asambeauty: Empfehlungen der nächsten Generation
asambeauty: Empfehlungen der nächsten Generation © Pixabay / Tumisu
Auf seiner Online-Plattform präsentiert asambeauty eine Traumwelt mit über 500 hochwertigen Beauty-Artikeln seiner Eigenmarken. Um Shop-Besucher mit wirklich relevanten Angeboten durch den Produktdschungel zu leiten, setzt die Beauty-Plattform auf situationsbezogene Empfehlungen: So werden selbst unbekannte User auf ihrer gesamten Customer Journey mit individuell relevanten Empfehlungen begleitet. Bereits in der Testphase sorgte dies für Uplifts von Warenkorbwerten und Umsatz um bis zu elf Prozent.
Vor Projektbeginn nutzte asambeauty herkömmliche Produktempfehlungen: Durch Offline Clustering wurden diese auf der Produktdetailseite, der Add-toBasket-Page sowie im Warenkorb ausgespielt. Die Vorschläge basierten auf den Interessen historischer Kunden, die ähnliche Produkte angesehen oder gekauft hatten wie der aktuelle User. Für viele Besucher waren sie jedoch wenig relevant: Denn deren tatsächlichen Interessen und Präferenzen blieben auf diese Weise unberücksichtigt.
Um fortan wirklich passende Produkte zu empfehlen, entschied sich asambeauty für die nächste Generation der Empfehlungen: Situationalisierung. Dieser Ansatz ermöglicht es der Beauty-Plattform, jedem einzelnen User individuell relevante Produktvorschläge zu machen. Mithilfe einer Operational Intelligence Plattform wird dafür im Moment des Seitenaufrufs eine eigene Peergroup aus historischen Besuchern gebildet.
Diese ähneln dem aktuellen Nutzer in seinen Bedürfnissen (zum Beispiel Haut-, Haar- oder Körperpflege) und der Einkaufssituation (zum Beispiel Sonntag abends auf der Couch mit dem Tablet über ein Beauty-Magazin versus Donnerstag morgens in der Bahn mit dem Smartphone per Direktzugriff). Basierend auf dem Kaufverhalten dieser Peergroup werden dem aktuellen User individuell relevante Produktempfehlungen ausgespielt – innerhalb von 20 Millisekunden. Sie entsprechen mit viel höherer Wahrscheinlichkeit den Wünschen des aktuellen Shoppers, sodass dieser auf seiner Customer Journey mit individualisierten Inhalten begleitet und höchstpersönlich beraten wird.
Zur Realisierung des Projekts wurde eine Operational Intelligence Plattform clientseitig per JavaScript auf asambeauty.de integriert. So konnte direkt nach dem Import von Produkt- und Kategorienfeeds sowie Tracking-Daten mit der Optimierung losgelegt werden – schnell, einfach und ohne zusätzlichen Aufwand. Um die Projekterfolge verlässlich evaluieren zu können, trat die SituationalisierungsLösung im A/B-Test gegen ein klassisches Empfehlungs-Tool an.
Von herkömmlichen Empfehlungsmethoden hebt sich Situationalisierung besonders durch zwei Faktoren ab: Erstens werden nicht nur persönliche, sondern auch situative Daten zur Berechnung passender Produktvorschläge nutzbar gemacht. Weil Situationsdaten auch von Erstbesuchern oder anonymen Nutzern vorliegen, kann asambeauty sogar ihnen situationalisierte Empfehlungen präsentieren – noch vor dem ersten Klick und absolut DSGVO-konform. Zweitens sorgt Operational Intelligence, die Technologie im Hintergrund, für wirklich maßgeschneiderte Ergebnisse: Dank In-Memory-Grid und Echtzeit-Clustering muss die Datenbasis weder vereinfacht noch modelliert werden.
Auf diese Weise konnten die Produktvorschläge auf asambeauty.de tatsächlich individualisiert werden: Erstbesucher werden direkt durch die ersten Vorschläge angesprochen. Sie kaufen und verwandeln sich in Wiederkehrer. Bestandskunden finden sofort die für sie passendsten Produkte, was für eine bessere Customer Experience sorgt. Zudem werden sie dank inspirierender Vorschläge zu mehr Spontankäufen verleitet.
Für asambeauty bedeutet dies deutlich erhöhte Warenkorbwerte und Umsatz: Bereits während der viermonatigen Testphase konnte die Performance der Beauty-Plattform signifikant gesteigert werden. Besonders machte sich dies auf der Produktdetailseite bemerkbar: Verglichen mit der herkömmlichen Methodik sorgten situationsbezogene Empfehlungen dort für einen Uplift der gekauften Produkte sowie des Gewinns pro Besuch um je rund vier Prozent. Für TabletUser konnte der Umsatz sogar um bis zu elf Prozent gesteigert werden. Wegen dieser überragenden Performance rollte asambeauty die SituationalisierungsLösung nach der Testphase für den gesamten Shop aus, sodass das bisherige Tool vollständig ersetzt werden konnte.
