Spezial. Bis zu 30 % des Umsatzes erzielt ein Online-Shop über persönliche Empfehlungen. Lesen Sie mehr über

Transkript

1 Bis zu 30 % des Umsatzes erzielt ein Online-Shop über persönliche Spezial Mehr Erfolg durch Personalisierung im E-Commerce Lesen Sie mehr über Lernen von den Nischen-Shops Personalisieren ab der ersten Sekunde Lösungsansätze für Personalisierung Checkliste für die passende Software

2 Editorial Unsere Erfahrungen zeigen: Bis zu 30 % des Umsatzes werden in einem Online-Shop über erzielt. Sind personalisierte Angebote in eine Newsletter-Aktion eingebunden, kann der Umsatz sogar um 100 % gesteigert werden! Lassen Sie sich den Erfolg durch treffende Angebote nicht entgehen, nutzen Sie diese Potentiale in Ihrem E-Commerce! Konkrete Handlungsempfehlungen und Erfahrungswerte erhalten Sie hier von uns der Nr. 1 im E-Commerce-Ranking Auf den nächsten Seiten lesen Sie mehr darüber, wie in Zukunft neben der Conversion-Rate* auch die Warenkorbwerte und Pro-Kopf-Umsätze in Ihrem Online-Shop steigen! Ihr Andreas Schwend, managing partner dmc digital media center GmbH PS: Schauen Sie sich auch das passende ImpulsWebinar auf an. Erfahren Sie weitere Aspekte zum Thema Personalisierung direkt von unseren Experten Herrn Vinokurov (head of business development) und Frau Maritta Schröder (consultant e-commerce).

3 Nischen-Shops sind erfolgreich warum eigentlich? Wer E-Commerce betreibt, wünscht sich neben hohen Besucherzahlen im Shop vor allem eine überdurchschnittlich hohe Conversion-Rate. Der Online-Shop wird gut besucht und weist viele Bestellungen mit überdurchschnittlichen Warenkorbwerten und Pro-Kopf-Umsätzen auf. Genau die Shops, die spezialisierte Angeboten anbieten auch Nischenanbieter genannt haben hier die Nase vorne. Die Conversion-Rate liegt im E-Commerce für ca. zwei Drittel der Anbieter unter 3 %, während derzeit nur jeder zehnte Online-Shop eine Quote von über 8 % erreicht. An diesem Ende der Skala tummeln sich insbesondere Nischen-Shops mit Conversion-Rates von bis zu 25 %. Nischen-Shops im World Wide Web gibt es viele. Beim einen geht es um Anglerbedarf, beim anderen um Werkzeug für den Heimwerker oder individuell bedruckte T-Shirts. Wer hierher kommt, schlendert nicht mal eben zufällig vorbei oder will sich nur umschauen. Wer hierhin geht, bringt eine klare Vorstellungen davon mit, was ihn im Hier und Jetzt des Webs interessiert. Auch die Betreiber von Nischen-Shops haben ein sehr klares Bild von ihren Kunden und davon, womit sich ihre Kunden gerne die Warenkörbe füllen. Dies führt zu relevanten Content- und Produktangeboten für den User. Dadurch steigen die Bestellraten, zudem sind Cross- und Up-Selling sehr leicht möglich! Das Ergebnis: In Nischen-Shops erreicht die Conversion-Rate bis zu 25 % mit überdurchschnittlichen Warenkörben und Pro-Kopf-Umsätzen. In anderen Worten: Jeder vierte Besucher kauft tatsächlich ein. Eine Quote, die ein stolzes Ziel anzeigt. Kann dieses Ziel auch für Shops mit heterogenem Produktangebot gelten? Warum nicht! Wenn Sie bereit sind, vom Erfolgskonzept der Nischenanbieter zu lernen! Die Conversion-Rate der Zugriffsrate annähern 83 % aller E-Commerce-Anbieter liegen mit ihrer Conversion-Rate unter 5 %. Nur 3 % der Anbieter erreichen eine Rate über 20 %. Hier ist Spielraum für Ihren Erfolg! Von Nischen-Shops lernen Der Online-Shop-Betreiber bietet dem Kunden ein berechenbares Portfolio im richtigen Context an. Denn wer im Nischen-Shop stöbert ist berechenbar! Online-Shop-Betreiber mit einem heterogenen Produktangebot haben zunächst einmal erschwerte Bedingungen. Doch das Erfolgsrezept der Nischen- Shops kann Vorbild sein: Es geht einfach darum, konsequent Angebote auf den Schirm zu platzieren, die zum Profil und zum aktuellen Kontext des einzelnen Users passen. Für Generalanbieter* heißt das Zauberwort Personalisierung : Das Angebot für den individuellen User muss auf seine Präferenzen und seine aktuelle Situation eingespielt und somit personalisiert werden. Der Grundgedanke der Personalisierung analog zum Nischen-Shop auf den Punkt gebracht: Wenn ich drei Millionen Kunden im Netz habe, dann sollte ich mehr als drei Millionen Stores im Netz haben. Mehr individuelle Läden, als individuelle Kunden? Hier kommt ein strategischer Grundgedanke deutlich zum Ausdruck: Der Erfolg eines Anbieters hängt zu 100 % davon ab, ob er das aktuelle Interesse seiner Kunden individuell bedienen kann. Mehr Erfolg durch Personalisierung Verteilung der Conversion-Rate 50 % 40 % 43 % 30 % 20 % 19 % 21 % Vorwiegend Nischen-Shops 10 % 8 % 7 % 3 % unter 1 % 1,0 % 2,9 % 3,0 % 4,9 % 5,0 % 7,9 % 8 20 % Gesamt-Conversion-Rate (Unique Visits/Bestellungen) > 20 % 2011 Web Arts AG, www. web-arts.com

