Chamerstrasse 44, 6331 Hünenberg
+41 41 511 10 10

Targeted Recommendations

Produktempfehlung im Online Marketing: Jeder kennt sie, aber nicht immer sind sie passend oder willkommen. Targeted Recommendations, also das Ausspielen personalisierter Empfehlungen von Content, Angeboten oder Produkten, basiert auf analytisch überarbeitetem Kunden-/User-Wissen und ist entsprechend passgenau.

Spielen Sie gezielte Empfehlungen auf Ihrer Website/im Onlineshop aus und werten Sie damit diesen (Verkaufs-)Kanal auf. Sie erzielen eine stärkere Kunden-/User-Bindung, erreichen eine höhere Brandaffinität und vergrössern noch das (zusätzliche) Umsatzvolumen. (Im Folgenden wird der Begriff User für Kunden und User verwendet.)

Eingebunden in ein optimiertes Kampagnenmanagement profitieren sowohl Sie selbst als auch Ihre User: Sie werden dafür belohnt, dass Sie die inhaltliche Relevanz für Ihre User erhöhen und diese bei ihren (aktuellen) Bedürfnisse abholen.

Verbinden Sie die Inhalte zusätzlich mit Ergebnissen von Customer Journey-Analysen und Sie können die Ausspielungen sowohl inhaltlich als auch lokal (Touchpoints) optimieren. Die positiven Auswirkungen der Kombination auf die Conversion Optimierung wird dann noch deutlicher ausfallen.

Neben personalisierten Empfehlungen kommen auch nicht personalisierte Empfehlungsvarianten zum Einsatz. Typische Beispiele sind: „Zuletzt angesehen …“, „Kunden, die das gekauft haben, interessieren sich auch für …“, „Heutige Top Empfehlung“, u.v.m.

Gerne zeigen wir Ihnen verschiedene Lösungsansätze dazu auf, wie Sie wo und auf welcher Datengrundlage und mit welchen Methoden errechnete Empfehlungen einsetzen können und wie sich diese Prozesse automatisieren lassen.

Empfehlungsberechnung via Collaborative Filtering

Die Empfehlungsberechnung unter Verwendung von Collaborative Filtering Algorithmen ist in Branchen sinnvoll, bei denen viele Produktevon vielen Personen häufig gekauft oder bewertet werden, wie im Online-Versandhandel oder auf Bewertungsportalen. Benötigt werden:

  • Mehrfachkäufe derselben Produkte mit ausreichend langer Produktlebensdauer
  • Mehrfachbewertungen derselben Produkte
  • mehrere Käufe/Bewertungen pro User
  • genügend‘ Traffic auf der Website

Recommender Systeme gibt es bereits seit mehr als 25 Jahren. Die diversen Ansätze lassen sich nach Datengrundlage unterteilen in Content-based filtering, Collaborative filtering und Hybridansätze.
Mit allen Ansätzen sind typische Vor- und Nachteile verbunden, die wir Ihnen gern mit Bezug zu Ihrer eigenen Situation und Ihren Daten darlegen.

Collaborative filtering-Ansätze (CF) schauen nach User Ähnlichkeit in Verhaltens- /Bewe-gungsdaten und sprechen dann Empfehlungen gemäss den Vorlieben der „Kollaboration“ aus.
In der Untergruppe Model-based CF wird z.B. mittels Machine Learning ein kompakteres Modell aus den komplexen User-Daten gelernt. Zwecks Performanceoptimierung wird dann das kompakte Modell (anstatt der komplexen Originaldaten) zum Generieren der Empfehlungen genutzt.

Die Empfehlungsberechnung kann je nach dem, wo, wann und mit welchem Tool sie erfolgt, nicht nur Onlinedaten sondern auch Offlinedaten in die Analyse einbeziehen (Kaufhistorie).

Wir verfügen über viele und gute Erfahrungen mit einer Variante, bei der

  • die Berechnung täglich mit Online- und Offlinedaten erfolgt,
  • die Ergebnisse über ein Kampagnentool einer Realtime Decision Engine übermittelt werden
  • und die effektive Ausspielung unter Berücksichtigung des aktuellen Onlineverhaltens und gefiltert durch ein priorisierendes Regelwerk in Echtzeit erfolgt.

Auch in einer sehr performanten Umgebung wird eine reine „Echtzeit“-Empfehlungsberechnung sehr selten anzutreffen sein.
User oder einer Person mit user-ähnlichen Eigenschaften erkannt werden kann. Daraufhin wird die passende Recommandation ausgespielt.
Kann das System den Nutzer nicht genau genug identifizieren, wird keine personalisierte Empfehlung ausgespielt. In dem Fall kommen allgemeine nicht personalisierte (modellbasierte) Recommendations zum Einsatz.

Kontaktieren Sie uns sehr gern. Wir freuen uns auf Ihre Anfrage.

Next best offer

In Branchen mit wenigen Produkten, langer Produktlebensdauer und (relativ) niedriger Kauf-/Abschlussfrequenz wie Banken, Versicherungen, Telekommunikation bieten sich andere Modelle zur Empfehlungsberechnung an.
Hier geht es nicht nur um eine Warenkorbbetrachtung ohne Berücksichtigung des Kauf-/Abschlusszeitpunkts sondern explizit um den Einbezug der zeitlichen Sequenz in die Analyse.

Der Begriff „Next best offer“-Analysen wird vielfach in einem breiteren Begriffsverständnis benutzt und umfasst dann auch die Berechnung von (targeted) Recommendations.

Gerne unterstützen wir Sie bei der Beantwortung Ihrer Fragestellungen zum komplexen Thema „next best offer“. Kommen Sie einfach auf uns zu.

Jetzt Kontakt aufnehmen

From Data to Marketing Excellence – wir helfen Ihnen bei allen Fragestellungen und stehen Ihnen gerne beratend zur Seite!