Käsetheke – das war das Stichwort im Mail-Betreff als ich mit Andreas Schönenberger ein Interview verabredete. Denn mein Käseverkäufer vom Wochenmarkt, der mich und meine Vorlieben gut kennt, ist quasi eine Art Blaupause für den ehemaligen CEO von Google Schweiz. Schönberger baut bei Boxalino an einem System, dass Echtzeit Personalisierung in den Webshop bringt. Das lernfähige System könnte eines Tages vielleicht sogar bessere Tipps geben als mein Käseverkäufer. Im Interview erklärt Schönberger, wie die Daten schon heute ein persönliches Einkaufserlebnis erzeugen.

Andreas Schönenberger: Physiker und CEO (Foto:PubliGroupe)
Andreas Schönenberger: Physiker und CEO (Foto:PubliGroupe)

 

Warum ist Personalisierung im Webshop so kompliziert?

Andreas Schönenberger: Sie müssen drei Säulen miteinander verbinden. Es braucht erst einmal ein lernendes Element. Dann kommt es auf die semantische Intelligenz an, also darum, die Zusammenhänge zwischen Produkten und Handlungen zu verstehen und es geht um das Mind-Modelling. Dabei versuchen wir neuronale Entscheidungsprozesse unterschiedlicher Menschen zu begreifen und sie nicht nur nach demographischen Kriterien zu bewerten. Personalisierung soll dem Kunden schließlich helfen, Produkte zu finden und zu entdecken, die zu ihm passen. Gleichzeitig aber muss der Prozess den Kunden durch den Verkaufsprozess führen, ohne dass er sich gegängelt fühlt.


Sie nutzen dafür das Konzept der Personas. Wie stark wird das individualisiert?

Schönenberger: Wir starten in der Regel mit einigen Personas, die man zusammen mit dem Unternehmen definiert. Dieser Personas werden vom System permanent untersucht. Unsere Engine lernt mit jedem Kunden und jeder Interaktion, wie diese Personas dynamisch weiterentwickelt werden müssen oder ob neue Personas kreiert werden sollten. Das ist ein selbstlernender Algorithmus – sowohl  im Bezug auf Personas als auch im Bezug auf Produkte und andere Inhalte.


Ein Beispiel bitte.

Schönenberger: Wenn sich jemand für ein Anti-Schuppen-Shampoo interessiert, könnte das System zum Beispiel zur Überzeugung gelangen, dass der Kunde womöglich für eine besonders feine Haarbürste sehr empfänglich ist. Und diese womöglich auch kaufen würde. Ebenso könnte es sein, dass der Kunde für bestimmte Produkte visuell empfänglich ist, weil sie in sein Lebensumfeld passen und Vertrautheit erzeugen. Dann werden auch solche Produkte angezeigt, die der Kunden zwar  nicht kaufen wird, die aber seine Kaufbereitschaft insgesamt steigern.

Dabei gibt es aber nicht nur Treffer?

Schönenberger: Unsere Engine steht für intelligente personalisierte Interaktionen, basierend auf dem was wir über den Kunden wissen und lernen können. Unsere Engine führt tatsächlich Tests durch. Daraus lernt sie dann auch. Das macht ja auch eine gute Verkaufsperson im Laden. Auch die probiert zuweilen bei Kunden neue Empfehlungen aus und lernt aus den Reaktionen, welche Art von Produkten für welche Kunden interessant sein könnten.


Die Kernthese über den Kunden erstellt ja die Landingpage auf Basis von Cookies, IP und Co. Wie viele Landigpages braucht es dann künftig?

Schönenberger: Letztlich könnten es unendlich viele Landingpages sein und unsere Engine generiert dynamisch so viele Landingpages wie notwendig sind, vollautomatisch natürlich. Aber so viele Landingpages braucht es nicht, um eine Übereinstimmung mit den Personas auf Basis der Eingangsinformationen zu erreichen und entsprechende Inhalte zu generieren und zu entscheiden, wo ein Produkt auf der Seite platziert wird. Zudem werden die gewonnenen Daten ja auch im späteren Verkaufsprozess im Webshop immer wieder eingesetzt und optimiert, unter anderem bei konkreten Produktempfehlungen.

Welche Daten können denn zusätzlich eingebunden werden?

Schönenberger: Das hängt vom jeweiligen Unternehmen ab. Sie können neben den Daten der Boxalino-Module beispielsweise CRM-Daten, das Wetter oder Informationen aus Facebook berücksichtigen.


Wie hilfreich können die gewonnenen Informationen denn für das Targeting sein – beispielsweise nach einem Besuch im Webshop? Es macht ja keinen Sinn, einem Kunden noch einen Artikel in der Werbung anzuzeigen, den er bereits gekauft hat.

Schönenberger: Unsere Engine versteht, welche Bedürfnisse der Kunde bereits befriedigt hat und welche – beispielweise auf Grund der Verweildauer auf einer Seite - noch offen sind und kann darauf entsprechend reagieren und helfen, die passende Werbung auszuspielen.

Wie viele Kunden muss ein Händler haben, damit das System sinnvoll arbeiten kann?

Schönenberger: Wir gehen davon aus, dass es für einen Händler ab einem Umsatz von 500.000 Euro und 5000 Produkten interessant wird. Dann bekommt der Algorithmus genügend Daten, um dazuzulernen.