4 Erfolge durch Personalisierung Online-Shops mit einem breiten Produktsortiment dürfen durch den Einsatz von personalisierten Angeboten mit starken Erfolgen und mehr Umsatz rechnen! Aus Abbruchraten lernen Bis zu 90 % der Besucher eines Online-Shops steigen nach Erreichen der Homepage ohne weitere Klicks aus. Was man dagegen tun kann? Personalisieren, und zwar ab der ersten Kontakt-Sekunde! Mit der Einführung von personalisierten Angeboten konnte Amazon seine Umsätze um ca. 20 % steigern. Allgemein kann man davon ausgehen, dass personalisierte einen Umsatz von bis zu 25 % generieren! Auch die Einführung personalisierter Newsletter bietet erhebliche Potentiale: Bewertungen können um den Faktor 10 gesteigert werden Eine Umsatzsteigerung um 100 % ist möglich Elegant ist übrigens auch die Einbindung persönlicher in Transaktionsmails wie z. B. der Bestellbestätigung. Beste durch Sammeln, Auswerten, Optimieren Je konkreter die Informationen über User und situativen Kontext, desto zielführender sind die an den User gerichteten Produktempfehlungen. Für den Erfolg eines Online-Shops ist es sehr wichtig herauszufinden, welche Präferenzen der einzelne User bei seinem aktuellen Besuch hat und in welchem Kontext er sich dabei befindet. Das Kundenprofil eines Users ist stetig zu verfeinern und zu aktualisieren, indem relevante Informationen gesammelt, analysiert und im Verkaufsprozess genutzt werden. Nur so können ihm unmittelbar passende Angebote unterbreitet werden. Dabei führt nur eine kontinuierliche Berücksichtigung der Wechselwirkung zwischen personalisiertem Kundenprofil und Angebotsauftritt zu langfristigen Verkaufserfolgen. Je nachdem, wie viel und was genau über den Kunden bekannt ist (Customer- Insight*), gibt es unterschiedliche Verfahren, eine personalisierte Empfehlung abzugeben. Kontext Unbekannt Bekannt Empfehlungsverfahren und Kundendaten Kontextbezogene Populärste Produkte Unbekannt Profil Kontextbezogene basierend auf Profilinformationen Persönliche Bekannt Es ist wie bei der Begegnung mit Menschen: Der erste Eindruck zählt. Wer seine Kunden freundlich empfängt und das Interesse spiegelt, wirkt auf den ersten Eindruck sympathisch. Gelingt das einem Online-Portal, ist der Erfolg so gut wie sicher. Überwiegend ist das jedoch nicht der Fall, wie von dmc erhobene Untersuchungen belegen: % steigen sofort auf der Homepage aus % steigen bei der Produktübersicht aus % steigen bei den Produktdetailseiten aus Abbruchraten im Kaufprozess 100 % Homepage % Egal ob es sich um eine Homepage, die Landingpage oder einen Newsletter handelt: Die Einbindung von Personalisierung sollte schon ab der ersten Kontaktseite des Kunden stattfinden. Je früher personalisierte bzw. relevante Angebote für den einzelnen User angeboten werden, desto wahrscheinlicher erfolgt ein tatsächlicher Kaufabschluss. Und damit steigt die Conversion-Rate! Wichtige Einsatzbereiche der Personali sierung (absteigend nach Wirkungsgrad): Produktübersichten Produktinspirationen % 8 36 % Produktberatung Start- und Landingpages Listensortierung (z. B. Suchergebnisseite) Suchergebnisseiten bzw. -listen Newsletter Kategorieübersichtsseiten Shopnavigation Produktdetailseiten Warenkorb % Produkt- Details 1,6 17 % % Warenkorb 0,8 6.5 % % Checkout/Kauf Profil & Kontext unbekannt Profil bekannt & Kontext unbekannt Profil unbekannt & Kontext bekannt Kontext & Profil bekannt Populärste Produkte Persönliche Kontextbezogene Kontextbezogene, basierend auf Profilinformationen EXIT / Drop out!

