Visit Homepage
Zum Inhalt springen

Alles für größere Warenkörbe: Wie Sie Ihre Recommendation Engine richtig nutzen

Conversion allein ist nicht alles. Der Verkaufserfolg im eCommerce hängt auch von der durchschnittlichen Warenkorbgröße ab. Und die lässt sich steigern, wenn Sie Ihren Kunden ansprechende Produktempfehlungen geben – z.B. auf Produktdetail-Seiten, im Warenkorb oder auch auf der Startseite. Ganz nach dem Zitat von Steve Jobs: „Oftmals wissen die Leute nicht, was sie wollen, bis man es ihnen zeigt.“

Eine 2016 veröffentlichte eCommerce-Studie von ibi research besagt: 84% der Online-Händler verzeichnen Umsatzsteigerungen durch den Einsatz einer Recommendation Engine – zu Deutsch: Empfehlungssystem. Hierbei handelt es sich um Algorithmen, die anhand von Produkt- und/oder Tracking-Daten passende Kaufempfehlungen erzeugen.

Wie wertvoll eine Recommendation Engine sein kann, zeigt sich auch bei den Global Playern: Zum Beispiel generiert Amazon mittlerweile 35% seines Umsatzes über Recommendations. Und bei Netflix werden Serien- und Film-Aufrufe zu 75% über Empfehlungen generiert, die auf dem Nutzerverhalten basieren.

Das sind die erfolgreichsten Empfehlungsstrategien

Als Shop-Betreiber haben Sie verschiedene Möglichkeiten, Ihre Empfehlungen erzeugen und ausspielen zu lassen. Welche Ansätze für Sie die richtigen sind, kommt unter anderem darauf an, wie Ihr Sortiment zusammengesetzt ist, welche Daten Sie zur Verfügung haben und wie viel Ressourcen Sie für die Pflege Ihrer Recommendations zur Verfügung haben. Im Folgenden stellen wir Ihnen einige der wichtigsten Ansätze vor:

Andere Kunden kauften auch – der Klassiker

Mehr Cross-Selling durch Social Proof. Die Empfehlungen werden anhand der kombinierten Verkäufe des Shops ermittelt. Das erfolgt zwar automatisch, jedoch sollten Sie dennoch manuell nachprüfen, ob die empfohlenen Artikel wirklich passen.  

Der Amazon-Best-Practice Andere Kunden kauften auch ist der absoluter Klassiker unter den Empfehlungsdiensten, häufig wird er auch Häufig zusammen gekauft betitelt. Hierbei erscheinen komplementäre Empfehlungen passend zum aktuell betrachteten Produkt. Zum Beispiel auf der Produktdetailseite oder im Fenster, das erscheint, nachdem ein Produkt in den Warenkorb gelegt wurde.

Das Ganze funktioniert nach dem Prinzip des Social Proof: Der Kunde bekommt das Gefühl, dass die Empfehlungen nicht vom Shop nahegelegt werden, sondern von anderen Kunden mit ähnlicher Interessenlage. Durch diesen Empfehlungstyp lässt sich also nicht nur der Warenkorb vergrößern, sondern auch das Kundenvertrauen stärken.

Auch wenn diese Recommendations selbstlernend sind und sich automatisch an neue Trends anpassen, ist manuelle Nacharbeit unerlässlich. Denn was Kunden zusammen kaufen, passt nicht immer logisch zusammen. Zum Beispiel wenn in einem Möbel-Shop zusammen mit Schränken häufig auch Servietten gekauft werden. Für solche Fälle lässt sich mit FACT-Finder mühelos eine Blacklist erstellen, um unlogische Empfehlungen auszuschließen.

Manuelle Empfehlungen – gezielter geht es nicht

Durch manuelles Konfigurieren können Sie Produkte und zugehörige Empfehlungen „hart verdrahten“. Ihre Kunden sehen dann genau die Artikel, die Sie für die relevantesten halten.

Falls Sie feststellen, dass die manuelle Nacharbeit verhältnismäßig aufwendig ist, bietet es sich an, Ihre Empfehlungen direkt manuell umzusetzen. So können Sie sich sicher sein, dass Ihre Kunden keine unpassenden Kaufvorschläge erhalten. Zudem nehmen Sie Einfluss darauf, welche Ihrer Produkte bevorzugt verkauft werden. Bei den manuellen Empfehlungen ist das Vorgehen im FACT-Finder-Backend ähnlich wie bei Pushed Products. Es handelt sich praktisch um Feedbackkampagnen auf Recommendation-Ebene: Einfach die jeweiligen Auslöser definieren und die Produkte bestimmen, die empfohlen werden sollen – fertig sind Ihre manuellen Empfehlungen.

