Globetrotter: Mit Personalisierung näher am Kunden - samt Produkt-Tipps zum Wetter vor Ort

Christian Zien, Bereichsleiter E-Commerce bei Globetrotter, hat beispielsweise basierend auf A/B-Tests eine Umsatzsteigerung von über 8 % mit personalisierten Produktempfehlungen festgestellt. Seit Einführung einer Lösung von Peerius stieg zudem der durchschnittliche Bestellwert um 42,34 Euro und die Anzahl der im Durchschnitt pro Kunde gekauften Produkte von 2,71 auf 3,86.

Auf dem etailment Summit machte Zien dabei aber zusammen mit Tom Proch, Business Development Director bei Dienstleister Peerius, deutlich, welche Detailarbeit dafür nötig ist.

Und da kommt so einiges zusammen, selbst wenn ein selbstlernendes System seine Schlüsse aus dem aktiven und passives Handeln des Kunden zieht. Schließlich gilt es, in Echtzeit sämtlichen Phasen der Customer Journey zu verfolgen, um dann dem Nutzer Produktvorschläge zu bieten, die für ihn persönlich von Interesse sind.

#BL-10193#Und zwar am besten gleich überall hier:

• Homepage
• Hauptkategorien
• Unterkategorien
• Produktdetailseiten
• Warenkorb
• Suchergebnisseiten
• Newsletter

Überall dort gilt es zudem bereits besuchte Produkte, Alternativen, Cross-Selling-Angebote, beliebte Artikel und neuste Produkte zu gewichten. Dabei können je nach Wegstrecke und Haltepunkt des Kunden unterschiedliche Strategien sinnvoll sein.

Auf Produktseiten erhöhen beispielsweise Produktalternativen auf Basis der kompletten Kauf-, Browserhistorie und Warenkorb-Inhalte als auch der vom Besucher gewählten Produkte das Konversionspotential. So kann der Nutzer zudem bislang unbekannte Produkte an dieser Stelle entdecken - die aber zu seinem Interesse passen. Auch Eigenmarken lassen sich so stärken, so die Erfahrung von Globetrotter.

Beim Check out kann es sich lohnen, Produkt-Empfehlungen zu platzieren, die den durchschnittlichen Bestellwert und die Artikelzahl pro Bestellung erhöhen. Dabei geht es aber nicht nur um naheliegende Produkte zum Warenkorb (beispielsweise aus dem Bereich der Bestseller), sondern auch um passende Produkte derselben Marke aus einer anderen Kategorie. So lassen sich auch neue Produkte anderer Kategorien geschickt einführen.

Auch auf der Suchseite lassen sich Empfehlungen einsetzen, die an die Kauf- und Suchhistorie angelehnt sind und dann beispielsweise Artikel vorstellen, die mit dem Suchbegriff verwandt sind oder zu vorherigen Warenkörben passen.

Natürlich vergisst Globetrotter auch nicht seine wöchentlich 600.000 Newsletter. Dort basiert der Inhalt ebenfalls auf dem Verhalten des Kunden auf Basis der letzten Customer Journey. Personalisierte Produkte werden dabei neben Inhalten der aktuellen Promotion im Moment der Öffnung des Newsletters aufgespielt.

Damit nicht genug. 2015 will Globetrotter zusammen mit Peerius das Projekt „Smart Content“ auf der Website umsetzen.

Der Kunde soll dann mit dynamischen und passgenau zugeschnittenen Landingpages begrüßt werden. Banner, Teaser, Promotion, Bilder, Artikel, Videos und fast alle anderen HTML-Inhalte sollen per Echtzeit-Analysen dem individuellen Verhaltensmuster des Besucher angepasst werden. Da wird es dann beispielsweise per Geo Tracking spezielle Promotions für Hamburger oder Kölner geben können, spezielle Angebote und Teaser für Erstbesucher oder Rückkehrer, spezielle Inhalte und Schnäppchen nach Geschlecht oder vorheriger Keyword-Suche bei Google oder je nach Wetter unterschiedliche Preise je nach Region.

Ein gewaltiger Aufwand. Denn die Herausforderung dabei ist es nicht nur, mittels verschiedener Templates die optimale Positionierung einzelner Artikel im Shop zu finden, sondern gleichzeitig auch das Potenzial der Echtzeit-Personalisierung im Rahmen einer ganzheitlichen Strategie über alle Kundenkommunikations-Kanäle zu nutzen und zugleich seine markenspezifischen Besonderheiten zu erhalten.
So hat beispielsweise der Anbieter Prudsys seine Empfehlungsmaschine weiterentwickelt, um die Architektur-spezifischen Besonderheiten von Otto.de zu berücksichtigen. Damit alle Kunden, salopp gesagt, überall und jederzeit nach den gleichen Regeln ein konsistenten Set an Empfehlungen bekommen – das dann natürlich noch jederzeit und schleunigst um neue Produkte oder neue Regeln ergänzt werden kann. Den Aufwand dahinter schildert Otto in einem Beitrag im Developer-Forum.