Recommender Systeme: Der Pro-Tipp beim Einsatz von Produktempfehlungen

Die Analyse individueller Kunden-Vorlieben auf einer Online-Verkaufsplattform ist enorm wichtig, denn das Verständnis der Customer Journey entscheidet darüber, ob der Kunde letztlich kauft oder nicht. Recommender Systeme (Empfehlungssysteme) im E-Commerce helfen dabei, das Verhalten der Kunden frühzeitig zu erkennen und somit personalisiert auf deren Wünsche einzugehen. Empfehlungsdienste liefern fundierte Daten über das Kaufverhalten von Interessenten und beeinflussen somit die Kaufentscheidung!

Im immer größer werden Dschungel der Online-Shops kann es eine echte Herausforderung sein, sich von der Konkurrenz abzuheben. Um auf die Bedürfnisse der Kunden einzugehen und die richtigen Produkte vorzuschlagen, spielen Empfehlungsdienste basierend auf künstlicher Intelligenz eine wichtige Rolle! Das, was im Ladengeschäft ein geschulter Verkäufer übernimmt, der die Wünsche des Kunden fast schon von seinen Lippen abliest, ersetzt online die Recommendation Engine. 

Amazon bietet diese Form des Cross-Selling Marketing bereits seit Jahren an. Wer ein Buch kauft, sieht weiter unten auf der Seite Anregungen dazu, was andere Kunden ebenfalls gekauft haben. Auch Kleidungs-Shops wie Zalando, Otto oder E-Bike-Händler wie fahrrad.de gehen auf Kundenbedürfnisse durch passende Produkt-Vorschläge ein. 

Wer kennt sie nicht, die magischen Ideen passend zur Auswahl, wenn der Warenkorb bereits voll ist: „Andere Kunden haben auch diese Bücher gekauft” oder „Dieses Accessoire könnte Dir auch gefallen”, und „Schau Dir ähnliche Artikel zu Deiner Suche an”!

Während Sie durch die Produktauswahl browsen und mal hier, mal da klicken, läuft im Hintergrund die Online Recommendation Engine, welches Ihr Kaufverhalten sofort analysiert und ein Profil Ihrer Vorlieben und Bedürfnisse erstellt

Was sind Recommender Systeme?

Recommender Systeme können in fünf verschiedene System-Modelle unterteilt werden, je nachdem, wie sie auf das Kundenverhalten eingehen. Durch die Empfehlungsdienste wird besonders das Cross & Up-Selling Marketing gestärkt. Liegt ein Produkt im Warenkorb, wird noch vor Kaufabschluss ein passender Artikel dazu empfohlen. Oder der Kunde erhält nach seinem Einkauf eine E-Mail mit personalisierten Ideen für den nächsten Besuch. 

Der Algorithmus der Produktempfehlungs-Software wertet gezielt jede Suche und jede Kaufentscheidung aus, um besser auf den Interessenten einzugehen. Durch personalisierte Produktempfehlungen kann ein Unternehmen den Kunden beeinflussen, eine schnellere Kaufentscheidung zu treffen. Je mehr positive Erlebnisse der Interessent in einem Webshop durch passende Produktvorschläge erlebt, desto mehr fühlt er sich dem Unternehmen verbunden und bleibt der Marke treu. 

Recommender Systeme können in fünf Modelle unterteilt werden*:

1) Kollaboratives Filtersystem: Das Verhalten eines Nutzers wird analysiert, um auf seine Präferenzen zurück zuschließen

2) Demografie-basiertes Filtersystem: Kundendaten werden nach Kategorien, wie dem Alter, Geschlecht oder Wohnort analysiert

3) Content-basiertes Filtersystem: Produktempfehlungen nach Ähnlichkeit mit dem gesuchten Content oder Produkten 

4) Wissensbasiertes Empfehlungssystem: Auswertung des Warenkorbs oder dem Kaufverhalten aus früheren Einkäufen, um auf individuelle Vorlieben einzugehen

5) Hybrides System: Eine Überschneidung von allen vorher genannten Modellen

* Leitfaden Customer Experience, Stefan Schulte & Thorsten Schwarz

Vorteile von Recommender Systemen

Recommender Systeme sind besonders vor und nach der Kaufentscheidung wichtig. Vor dem Kauf, wenn die Ware noch im Warenkorb liegt, bieten E-Commerce Recommendations perfekte Cross-Selling Möglichkeiten. Die Wanderschuhe liegen im Warenkorb, warum nicht die passende Windfeste Jacke dazu kaufen? 

Nach dem Kauf bieten Recommender Systeme die Möglichkeit, durch Data Science ermittelte Daten personalisierte E-Mails zu erstellen, und diese auf die Bedürfnisse des Kunden abzustimmen. Das führt zu einer höheren Öffnungsrate der E-Mails und bestenfalls zu einer größeren Click-Through-Rate und weiteren Verkäufen. 

