Umsatzsteigerung durch passende Empfehlungen

Wie steigere ich meinen Umsatz?

Verkürze den Weg zum Wunschprodukt des Kunden. Die Produktempfehlung ist der effizienteste Weg zu einer Bindung des Kunden an den Kaufprozess. Herkömmlich werden ähnliche Produkte im Online-Shop mühsam über manuelle Eingaben und Bewertungen von Artikelbeschreibungen zusammengestellt. Dazu sind umfassende Warenkenntnisse und ein Geschick für sinnhafte Kombinationsmöglichkeiten notwendig. Der Mensch ist dabei für Geschwindigkeit und Qualität der limitierende Faktor.

Die Zukunft des Empfehlungsmanagements ist visuell

In einem "herkömmlichen" Geschäft kann der Kunde sich schnell orientieren und die interessanten Produkte relativ zügig finden. Es liegt daran, dass nahezu alle Produkte fast immer gut sichtbar sind und eine Möglichkeit besteht, diese Produkte kurz ansehen und eine Entscheidung zu treffen, ob die weiter untersucht werden sollen oder nicht. Der Gestalter der Vitrine in einem Store versucht die Produkte thematisch zusammenzustellen, die einer Marke oder einem Thema wie Jahreszeit oder Urlaub zugeordnet sind. Das, was der Online-Shop anbietet, kann der Kunde nicht so schnell ansehen und muss deswegen lange Listen mit Produkten "durchblättern". Die KI ermöglicht jedoch ein ähnliches Gefühl wie im Laden, aber mit deutlich größerem Ausmaß. Ähnliche Inhalte können mit Hilfe der KI automatisiert erstellt und dem Kunde per Click angezeigt werden.

Erreicht wird dieses durch im Vorfeld konfigurierte Filter, die eine bestimmte Sortimentsvielfalt sofort visualisieren können. Wie die Filter genau funktionieren, ist in unserem Blog über Datenaustausch beschrieben.

Die Macht der Bilder

Die große Anzahl von thematisch passenden Produkten erzeugt bei dem Kunden einen Wunsch, alle für ihn interessante Produkte zu untersuchen. Die Ansicht der weiteren Empfehlungen erzeugt weitere Bilder zur Auswahl und ziehen den Kunden richtig in den Einkaufsprozess hinein. Genau das ist die revolutionäre Taktik, die erst mit dem Ansatz der KI möglich geworden ist!

In einer Welt, in der visuelle Eindrücke eine entscheidende Rolle spielen, öffnet die KI-Bildanalyse neue Türen für personalisierte Empfehlungen im E-Commerce. Über die Artikelnummer und Kategorien hinaus gehende Informationen werden für das Empfehlungsmanagement nicht zwingend benötigt. Manuelle Detail-Beschreibungen der einzelnen Artikel sind somit für den reinen Empfehlungsprozess nicht nötig. Der Empfehlungsprozess läuft vollautomatisch und vornehmlich auf Basis der Bildinhalte und antrainierten KI-Informationen ab.

Durch die KI der Recommender Engine können tausendfache Empfehlungen für Produkte zügig erstellt, genutzt und wenn notwendig aktualisiert werden. Das basiert auf millionenhaft durch die KI trainierten Kaufprozessen aus der entsprechenden Industrie. Der Fokus bei Alfa Software liegt auf Fashion. Die bisher limitierenden Faktoren werden dementsprechend komplett durch die Recommender Engine entfernt. Die Steigerung des Umsatzes durch mehr und bessere Produktempfehlungen kann schnell greifen.

E-Mailkommunikation und personalisierte Newsletter

Produktempfehlungen können zudem in E-Mailkommunikation oder in umfassende Newsletter integriert werden. Außerdem können die Empfehlungen nicht nur in Produkt-Ansichten im Shop, sondern auch in Warenkörbe oder auch nach dem Kauf in Bestellbestätigungen integriert werden.

Aufgaben für die Implementierung

Bis zur Implementierung sind einige relativ überschaubare Punkte zu erledigen. Nach dem ersten Austausch, der Diskussion und Beantwortung der wichtigsten Fragen, muss die relevante Infrastruktur geprüft werden. Dazu erfolgt eine Bewertung der Artikel-Stammdaten inkl. vorhandener Bilddaten bzw. Bildtypen. Zudem wird eine Festlegung bzgl. der gewünschten Kombinationsmatrix der Produktkategorien (Filter) sowie die darauf basierende Gestaltung der Shop-Usability benötigt. Nachfolgend die Einrichtung der API, die Abstimmung zu den angedachten Bildmengen (grob) und regelmäßigen Datentransfers. Bald schon geht´s ins Testing.

Wir empfehlen generell ein Erfolgs-Tracking einzurichten. Möglichst auch AB-Tests zum Start durchzuführen. Die Erfolge nach Integration der Recommender Engine sollten schnell ersichtlich werden.