5 Lösungsansätze zur Personalisierung Für eine erfolgreiche Personalisierung können individuelle Kundenprofile durch manuell aufgesetzte OLAP- oder Datamining-Verfahren* erstellt werden. Praktikabler und kostengünstiger ist jedoch der Einsatz von Recommendation-Engines*. Bei der 1:1-Profilbildung werden Kundendaten wie Klickverhalten, Bestelldaten,, demographische Informationen (z. B. Geschlecht oder Alter) in Echtzeit für jeden einzelnen User gesammelt, analysiert und für eine individuelle Angebotsunterbreitung genutzt. Eine Analyse der Kundendaten kann durch OLAP- oder Datamining-Verfahren erfolgen. Diese Verfahren müssen allerdings vom Online- Shop-Betreiber manuell aufgesetzt werden. Checkliste zur Auswahl einer passenden Recommendation-Engine Hohe Performance und Skalierbarkeit Integrierte Erfolgsmessung (z. B. integrierte A-/B-Test-Funktionen, umfang - reiche Statistiken) Vielfältige und relevante Empfehlungstypen (Listensortierung, Bannersteuerung, Produktbundling u. a.) Selbstlernendes System, möglichst ohne manuellen Aufwand Ermöglichung manueller Übersteuerung (z. B. Manuelles pushen von bestimmten Produkten oder Unterbindung von bestimmten Produktempfehlungen, wie Alkohol im Zusammenhang mit Kinderspielzeug) Ermöglichung passender auch nach Sortimentswechsel Umfangreiches Filterframework zum Einstellen von Business Logiken Mehrfachzuordnung von Produkten zu Kategorien müssen adäquat gehandhabt werden Innerhalb der Engine sollten gute Mechanismen vorhanden sein, falls wenig oder gar keine Informationen über den Kunden vorliegen Unterstützung des Multichannel-Ansatzes: Verwendung der in anderen Kanälen wie Call Centre, POS Die Komplexität und der hohe Aufwand dürfen hierbei nicht unterschätzt werden. Das Verfahren ist sehr kostenintensiv und führt oft zu erheblichen Performanceverlusten im Livebetrieb. So genannte Recommendation-Engines* sind eine sehr gute Alternative dazu! Die automatisierte Softwarelösung kann sehr schnell und mit geringem manuellen Konfigurationsaufwand im Online-Shop integriert werden und für jeden einzelnen User ein individuelles Profil bilden. Personalisierung ist durch Recommendation- Engines einfach, kostengünstig und agil! Einzelne Engines basieren auf dem Algorithmus des lernenden Systems auch Reinforcement Learning [engl. verstärkendes Lernen] genannt. Transaktionsdaten der Besucher werden automatisch und in Echtzeit ausgewertet und in Empfehlungsregeln übersetzt. Dabei fließt auch die Akzeptanz der ausgespielten in die Berechnung ein, so dass sich das System fortlaufend selbst korrigiert. Neue werden ebenfalls automatisiert eingestreut und somit das Problem der selbsterfüllenden Prophezeiung gelöst, da der Algorithmus neue Muster gezielt austestet und nicht nur das lernt, was Kunden sowieso klicken und kaufen. Weiterhin reagiert der Algorithmus in Echtzeit auf Aktivitäten innerhalb einer Session und kann so auch für anonyme Nutzer auf Basis der aktuellen Session-Aktivität lernen. Eine passende Angebotsunterbreitung ist somit auch dann möglich, wenn von dem Kundenbesuch zuvor noch keine Daten gesammelt werden konnten. Auch nach einem Sortimentswechsel, bei dem die Produktdaten neu ins System eingespielt werden, ist der Algorithmus des lernenden Systems in Echtzeit von Vorteil. Größter Bonus ist aber die Zielwertmaximierung. So wie es im Schachspiel darum geht, über mehrere Züge hinweg den Gegner zu schlagen, versucht der Algorithmus, über mehrere Interaktionen hinweg einen Zielwert (meist Umsatz oder Marge) am Ende des Spiels (= der Session) zu erhöhen. Der Fokus beim Sammeln von Daten liegt hierbei schwerpunktmäßig auf dem Kundenverhalten. Auf andere Informationen wie beispielsweise Geschlecht und Einkommen des Kunden wird zumeist bewusst verzichtet. Zum einen ist der Prozess der Personalisierung hierdurch schlank und agil. Zum anderen ist das aktuelle Verhalten des Kunden die wichtigste Quelle für die Unterbreitung eines treffenden Angebots. Möchte man bei der Profilbildung neben dem Verhalten des Kunden noch andere Daten berücksichtigen (z. B. Social-Data-Feeds aus Facebook oder demographische Daten), so erfordert das eine intelligente Verknüpfung, Auswertung und Nutzung der gesammelten Informationen innerhalb eines sehr komplexen Analyseverfahrens, welches sich hinsichtlich des Kosten/Nutzen- Aspektes oft nicht rechnet. Eine Alternative zum 1:1-Profiling ist das Bilden von homogenen Besuchergruppen nach Verhaltenskriterien des Nutzers (Bestellungen, u. a.), die für einen tatsächlichen Kauf im Online-Shop erfolgsrelevant sind. Für jede Gruppe wird, basierend auf den gesammelten Daten, ein Profil gebildet. In Abhängigkeit davon, welchem Segment ein Nutzer zugeordnet ist, werden ihm entsprechende Angebote unterbreitet. Ein Nachteil der Kundensegmentierung ist, dass vorerst Gruppenprofile und Kundenzuordnungen aufwendig gebildet werden müssen, bevor ein personalisiertes Angebot unterbreitet werden kann. Zudem wird der aktuelle Context des Users während seines Shop-Besuchs nicht berücksichtigt. Das Vorgehen zur Unterbreitung von personalisierten Angeboten hängt immer von den vorliegenden Rahmenbedingungen und Absichten des Online-Shop-Betreibers ab. Grundsätzlich gilt: Wer sich für das 1:1-Profiling entscheidet, sollte das unter Einsatz einer Recommendation- Engine tun. Zudem ist ein kontinuierliches Messen und Optimieren der einzelnen Maßnahmen und die Möglichkeit einer manuellen Übersteigerung unerlässlich! Nur dann kann das personalisierte Angebot optimal konfiguriert werden. Planen Sie für eine grundlegende Testphase mindestens drei Monate ein! So ist der Einsatz von Personalisierung erfolgreich und die Conversion-Rate steigt: Personalisierung ist ab der ersten Kontakt-Sekunde wichtig. Verpassen Sie diese Chancen nicht! % der User verlassen den Shop schon nach der ersten Seite (z. B. Homepage, Landingpage). Platzieren Sie treffende Angebote frühzeitig und steigern Sie damit Ihren Umsatz. Wer langfristig konstant gute Conversion-Rates anstrebt, muss bei seinen Personalisierungen kontinuierlich messen und optimieren. Planen Sie dafür Zeitfenster ein! Welches Vorgehen man zur Unterbreitung von personalisierten Angeboten wählt, hängt immer von den vorliegenden Rahmenbedingungen und Absichten des Online-Shop-Betreibers ab. Setzen Sie für das 1:1-Profiling Recommendation-Engines ein. Entwickeln Sie keine eigene Lösung für! Davon ist aufgrund der hohen Komplexität und intensiven Kosten abzuraten. Die Recommendation-Engine sollte standardmäßig das Sammeln und Auswerten der Daten inklusive der individuellen Angebotsunterbreitung in Echtzeit und automatisiert ermöglichen.

