Automatisiertes Up-Sell und Cross-Sell ohne Sensei
Manchmal braucht es nicht viel Hokus-Pokus und aufwendige Cloud-Dienste, sondern es reichen ein paar geschickte Algorithmen, um brauchbare Ergebnisse für automatisiertes Up- und Crossselling zu erzielen.
Automatische Produktempfehlungen für Up-Sell auf der Produktdetailseite
Im Up-Sell auf der Produktdetailseite möchte man möglichst ähnliche Produkte anzeigen, welche im besten Fall etwas höherpreisig sind. Doch wie findet man ähnliche Produkte, oder anders gefragt, wie lässt sich so etwas wie Ähnlichkeit quantifizieren? Um dies zu erreichen, betrachten wir die Produkteigenschaften als Vektoren und berechnen mit einer Distanzmetrik die Entfernung zwischen zwei Produkten. Nehmen wir beispielsweise die Eigenschaft für welchen Hauttyp das Produkt geeignet ist. Wenn der Wert unterschiedlich ist, addieren wir eine gewisse Distanz. Das machen wir für alle relevanten Produkteigenschaften und je größer dann die Distanzist , desto unähnlicher sind sich zwei Produkte. Die Idee ist analog zu Clustering Algorithmen wie beispielsweise K-Means, um Objekte zu gruppieren. Einen solchen Ansatz nennt man übrigens auch content-based filtering. Weil wir die Empfehlung zu passenden Produkten einzig auf Basis des Inhalts (Produkteigenschaften) ermitteln.
Das ganze funktioniert selbstverständlich nur dann richtig gut, wenn man einen gut gepflegten Produktkatalog hat. Diese Pflege des Produktkatalogs benötigt man außerdem, um Kunden ideale Filtermöglichkeiten im Katalog und in der Suche zu bieten.
Der Vorteil an diesem Ansatz ist, dass man nicht so viele Regeln einstellen muss. Man kann schon mit einem simplen ungewichteten Set an Produktattributen recht gute Ergebnisse erzielen. Wenn Produkteigenschaften eingrenzbare Wertebereiche haben. Beispielsweise Ja/Nein Werte, Selects oder Multiselects funktionieren gut.
Automatische Produktempfehlungen für Cross-Sell im Warenkorb
Das Cross-Selling im Warenkorb lässt sich ohne manuelle Konfiguration relativ einfach automatisieren. Es handelt sich um eine klassiche “Andere Kunden kauften auch” Ansicht. Und das ist hier wörtlich zu nehmen. Auf Basis von anderen existierenden Bestellungen lässt sich ermitteln, welche Produkte oft zusammen gekauft werden. Das funktioniert dann besonders gut, wenn bereits viele Bestellungen bereits im System sind. Je mehr Bestellungen, desto größer ist die Wissenbasis. Einen solchen Ansatz nennt man übrigens auch Collaborative Filtering, weil sozusagen viele subjektive Bewertungen (Käufe) kollaborativ zum Ergebnis beitragen.
Wenn noch nicht ausreichend viele Bestellungen im Shop sind, oder man viel mit Einzelstücken zu tun hat, funktioniert dieses Verfahren aber nicht so gut. Um in solchen Situationen Abhilfe zu schaffen, kann man das Cross-Sell mit einem content-based Ansatz kombinieren. Man schlägt dann nicht einfach nur Produkte die in anderen Warenkörben gekauft wurden vor, sondern ähnliche Produkte aus anderen Warenkörben.
Zusammenfassung
Insgesamt kann man sagen, dass jegliche Form von Product Recommendations den Umsatz steigern können. Aufwand und Kosten variieren je nach Ansatz, fest steht jedoch, dass sich Investitionen im Bereich Produktempfehlungen sehr schnell durch Mehrverkäufe rentieren.
Sie wollen Ihre Produktempfehlungen aufwerten? Sprechen Sie uns gerne an.