Personalisierter Produktkatalog

Einen aus dem Nutzerverhalten abgeleiteten Produktkatalog findet man meist im Bereich Fashion. Hier ist die Trennung in Damen- und Herrensortimente und auch bei Kindern recht klar und damit einfach umsetzbar. Ist man in einem der Bereiche länger unterwegs, werden bei der Rückkehr auf die Startseite gewisse Inhalte dynamisch angepasst. Die Marke About You geht sogar noch weiter und kommuniziert Personalisierung als klarer Wertebestandteil durch das adaptive Logo.

Diese Form der Personalisierung ist sicher im Bereich Mode am einfachsten, da hier eine Segmentierung ziemlich eindeutig ist. Bei Sportartikeln wird es hingegen schon schwieriger, da die ein- und dieselbe Kundschaft sich für verschiedene Sportarten oder Subkategorien (bsp. unterschiedliche Radtypen in einem Fahrradshop) interessieren kann. Eine zu harte Zuordnung zu einer Kategorie kann zum wahrgenommenen Ausschluss der weiteren Produktgruppen und damit zu geringeren Absätzen führen.

Produkt Empfehlungen

Ganz nach dem Schema “Kundinnen und Kunden die A gekauft haben, interessierten sich auch für B“ sind Produktempfehlungen insbesondere durch Amazon populär geworden. Daneben gibt es auch Formen wie dynamische Bundles, die auf der Basis von Käuferverhalten erstellt werden. Oder Empfehlungen von Produkten, die zur bisherigen Customer Journey im Shop passen. Beispielsweise interessiert sich eine Käuferin für Kleider mit blumigen Musterungen im höherpreisigen Sortiment. Entsprechend dieser Parameter lassen sich weitere Produkte anteasern.

Durch Personalisierung lässt sich demnach die Erfolgsquote von Cross- und Upselling deutlich anheben, dass wie im realen Beratungsgespräch Kenntnisse über die Kundschaft in den Verkaufsprozess einfließen.

Dynamische Preisfindung

Eine weitere Art der Personalisierung ist das variable Pricing. Dieses Modell dürfte in der Praxis nicht allzu häufig vorzufinden sein, ist aber insofern spannend, da Anbietende und Kaufende sich mehr oder minder individuell auf einen Preis einigen - fast wie auf einem Basar nur eben nicht wirklich sichtbar. Eine solche Preisgestaltung kann von Faktoren wie Verfügbarkeit, Tageszeit, Ort von dem aus das Angebot aufgerufen wird, persönlichen Interessen und sogar dem eingesetzten Endgerät beeinflusst werden. Das mag im ersten Moment verunsichernd klingen, ist aber aus meiner Sicht nicht unfair, da die erzielten Preise noch mehr der individuellen Zahlungsbereitschaft der Kundschaft entsprechen. Das kann unter Umständen ebenso zu Verkaufspreisen unterhalb einer unverbindlichen Preisempfehlung (UVP) führen. Eine solche Preisdiskriminierung ist beispielsweise aus dem Flugbereich nur zu Genüge bekannt.

Personalisierte Werbeanzeigen

Ebenso personalisiert werden, dank der digitalen Mittel, Werbeanzeigen. Der Nutzenvorteil dahinter ist, dass potenzielle Kundschaft in der Theorie nur noch von persönlich relevanter Werbung umspült werden, was wiederum zu höheren Conversions führt.

Das beste Beispiel dafür ist Retargeting, welches auf Klickverhalten reagiert und damit möglichst nah am Nutzerbedürfnis ist. Gleichermaßen kann auf exogene Faktoren wie z.B. das vorherrschende Wetter und dem Standort eingegangen werden.

Exemplarisch sind Sie beim Aufruf dieser Website an genau solcher Personalisierung vorbeigekommen – der Header dieser Seite über Personalisierung passt sich der Tageszeit an.

Was muss man technologieseitig davon verstehen?

1. Die reine Segmentierung auf Basis von z.B. demografischen Faktoren, die die Ausgabe von Produkten und Inhalten steuert.

2. Hinter einer regelbasierten Personalisierung ist die dynamische Befüllung von fest definierten Platzhaltern auf Websites zu verstehen. Haben Nutzende bestimmte Wenn-Bedingungen erfüllt, löse sie zugeordnete Inhalts-Trigger aus. Wie dies im Speziellen mit der Web-Lösung Pimcore funktioniert, haben wir im September 2020 in einem Webinar demonstriert.

3. Mit dem vermehrten Einzug von Deep-Learning-Algorithmen wird Personalisierung immer smarter. Indem Nutzerverhalten weitreichend erfasst und auf Muster untersucht wird, können immer bessere Vorhersagen über die Resonanz auf Inhalte und Produkte getroffen werden. Den KI-gesteuerten Lösungen sind vom lernenden Produktkonfigurator bis zur fascination-based Lernumgebung kaum Grenzen gesetzt.