Denn Personalisierung ist so viel mehr als nur Recommendations
Längst ist Personalisierung keine Kür mehr, sondern zur Pflicht geworden: Alle Händler sprechen darüber, jeder Online-Shopper erwartet es. Doch über Retargeting und Recommendations hinaus schaffen es die wenigsten Händler – mit Ausnahme der üblichen Verdächtigen Zalando, Amazon & Co. Eine echte, personalisierte Ansprache und Beratung im Online-Shop birgt also jede Menge ungehobenes Umsatzpotenzial. In diesem Blogartikel präsentieren wir Dir drei Lösungen, mit denen Du echte Individualisierung meisterst und jedem Kunden einen eigenen Shop bietest.
Retargeting und Recommendations war Gestern
Die meisten Online-Händler setzen auf zwei herkömmliche Personalisierungs-Methoden: Beim Retargeting werden frühere Shop-Besucher durch Werbeeinblendungen auf externen Seiten an die Produkte, die sie angesehen haben, erinnert. Weil User meist einen guten Grund fürs Verschmähen der Produkte hatten, ist diese Methode oft wenig erfolgversprechend.
Mit modellbasierten Recommendations lässt sich etwas weitergehen: Shop-Besucher werden mit früheren Kunden verglichen, die ihnen in Verhalten und personenbezogenen Merkmalen ähneln. Auf dieser Basis können Empfehlungen für weitere passende Artikel eingeblendet werden, beispielsweise auf Produktdetailseiten. Allerdings ist die Zuordnung der Kunden in Segmente sehr ungenau, weil modellbasiert. Das Resultat: Oftmals werden Artikel schlicht in verschiedenen Farben oder Ausführungen empfohlen. Inspirierende Beratung sieht anders aus. Weil beide Optionen mittlerweile fast als Standard gelten, reißen sie ohnehin niemanden mehr vom Hocker.
Raus aus der Vergangenheit: Klassisches Retargeting und Recommendations lassen Ihre Shop-Besucher oft gelangweilt zurück.
Personalisierte Produktstreams: Maschinelle Intelligenz und Bauchgefühl vereint
Die Einordnung der Besucher in Kundengruppen kann durch Machine Learning-Algorithmen automatisiert werden, was den Aufwand deutlich reduziert. Gleichzeitig kann die unpräzise Charakterisierung der Besucher durch menschliche Nachhilfe verfeinert werden. Bei dieser Kombination aus Curated Shopping und modellbasierter Kundenansprache bekommen Online-Shopper personalisierte Produktstreams angezeigt und können eigenen Input bzw. Feedback dazu geben. Bei Zalando, About You oder Douglas lässt sich so das Besucherprofil durch Nachfrage nach Lieblingsmarken, Trends oder sogar eigener Figur, Hautbild etc. weiter schärfen.
Eine vielversprechende, jedoch auch sehr kostspielige Möglichkeit: Die nötigen Tools verursachen Kosten im fünfstelligen Bereich und der Aufwand zur Implementierung ist extrem hoch. Gleichzeitig lassen sich Online-Shops mit dieser Methode nur für eingeloggte bzw. bekannte User maßschneidern. Für anonyme Nutzer, die einen Shop zum ersten Mal betreten oder über die keine Informationen bekannt sind, ergibt sich kein Mehrwert: Damit ist die Gefahr sehr groß, dass sich diese nicht angesprochen fühlen und zur Konkurrenz wechseln.
Personalisierte Produktstreams sind ein guter, erster Schritt – der Individualität Ihrer Shopper wirst Du damit jedoch noch nicht vollumfänglich gerecht.
Maßgeschneiderter „Me-Commerce“ durch situationsbezogene Personalisierung
Abhilfe schafft situationsbezogene Personalisierung: Gerade weil sie sich elementar von der modellbasierten Kundenansprache unterscheidet und weniger verbreitet ist, ist sie so erfolgversprechend. Statt Surfverhalten und personenbezogenen Daten zieht sie situationsbezogene Informationen zur Charakterisierung der User heran: Ob sich diese in einer Metropolregion oder einem ländlichen Gebiet befinden, ein Android Tablet oder einen Microsoft PC benutzen sowie vom Shop-Newsletter oder einer Facebook Ad kommen, hat erstaunlich viel Einfluss auf ihre Interessen. Basierend auf solchen situationsbezogenen Merkmalen können Online-Händler ihre Shops für jeden einzelnen Besucher maßschneidern – vom ersten Moment seines Besuchs und egal, ob bekannt oder anonym. Gleichzeitig handeln Shop-Betreiber damit konform mit der neuen Datenschutz-Grundverordnung (DSGVO): Die tatsächliche Identität der Shop-Besucher spielt keine Rolle.
