Produktempfehlungen müssen dem Kunden einen Mehrwert bieten

Warum Produktempfehlungen persönlicher werden müssen

Amazon macht es, ebay macht es, selbst Aldi macht es – die Produktempfehlung. Wer schon einmal online eingekauft hat, wird den Satz kennen: „Kunden, die dieses Produkt angesehen haben, haben sich auch für Produkt XY interessiert.“ Doch nicht jede Produktempfehlung ist auch wirklich relevant für den Kunden.

Produktempfehlungen steigern den Umsatz

Generell sind Produktempfehlungen ein wahres Umsatzwunder. Einer Studie aus dem Jahr 2015 zufolge wurden bereits damals 11,5% aller Umsätze im E-Commerce-Bereich durch personalisierte Produktempfehlungen gemacht (Quelle: via Marketing Sherpa). Darüber hinaus sind die Kunden, die auf Empfehlungen klicken, fünf Mal mehr willens, tatsächlich etwas zu kaufen.

Aber eine Produktempfehlung ist nicht gleich eine Produktempfehlung. Neben den personalisierten Empfehlungen gibt es nämlich auch die klassischen, die sich oft an ähnlichen Produkten orientieren. Das kann natürlich auch erfolgreich sein, ignoriert aber das oft sehr individuelle Kaufverhalten der Kunden. Deshalb ist die Produktempfehlung basierend auf ähnlichen Produkten der Studie zufolge nur halb so häufig erfolgreich wie eine personalisierte Empfehlung.

Bei Aldi wird mir zur Aktionsware eines Marzipanhäschens beispielsweise andere Osterware angeboten. Hier kann ich als normale Besucherin bereits erahnen, dass es sich bei allen empfohlenen Angeboten um Aktionsware handelt. Die Empfehlung wird also nicht auf mich oder ähnliche Käufer abgestimmt, sondern auf Kategorienähnlichkeit.

Suche ich auf Amazon nach Marzipanhasen, bekomme ich hingegen neben den Osterleckereien auch andere Marzipanspezialitäten angeboten. Der Algorithmus, der hier dafür sorgt, dass ich vielleicht noch ein paar mehr Produkte in meinen Warenkorb lege, weiß also, dass die Lust auf Marzipan nicht nur saisonal bedingt ist. Mehr noch, wenn ich mich bei Amazon einlogge und auf „meine Empfehlungen“ gehe, werden mir sogar Angebote gemacht, die sich aus meiner Kaufhistorie ergeben.

Welche Produktvorschläge motivieren zum Kauf?

Das wohl interessanteste Ergebnis der Marketing Sherpa-Studie ist, dass Kunden eindeutig einen Favoriten haben, wenn es um Empfehlungen geht.

68,4% des Umsatzes, der durch Empfehlungen gemacht wurde, wurde durch „Kunden, die das Produkt angesehen haben, haben sich auch diese Produkte angesehen“ generiert. 25,1% haben sich daran orientiert, was Kunden, die das Produkt angesehen haben, letztendlich gekauft haben. Immerhin noch 16,1% reagieren auf Produkte, die auf der persönlichen Kaufhistorie basieren. Der große Verlierer: „Kunden, die dieses Produkt gekauft haben, haben auch diese Produkte gekauft.“ Leider wird gerade diese Option immer noch gerne von Online-Anbietern bevorzugt.

Obwohl ich bei den Gründen für diese Ergebnisse nur spekulieren kann, liegt die Antwort bereits in dem, was ich geschrieben habe: der Kunde denkt und kauft individuell. Wenn ich an der Supermarktkasse stehe und meinen Einkauf anschaue, überlege ich häufig, wie wohl jemand mein Leben einschätzen würde, der diesen Einkauf sieht. Warum habe ich einen Salatkopf, einen Plüschaffen und ein Buttermesser gekauft? Einkäufe, die für mich vollkommen Sinn ergeben, sind für den anderen unverständlich.

Wenn ich jedoch ein Buttermesser kaufen will, dann interessiert es mich, zu welchem Buttermesser andere Kunden im Laden greifen. Hier geht es um einen speziellen Bedarf, bei dem ich – nachweislich – sehr auf die Meinung anderer vertraue. Mehr dazu erfahren Sie übrigens in unserem Beitrag zum Thema Kundenrezensionen.

Welche Buttermesser sich Kunden angesehen haben, die auch eines kaufen wollten bzw. welches sie gekauft haben, ist relevant für mich.

Ob sie danach noch einen aufblasbaren Kaktus gekauft haben, ist für mich eher nicht hilfreich.

Recommender Systeme erleichtern die Produktempfehlung

Kunden reagieren positiv auf Produktvorschläge und die, die darauf reagieren, sind auch noch kaufwilliger als andere. Aber wie kann man diese personalisierten Vorschläge auch in die Tat umsetzen? Unter dem Begriff „Recommender System“ verbirgt sich ein komplexes Analyseverfahren von Kundendaten, das eben diese Vorschläge generiert und automatisiert.

Lernen Sie die Grundlagen vom Customer Analytics kennen und erfahren Sie, wie Sie die Daten und das Verhalten Ihrer Kunden effizient auswerten und einsetzen können, um das Kundenerlebnis stetig zu optimieren und zu individualisieren. Unser kostenloses Whitepaper können sie jetzt downloaden.

 

0 Kommentare

Dein Kommentar

Want to join the discussion?
Feel free to contribute!

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.