Empfehlungssystem im E-Commerce

In diesem Projektbeispiel zeigen wir, wie wir ein Empfehlungssystem zur Personalisierung des E-Commerce-Shops für unseren Kunden umgesetzt haben. Dabei gehen wir auf diese spezielle Problemstellung im Marketing ein und zeigen wie wir mit Machine Learning und Data Science Methoden das Problem lösen konnten.

Problem

Bei vielen Unternehmen ist zu erkennen, dass diese aufgrund des großen Kundenbestands und der Vielzahl an Produkten den Überblick verlieren und Schwierigkeiten haben, dem Kunden das passende Produkt zur richtigen Zeit vorzuschlagen. Ein solcher Fall trat bei einem Handelsunternehmen auf, welches über rund 500.000 Kunden und 6.000 Produkte in seinem Shop verfügte. Zwar konnte das Unternehmen dem Kunden eine Vielzahl an Produkten vorschlagen, doch es war dem Unternehmen nicht bekannt, welche Produkte zu welchem Kunden passen und zu einem höchstwahrscheinlichen Kaufabschluss führen würden.  

Dies führte dazu, dass sich die Personalisierung als schwer erwies und sich das Unternehmen nicht lediglich auf die Topseller des Unternehmens verlassen konnte. Zudem wurde der Shop ständig durch neue Produkte ergänzt, sodass das Unternehmen nicht wusste, wie es die neuen Produkte bewerben sollte und für welche Kunden diese geeignet sind. Neben dem Online-Shop war ebenfalls das E-Mail-Marketing betroffen. Auch im Bereich des E-Mail-Marketings wurden größtenteils einheitliche Mails versandt. Dadurch hatten viele Kunden keine Motivation, die vorliegende E-Mail zu öffnen, da der Inhalt nicht den Bedürfnissen entsprach. Die damit in Verbindung stehende Klickrate erwies sich als niedrig.

Lösung

Um dem Kunden zukünftig personalisierte Angebote sowie personalisierte Mails anzubieten, wurde ein Recommender-System eingesetzt. Mithilfe eines Recommender-Systems, einem sogenannten Empfehlungsdienst, konnten die Präferenzen eines jeden Kunden analysiert werden. Dabei stellt dieser Empfehlungsdienst eine Software dar, welche die historisch gesammelten Informationen nutzt, um das Interesse des Nutzers vorherzusagen. Folglich konnte man passgenau auf die Bedürfnisse und Interessen des Kunden eingehen und ein individuelles Angebot erstellen.  

Ein Empfehlungssystem hilft Unternehmen dem Kunden aus tausenden Produkten, die relevanten anzuzeigen. Empfehlungssysteme sind ein wichtiger Anwendungsfall von KI im E-Commerce.
Ein Empfehlungssystem hilft Unternehmen dem Kunden aus tausenden Produkten, die relevanten anzuzeigen. Empfehlungssysteme sind ein wichtiger Anwendungsfall von KI im E-Commerce.

Ergebnis

Das Ergebnis der Implementierung eines Recommender-Systems war, dass dem Kundenbestand täglich neue Empfehlungen vorgeschlagen wurden, welche zu den Präferenzen passten. Durch konnte der Online-Handel seinen Umsatz um 7,8 Prozent steigern und die Conversion-Rate wurde drastisch verbessert. Neben der Steigerung dieser Kennzahlen ist langfristig ebenfalls mit einer verbesserten Kundenzufriedenheit zu rechnen, da sich der Kunde mit seinen Wünschen und Vorlieben verstanden fühlt. Zudem spielt die Personalisierung der E-Mail-Kampagnen eine wichtige Rolle, da diese zu einer verbesserten Öffnungsrate führen. 

   

Ihr Kontakt: Laurenz Wuttke

Unternehmen sitzen auf einem ungenutzten Berg von Kundendaten. Wir von datasolut entwickeln KI, die Ihr Marketing optimiert. Damit Sie dem richtigen Kunden zur richtigen Zeit das richtige Angebot machen können.

Laurenz Wuttke

Auch interessant für Sie

Interessante Blogbeiträge

Praxisbeispiele

Künstliche Intelligenz optimiert Marketing und Vertrieb

Tragen Sie sich hier in unseren Newsletter ein und erhalten Sie gratis die KI-Anwendungsfälle:

Mit der Anmeldung stimmen Sie unserer Datenschutzerklärung zu.