Recommendation Engine: worauf Sie bei der Auswahl achten müssen [Guide]

1. Was ist eine Product Recommendation Engine?

Eine Recommendation Engine ist ein automatisiertes Produktempfehlungs-System, welches u.a. auf Machine Learning, Data Mining und Predictive Analytics basiert. Die Software nutzt große Datenmengen und selbstlernende Algorithmen, um Besuchern von Online Shops relevante Produktempfehlungen auszuspielen. Dadurch bringen maschinelle Systeme und Algorithmen die individuellen Empfehlungen des beratenden Fachverkäufers im stationären Handel in den E-Commerce.

2. Welche Arten von Produktempfehlungen im Online Shop gibt es?

Manchmal scheint es so, als gäbe es etliche Arten von Produktempfehlungen. Von Online Shop zu Online Shop finden sich verschiedene Bezeichnungen bei Produktempfehlungsmodulen, wie beispielsweise „Kunden interessieren sich auch für diese Produkte“, „Kunden fanden ebenfalls interessant“, „Das könnte Ihnen auch gefallen“ oder „Andere Kunden haben sich folgende Produkte angesehen“. Letztlich bedeuten alle drei Überschriften dasselbe  – der Content ist nur anders verpackt. 

Generell gibt es drei Arten von Produktempfehlungen für Online Shops:

Contentbasiert: „Ähnliche Artikel“

Content-basierte Recommendations zeigen dem Besucher Alternativen zum aktuell betrachteten Produkt. Das erhöht zum einen die Verweildauer im Online Shop. Zum anderen nutzt es Ihrem Kunden, da ein langwieriger Suchprozess vereinfacht wird.

Verhaltensbasiert: „Kunden kauften auch“

So individuell jeder sein mag, lassen wir uns doch immer wieder von Anderen inspirieren – vor allem beim Einkauf. Wenn der Artikel bereits vor mir für Leute interessant war, dann kann er doch gar nicht so schlecht sein, oder? Auf Basis von Transaktionsdaten der Kunden lassen sich effektiv Produkte ermitteln, die häufig zusammen gekauft werden und entsprechend anzeigen.

Expertenbasiert: „Ihr komplettes Outfit“

Stellen Sie sich folgendes Beispiel vor: Sie sind auf der Suche nach einem neuen Outfit. Zuerst suchen Sie ein T-Shirt aus und legen es in den Warenkorb. Anschließend soll es noch eine dazu passende Weste sein. Sie navigieren in die entsprechende Kategorie, setzen verschiedene Filter (Farbe, Größe etc.) und scrollen durch die vielen Ergebnisse bis Sie gefunden haben was Ihnen gefällt. Das gleiche Spiel noch für eine Hose, Jacke usw.

Für viele Online Shop Nutzer ist diese Art des Shoppings mühsam, nerven- und zeitraubend. Expertenbasierte Produktempfehlungen beugen diesem Horror-Szenario vor und bieten zugleich ein besseres Kundenerlebnis. Durch das Zusammenlegen verschiedener Produkt-Kategorien ist es möglich ganze Produkt-Sets, z. B. passende Outfits, wie ein Fachexperte im stationären Handel zu empfehlen.

Diesen Empfehlungstyp nutzt zum Beispiel der Online-Händler VAUDE:

Produkt-Set bei Vaude: "Vervollständige deinen Look".

 

Tipp zur Auswahl von Produktempfehlungen:

Sie sollten sich Gedanken machen, ob und welche Produktempfehlungen für Ihren Online Shop sinnvoll sind. Ein Anhaltspunkt hierfür ist Ihr Produktsortiment. Bieten Sie keine „ergänzenden“ Artikel an, um bspw. ein mehrteiliges Produkt-Set präsentieren zu können, sollten Sie diesen Empfehlungstyp auf Ihrer Suche nach dem richtigen Tool außer Acht lassen.

Natürlich kann es auch sein, dass Ihr Produktsortiment für alle drei Arten geeignet ist. In diesem Fall können Sie auch alle nutzen, da sie ergänzend zueinander wirken. Dadurch steigern Sie Ihre Ergebnisse um ein Vielfaches.