Die dahinterliegende Operational Intelligence-Technologie arbeitet ebenfalls anhand eines Abgleichs mit ähnlichen Usern – in diesem Falle solchen, die sich in einer ähnlichen Situation wie der aktuelle Besucher befinden. Gleichzeitig müssen die User-Merkmale hier nicht vereinfacht werden dank echtzeitfähigem In Memory-Computing. Die Gruppe der statistischen Geschwister ist also viel kleiner und präziser. Retailer werden so der Vielfältigkeit und Individualität der Online-Shopper wirklich gerecht. Präskriptive Analysen spielen die Shop-Elemente mit der höchsten Conversion-Wahrscheinlichkeit für die statistischen Geschwister dann in Milisekunden vollautomatisiert aus. Neben den situationsbezogenen Kriterien können auch individuelle Unternehmensziele bei der Ausspielung berücksichtigt werden – einfach und auf Knopfdruck.
Du gibst die Richtung vor: Booste bestimmte Produktattribute wie ‚Winterjacken im Sale‘ oder ‚neue Kollektion‘. Diese fließen dann mit höherer Gewichtung in die individuelle Umsortierung Ihrer Listen ein. So bringst Du individualisierte Customer Experiences und Dein Unternehmensziele auf einen Nenner.
Mit dieser Methode lässt sich der gesamte Shop für jeden einzelnen Besucher maßschneidern – in Ansprache, Design, Contents und Produkten. Die individuelle Umsortierung von Produktlisten beispielsweise ist besonders erfolgversprechend: Stöberer bekommen ihre Lieblingsprodukte an erster Stelle angezeigt – ganz ohne aufwändige Suche. So fühlen sie sich direkt richtig angesprochen, bleiben und kaufen mehr. Der Aufwand für Händler hält sich in Grenzen: Die Implementierung einer Operational Intelligence-Plattform über ein JavaScript verursacht keinen Zusatzaufwand. Und alle folgenden Prozesse verlaufen auf Wunsch vollautomatisiert, was den Aufwand für die Pflege von Shop und Inhalten drastisch reduziert. Sinn macht die situationsbezogene Personalisierung, die korrelativ funktioniert, erst bei größeren Shops ab ca. 100.000 Visits pro Monat.
Mit datengetriebenem Support zur kundenzentrierten Customer Experience
Selbst, wenn der Shop an sich für jeden einzelnen Kunden maßgeschneidert ist, kann es auf Kundenseite dennoch zu Fragen und Problemen kommen. Anders als bei Shop-Aufbau und -Inhalt kommt es hier weniger darauf an, den Kunden durch innovative und überraschende Lösungen zu begeistern. Im Kundenservice zählt vielmehr die schnelle, hürdenlose und erfolgreiche Lösung individueller Probleme. Das ist beispielsweise der Grund, warum die Nachfrage nach Social Media-Support nach einem kurzen Peak bereits seit zwei Jahren wieder abebbt: Die Kanäle sind zu unübersichtlich, Anfragen lassen sich kaum strukturieren und letztlich lassen zielführende Antworten deshalb lange auf sich warten. Dennoch setzen mehr als 80% der Unternehmen laut einer Adobe-Studie besonders auf herausragende Kundenerlebnisse im Service.
Im Support sind Effizienz, Präzision und Kundenzentrierheit gefragt. Machen Deine vorhandenen Daten dafür nutzbar und sichere Dir einen echten Wettbewerbsvorteil durch individualisierte Service-Erlebnisse.
Mach es besser: Durch einfache, direkte Interaktionsprozesse und datengetriebene Bearbeitung des Problems. Zur direkten Interaktion haben sich interaktive Self-Services wie Live-Chat, Conversational Commerce und Chatbots etabliert. Um mit diesen Kanälen eine kundenzentrierte Bearbeitung des individuellen Problems zu gewährleisten, sollten diese auf dem Datenpool des Shops aufsetzen: In der Operational Intelligence-Plattform zur situationsbezogenen Shop-Personalisierung werden ohnehin Daten aus allen Silos zusammengeführt. Darin befinden sich wertvolle Erkenntnisse über den Kunden, seine Bedürfnisse und bisherigen Interaktionen. Mach diese also intelligent nutzbar für ein individualisiertes Service-Erlebnis. Selbst bei wiederholtem Service-Kontakt über verschiedene Channel lässt sich so direkt an dem Punkt ansetzen, an dem sich der Kunde mit seinem individuellen Problem gerade befindet.
