Empfehlungsmaschine

Was ist eine Empfehlungsmaschine?

Eine Empfehlungsmaschine analysiert Daten über das Kundenverhalten und verwendet Algorithmen, um Produkte vorzuschlagen, für die sich jeder Kunde wahrscheinlich interessieren wird. Dies ist bekannt aus "Das könnte Ihnen auch gefallen..." oder "Kunden, die dies gekauft haben, kauften auch..." auf Produktseiten und in E-Mails.

Empfehlungsmaschinen sind für einen großen Teil des Umsatzes im modernen E-Commerce verantwortlich. Amazon schätzt, dass 35 % seines Umsatzes auf Produktempfehlungen zurückzuführen sind.

Arten von Empfehlungen

Kollaborative Filterung (kollaborative Filterung)

Empfehlung von Produkten auf der Grundlage dessen, was ähnliche Kunden gekauft haben. "Kunden, die X gekauft haben, haben auch Y gekauft". Erfordert ein gewisses Volumen an Transaktionsdaten, um effektiv zu arbeiten.

Inhaltsbasierte Filterung (inhaltsbasiert)

Empfiehlt Produkte mit ähnlichen Eigenschaften wie die, an denen der Kunde Interesse gezeigt hat. Wenn ein Kunde sich schwarze Laufschuhe angesehen hat, werden andere schwarze Laufschuhe oder Sportschuhe angezeigt.

Popularitätsbasierte Empfehlungen

Zeigt die beliebtesten oder meistverkauften Produkte an. Einfach, aber wirkungsvoll für neue Besucher, die noch keine persönlichen Daten haben, auf denen sie aufbauen können.

Kontextbezogene Empfehlungen

Empfehlungen basierend auf dem aktuellen Kontext, wie Jahreszeit, Wetter, Tageszeit oder die Seite, auf der sich der Kunde befindet.

Wo werden Empfehlungen angezeigt?

• Auf Produktseiten: "Das könnte Ihnen auch gefallen..." oder "Andere haben auch gekauft..." unter der Produktbeschreibung.
• Warenkorb/Kasse: "Vervollständigen Sie Ihren Einkauf mit...", ideal für Zubehör und ergänzende Produkte.
• Titelseite: "Empfohlene Produkte für Sie" für wiederkehrende Kunden.
• Suchergebnisse: Ergänzung der Suchergebnisse mit empfohlenen Produkten.
• E-Mails: Personalisierte Produktempfehlungen in Newslettern und Bestellbestätigungen.
• E-Mails zu abgebrochenen Warenkörben: Zeigen Sie die Produkte, die der Kunde abgebrochen hat, sowie verwandte Alternativen an.

Die Auswirkungen von Produktempfehlungen

• Höherer durchschnittlicher Bestellwert (AOV): Kunden, die auf Empfehlungen klicken, legen in der Regel mehr Produkte in ihren Warenkorb.
• Bessere Konversionsrate: Relevante Empfehlungen helfen Kunden, das richtige Produkt schneller zu finden.
• Höheres Engagement: Kunden verbringen mehr Zeit im Geschäft und sehen sich mehr Produkte an.
• Verbessertes Kundenerlebnis: Durch die Personalisierung fühlt sich das Geschäft relevant und aufmerksam an.

Produktempfehlungen in Shoporama

Shoporama unterstützt Produktempfehlungen über Shoporama:

• Verwandte Produkte: Sie können Produkte manuell miteinander in Verbindung bringen. Die Beziehung ist eine flache Many-to-Many-Beziehung, bei der jedes Produkt eine Anzahl von verwandten Produkten haben kann und jede Beziehung gewichtet werden kann, um die Reihenfolge zu kontrollieren.
• Ähnliche Produkte: Werden in der Regel verwendet, um Alternativen aus der gleichen Kategorie oder Marke anzuzeigen.
• Landing Pages: Dynamische Produktlisten, die auf Kategorien, Labels und Regeln basieren und als automatische Empfehlungen fungieren.
• E-Mail-Empfehlungen: Das Newsletter-System von Shoporama verfügt über spezielle Produktblöcke, die Produkte aus ausgewählten Kategorien oder Landing Pages anzeigen.
• Empfehlungen zur Bestellbestätigung: Spezielle Vorlage für Produktempfehlungen in E-Mails nach dem Kauf.

Bewährte Praktiken

• Relevanz vor Quantität: 3-4 relevante Empfehlungen sind besser als 20 zufällige. Qualität ist wichtiger als Quantität.
• A/B-Test der Platzierung: Testen Sie, ob Empfehlungen am besten unter der Produktbeschreibung, in einer Seitenleiste oder nach "In den Warenkorb" funktionieren.
• Vermeiden Sie es, dasselbe Produkt zu empfehlen: Zeigen Sie in den Empfehlungen nicht das Produkt, das der Kunde bereits sieht.
• Zeigen Sie Bilder und Preise: Produktempfehlungen mit Bildern und Preisen konvertieren deutlich besser als reine Textlinks.