Versandhandel
Programming
Fulfillment
Comsulting

i business: Recommendation Engines: Die Zukunft der subtilen E-Commerce-Berater

Montag, 16.04.2012

10.04.12 Ein guter Verkäufer erkennt was Kunden wollen. Er erkennt aber weder Ihre Vorlieben noch Lebensumstände noch Kaufgewohnheiten. Ausgefeilte Recommender-Systeme von Onlineshops hingegen schon. Sie gelangen leicht und unauffällig in den Besitz dieser wertvollen Kundendaten. Und das ist erst der Anfang.

Recommendation Engines stellen einen echten persönlichen Bezug zu den Kunden her und sorgen damit für eine nachhaltige Emotionalisierung des Online-Einkaufserlebnisses. Die Empfehlungssysteme unterstützen den Benutzer beim Finden geeigneter Produkte. Aus den simplen Mitverkaufssystemen der frühen Nuller-Jahre (“Dieses Produkt passt dazu:”) sind längst ausgefeilte semantische Systeme geworden. Aber die Kunden sind auch empfindlicher geworden. Aus 10 Jahren Recommendation-Engine-Erfahrung haben die Systementwickler gelernt: Der Kunde muss einen Mehrwert spüren. Keinesfalls allerdings dürfen die Systeme den Kunden bei seiner Auswahl bevormunden oder stören.

Gänzlich andere Anforderungen an seine Recommendation Engine als sein Kollege aus der Online-Optik, hat Rene Otto . Der BVH-Aktivist ist Geschäftsführer des Fanartikel-Shops Rock N Shop . Rene Otto hält besonders für kleinere Onlineshops andere Aspekte für wichtiger – so beispielsweise die reale Warenverfügbarkeit im Lager: “Es nützt nichts, Produkte als Empfehlungen einzublenden, wenn die Ware nicht verfügbar ist.” Des Weiteren müsse die Größe des Sortiments bedacht werden. Denn: Ist das Sortiment zu klein, lohnt sich auch keine Recommendation Engine.

Qual der Wahl: Welcher Recommender-Ansatz zu welchem Onlineshop passt

Abgesehen von der Sortimentsgröße des Onlineshops existieren noch weitere wichtige Faktoren, die Händler bei der Auswahl ihres Recommendation-Systems beachten sollten. Ein allgemeingültiges Erfolgsrezept gibt es allerdings nicht. Hier hilft nur ein bewährtes Hausmittel: Die klar definierten, individuellen Zielsetzungen des Onlineshops mit den reellen Gegebenheiten, sprich der Infrastruktur, und den Bedürfnissen der Zielgruppe abgleichen. Denn genauso unterschiedlich wie die Bedürfnisse der verschiedenen Shop-Anbieter ausfallen, sind auch die ihrer Kunden. In diese Kerbe schlägt auch Christin Schmidt , Sprecherin des Bundesverbands des Deutschen Versandhandels (BVH). “Grundsätzlich sollte sich jeder Shopbesitzer intensiv mit der Frage befassen, welches System das für ihn geeignete ist”, rät Schmidt. Das richte sich selbstverständlich danach, welche Ware sich im Shop befinde, aber auch nach dem passenden und umsetzbaren Systemansatz für den jeweiligen
Onlineshop, schränkt aber auch sie ein. Nur mit dem für den Onlineshop geeigneten Recommendation-System können die Händler in den Genuss der Vorteile eines solchen Systems kommen. So erwarten sich ECommerce-Anbieter von dem Einsatz einer Recommendation Engine in ihrem Shop etwa,

  • den Wert des Warenkorbs der Kunden zu steigern,
  • das Cross-Selling oder Up-Selling zu fördern,
  • eine stärkere Kundenbildung zu erreichen,
  • die Häufigkeit der Besuche zu steigern,
  • die Sichtbarkeit relevanter Produkte für die Suchmaschinen zu erhöhen,
  • eine solide Basis für das Retargeting zu schaffen,
  • die Einsparung des manuellen Pflegeaufwandes,
  • eine Umsatz- und Gewinnsteigerung.

Um ganz sicher zu gehen, dass die eingesetzte Recommendation Engine auch die für seinen Shop passende ist, hat sich Rene Otto für ein System Marke Eigenbau entschieden. “Unsere Cloud-Lösung Customa ist ein selbstentwickeltes System, das eine Dreifach-Engine einsetzt. Diese steuert Artikel nach den Kriterien “verwandte Artikel zum Vorkauf”, “Andere Kunden kauften auch…” und “Topseller der Gewinnungskampagne” sowohl im Shop als auch auch in vollautomatisierten Mail-Anstoßketten zu”, erzählt er.

Quelle: ibusiness – Recommendation Engines: Die Zukunft der subtilen E-Commerce-Berater, 10.04.2012

Artikel als Download: 

Die vollständige Ausgabe auf:  www.ibusiness.de 

Tags: , , , ,