Während sich der stationäre Handel stärker auf seine Beratungskompetenz besinnt, um dem Kunden individuelle Empfehlungen geben zu können, präsentieren sich viele kleinere Shops auffällig gesichtslos. Dabei könnten personalisierte Angebote aus Kunden wahre Fans machen. In Sachen Logistik und Preis haben es viele Händler mehr als schwer, um gegen die Amazons und Zalandos dieser Welt zu bestehen. Eine persönliche Note mit auf den Kunden zugeschnittenen Angeboten kann hier der Schlüssel sein, um sich stärker zu differenzieren. Die Frage ist nur, wie fängt man damit an und wie funktioniert das eigentlich?

Die absolute Kür bei der Individualisierung besteht darin, dem Kunden Angebote zu unterbreiten, die zu von ihm bereits gekauften Produkten passen, oder aber Artikel ergänzen, die ihn schon interessiert haben. Es lässt sich aber auch etwas bodenständiger damit beginnen.

Grundlage jeder Personalisierung ist, dass der Kunde auch identifiziert werden kann. Bei der Personalisierung sind zwei Arten zu unterscheiden:

  • Explizite Personalisierung
  • Implizite Personalisierung

Explizite Personalisierung

Bei der expliziten Personalisierung teilt der Anwender seine Vorlieben selbst mit. Im Idealfall nutzt er ein angelegtes Login für den Shop. Dann ist er eindeutig als Individuum erkennbar und seine Bestellhistorie kann ausgewertet werden. Oder der Kunde legt seine Präferenzen durch Filter und Kategorien selbst in Form eines Profil fest. Solche Informationen können auch mit einem Fragebogen ermittelt werden.

Implizite Personalisierung

Bei der impliziten Personalisierung müssen die Vorlieben des Kunden ermittelt werden.

Viele Shopsysteme enthalten bereits einige grundlegende Funktionen, die in der Regel schnell zu implementieren sind:

  • Geo-IP: Aus der IP-Adresse des Nutzers kann abgeleitet werden, aus welcher Stadt bzw. Region sich der Kunde einwählt. Damit kann auf Filialen verwiesen werden oder auch auf saisonale Angebote für die Region.
  • Cookies: Über die Auswertung von Cookies werden Nutzer markiert. So lassen sich beispielsweise Erstbesucher identifizieren. Diese erhalten dann einen Begrüßungsrabatt. Außerdem kann auch ermittelt werden, wann der Nutzer zuletzt im Shop war. Auch das kann ein Anlass für ein gezieltes Angebot sein.
  • Referrer: Jeder Webserver kann auslesen, welche andere Seite der Besucher vorher aufgerufen hat. Mit etwas Kreativität findet sich auch hier ein Anlass, um den Kunden eine besondere Offerte zu unterbreiten.
  • Zeitabhängig: Was immer geht, ist eine personalisierte Ansprache und Begrüßung in Abhängigkeit der Tageszeit oder der Saison. Der Kunde besucht den Shop um 3 Uhr nachts? Dann bieten Sie doch “Late Night Shoppern” ein besonderes Schnäppchen an.

Software für die Personalisierung einsetzen

Die genannten Maßnahmen sind bereits entweder per Hand oder durch Erweiterungen der Shopsoftware recht schnell einzurichten. Speziallösungen bieten indes noch deutlich mehr Möglichkeiten. Sie kombinieren meist zwei Ansätze:

  • Es lassen sich Regeln (Rules Based Matching) aufstellen: Das funktioniert dann nach dem Prinzip: “Kunden, die dieses Produkt kauften, interessierten sich auch für…” Durch die Anreicherung der Daten identifizierter Kunden, lassen sich die Regeln auch sehr fein konfigurieren.

Ein solches Regelwerk kann etwa so aussehen:

  1. Besitzt der Kunde ein Smartphone von Samsung, empfehle ihm eine 3D-Brille.
  2. Kauft ein Kunde ein bestimmtes Ladekabel, besitzt er ein Gerät von Samsung.

Durch verschiedene Datenquellen versucht die Engine das optimal passende Produkt für den Kunden zu ermitteln (Foto: Epoq)
Durch verschiedene Datenquellen versucht die Engine das optimal passende Produkt für den Kunden zu ermitteln (Foto: Epoq)

Legt der Kunde nun das Ladekabel in den Warenkorb, unterbreitet ihm die Software dann automatisch auch die 3D-Brille.

  • Empfehlungen durch maschinelles Lernen: In diesem Fall liefert der Kunde Anhaltspunkte für das System zurück. So greift die Software zwar auf Regeln zu, platziert aber immer auch neue Artikel und Produkte in den Empfehlungen. Der Server lernt somit durch das Ausprobieren, welche Kombinationen aus Offerten Erfolg zu haben scheinen.

Um beim Beispiel zu bleiben: Legt der Kunde das Ladekabel in den Warenkorb, bietet das System drei Varianten an:

3D-Brille, Blaue Hemden, Rasenmäher

Entscheidet sich der Kunde für die 3D-Brille, wird dies als eine positive Verknüpfung gesehen. Die beiden anderen Varianten werden also negativ gesehen. Ist die Datenbasis genügend groß, ergibt sich so recht solide Vorhersagen.

Ein Vorteil dieses Ansatzes ist es, dass so auch immer wieder neue Produkte und Kategorien in Verbindung gebracht werden, an die der Händler selbst gar nicht gedacht hat.

Einige Anbieter solcher Personalisierungslösungen haben wir Ihnen bereits einmal vorgestellt.