Im ersten Teil unserer Blogserie haben wir uns mit sinnvollen Recommendations bzw. Produktempfehlungen für unbekannte Nutzer beschäftigt. Aber für eine umfassende Recommendations-Strategie reicht es natürlich nicht, lediglich unbekannte Nutzer anzusprechen. Deshalb geht es heute weiter mit Teil 2: Produktempfehlungen für Wiederkehrer und Bestandskunden.
Strategie für Produktempfehlungen – Weiterer Verlauf der Customer Journey
Wie wir bereits festgestellt haben, können die falschen Recommendations an der falschen Stelle große Frustrationen bei den Nutzern hervorrufen – das gilt noch mehr für Nutzer, die sich schon einmal auf der Website bewegt haben oder gar Stammkunden sind. Denn wenn diese genauso wie ein unbekannter User angesprochen werden, dann werden sie sich definitiv nicht verstanden fühlen und dem Shop schnell den Rücken kehren.
Dementsprechend bewegen wir uns nun weiter auf der Customer Journey des Users. Denn besonders bei bekannten Usern kann man die volle Palette (personalisierter) Empfehlungen ausreizen.
Empfehlungen & Produkte für Wiederkehrer auf der Startseite
Es gibt viele Gründe, warum User den Shop verlassen, auch wenn sie sich bereits näher mit dem Shop und seinen Produkten beschäftigt haben. Vielleicht möchten sie noch auf anderen Seiten zu besseren Angeboten recherchieren – oder sie haben gerade einfach keine Zeit mehr und möchten das Shoppen später fortsetzen. Wenn sie wieder zurück in den Shop kommen, sollten sie dementsprechend ihre Produkte auch wiederfinden. Hierbei können über ein Empfehlungswidget die zuletzt gesehenen Produkte z.B. in einer Leiste oben oder unten auf der Seite angezeigt werden. So findet der User schnell die Produkte wieder, für die er sich interessiert hat und kann den Online-Einkaufsbummel fortsetzen. Hat der User bereits Produkte in den Warenkorb gelegt, so können auch diese prominent angezeigt werden, so dass einem schnellen Einkauf nichts im Weg stehen sollte.
Empfehlungen auf Produktdetailseiten
Dieser Einkaufsbummel wird den Nutzer dann höchstwahrscheinlich bald auf eine Produktdetailseite leiten. Womit wir bei der klassischen Platzierung für zusätzliche Produktempfehlungen angelangt wären. Und wenn der Shopbetreiber möchte, kann er sich hier mit praktisch unendlichen Möglichkeiten austoben. Gerade bei Wiederkehrern und Bestandskunden gibt es viel Potential für personalisierte Produktempfehlungen.
Passende Produkte und “Andere Kunden kauften auch…”
Ganz klassische Empfehlungen sind zum Beispiel solche aus der gleichen Kategorie, wie das aktuell angesehene Produkt. Sieht sich der Nutzer gerade ein weißes Businesshemd an, werden ihm dann weitere Businesshemden angezeigt. Genauso verhält es sich mit “Andere Kunden kauften auch…”-Empfehlungen. Hier werden Produkte angezeigt, die bei anderen Kunden zusätzlich zum angesehenen Produkt im Warenkorb landeten. Funktioniert, ist aber nicht übermäßig spannend. Hier gibt es deutlich spannendere und umfangreichere Möglichkeiten – besonders, wenn man die Empfehlungen KI-basiert ausspielt.
Personalisierte Produktempfehlungen mit KI-Unterstützung
Produktempfehlungen mit KI-Unterstützung werden anhand des individuellen Userverhaltens generiert. So berechnet unser trbo-Algorithmus beispielsweise anhand verschiedener Faktoren Produkte, die jeweils zum einzelnen User passen. In diese Berechnung fließen dann zum Beispiel statistische Zwillinge ein. Hierbei wird betrachtet und mit einbezogen, wie sich Nutzer verhalten haben, die sich zuvor Produkte gekauft haben. Weitere Faktoren für die Berechnung sind zum Beispiel angesehene Produkte und Produkte im Warenkorb. Somit gehen diese Recommendations einen Schritt weiter, als klassische Empfehlungen und stützen sich auf die Customer Journey des Kunden. Sieht sich ein User Business-Accessoires an und wechselt dann zu einem Businesshemd, werden zusätzlich weitere Accessoires empfohlen.
Bei Bestandskunden kann zusätzlich auch noch auf die Interessen des Nutzers eingegangen werden – denn die sind über das Kauf- und Surfverhalten bereits bekannt. Dementsprechend sollte natürlich auch dieser Faktor in die Recommendations mit einbezogen werden. So fühlt sich der Nutzer zusätzlich gleich richtig abgeholt und gut beraten.
Recommendations: Probieren geht über studieren
Die Möglichkeiten Nutzer mit passenden Produktempfehlungen anzusprechen, sind immens. Aber: so groß die Verlockung auch ist, sollten trotzdem nicht zu viele Empfehlungen gleichzeitig an die Nutzer ausgespielt werden. Wenn dann auf der Detailseite plötzlich Topseller, “Andere Kunden kauften auch…” und “Für Sie ausgewählt”-Empfehlungen auftauchen, wird der Nutzer womöglich zu sehr abgelenkt oder von der Auswahl gar überfordert. Lieber erst einmal mit wenigen Empfehlungen starten und testen, welche am besten funktioniert. Hierbei helfen A/B- oder Multivariantentests – so kann die Entscheidung über die beste Recommendations-Strategie nicht nur mit Bauchgefühl, sondern belastbaren Zahlen getroffen werden.
Wenn ihr noch mehr zu Recommendations erfahren wollt, dann lest euch doch auch mal unser Whitepaper durch. Das könnt ihr unter diesem Link herunterladen.
In unserer Blogserie geht es im nächsten Teil weiter mit Empfehlungen im Warenkorb und während des Kaufabschlusses.