 

Alternativen – Up-Selling vorprogrammiert

Alternativ-Empfehlungen sind eine effektive Maßnahme, um so manchen Kunden zum Kauf eines höherpreisigen Produkts zu bewegen.

Eine weitere Möglichkeit, um den durchschnittlichen Warenkorbwert zu erhöhen, sind Alternativ-Empfehlungen zum gerade betrachteten oder ausgewählten Produkt. Dieser Empfehlungstyp wird auf Basis von Produkteigenschaften ermittelt – das heißt, die Verlinkung, welche Produkte miteinander ähnlich sind, muss im Datenfeed hinterlegt sein.

Das Anzeigen von Alternativen innerhalb einer Produktkategorie ist sinnvoll, um Spezifikationen vergleichen zu können. Diese Funktion ist nicht bei allen Kategorien anwendbar – je nach Produkt sollten Sie hinterfragen, ob das Anzeigen von Alternativen sinnvoll ist.

Zubehörartikel – der einfachste Weg zu mehr Cross-Selling

Ideal für Bundle-Angebote: Zubehör-Empfehlungen sind besonders in Branchen wie Elektronik und Fashion ein beliebtes Mittel, um den Bestellwert zu steigern.

Last but not least: Zubehörartikel. Gerade im Bereich Technik (z.B. bei Smartphones oder Laptops) kann oft eine ganze Palette an Zubehör-Produkten empfohlen werden. Bei dieser Art von Recommendations lässt sich direkt eine Gruppe von Produkten zusammenstellen, die Kunden im Paket kaufen können. Das angebotene Paket gibt es dann zum Beispiel vergünstigt im Sparangebot.

3 entscheidende Action Steps für die Umsetzung von Recommendations

  1. Form und Ort sinnvoll planen
    Beschäftigen Sie sich mit der Frage, welches Recommendation-Prinzip für Sie und Ihre Produkte am sinnvollsten ist. Hierfür sollten Sie sich unbedingt ausreichend Zeit nehmen und unternehmensinterne Absprachen vornehmen. Denn jeder Ansatz hat seine Vor- und Nachteile, die je nach Produkt und Zielgruppe unterschiedlich relevant sind.
  2. Datenbasis schaffen
    Wenn Sie entschieden haben, wie und wo sie Recommendations einsetzen möchten, gilt es, die hierfür notwendige Datenbasis zu schaffen. Stellen Sie also sicher, dass Ihr Tracking funktioniert. Danach sollten Sie Ihren Datenfeed analyiseren, optimieren und auf Ihr Recommendation-Konzept ausrichten.
  3. Ausschlüsse bedenken
    Im letzten Schritt ist es wichtig, mögliche Fehlerquellen zu beachten. In Blacklisten lassen sich Ausschlüsse festlegen. Umgekehrt können Whitelisten genutzt werden, um Produkte und Empfehlungen zu hinterlegen, die immer ausgespielt werden sollen.

Personalisiert und voll integriert: FACT-Finder Recommendation Engine

Durch Einsatz der FACT-Finder Recommendation Engine haben Sie den Vorteil, dass Sie kein weiteres Tool benötigen und dass alle über die Suche gesammelten Tracking-Daten auch in Ihre Empfehlungen miteinfließen.

Neben dem „Wisdom of the Crowd“ ­– also den kombinierten Verkäufen im Shop – kann sich die FACT-Finder Recommendation Engine auch an den gerade aktiven Nutzer und seine individuellen Präferenzen anpassen – seien es bestimmte Marken, Farben oder andere Attribute. Diese personalisierten Recommendations verschaffen dem Nutzer einen weiteren Mehrwert und erhöhen nochmals die Wahrscheinlichkeit, dass er zugreift.

Mehr interessante Themen

Über den Autor

Stefanie Maier ist eCommerce Consultant bei FACT-Finder. Ihre akademische Laufbahn führte vom Studium der Marktforschung zum Master of Arts im Innovativen Service Marketing. Basierend auf ihren Datenanalysen berät sie Handelsunternehmen wie Esprit, SANICARE und Shop Apotheke rund um das Thema Customer Journey.

Sei der Erste der einen Kommentar abgibt

    Schreibe einen Kommentar

    Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

    Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.