eines Onlineshops. Sie begegnen Kunden an verschiedenen Positionen und zeigen ihnen alternative oder ergänzende Produkte, Neuheiten oder Topseller. Dabei sind sie ein beliebtes Instrument für Shopbetreiber, um bei Kunden für Inspiration zu sorgen. Gleichzeitig bieten Produktempfehlungen großes Potenzial im Bereich Cross- und Upselling, wodurch der Warenkorbwert gesteigert werden kann.

Erfolgsfaktoren für Produktempfehlungen

Damit der vielfältige Einsatz von Produktempfehlungen letztendlich auch Erfolg bringt, gilt es, die folgenden fünf Erfolgsfaktoren stets im Hinterkopf zu behalten:

#1 Sichtbarkeit

Um mit Empfehlungen die gewünschte Aufmerksamkeit zu erhalten und die erwartete Wirkung zu erzielen, ist es entscheidend, dass sie so positioniert sind, dass die Nutzer sie auch sehen. So empfiehlt es sich beispielsweise, die Empfehlungen nicht unterhalb der Sichtlinie (below the fold) anzuzeigen. Denn diese sieht der Nutzer nur, wenn er mindestens einmal nach unten scrollt. Gelangt er nicht bis zu dieser Stelle, wird er den Shop verlassen, ohne mit den Empfehlungen interagiert zu haben. Und das, obwohl genau passende Produkte präsentiert werden, die der Besucher eigentlich kaufen würde. Das wiederum wirkt sich negativ auf die Qualität der ausgespielten Empfehlungen aus. Denn ohne Interaktionen mit den angezeigten Empfehlungen kann die Recommendation Engine nicht effektiv lernen und sich optimieren. Ist die Recommendation Engine also eigentlich gut eingestellt, die Empfehlungen werden aber nicht gesehen, geht wertvolles Potenzial und letztendlich auch Umsatz verloren.

#2 Produktdaten

Gute Produktdaten sind die Basis für erfolgreiche Produktempfehlungen. Denn die Eigenschaften, die im Produktfeed gepflegt sind, können für die Ausspielung passender Produktempfehlungen genutzt werden. Dies ist zum Beispiel wichtig, um alternative Artikel zu einem angeschauten Produkt ausspielen zu können. Die Ähnlichkeit zum Ausgangsprodukt kann dabei über die verschiedenen vorliegenden Eigenschaften ermittelt werden, wie beispielsweise die Kategorie oder Farbe des Produkts. Auch für Zusatzartikel spielen die gepflegten Attribute eine zentrale Rolle. Zeigt ein Kunde innerhalb einer Session Interesse an einem bestimmten Stil, kann dies dank der vorliegenden Eigenschaften entsprechend bei den empfohlenen Zusatzartikeln berücksichtigt werden. Je mehr Attribute dabei zur Verfügung stehen, desto besser werden die Empfehlungen.

Um Enttäuschungsmomente zu vermeiden, sollte außerdem unbedingt geprüft werden, ob das empfohlene Produkt überhaupt verfügbar ist. Handelt es sich um ein Kleidungsstück oder Schuhe und die Größe des Kunden ist bekannt, sollte diese Information ebenfalls für die Ausspielung der passenden Empfehlungen berücksichtigt werden. Hierfür essenziell ist ein gut gepflegter und aufbereiteter Produktdatenfeed, in dem genau diese Informationen vorhanden sind.

#3 Personalisierungsstrategie

Je nach Branche, Shopseite oder auch Phase, in der sich ein Shopkunde befindet, kommt eine andere Personalisierungsstrategie infrage. Es gilt dabei, gezielt auf jeden einzelnen Kunden einzugehen – wie ein guter Fachverkäufer im stationären Handel, der sein Handwerk versteht. So macht es beispielsweise Sinn, im Warenkorb auf alternative Produkte zu verzichten. Stattdessen können Cross-Selling-Empfehlungen die Produktauswahl ergänzen, ohne den Shopkunden zu verunsichern.

#4 Künstliche Intelligenz und Echtzeit

Ohne den Einsatz von Künstlicher Intelligenz (KI) ist insbesondere eine 1:1-Personalisierung nicht möglich. Denn durch verschiedene KI- Verfahren wie Machine Learning sowie selbstlernende Algorithmen können Vorhersagen zum Kaufverhalten getroffen werden. Darauf basierend werden personalisierte Inhalte entlang verschiedener Touchpoints in Echtzeit ausgespielt. So kann auf jeden einzelnen Kunden immer besser und individueller eingegangen werden. Wichtig dabei: Der Datenschutz muss natürlich jederzeit gewährleistet sein.

#5 Monitoring und Steuerung

Die selbstlernenden Systeme und Algorithmen tracken, sammeln und arbeiten mit Daten wie dem Klick- und Kaufverhalten und sind immer dabei, sich anhand dieser Daten selbst zu optimieren. Dennoch sind regelmäßige Analysen und Auswertungen seitens des Shopbetreibers für den Erfolg unternehmensspezifischer Kampagnen und für die Ableitung passender Optimierungsmaßnahmen unerlässlich. Hier kommen sowohl quantitative als auch qualitative Analysen infrage, die sich gegenseitig ergänzen. A/B-Tests stellen beispielsweise ein wichtiges Verfahren dar, mit dem der Erfolg verschiedener Maßnahmen oder Strategien ermittelt werden kann, um daraus Rückschlüsse für die Optimierung zu ziehen.

Fazit: Produktempfehlungen bieten enormes Potenzial

Produktempfehlungen im E-Commerce inspirieren Nutzer beim Einkauf und sorgen für gesteigerte Warenkorbwerte aufseiten der Shopbetreiber. Um das volle Potenzial einer Recommendation Engine im Onlineshop auszuschöpfen, empfiehlt es sich, an verschiedenen Positionen Empfehlungen auszuspielen. Diese sollten dabei jeweils an die Seite und deren Besonderheiten angepasst sein. Ganz entscheidend ist zudem, stets für Relevanz zu sorgen und jedem Kunden genau die Produkte anzuzeigen, die für ihn auch tatsächlich interessant sind und seinen Präferenzen entsprechen. Genau das gelingt durch Personalisierung.

Der Beitrag erschien in kompletter Länge im Leitfaden Personalisierung.