Die Bounce-Rate (Absprungrate) wird definiert als der Anteil an Besuchern, die eine Seite betreten und sofort (nach ca. 5–10 Sekunden bzw. auf der ersten Seite) wieder verlassen. Die Gründe für das „Bouncen“ sind schnell gefunden: Entweder lädt der Shop zu langsam oder die Interessenten fühlen sich nicht gut aufgehoben, weil ihre Erwartungshaltung nicht erfüllt wurde: Vielleicht werden die erhofften Produkte nicht angeboten, vielleicht finden sich die Besucher nicht gut zurecht oder werden durch das Design und die Tonalität falsch angesprochen, sodass sie sich lieber in einem anderen Shop umschauen möchten. Im ersten Fall ist klar, was zu tun ist. Der zweite Fall dagegen gestaltet sich erheblich schwieriger und wird von den meisten Shopbetreibern als kaum bis gar nicht lösbar betrachtet. Denn sie haben noch keinerlei Kenntnisse über die Nutzer, die ihren Shop zum ersten Mal betreten. Den Onlineshop für diese unbekannten Besucher passgenau zu optimieren, scheint unmöglich.
Klassische Analysetools schaffen es nicht, die Interessenten schon vor bzw. während des ersten Shopbesuchs „kennenzulernen“. Der Grund: Sie haben keine bzw. nicht genügend Daten über den jeweiligen Nutzer und können somit nicht individuell auf ihn reagieren. Sie scheitern insbesondere an einem intensiven Vergleich mit früheren, dem aktuellen Nutzer sehr ähnlichen Käufern, weil sie a) keine Echtzeitanalyse durchführen und b) in ihre Analysen nicht ausreichend viele unterschiedliche Merkmale (sog. Dimensionen) einbeziehen.
Genau hier setzt die Operational Intelligence-Plattform ODOSCOPE an und schafft Abhilfe: Sobald ein Besucher einen Onlineshop betritt, fährt ODOSCOPE eine hochdimensionale Echtzeitanalyse: unendlich viele verschiedene Merkmale werden hier einbezogen, so z.B. der Tag und die genaue Uhrzeit des Besuchs, das verwendete Device, der Standort, das aktuelle Wetter oder die Kampagne, die den Besucher zum Shop geführt hat. Dadurch werden völlig neue Zusammenhänge zu früheren Käufen aufgedeckt, die wiederum Rückschlüsse auf die Käufer selbst zulassen. So wird z.B. ein Besucher, der den Shop an einem Mittwochvormittag mit seinem PC gezielt über einen Business-Newsletter betritt, andere Interessen und Intentionen haben als jemand, der an einem verregneten Sonntagabend nach den Tagesthemen mit seinem Tablet auf Facebook surft und zum Shop geleitet wird. Diese Zusammenhänge in den Daten können durch herkömmliche Tools oder manuell nicht zutage gefördert werden. Durch das Suchen von Analogien zu ähnlichen Käufern aus der Vergangenheit macht die OI-Plattform also den aktuellen Kunden-/Käufer“typ“ sofort aus und bereitet das Shopangebot entsprechend auf – angepasst an die Bedürfnisse des aktuellen Besuchers.
Das OI-System setzt auf klassischen Webanalysetools auf und nutzt ihren vorhandenen, anonymisierten Datenberg (Analyse-Rohdaten) als Erfahrungsschatz. So kann es auf einen riesigen Pool historischer Daten und Analyseergebnisse zurückgreifen. Betritt nun ein neuer Besucher den Shop, so werden all seine relevanten Merkmale identifiziert und mit den historischen Analysedaten abgeglichen. Durch eine Echtzeit-Korrelationsanalyse findet das System heraus, was, d.h. welche Inhalte, welches Design u.a., in der Vergangenheit für ähnliche Besucher am besten funktioniert hat. Statt z.B. auf der Landingpage das anzuzeigen, was im Durchschnitt für alle Besucher am besten funktionierte, blendet das OI-System so exakt wie nur möglich die Inhalte ein, die für den aktuellen Nutzer wirklich relevant sind. So bietet der Shop durch die OI-Lösung dem Nutzer exakt die Anreize, die ihn zum Bleiben bewegen. Angepasst werden können neben der Produktpalette auch Key Visuals, Bilder, Slider, Haupt-Kategorien, Schnäppchen-Angebote, Content usw. – also Elemente, die in der Regel bereits im CMS bzw. im Shopsystem hinterlegt sind.
Ein Beispiel: Ein User, der auf der Suche nach einem neuen Rechner ist, wird von Google auf die Landingpage des Shops „xyz.de“ weitergeleitet. Da der Online-Shop sehr groß ist und eine riesige Produktspanne hat, ist es wichtig, dass dem Besucher auch auf der Startseite schon für ihn relevante Produkte angezeigt werden und die Seite ganz nach seinen Präferenzen gestaltet ist. Mithilfe der OI-Plattform blendet der Shop diesem Besucher direkt die Laptops ein, die ihm mit der größten Wahrscheinlichkeit gefallen werden. Durch die Echtzeit-Korrelationsanalyse hat das System sofort ermittelt, dass der User mit sehr großer Wahrscheinlichkeit einen Laptop kaufen möchte und keinen stationären PC. Alle Merkmale wie Hersteller, Preisspanne, Monitorgröße, Leistung und Zustand werden berücksichtigt und an die möglichen Interessen des Nutzers angepasst. Zusätzlich dazu erkennt das System auch, dass dieser Nutzer mit einem iPhone surft und gestaltet den Shop entsprechend mobile-freundlich. Auf diese nutzer- und kundenausgerichtete Weise kann – wie im stationären Verkaufsgespräch – direkt auf die Bedürfnisse des neuen Besuchers eingegangen werden: Der komplette Shop wird so gestaltet, dass er für jeden Besucher individuell das optimale Einkaufserlebnis (Customer Experience) bietet. Und weil sich der Interessent dann von Anfang an richtig angesprochen, gut beraten und wohlfühlt, wird er bleiben und eben nicht bouncen.
