Im ersten Teil unserer Mini-Artikelreihe wird es darum gehen, was Personalisierung kann und welche Möglichkeiten moderne Personalisierungssysteme bieten. Im zweiten Teil werden wir dann verschiedene Lösungen vorstellen und deren Vor- und Nachteile durchleuchten.
Teil 1: Was Personalisierung kann. Möglichkeiten moderner Personalisierungssysteme
Wer wissen will, welcher Trend den E-Commerce 2018 maßgeblich verändern wird, muss Netflix gucken. Der Streaming-Dienstleister brilliert schon heute in einer Disziplin, in die aktuell viele große Online-Händler investieren: Personalisierung.
Wer Netflix nutzt, kommt weitgehend ohne Menü, Navigation und Suche aus – denn das System weiß selbst, was jeder individuelle Nutzer sehen will. Eine enorm große Datenbasis und sehr kluge, selbst lernende Algorithmen sorgen dafür, dass auf der individuellen Startseite jedes Nutzers fast immer genau die Filme und Serien aus dem reichhaltigen Sortiment (in Deutschland über 2.000 Filme und Serien) angeboten werden, die ihn wirklich interessieren. Die Treffsicherheit des Systems ist, da sind sich Experten weitgehend einig, aktuell in der Branche einzigartig.
Im E-Commerce wiederum setzen die meisten Online-Shops noch darauf, dass die Kunden die gewünschten Produkte selbst suchen. Doch je größer das online angebotene Sortiment, umso langwieriger gestaltet sich diese Suche – und um so höher ist die Wahrscheinlichkeit, dass die Kunden genervt aufgeben und einen Shop unzufrieden verlassen.
Deshalb steht Personalisierung – also die Kuratierung eines Angebots nach den individuellen Wünschen und Interessen eines einzelnen Kunden – derzeit ganz oben auf Agenden der E-Commerce-Manager. Zalando beispielsweise will in den nächsten anderthalb Jahren einen zweistelligen Millionenbetrag in das Thema Personalisierung investieren, um jedem Kunden einen individuellen Onlineshop anbieten zu können, der eine optimierte, reduzierte Auswahl aus den insgesamt 300.000 Artikeln darstellt. Derzeit sollen 600 der 1.900 Tech-Mitarbeiter an der Personalisierung und der dahinter stehenden künstlichen Intelligenz arbeiten.
Dass sich die Investition lohnen wird, hat das Marktforschungsinstitut Boston Consulting Group kürzlich in einer Studie festgestellt: Demnach erzielen Marken, die personalisierte Online-Experiences durch die Integration von Daten und fortschrittlichen Technologien schaffen, derzeit Umsatzsteigerungen von 6-10 Prozent. Auch McKinsey & Company schätzt die Wirksamkeit des Hebels Personalisierung hoch ein: Durch Personalisierung könnten Kundengewinnungskosten um bis zu 50 Prozent gesenkt, Umsätze um 5 bis 15 Prozent erhöht und die Effizienz der Marketingausgaben um 10 bis 30 Prozent gesteigert werden, so die Unternehmensberatung in einem aktuellen Strategiepapier.
Denn, wie unter anderem eine Verbraucherstudie von Qubit zeigt, wollen Kunden personalisierte Angebote: 69 Prozent der befragten Verbraucher zeigten sich Unternehmen gegenüber offen, Angaben zu ihren Präferenzen zu machen, wenn dadurch ihr Einkaufserlebnis verbessert wird. Vor allem unter 35-Jährige lassen sich den Studienergebnissen zufolge für Personalisierung begeistern – ältere Konsumenten stehen allzu treffsicheren Angeboten dagegen etwas skeptischer gegenüber.
Personalisierung fängt in der Navigation an
Personalisierung ist keineswegs nur ein Trendthema für die Zalandos, Ottos oder Amazons dieser Welt, die mehrere Millionen in die Entwicklung ihres Shops pumpen können. Auch kann man von der Idee eines individuell kuratierten Sortiments nicht nur dann profitieren, wenn man den großen Wurf à la Netflix macht und die gesamte Navigation durch Algorithmen ersetzt. Auch kleinere Maßnahmen können einem Standard-Online-Shop bereits einen Hauch von individueller Ansprache geben – zur Freude der Kunden. Eine erfolgreiche Personalisierung übernimmt dabei die Aufgaben eines guten Kundenberaters. Damit das gelingt, müssen viele Daten in ausreichender Zahl vorliegen, beispielsweise:
- Welche Produkte hat sich ein Besucher angesehen?
- Um welche Uhrzeit und mit welchem Endgerät greift er auf die Seite zu?
- Welche älteren Daten liegen bereits vor?
Aus solchen und anderen Daten lässt sich ein genaueres Bild dazu zeichnen, mit wem man es gerade zu tun hat und welches Angebot jetzt am meisten Erfolg verspricht.
