Empfehlungsmarketing

Schlaue Maschine im Einsatz

Quelle zeigt zur ersteigerten Digitalkamera die entsprechenden Zusatzangebote an – auch Empfehlungsmarketing oder Recommendations genannt. In Onlineshops werben Sätze wie: „Folgende Produkte könnten Ihnen auch gefallen“ für weitere Artikel. Die Zusatzangebote werden dabei immer wieder neu zusammengestellt. Dem Nutzer werden Kombinationen, Ergänzungen und Zusatzangebote auf dem Präsentierteller angeboten. Hinzu kommt der Faktor Neugierde, wenn es darum geht, was andere User erworben haben.

Komplexe technische Umsetzung

Was Ihr Weinhändler um die Ecke oder die nette alte Dame im Tante Emma Laden so spielend beherrschen, bedarf, beispielsweise beim Onlineshopping, intelligenter Technik sowie kompetenter Beratung. Hochwertige Empfehlungen dem passenden Kunden zur richtigen Zeit anzubieten - das ist die Kunst.

Das Prinzip scheint einfach. Allerdings ist eine Umsetzung in den diversen Kommunikationskanälen für viele Firmen ein langwieriger und kostenintensiver Prozess, der häufig zum Scheitern verurteilt ist.

Die meisten gegenwärtigen Anwendungen wurden statisch entwickelt und erfordern noch manuelle Bedienung von Spezialisten. Dadurch sind sie weder echtzeitfähig noch für integrierte Applikationen geeignet. Benötigt werden Lösungen, die automatisch und in Echtzeit auf das Kundenverhalten und den Wettbewerb reagieren.

Funktionsweise von Recommendation Engines (RE)

Die Optimierung einer Empfehlung erfolgt synchron zur Interaktion der Kunden und wird mittels selbstlernender Verfahren aus dem Bereich Reinforcement Learning gesteuert. Dabei handelt es sich um eine Variante des maschinellen Lernens und bedeutet vereinfacht ausgedrückt, dass ein Computerprogramm für bestimmte Aktionen „bestraft“ bzw. „belohnt“ und sich so immer präziser wird.

In einer ganzen Reihe von Webshops, wie z.B. beim Baur Versand, bei Quelle oder Home Shopping Europe, wird diese Technologie erfolgreich eingesetzt. Hier analysiert die prudsys-RE täglich sehr große Datenmengen und schafft neue Zusammenhänge aus jedem Klick und Kaufverhalten der Kunden. Dabei stellt diese Empfehlungsmaschine, je nach Kunde und Kaufsituation, die passenden Zusatzangebote immer neu zusammen. Berücksichtigt werden auch die Warenkörbe anderer Kunden, die entsprechende Produkte bereits gekauft oder Interesse an ihnen gezeigt haben.

Unsere Lösung

Die nexum AG besitzt langjährige Erfahrung in der Definition und Umsetzung erfolgreicher Empfehlungsstrategien für den Verkauf über Onlineshops, im stationären Handel oder für Call Center.

Die Technik für die Empfehlungsstrategien liefert die prudsys AG, ein Unternehmen der PIRONET NDH Group, welches sich seit Jahren auf Zusammenhänge und Mustererkennung von Daten (Data Mining-Lösungen) für Echtzeitanwendungen spezialisiert hat.

Dank plattformunabhängigen Techniken und einer schnellen Integration liegt die Umsetzungsdauer in der Regel bei nur einer Woche.

Durch diese Faktoren konnten namhafte Unternehmen als zufriedene Kunden gewonnen werden – dazu gehören Quelle, Home Shopping Europe, Baur Versand, Alba Moda oder Schwab.

Erfolgreicher Einsatz

Der Einsatz unserer Recommendation Engine führt nachweislich zu Umsatzsteigerungen von 5% bis 15%. Laut unserer Kunden!

Die Empfehlungsmaschine wird auch in weiteren Szenarien eingesetzt. Zum Beispiel bei Media Markt oder Saturn: Mithilfe von Kiosksystemen werden den Kunden ihrem Geschmack entsprechende Musiktitel vorgeschlagen. Im METRO Future Store ermittelt die RE (mobil auf dem Personal Shopping Assistent), anhand der bereits getätigten Einkäufe der Kunden, die dazu passenden Kaufempfehlungen.

Welche Entwicklungen sind im Bereich der Empfehlungssysteme zu erwarten?

Gerade bei der Verknüpfung der On- und Offline-Welt besteht ein großes Potenzial. So kann ein Verkäufer anhand eines mobilen Gerätes auf umfangreiche Detailinformationen wie Testergebnisse zugreifen und mit den entsprechenden Empfehlungen erweitern. Dadurch steigert sich die Beratungsqualität für den Kunden und die Vorteile des Internetkanals lassen sich mit dem stationären Verkauf besser verknüpfen. So lässt sich ein echter Mehrwert generieren!

Die Vorteile noch einmal auf einen Blick:

• Kurze Implementierungsphase von ca. zwei bis vier Wochen
• Einfache Integration durch XML und Webservices in bestehende Systeme
• Kompatibel zu allen Systemen (Standard- oder Open-Source-Software)
• Hohe Qualität der Empfehlungen durch selbstlernende Interaktion mit Ihren Kunden oder Mitarbeitern