Zurecht gelten automatisierte Produktempfehlungen als wichtiger Hebel für mehr Umsätze in Online-Shops. Wirkungsvolle Empfehlungen stellen einige Anforderungen an die dahinterstehende Logik. Denn es genügt einfach nicht mehr, dem Kunden nur passende Zusatzartikel anzubieten. Das System muss vielmehr (möglichst in Echtzeit) auf ständig wechselnde Gegebenheiten reagieren können.


Etailment-KLASSIKER

Trotz Tempo-Wandel sind manche guten Dinge länger wertvoll.
Kluge Studien, sinnvolle Tipps, brauchbare Tools.
Deshalb präsentieren wir Ihnen die besten zeitlosen Artikel von etailment in loser Folge.


In erster Linie wird das Surf- und Kaufverhalten der Shopbesucher analysiert. Daraus lässt sich dann ein Trend erkennen, der zu konkreten Empfehlungen führt. Es müssen aber auch saisonale Einflüsse berücksichtigt werden. Ein Klassiker im Herbst und Winter sind Empfehlungen für Skimoden oder Wintersport-Ausrüstung. Im besten Fall reagiert das Regelwerk der Empfehlungsengine auch auf aktuelle Wettertrends. Denn regnet es bereits seit längerer Zeit, wird der Kunde vermutlich nicht in Kaufrausch verfallen, wenn es um Wintersport geht. Dann sollte das System umdisponieren, und Schirme oder Regenjacken offerieren.

Für alle Tools aus diesem Beitrag gilt, dass der Erfolg stark von einem aktuellen und gut gepflegten Produktdatenfeed abhängt. Angaben zur Lieferbarkeit, Lagerbestände, Margen etc. sollten möglichst lückenlos und vor allen Dingen aktuell vorliegen.

Econda

Cross Sell ist der Name des Moduls, mit dem Econda (vorzugsweise auf den Daten des eigenen Webanalyse-Werkzeugs) in Echtzeit Produktempfehlungen geniert. Um den Implementierungsaufwand für den Händler möglichst gering zu halten, stehen zahlreiche Schnittstellen zu bekannten Shopsystemen zur Verfügung (Magento, Oxid etc.). Die Anlage des Regelwerks erfolgt in den ersten Wochen üblicherweise gemeinsam mit dem Händler. Am Anfang stehen dabei eher einfache Regeln (Hemd A passt sehr gut zu Hose B, so genannte Produkt-zu-Produkt-Empfehlungen).



Wenn diese funktionieren, lassen sich die Regeln dann immer stärker ausbauen. Hat der Kunde sich für Produkt A entschieden, wird ihm dann nicht nur eine der beliebtesten Ergänzungen angeboten, sondern etwa auch solche, von denen besonders große Lagerbestände vorhanden sind. So kann gezielt ein Abverkauf initiiert werden. Die Gebühren für den Service sind variabel, allerdings so gestaltet, dass sie sich auch kleinere Shops leisten können.

Epoq

In drei Varianten bietet Epoq seine Dienste an. Basic, Pro und Star nennt das Unternehmen seine als Software as a Service bereitgestellte Empfehlungsengine. Als Basis für die Empfehlungen werden sowohl die aktuellen Klicks und Käufe als auch historische Informationen genutzt. Die Berechnung und Bewertung erfolgt dabei für jeden Besucher neu.

Die Datenbasis für das lernende System von Epoq
Die Datenbasis für das lernende System von Epoq
Das ist ein wesentlicher Unterschied in der Herangehensweise gegenüber anderen Diensten. Die Algorithmen versuchen zu ermitteln, was der Kunde in diesem Moment tatsächlich will. Es werden also nicht Kundenprofile ausgewertet und herangezogen. Epoqs Ansatz funktioniert verständlicherweise je besser, desto breiter die Datenbasis ist. Und die ist am größten, wenn auch die weiteren Services des Unternehmens gebucht werden, etwa die intelligente Shopsuche. Deren Ergebnisse können dann in die Empfehlung mit einbezogen werden. Im Fall von Bestandskunden können die Daten noch um die Kaufhistorie ergänzt werden. Damit wird die Trefferquote weiter verbessert. Dank des Konzepts des Software as a Service gestaltet sich die Implementierung im System des Händlers recht unkompliziert. Die Empfehlungen lassen sich auf beliebigen Seiten einspielen.

Die verschiedenen Service-Pakete von Epoq.
Die verschiedenen Service-Pakete von Epoq.


Preislich liegt der Anbieter im mittleren Segment. Monatlich sollte der Händler mit einem niedrigen vierstelligen Betrag an Gebühren rechnen.

Prudsys

Das RDE im Produkt RDE Recommendations von Prudsys steht für Realtime Decisioning Engine. Es berechnet automatisch relevante Empfehlungen für den Kunden. Auch dieser Anbieter löst sich damit vom bewährten Ansatz anderer Empfehlungs-Engines, die auf Profildaten basieren. In Echtzeit werden die im Shop ermittelten Daten ausgewertet und in Verbindung mit historischen Informationen des Nutzers (Käufe, Klick, Geschlecht, Alter) kombiniert.

Empfehlungstypen und Verknüpfungen der Engine von Prudsys
Empfehlungstypen und Verknüpfungen der Engine von Prudsys

Prudsys setzt auf lernende Algorithmen (Reinforcement Learning). Diese sind in der Lage, auch solche Artikel vorzuschlagen, die außerhalb der ursprünglichen Interessen des Kunden liegen, aber nun sein Interesse geweckt haben könnten. Über Filter, Ausschlusslisten und Workflows können die Empfehlungen manuell angepasst werden, um zusätzlich geschäftliche Anforderungen umzusetzen (Lagerräumung!). Damit der Händler sich nicht im Dickicht der Parameter verliert, konfiguriert er A/B-Tests, um den Erfolg der Einstellungen zu überprüfen.

Wer sich für Prudsys entscheidet, sollte in seinem Segment einen der führenden Shops betreiben.