3. Warum ist der Einsatz einer Recommendation Engine wichtig?

Wie vor allen elementaren Entscheidungen in einem Unternehmen sollten vorher das Ziel und die sich daraus resultierenden Ergebnisse geklärt sein. Folgende Ziele und vor allem gewinnbringende Resultate, lassen sich erfolgreich durch den Einsatz einer Produktempfehlungssoftware erreichen:

1. Der Einsatz von für den Nutzer relevanten Produktempfehlungen ist eine effektive Strategie, u. a. zur Erhöhung Ihres durchschnittlichen Warenkorbwerts. Dies gelingt durch effektives Cross- und Up-Selling, indem der Besucher des Webshops bspw. inspiriert wird. Daraus entstehen Zusatz- bzw. Impulskäufe, wodurch sich ebenfalls die Conversion Rate erhöht.

2. Ein altbekanntes Problem – vor allem im E-Commerce – wird „Paradox of Choice“ genannt. Je mehr Auswahl vorliegt, desto weniger kann sich der User entscheiden. In manchen Fällen ist er so überfordert, dass er überhaupt keinen Kauf tätigt. Die Angst vor einem Fehlkauf übersteigt die Vorfreude über ein Produkt. Gleichzeitig erwarten Online-Shopper aber ein großes Produktsortiment. Die Lösung: Entscheidungshilfen anbieten. Durch das Zeigen von wenigen aber für den User relevanten Produkten vereinfachen Sie seinen Suchprozesses im Webshop. Eine kleine, aber bedarfsgerechte Übersicht verhindert, dass Ihr potenzieller Kunde frustriert ist und zu einem Wettbewerber wechselt. Product Recommendations bieten dem Online-Kunden die „Beratung“, die er aus dem stationären Geschäft gewohnt ist.

3. Kein Trend mehr, sondern Realität: Personalisierung. Dem Kunden auf ihn zugeschnittene, individuelle Produktempfehlungen zu zeigen, erhöht nicht nur den Umsatz, sondern auch seine Zufriedenheit. Relevanz ist das Stichwort. Hat Ihr Kunde sich gerade einen Laptop gekauft, wird er nicht noch einen benötigen. Ihm aber personalisierte Empfehlungen, wie passende Kopfhörer zum erworbenen Produkt zu zeigen, ist sinnvoll. Damit steigern Sie, je nachdem an welchem Touchpoint Sie personalisierte Produktempfehlungen ausspielen, den Warenkorbwert und/oder die Wiederkaufrate. Damit ist eine Recommendation Engine ein hervorragendes Tool zur Ausspielung von personalisierten Inhalten.

Die oben genannten Ziele tragen gemeinsam zu einem der wichtigsten Kriterien für den langfristigen Unternehmenserfolg bei: die Kundenzufriedenheit.

Sie bieten Ihren (potenziellen) Kunden mit einer Recommendation Engine Inspiration, eine Entscheidungshilfe bzw. Beratung sowie das Gefühl ein „Individuum“ zu sein. 

Damit steigern Sie die Customer Experience – das Alleinstellungsmerkmal von Morgen, welche einen großen Impact auf Ihre Unternehmensstrategie hat.

Damit Sie aber von Produktempfehlungen im Online Shop profitieren, müssen diese relevant und qualitativ hochwertig sein.

4. Wo ist der Einsatz von Produktempfehlungen sinnvoll?

Ein beliebter Touchpoint für Online-Händler sind Empfehlungen auf der Produktdetailseite, da dort offenkundig bereits Interesse am Produkt besteht. Jedoch ist es auch sinnvoll, bereits auf der Startseite oder auf einer Themenseite Inspiration durch Produktempfehlungen zu geben.

Des Weiteren bieten Sie Ihrem Kunden einen besonderen Mehrwert durch den Einsatz von Recommendations im Warenkorblayer bzw. im Warenkorb. Der Kunde ist bereits gewillt zu kaufen – wieso also nicht noch etwas mehr, wenn er schon dabei ist. Allerdings ist darauf zu achten, dass wirklich relevante Artikel angezeigt werden, bspw. passendes Zubehör.

Kurz gesagt: Vor allem im Online Shop – also Onsite – ist der Einsatz von Product Recommendations sinnvoll, da sie dem „Paradox of Choice“ entgegenwirken und den Umsatz aufgrund des höheren durchschnittlichen Warenkorbwerts steigern.

In Zeiten der Omnichannel-Nutzung der Konsumenten ist es aber nicht weit genug gedacht Produktempfehlungen lediglich im Online Shop zu verwenden. Die Vernetzung der Kanäle, um ein individuelles Shoppingerlebnis bieten zu können, ist mittlerweile unumgänglich.