Durch Situationalisierung schafft asambeauty Kundenerlebnisse, die begeistern. Wie auch Sie eine exzellente Customer Experience ermöglichen, erläutern 4 Top-Experten von Zalando, konversionsKRAFT und Co. im Whitepaper „Datengetrieben CX-Optimierung“ Jetzt kostenfrei downloaden.
Warum herkömmliche Empfehlungen an ihre Grenzen stießen
Vor Projektbeginn nutzte asambeauty herkömmliche Produktempfehlungen: Durch Offline Clustering wurden diese auf der Produktdetailseite, der Add-toBasket-Page sowie im Warenkorb ausgespielt. Die Vorschläge basierten auf den Interessen historischer Kunden, die ähnliche Produkte angesehen oder gekauft hatten wie der aktuelle User. Für viele Besucher waren sie jedoch wenig relevant: Denn deren tatsächlichen Interessen und Präferenzen blieben auf diese Weise unberücksichtigt.
Jetzt wirklich passende Empfehlungen für jeden Kunden
Um fortan wirklich passende Produkte zu empfehlen, entschied sich asambeauty für die nächste Generation der Empfehlungen: Situationalisierung. Dieser Ansatz ermöglicht es der Beauty-Plattform, jedem einzelnen User individuell relevante Produktvorschläge zu machen. Mithilfe einer Operational Intelligence Plattform wird dafür im Moment des Seitenaufrufs eine eigene Peergroup aus historischen Besuchern gebildet.
Diese ähneln dem aktuellen Nutzer in seinen Bedürfnissen (zum Beispiel Haut-, Haar- oder Körperpflege) und der Einkaufssituation (zum Beispiel Sonntag abends auf der Couch mit dem Tablet über ein Beauty-Magazin versus Donnerstag morgens in der Bahn mit dem Smartphone per Direktzugriff). Basierend auf dem Kaufverhalten dieser Peergroup werden dem aktuellen User individuell relevante Produktempfehlungen ausgespielt – innerhalb von 20 Millisekunden. Sie entsprechen mit viel höherer Wahrscheinlichkeit den Wünschen des aktuellen Shoppers, sodass dieser auf seiner Customer Journey mit individualisierten Inhalten begleitet und höchstpersönlich beraten wird.
Optimierung und Uplifts ab dem ersten Tag
Zur Realisierung des Projekts wurde eine Operational Intelligence Plattform clientseitig per JavaScript auf asambeauty.de integriert. So konnte direkt nach dem Import von Produkt- und Kategorienfeeds sowie Tracking-Daten mit der Optimierung losgelegt werden – schnell, einfach und ohne zusätzlichen Aufwand. Um die Projekterfolge verlässlich evaluieren zu können, trat die SituationalisierungsLösung im A/B-Test gegen ein klassisches Empfehlungs-Tool an.
Erfolgsfaktor Situationalisierung – auch für unbekannte User
Von herkömmlichen Empfehlungsmethoden hebt sich Situationalisierung besonders durch zwei Faktoren ab: Erstens werden nicht nur persönliche, sondern auch situative Daten zur Berechnung passender Produktvorschläge nutzbar gemacht. Weil Situationsdaten auch von Erstbesuchern oder anonymen Nutzern vorliegen, kann asambeauty sogar ihnen situationalisierte Empfehlungen präsentieren – noch vor dem ersten Klick und absolut DSGVO-konform. Zweitens sorgt Operational Intelligence, die Technologie im Hintergrund, für wirklich maßgeschneiderte Ergebnisse: Dank In-Memory-Grid und Echtzeit-Clustering muss die Datenbasis weder vereinfacht noch modelliert werden.
Enorme Steigerung von Warenkorbwerten und Umsatz
Auf diese Weise konnten die Produktvorschläge auf asambeauty.de tatsächlich individualisiert werden: Erstbesucher werden direkt durch die ersten Vorschläge angesprochen. Sie kaufen und verwandeln sich in Wiederkehrer. Bestandskunden finden sofort die für sie passendsten Produkte, was für eine bessere Customer Experience sorgt. Zudem werden sie dank inspirierender Vorschläge zu mehr Spontankäufen verleitet.
Für asambeauty bedeutet dies deutlich erhöhte Warenkorbwerte und Umsatz: Bereits während der viermonatigen Testphase konnte die Performance der Beauty-Plattform signifikant gesteigert werden. Besonders machte sich dies auf der Produktdetailseite bemerkbar: Verglichen mit der herkömmlichen Methodik sorgten situationsbezogene Empfehlungen dort für einen Uplift der gekauften Produkte sowie des Gewinns pro Besuch um je rund vier Prozent. Für TabletUser konnte der Umsatz sogar um bis zu elf Prozent gesteigert werden. Wegen dieser überragenden Performance rollte asambeauty die SituationalisierungsLösung nach der Testphase für den gesamten Shop aus, sodass das bisherige Tool vollständig ersetzt werden konnte.
Durch Situationalisierung schafft asambeauty Kundenerlebnisse, die begeistern. Wie auch Sie eine exzellente Customer Experience ermöglichen, erläutern 4 Top-Experten von Zalando, konversionsKRAFT und Co. im Whitepaper „Datengetrieben CX-Optimierung“ Jetzt kostenfrei downloaden.