%201.png)
Bei Optimierungen im E-Commerce denken viele zuerst an die UX-Optimierung, so dass möglichst jeder User sofort das individuell relevanteste Produkt findet und ohne Probleme durch den Checkout-Prozess geleitet wird. Allerdings gibt es bei der Auswahl der Produkte, die einem User angeboten werden, auch die Geschäftsinteressen des Online-Shops zu berücksichtigen: Je nach Kampagne, Saison, Lagerbestand oder auch produktspezifischen Margen hat der Shop-Betreiber das Interesse, bestimmte Produkte oder Produktgruppen gezielt zu promoten und abzuverkaufen.
Welchen Usern aber welche Produkte angezeigt werden sollen, ist eine große Herausforderung der Sortimentssteuerung (auch Category Control oder Merchandising genannt). Nicht selten sind in Online-Shops mehrere Vollzeitstellen ausschließlich damit beschäftigt, eine möglichst optimale Sortimentssteuerung zu realisieren. Wenn das anzubietende Sortiment mit verschiedensten Kundensegmenten in Einklang gebracht werden soll, kann man sich gut vorstellen, wie viele Varianten und Möglichkeiten einzurichten und zu pflegen sind.
Es gibt Negativ-Beispiele, wo eine Kampagne zur Erhöhung der Konversionsraten trotz Erreichen dieses Ziels Verluste erzeugt hat. Das kann zum Beispiel dann passieren, wenn Produktmargen nicht berücksichtigt wurden oder die Konversionsraten nur bei geringeren Warenkörben gestiegen sind und so eine Optimierungskampagne letztlich mehr kostet, als sie Profit bringt.
Andererseits ist eine Sortimentssteuerung ohne Rücksicht auf die individuellen User-Interessen natürlich auch keine Lösung.
Was also tun?
Die Lösung ist eine personalisierte Sortimentssteuerung, welche die individuellen User-Präferenzen berücksichtigt, dies aber unter den Zielvorgaben des Shops.
Eine solche KI-gestützte Sortimentssteuerung benötigt keine Regelwerke, die vorgeben, welche Produkte für welche vordefinierten Segmente ausgespielt werden sollen. Regelwerke mit sehr vielen Kombinationen und fast unendlich vielen Varianten ufern schnell aus und erfordern sehr viel mehr Aufwand.
Die KI hingegen ist datenbezogen, dynamisch, echtzeitfähig und erfordert daher keine „Entscheidungsbäume“, wie es mit vorgegebenen Regelwerken und Segmenten der Fall wäre. Die KI analysiert für jeden User und für jeden seiner Klicks alle vorhandenen Daten in Echtzeit, egal ob anonyme Daten oder - sofern gegeben - personenbezogene Daten vorliegen. Die Analyse des Nutzerverhaltens auf Basis der historischen Daten ermittelt eine situative Look-alike-Audience, deren Verhalten und Präferenzen für den aktuellen User genutzt werden.
So wird dynamisch und in Echtzeit die individuelle Präferenz der jeweils relevantesten Produkte ermittelt und entlang des aktuellen User-Verhaltens und der Eingaben des Nutzers fortlaufend aktualisiert und angepasst.
Um die Geschäftsziele zu beachten, werden bei jedem user-individuellen Ranking der Produktliste die Geschäfts- oder Kampagnen-Ziele entsprechend gewichtet. Die nutzerindividuelle Relevanz steht weiter im Vordergrund, aber im Rahmen einer Sales-Kampagne werden reduzierte Produkte beim Relevanz-Ranking höher gewichtet und erscheinen somit weiter oben. Die Gewichtungen der Geschäfts- oder Kampagnen-Ziele werden immer mit der user-spezifischen Relevanz vereinbart. So werden die angezeigten Produkte, auch unter Einfluss der Gewichtungen bestimmter Geschäftsinteressen, stets nach individueller Relevanz des jeweiligen Users gerankt und ausgespielt.
Diese extrem große Anzahl an Produkt-User-Kombinationen, zudem noch mit pro Audience „gewichteten“ Produkteigenschaften zur Abbildung der Geschäftsziele, können mit Regelwerken nicht flexibel genug und schon gar nicht effizient umgesetzt werden.
Vom User zum Kunden, vom Kunden zum Stammkunden
Die Customer Engagement Plattform von ODOSCOPE ist besonders stark darin, für jeden User in jeder Situation die individuelle Relevanz in Echtzeit zu ermitteln und diese ebenfalls in Echtzeit auszuspielen.
Damit steigen die Konversionsraten, weil auch unbekannte User sofort relevante Inhalte ausgespielt bekommen. Relevanz sorgt für mehr Engagement und mehr Engagement sorgt für mehr Käufe. Aus (unbekannten) Usern werden Kunden.
ODOSCOPE kann aber genauso gut auch für wiedererkannte User und Bestandskunden personalisieren, je nach Cookie-Wiedererkennung oder erfolgtem Login. Auch hier sind Uplifts möglich, indem z.B. auf die Warenkorbwerte, die Kauffrequenz oder gezielte Empfehlungen optimiert wird. Aus Kunden werden so Stammkunden.
Egal ob gegenüber der großen Menge an unbekannten Usern, den Wiederkehrern oder den Bestandskunden: Mit einer individuellen Personalisierung in Kombination mit einer automatisierten Sortimentssteuerung wird für mehr Käufe, mehr Umsatz, mehr Kunden, und letztlich mehr Gewinn gesorgt.
Optimieren und vernetzen: Online-Shops und Omnichannel - digitale Welten verschmelzen
Die Customer Journey ist an dieser Stelle aber noch nicht beendet. Shopgate legt den Fokus auf Omnichannel und damit einer von A bis Z optimierten und nahtlos ineinandergreifenden Kundenführung. Das ist die perfekte Fortführung einer individuellen Kundenbetreuung und -begleitung.
Das Kauferlebnis kann auf diese Weise hochgradig automatisiert und zugleich personalisiert werden, ohne an individueller Relevanz zu verlieren – im Gegenteil.
Und nach dem Kauf ist vor dem Kauf: Im Sinne einer ganzheitlich gedachten Customer Experience muss natürlich die aktuelle Intention eines potenziellen Kunden erkannt und passgenau bedient werden, unter Berücksichtigung der Geschäfts- und Kampagnenziele. Zusätzlich sind aber auch die Lieferung, Abholung, ggf. Rückgabe und nicht zuletzt die Kundenberatung höchst wichtig, um den Kunden vom initialen Wunsch oder Intention über die Suche, Auswahl und den Checkout bis zum Erhalt des Produktes zufriedenzustellen.
Ein solches ganzheitliches Kundenerlebnis zu erzeugen ist eine exzellente Basis für geschäftliches Wachstum und steigende Kundenzahlen.
Autor: Matthias Bettag
Matthias ist Senior Data Strategist bei ODOSCOPE. Er war Co-Vorsitzender des Digital Analytics Hub, einer Konferenz in der EU und den USA für hochrangige Entscheidungsträger im Bereich der digitalen Analyse. Matthias ist ein zertifizierter Web Analyst™ seit den Anfängen des DAA-Programms und Gründer einer Analytics-Beratung in Deutschland, nachdem er viele Jahre bei einer führenden US-Analytics-Agentur und in einer globalen E-Marketing-Position in der Pharmabranche tätig war.
Hier gibt es mehr Infos zu ODOSCOPE