Für Online-Händler bedeutet das, den (potenziellen) Kunden entlang der gesamten Customer Journey zu begleiten und eine besondere Customer Experience zu schaffen.

Demnach beginnen und enden Produktempfehlungen nicht zwingend im Online Shop. Sie sind ebenso entlang der Customer Journey sowohl Pre-Purchase (vor dem Kauf) als auch Post-Purchase (nach dem Kauf) einsetzbar.

Beispielsweise um während der Awareness-Phase eines Interessenten Inspiration über Retargeting auf Instagram zu geben.

Möchten Sie einen bestehenden Kunden zum Wiederkauf bewegen und damit Ihre Return Rate erhöhen, sollten Sie ihm personalisierte Produktempfehlungen in einer After-Sales E-Mail oder im Newsletter präsentieren.

Produktempfehlungen entlang der Customer Journey

 

Der Einsatz von Product Recommendations ist also entlang jeder individuellen Customer Journey sinnvoll – nur wie funktioniert so ein Tool?

5. Wie funktioniert eine Recommendation Engine?

Eine einheitliche Funktionsweise gibt es nicht. Anbieter haben ihre Produktempfehlungssoftware meist selbst mit Hilfe von Experten entwickelt. Daraus entstanden verschiedene Algorithmen für die Umsetzung von Produktempfehlungen.

Grundsätzlich benötigt eine Recommendation Engine eine Datenbasis, also Daten, die erhoben werden, z. B.:

• Trackingdaten, wie das Klick- und Kaufverhalten im Online Shop.

• Produktdaten, wie Material, Farbe, Größe etc.

• Historische Daten, bspw. vorherige Käufe.

• Kundenprofile, also Alter, Geschlecht, Interessen.

Diese werden – oftmals in Echtzeit – verarbeitet, verglichen und ausgewertet. Anhand der Datengrundlage werden dann für den User relevante Empfehlungen ausgespielt.

Bei verhaltens- und produktbasierten Product-Recommendation-Anbietern ist der Trigger der Empfehlungen die SKU (Stock Keeping Unit), die eindeutige Artikelnummer in Online Shops. Bei verhaltensbasierten Produktempfehlungen spielen zudem die Kundeninteraktionen (Transaktionen, Klickverhalten, Retargeting etc.) eine Rolle. Das heißt, diese Anbieter müssen zu Beginn Daten sammeln und aus ihnen lernen, um Produktempfehlungen ausspielen zu können. Das Wissen dieser Anbieter ist immer mit einer SKU, sprich einem Produkt, verknüpft.

Bei expertenbasierten Produktempfehlungen sind weder Produkt- noch Transaktionsdaten notwendig. Bei dieser Art an Empfehlungen, wie es die Recommendation Engine von 8SELECT umsetzt, werden ab dem ersten Tag der Integration Produktempfehlungen von sehr hoher Qualität gezeigt. Dieses Vorgehen erzielt sofort Erfolge, weil keine Daten gesammelt werden müssen.

Das Wissen hinsichtlich zueinander passender Produkte liegt "außerhalb": bei den Experten für das Sortiment des Online Shops (Mitarbeitern, Produktexperten, Influencern, Content Managern, Category Managern etc.). Der Produktdatenfeed des Online-Händlers wird mit vielen weiteren Attributen angereichert und die Artikel werden mit Tags versehen. Über diesen Weg ist es bspw. möglich, dem Online-Shop-Besucher Product-Set-Empfehlungen auszuspielen, deren einzelne Artikel aus völlig verschiedenen Kategorien des Shops kommen, da kein direkter Bezug zum Ausgangsprodukt (SKU) vorliegen muss

Wie bei jeder Software, die Künstliche Intelligenz verwendet, muss die Datengrundlage stimmen. Benötigt die Software beispielsweise Produktdaten, so muss der Produktdatensatz vollständig und stets gepflegt sein. Ansonsten leidet die Qualität der ausgespielten Product Recommendations.

Je nach Standpunkt des Kunden in der Customer Journey bieten sich andere Daten als Basis an. Im E-Mail Marketing ist bspw. die Kaufhistorie aussagekräftiger für relevante Produktempfehlungen als das Klickverhalten im Online Shop.

Ein wichtiger Aspekt für die Auswahl einer Empfehlungsmaschine – also einer entsprechenden Software für Ihren Online Shop – ist die Handhabung. Kein noch so gutes Tool nützt Ihnen, wenn der künftige manuelle Aufwand aufgrund schlechter Bedienbarkeit, z. B. zur Erstellung von Sets, höher ist als zuvor.