6 Glossar Conversion-Rate: Erfolgskennzahl: Anzahl Besucher mit gewünschter Aktion (z. B. Kauf) in Relation zur Gesamtzahl der Besucher. CustomerInsight: Wissen über einen Kunden (z. B. Interessen, Verhalten, Geschlecht u. a.). Datamining: Systematische Anwendung von statistisch-mathematischen Methoden auf einen Datenbestand mit dem Ziel neue Muster zu erkennen bzw. aus einer großen Datenmenge wertvolle Erkenntnisse zu gewinnen. Generalanbieter: Online-Shops mit heterogenem Sortiment (z. B. Neckermann, Otto), die von vornherein eine Vielzahl unterschiedlicher Kunden mit unterschiedlichen Interessen anziehen. Nischen-Shop: Online-Shops, die auf ein spezielles Warensegment spezialisiert sind und deshalb Kunden mit eher einheitlichem bzw. leicht bestimmbarem Interessenprofil anziehen. OLAP: Das Online Analytical Processing wird neben dem Data-Mining zu den Methoden der analytischen Informationssysteme gezählt. Recommendation-Engine: Eine Softwarelösung, die aufgrund von personalisierten Informationen über den User auf dessen Profil abgestimmte Kaufempfehlungen gibt. Danksagung Wir bedanken uns bei der prudsys AG für die Bereitstellung von exklusiven Informationen über deren Recommendation-Engine prudsys RDE hinsichtlich Funktionsweise und Erfahrungswerte.

7 Referenzen Wir entwickeln E-Commerce-Lösungen, die nicht nur schön sind, sondern auch verkaufen. Mehr als 15 Jahre Erfahrung sprechen für sich: Und viele weitere Kunden... dmc digital media center GmbH Rommelstraße Stuttgart Ihr direkter Kontakt: Regina Visel Telefon regina.visel@dmc.de Web