Das fängt schon in der Navigationsleiste an: Große Webseiten mit einer komplexen Navigation, die eine Vielzahl von Kategorien und Marken abbildet, sind oft unübersichtlich für Besucher. Hier kann die Personalisierung für kundenrelevante Informationen ideal eingesetzt werden. Während des Shop-Besuches passt sich die Navigation anhand von Such- und Klickverhalten an den jeweiligen Kunden an – die Kategorien, die ihn nicht interessieren, werden bei der „dynamischen Navigation“ einfach ausgeblendet.
Eine andere Variante ist eine unterschiedliche Gewichtung nach Interessenslage; die Kategorien, die den individuellen Kunden vermutlich besonders ansprechen, werden dann prominenter dargestellt. Ein Paradebeispiel für individuelle Ansprache in der Navigation ist About You: Die Otto-Tochter verändert ihre Navigation entsprechend dem Geschlecht, der Kleidergröße und den persönlichen Vorlieben jedes Nutzers.
Von „Andere Kunden kauften auch…“ zu „Das könnte Sie auch interessieren…“
Zum Kern persönlicher Ansprache gehören personalisierte Produktempfehlungen. Jeder kennt diese Begegnung mit einem wirklich guten Verkäufer im Stationär-Geschäft, der nach einem Blick auf den Kunden das genau passende Buch oder die perfekte Hose aus dem Regal zieht. Diese Verkäufererfahrung in den Webshop zu transportieren, ist seit jeher eine Herausforderung des Online-Handels. Klassische Cross-Selling-Angebote aus Recommendation Engines à la „Andere Kunden kauften auch…“ gibt es in fast jedem Online-Shop – aber leider sind sie oft nicht besonders gut. Da wird dann schon mal der Bikini zum Skischuh angeboten. Solche Fehlschüsse sind im Allgemeinen die Folge einer schlechten Datenlage.
Um wirklich passende Produktempfehlungen geben zu können, muss ein Shop wissen, was ein Kunde sucht – dafür muss das Surfverhalten im Shop und im besten Fall auch anonymisiert außerhalb des Shops erfasst werden – und was er gekauft hat; Auskunft darüber gibt die Kaufhistorie. Beide Informationsquellen werden dann mit ähnlichen Datensätzen aus dem gesamten Kundenstamm abgeglichen.
Zusätzlich greifen moderne Empfehlungsmaschinen aber auch noch auf andere Datensätze zu, z.B. wird ein Produktbezug hergestellt: In Abhängigkeit der gewählten oder betrachteten Produkte und Kategorien werden Empfehlungen gegeben. Dann sieht Kunde A beispielsweise ein Batteriepack, nachdem er sich einen Lautsprecher angesehen hat, während Kunde B dagegen auf Kabel hingewiesen wird, obwohl er zuvor den gleichen Artikel betrachtet hatte. Auch bestimmte Suchbegriffe, die den Kunden in den Shop geführt haben, oder die er im Shop verwendet hat, können in die Auswahl der Recommendation Engine einfließen.
„Willkommen zurück“ – Personalisierung für angemeldete Nutzer
Wiederkehrenden Besuchern bzw. dem System bereits bekannten Kunden machen die Personalisierung leichter als Neukunden. Schließlich sind ihre vergangenen Warenkörbe, Wunschlisten oder Newsletterpräferenzen bekannt, die Datensätze aus ihrer Surf- und Kaufhistorie sind deutlich länger. Dementsprechend sind natürlich auch die Möglichkeiten einer direkten Ansprache deutlich ausgefeilter.
Letzteres ist dabei ganz wörtlich gemeint: Ein Kunde, der bekannt ist, kann persönlich begrüßt werden – mit seinem Namen und mit individuell für ihn zusammengestellten Empfehlungen. Diese können im Extremfall zu vollständig individuellen Produktfeeds führen, wie sie Zalando oder About You ihren eingeloggten Kunden anbieten: Diese Feeds speisen sich aus den über den Kunden vorliegenden Interessensdaten und lernen mit jedem Klick dazu.
Zusätzlich kann der Kunde selbst in seinen Feed eingreifen, beispielsweise, indem er ein Produkt, eine Marke oder einen Influencer liked und andere nicht. Dadurch bleibt der Feed stets aktuell und nah dran am Geschmack des Users. Daraus ergeben sich weitere Optionen, beispielsweise Profil-basierte Filter, mit denen der Kunde seinen eigenen Produktfeed sortieren kann. About You beispielsweise bietet eingeloggten Nutzern die Möglichkeit, das Sortiment nach der eigenen, im Profil erfassten Größe zu filtern.
Im zweiten Teil werden wir demnächst verschiedene Lösungen und deren Vor- und Nachteile vorstellen.
Links
Bild
- CC0 Creative Commons, stux @ pixabay