Der notwendige Ressourceneinsatz sowie die Usability des Tools sollten demnach wesentliche Faktoren auf Ihrer Auswahlliste sein. Haben Sie nach Ihrer Recherche eine kleine Auswahl an Tools zusammengestellt, sollten Sie unbedingt eine Produkt-Demo beim jeweiligen Anbieter vereinbaren und diese Punkte checken.

Es gilt aber: manuell eingreifen zu können ist ein MUSS. Das größte Wissen über Ihr Sortiment haben Sie und Ihre Mitarbeiter. Durch manuelles Einstellen von bestimmten Regeln lassen sich Cross- und Up-Selling sowie die Qualität der Produktempfehlungen optimieren. Zudem ermöglicht Ihnen die Bearbeitung der Empfehlungen bestimmte – bspw. margenstarke – Produkte, Marken oder Kategorien hervorzuheben, also zu „pushen“.

 

Beispiele für Regeln zu Produktempfehlungen:

• „Produkte der Eigenmarke in Produkt-Sets priorisieren.“

• „Zu hochpreisigem Artikel nur Artikel aus dem gleichen Preissegment anzeigen.“

• „Bestimmte Produktlinie bevorzugen.“

• „Sales-Artikel in Produkt-Sets priorisieren.“

In der Grafik sehen Sie, wie das manuelle Einstellen von Regeln im Backend eines Recommendation Tools aussehen kann. Auch hier ist es wichtig, dass dies schnell und einfach umzusetzen ist.

 

Recommendation Engines unterscheiden sich nicht nur in der verwendeten Datenbasis oder dem Backend. Auch die Integrationsmöglichkeiten sind unterschiedlich. Manche bieten Plug-Ins oder eine Cartridge an. Allerdings unterstützt nicht jeder Software-Anbieter dieselben bzw. den gleichen Umfang an Shopsystemen. 

Häufig unterstützte Shopsysteme sind:

• Salesforce Commerce Cloud

• SAP hybris

• Oxid

• Shopware

Die meisten Anbieter sind aber flexibel, was die Integration auch für Eigenentwicklungen oder noch nicht angebotene Shopsysteme betrifft. 

Andere wiederum bieten eine Integration über einen JS-Code an, wodurch die Recommendation Engine mit allen Systemen kompatibel ist. 

Aufgrund der hohen Flexibilität vieler Anbieter, kann demnach die Integrationsmöglichkeit auf Ihrer Auswahlliste einer passenden Engine ganz unten stehen.

Je nach Zeitdruck sollten Sie aber auf jeden Fall die Integrationsdauer berücksichtigen. Diese variiert zwischen den Software-Anbietern stark. 

Eine sehr schnelle Integration kann beispielsweise nur 30 Minuten betragen. Andere benötigen Tage oder gar Wochen bis zum Live-Gang. 

Eins ist nun klar: keine Recommendation Engine ist wie die andere. Genau deswegen sollten Sie sich die Unterschiede und die wichtigsten Aspekte bei der Auswahl immer vor Augen halten.

6. Fazit

Bevor Sie sich mit Recommendation Engine Anbieter auseinandersetzen, sollten Sie sich über Produktempfehlungen im Allgemeinen informieren und Ihren individuellen Bedarf festhalten.

Stellen Sie sich Fragen, wie:

• „Welche Produktempfehlungen sind bei meinem Sortiment sinnvoll?“

• „Möchte ich entsprechende Product Recommendations nur in meinem Online Shop oder entlang der Customer Journey meines Kunden?“

• „Ist mein Produktdatenfeed vollständig und gepflegt?“

Kennen Sie dann also Ihre Wünsche und Anforderungen, gilt es einen passenden Software-Anbieter zu finden.

Hierzu sollten Sie sich Fragen stellen, wie:

• Welche Touchpoints sind möglich?

• Wie hoch ist der manuelle Aufwand für Mitarbeiter?

• Wie lange dauert die Integration?

Aber vergessen Sie nicht Ihren Kunden, denn letztlich glänzen nur qualitativ hochwertige und sinnvolle Produktempfehlungen.

Buchen Sie eine Produkt Demo, um zu sehen, wie Produktempfehlungen mit echter menschlicher Expertise entstehen und das Backend einer Recommendation Engine live zu erleben:

 

Alles auf einen Blick: Laden Sie sich den Guide als PDF herunter.