Teil 6: Big Data und Recommendation Marketing

Nachdem ich vergangene Woche die Kundensegmentierung anhand des RFM-Modell vorgestellt habe, möchte ich heute über das sogenannte „Recommendation Marketing“ berichten.

Was ist Recommendation Marketing?

König des „Recommendation Marketings“ ist der Versandhändler Amazon. Kein anderer setzt  „Recommendation Marketing“ erfolgreicher ein als der Versandriese. Über ein Drittel des Gesamtumsatzes erzielt Amazon heute durch erfolgreiches „Recommendation Marketing“. Recommoendation heisst zu Deutsch „Empfehlung“ oder auch „Vorschlag“. In dieser Form des Marketings werden einem Kunden gezielt Produkte angezeigt, die für diesen ebenfalls von hoher Relevanz sind. Amazon hat diese Produktempfehlungen gleich unterhalb des eigentlichen Produktes platziert, mit dem heute legendären Satz: „Kunden, die diesen Artikel gekauft haben, kauften auch“ (siehe Screenshot).

Wie funktioniert Recommendation Marketing?

Man kann es sich denken, wieder einmal spielen jede Menge Daten eine entscheidende Rolle. Um eine hohe Relevanz für einen Kunden zu erzielen, sind viele Daten aus dem Onlineshop notwendig. Je mehr Daten vorhanden sind, desto effizienter können Produktempfehlungen ausgespielt werden. Relevante Daten sind unter anderem die Verkaufshistorien der Kunden oder auch das Besuchs- bzw. Klickverhalten – der Rest wird dann von Algorithmen übernommen. Diese analysieren die Daten mittels mathematisch-statistischer Verfahren und können so Produktempfehlungen ausspielen.

Eine andere Möglichkeit bieten sogenannte „Live Recommendations“. Econda bietet eine Shop-Lösung an, bei der Kunden „Live Recommendations“ angezeigt bekommen. Econda verspricht, dass Kunden auf Grund Ihres Besuchs- und Klickverhaltens passende Empfehlungen in Echtzeit angezeigt bekommen. Laut eigner Aussage von Econda, wird mit der „Recommendation Engine“ die Shop-Performance signifikant verbessert. Kunden sollen so schneller Ihre gewünschten Produkte finden, aber auch auf ergänzende Produkte hingewiesen werden. Ebenso ist diese Shop-Technologie selbstlernend, d. h. sie analysiert in Echtzeit das Verhalten aller Kunden und optimiert sich stetig und vollautomatisiert. Zusätzlich hat man aber natürlich auch immer die Möglichkeit, steuernd in die Prozesse einzugreifen.

Fazit

Das Beispiel Amazon unterstreicht die Wichtigkeit von „Recommendations“ um den Umsatz im E-Commerce zu steigern. Und der Trend zeigt auch klar in diese Richtung. In der 2015 erschienenen Studie „Was Online-Shopper wollen: Online-Shopping Studie 2015“ bei dem zwischen dem 5. und 25. März 2015 in 17 Ländern jeweils 1000 Internetnutzer ab 18 Jahren befragt wurden wurde dargelegt, dass  Personalisierung ein wichtiger Faktor für Onlineshops ist. Über ein Drittel der Deutschen gaben dem zu Folge an, öfter und mehr zu kaufen, wenn die Angebote auf sie zugeschnitten sind. Auch Interessant ist, dass 34 Prozent der Nutzer angaben, Produkte gekauft zu haben, die sie eigentlich nicht gekauft hätten. Diese Fakten zeigen noch einmal deutlich, in welche Richtung sich Onlineshops zukünftig entwickeln müssen.