Die Vorteile auf einen Blick:

👉 Analyse des Kaufverhaltens der Kunden durch Software

👉 Up-Selling Möglichkeiten durch genaue Kundenkenntnis

👉 Cross-Selling Möglichkeiten durch Empfehlungen passend zur Produkt-Suche

Nachteile von Recommender Systemen

Produktempfehlungen machen dann Sinn, wenn der Kunde bereits gefunden hat, was er sucht. Passend dazu werden ihm durch Recommendation Engines weitere Artikel vorgeschlagen, die ihn zu einem weiteren Kauf anregen. Für den Fahrradliebhaber ist das zum Beispiel ein extra Licht, für den Fashion-Fan eine neue Sonnenbrille oder für den Bücherwurm ein weiteres Buch.

Was Recommendation Engine Anbieter jedoch nicht können, ist den Kunden schneller zu einem Wunschprodukt zu führen oder die Customer Journey abzukürzen, wenn er zwischen 30.000 Produkten den Wald vor lauter Bäumen nicht mehr sieht. 

Hier ist eine Guided Selling Software das richtige. Diese holt den Kunden direkt beim Erstkontakt mit der Webseite ab, und leitet ihn durch gezielte Fragestellungen zum perfekten Artikel, wie ein Berater es im Ladengeschäft tun würde. Das erhöht die Loyalität des Kunden zum Unternehmen und vermeidet frühzeitige Kaufabbrüche.

Guided selling als perfekte Ergänzung zu Recommender Systems

Eine geführte Verkaufsberatung im E-Commerce optimiert den Kaufprozess und führt zu einer schnelleren Kaufentscheidung. Unpassende Produkte werden gar nicht erst gesehen und die Auswahl des Kunden wird mit jeder Frage spezifischer. Auch Alternativen, das beste Preis-Leistungs-Verhältnis oder das Produkt mit der besten Qualität können so herausgefiltert werden. Hier geht's zur Guided Selling Definition.

Die Guided Selling Software setzt da an, wo Recommender Systeme noch nicht greifen: Bei der Suche nach dem perfekten Produkt! Denn was nützen zusätzliche Produktvorschläge, wenn der Kunde noch nicht das gefunden hat, weswegen er den Online-Shop besucht. 

Guided Selling führt den Kunden mit einer Anleitung basierend auf Playbooks durch eine Online-Plattform, um die Spreu vom Weizen zu trennen. Das spart Zeit und unterbindet unnütze Ablenkungen durch eine Überzahl an Produkten, die oft zu Frustration und einem Kaufabbruch führt. 

„Soll es ein Einbaukühlschrank oder ein freistehender Kühlschrank sein?”, „Freistehend. Ok, soll der für einen Single oder für eine Familie sein?”, „Familie. Ok, soll der Kühlschrank eine extra Gemüseschublade haben?”, “Ok. Beste Qualität oder bestes Preis-Leistungs-Verhältnis?” und so weiter. 

Der digitale Kaufberater steht dem Kunden vom Anfang bis zum Ende zur Seite und beeinflusst maßgeblich die Kaufentscheidung. Die Customer Journey wird dadurch wesentlich angenehmer, der Kunde verliert nicht endlos Zeit nach dem richtigen Produkt zu browsen und kann seine Suche immer mehr eingrenzen. Je schneller der Kunde findet was er sucht, desto einfacher ist die Entscheidung auf „Jetzt kaufen“ zu klicken.

Fazit: Recommender Systeme und Guided Selling

Wo limitierte Suchfelder von Online-Anbietern zu einem Übermaß an Vorschlägen führen, wie z.B. ‚schwarz oder weiß‘, ‚T-Shirt oder Pullover‘, ‚Sommer oder Herbst‘, kann Guided Selling genaue Daten liefern. Die durch künstliche Intelligenz und Data Science ermittelten Eckpunkte über das Kaufverhalten des Kunden machen es möglich, dem Interessenten entgegenzukommen und gezielt das richtige Produkt vorzuschlagen, anstatt ihn abzulenken oder zu überfordern. 

Nachdem Guided Selling gekonnt auf Kundenwünsche eingegangen ist und dem Kunden zu einer schnellen Kaufentscheidung verholfen hat, kommen Recommender Systeme ins Spiel. Nachdem der zufriedene Kunde gefunden hat, was er sucht, ist es wesentlich leichter, ihn zum Kauf von weiteren Artikeln passend zu seiner Suche zu ermutigen. 

Fazit: Guided Selling und Recommender Systeme (in der Reihenfolge) = Match made in Heaven. 

Beide Systeme haben ihre Berechtigung und tragen dazu bei, das Kauferlebnis des Kunden angenehmer zu gestalten. Denn wer will schon Stunden in einem Online-Shop verbringen, um die Nadel im Heuhaufen zu suchen? Je persönlicher, individueller und schneller der Kaufprozess für den Kunden abläuft, desto eher kehrt er zurück und bleibt der Marke treu.

Wir hoffen der Artikel über Recommender Systeme im E-Commerce hat Sie inspiriert! Laden Sie sich hier unsere Case Study von Paulmann Licht und deren Erfolge mit Guided Selling herunter oder buchen Sie direkt eine Demo-Session mit uns!