Empfehlungssystem im E-Commerce
Wie kann man aus tausenden von Produkten genau die auswählen, die für den Kunden relevant sind?
Mit dieser Frage beschäftigte sich ein Unternehmen aus der E-Commerce-Branche. Mit Hilfe eines intelligenten Empfehlungssystems und den daraus resultierenden personalisierten Marketingstrategien konnte der Umsatz deutlich gesteigert werden.
Zur Erinnerung: Empfehlungssysteme helfen dabei, aus einer Vielzahl von verfügbaren Objekten (z.B. Kaufen, Ansehen, Bewerten) diejenigen Produkte zu empfehlen, die für den Nutzer am relevantesten sind.
Auf einen Blick:
- Branche: E-Commerce
- Projektziel: Personalisierte Marketingmaßnahmen durch intelligentes Empfehlungssystem
- Technologien: AWS S3, Stepfunctions, AWS Glue, Sagemaker, Bitbucket
- Dauer: 3 Monate
Wie kann man Produkte empfehlen, die für den Nutzer am relevantesten sind?
Unser Kunde hat einen riesigen Kundenstamm: Rund 500.000 Kunden treffen täglich auf eine Auswahl von etwa 6.000 Produkten. Verständlich, dass sich die Kunden nicht jedes Produkt ansehen können. Die Marketingmanager stehen daher vor der Herausforderung, eine Vorauswahl an passenden Produkten für die Kunden zu treffen.
Da die Marketingverantwortlichen die Bedürfnisse der einzelnen Kunden nicht kennen, werden E-Mail-Kampagnen meist einheitlich versendet. Das bedeutet, dass eine E-Mail mit einer festen Auswahl an Produkten an alle Kunden verschickt wird. Dabei wird nicht darauf geachtet, ob das Produkt zum Kunden passt oder nicht.
Die Folge ist nicht selten, dass die Klickraten der E-Mails – aufgrund dieser unpassenden Angebote – sinken.
Und das Problem wird sich so schnell nicht lösen: Allein eine mögliche Kombination von 500.000 Kunden und 6.000 Produkten ergibt ein Spektrum von rund 300 Millionen Möglichkeiten, aus denen die Marketingabteilung auswählen muss. Eine aussichtslose Situation.
Abgesehen davon, dass die Klickraten bei solchen E-Mail-Kampagnen sinken, bleiben Umsatzpotenziale ungenutzt. Denn aufgrund fehlender Informationen über die Interessen der Kunden wird allzu oft nur auf die Top-Kunden geachtet. Kunden, die in Zukunft zu Top-Kunden werden könnten, werden vernachlässigt und können gar nicht erst zu Top-Kunden werden.
Vor diesen Herausforderungen stand unser Kunde
Niedrige Klickraten
Einheitliche E-Mail-Kampagnen mit unpassenden Angeboten führen zu geringem Kundeninteresse und niedrigen Klickraten.
Ungenutztes Umsatzpotenzial
Fehlende Personalisierung führt zur Vernachlässigung potenzieller Top-Kunden, wodurch Umsatzpotenziale ungenutzt bleiben.
Unpersönliches Marketing
Fehlende Informationen über individuelle Kundenbedürfnisse erschweren die Erstellung passender, personalisierter Angebote.
Um gemeinsam eine effektive Lösung für die oben genannten Probleme zu finden, haben wir uns für die Implementierung eines KI-basierten Empfehlungssystems entschieden.
Mit diesem können wir aus dem Kaufverhalten der Kunden in der Vergangenheit auf das Kaufverhalten der Kunden in der Zukunft schließen.
Ein maschinelles Empfehlungssystem kann als eine Art Filter betrachtet werden, der aus tausenden von Informationen diejenigen herausfiltert, die für den Kunden wirklich interessant sind.
Bei der Filterung spielen folgende Parameter eine große Rolle:
- Relevanz: Anzahl der Objekte, die für den Nutzer relevant sind
- Neuheit: Neue Produktempfehlung, wenn vorgeschlagene Produkte keine Reaktion des Nutzers hervorrufen
- Entdeckung: Ergebnisse sollen für den Nutzer unbekannt, interessant und überraschend sein
- Vielfalt: Produktvielfalt, auch wenn der Nutzer nur an einer Kategorie interessiert ist
Wie gehen wir dabei vor?
1.
Zuerst sammeln wir die Eingangsdaten für die Modellarchitektur und bereiten sie auf.
Anschließend werden die Daten aggregiert, gefiltert und in eine Form gebracht, die der Algorithmus verarbeiten kann.
2.
Für das Warenhaus entscheiden wir uns für die Variante des Kollaborativen Empfehlungssystems.
3.
Dann haben wir die Empfehlungen in die verschiedenen Kanäle implementiert (unter Berücksichtigung des individuellen Regelwerks des Unternehmens).
KI-Produktempfehlungssystem als Filter für Empfehlungen
Aus tausenden von Produkten filtert ein Algorithmus genau die Produkte heraus, die für den Kunden interessant sind. Diese finale Auswahl an Produkten wird in einem letzten Schritt zusätzlich nach Nutzerpräferenz absteigend sortiert.
Signifikante Umsatzsteigerung durch Unterstützung des KI-basierten Empfehlungssystems
Das KI-basierte Empfehlungssystem liefert dem Marketingmanager Anhaltspunkte, um dem Kunden passende Angebote zu unterbreiten. Täglich filtert das System neue kundenindividuelle Empfehlungen heraus, die dem Marketingmanager als Grundlage für personalisiertes Marketing dienen. So werden in E-Mail-Kampagnen nur noch Produkte vorgeschlagen, die den Interessen des Empfängers entsprechen.
Dadurch konnte die E-Mail-Klickrate deutlich verbessert werden, was zu einer höheren Konversionsrate führte. Der Umsatz konnte so um beachtliche 7,8% gesteigert werden.
Nicht zuletzt führen die personalisierten Angebote zu einer stärkeren Bindung des Kunden an das Unternehmen und erhöhen den Kundenwert.
Die Produktauswahl wird von künstlicher Intelligenz übernommen, was die Arbeit der Marketingmanager erleichtert.
Unpassende Angebote gehören der Vergangenheit an!
Welche Probleme konnten durch eine KI-gestützte Empfehlung vermieden werden?
- Unzufriedene Kunden, die alle die gleichen Produkte empfohlen bekommen
- Zu hohe Personalkosten durch manuelle Prozesse
- Niedrigere CTRs und Konversionrate durch unpersönliches Marketing
Sie haben Fragen zum Thema Produktempfehlungssystem? Dann melden Sie sich! Wenn Sie sich für weitere spannende Fakten rund um das Thema KI interessieren, schauen sie auch gerne bei unseren Leistungen vorbei.
Auch Sie möchten Ihren Kunden immer die passenden Empfehlungen machen? Das unterstützen wir! Kontaktieren Sie uns doch gerne.
Ihr Ansprechpartner
Ob und wie künstliche Intelligenz Ihnen weiterhelfen kann, können Sie in einem ersten, unverbindlichen Gespräch mit uns herausfinden.
In diesem Gespräch erfahren Sie:
- Wie Ihr Use-Case technisch am besten umgesetzt werden kann
- Wie wir maximal sicher mit Ihren Kundendaten umgehen
- Wie lange wir für die Umsetzung benötigen und wie ein konkreter Projektplan aussehen könnte