Personalisierte Kundenansprache im Modehandel

von Gastbeitrag

Die besten Produktempfehlungen mit strukturiertem RDE Management - Eine Case Study aus dem Bereich Fashion.

Kommunikation mit Endkunden wird immer zielgerichteter. Das gilt auch und gerade in Sachen Mode. Auf Basis unterschiedlich generierter Daten, die zum Beispiel bei Klicks in Online-Shops, bei bereits getätigten Käufen oder aus CRM-Systemen eingesammelt werden, bedient der Handel seine Kunden schon hochgradig personalisiert. Der Nutzen: Kunden erhalten tatsächlich das richtige Produkt zum richtigen Zeitpunkt angezeigt und machen damit eine gute Erfahrung. Unternehmen können davon mehr Relevanz für den Kunden, mehr Käufe und eine höhere Loyalität erwarten. Eine große Rolle spielen in diesem Kontext häufig so genannte Recommendation Engines. Nach dem Motto "Kunden, die Hose A kauften, kauften auch T-Shirt B", geben sie Kunden eine Empfehlung ab. Dies kennt man aus Webshops, Newslettern oder Smartphone-Apps. Die Folge: Die Zahl der Käufe aufgrund personalisierter Empfehlungen hat in den letzten Jahren deutlich zugenommen. Doch wie kann sichergestellt werden, dass die gegebenen Empfehlungen auch die richtigen sind? Im Folgenden zeigen wir am Beispiel Mode, wie Business Regeln datenbasiert optimiert werden können, so dass die persönlichen Empfehlungen für den Kunden relevant werden.

Recommendation Engine (RDE) - welche Hebel kann ich nutzen?Recommendation Engines bieten eine Vielzahl an Einstellungsmöglichkeiten, von denen viele nur unzureichend genutzt werden. Neben der grundsätzlichen Art der Regel (z.B. nutzerbezogen vs. produktbezogen) lassen sich verschiedene Filter und so genannte Business Rules einsetzen. Mit ihrer Hilfe kann jedes Unternehmen seine individuellen Einstellungen definieren. Dies ermöglicht eine nahezu unendliche Anzahl an Empfehlungsarten. Die Basis für eine Produktempfehlung sind häufig Daten aus dem Online-Shop. Diese Daten entstehen beispielsweise bei Transaktionen, Klicks, Käufen, Warenkörben oder Suchen. Sie werden unterschiedlich gewichtet und in Echtzeit ausgegeben. Zur Verfeinerung des Ergebnisses kann man sich auf einen bestimmten Zeitraum für die herangezogenen Daten beschränken. Das können die letzten 99 Klicks oder die letzten 20 Klicks in Kombination mit den letzten 30 Warenkörben und den letzten zehn Käufen sein. Die Definitionsmöglichkeiten sind hier unbegrenzt, es kommt darauf an, den richtigen Hebel zu finden. Nimmt man noch mehr Daten hinzu, zum Beispiel kundenbezogene Merkmale aus einem CRM-System oder Daten, die in Offline-Transaktionen generiert wurden, lassen sich die Ergebnisse noch weiter optimieren.

Wird ein Kunde an den möglichen Kon­taktpunkten, zum Beispiel im Online-Shop, Newsletter oder über die App, wiedererkannt, werden anhand einer ID kun­denspezifische Merkmale ausgelesen. Die Kundenparameter können individuell festgelegt und kreiert werden. Merkmale wie Geschlecht, Altersgruppe, Kundenwert, Affinitäten oder Präferenzen - beispielsweise für eine Produktkategorie, ein Preisniveau, Materialien oder eine bestimmte Größe - können integriert werden. Das Ziel ist es, die Empfehlung zu optimieren, etwa von vornherein Produkte auszuschließen, die in der bevorzugten Größe nicht verfügbar sind, oder präferierte Produktkategorien im Ranking der Empfehlungen zu priorisieren. Ein weiteres Mittel zur Optimierung der RDE ist die Hinzunahme von Offline-Transaktionsdaten. Damit sind Käufe im stationären Einzelhandel gemeint. Mit den aus Offline-Transaktionen stammenden Daten können die Interessen des Kunden weiter eingegrenzt werden, um für ihn irrelevante Artikel (z.B. bereits gekaufte Produkte) von Empfehlungen auszuschließen.

Wie läuft die Optimierung?Die bestmögliche Optimierung der für den Kunden angezeigten Empfehlungen erreicht man über kontinuierliches Business-Rules-Management. Hierfür werden laufend einzelne Para­meter geändert (z.B. Preislevel der angezeigten Produkte für Kunden, die in der Vergangenheit einen Warenkorb hatten), neue Attribute hinzugefügt oder der Produkt­raum durch Filter beschränkt (Beispiel: nur Produkte mit geringer Retouren-Wahrscheinlichkeit werden gezeigt). Jede Änderung wird mit Testgruppen validiert. Erfolgreiche Tests behält man bei und übernimmt die Regel gegebenenfalls an anderen Stellen. Für die Optimierung müssen verschiedene Funktionen zusammenarbeiten. Der Marketing Manager steuert Kontaktpunkte, bestimmt den Content und ist übergreifend verantwortlich. Der Insights Manager ist der Regelexperte, er kümmert sich um die Business Rules. Möglich gemacht wird die Optimierung durch den Data Scientist, der die mathematische Basis zur Verfügung stellt: Auswertungen, Scorings, neue optimierte Kundenattribute. Nur im Zusammenspiel der unterschiedlichen Funktionen und Kompetenzen läuft der Prozess ideal ab. Die Funktionen dafür können intern aufgebaut oder extern eingekauft werden. defacto realations bietet ganzheitliches RDE Management über alle Kanäle im Outsourcing an, ob im Shop (online bzw. offline) oder in der Kommunikation, zum Beispiel via Newsletter.

Erfolg von personalisierten EmpfehlungenWie erfolgreich die Empfehlungen sind, die über die Recommendation Engine gegeben werden, wird anhand von standardisierten KPIs erhoben, idealerweise mittels Reporting in Echtzeit. Dieses führt Kampagnendaten, Konsumentendaten, Responsedaten sowie Transaktionsdaten aus dem Webtracking zusammen. So können A/B-Tests durchgeführt und in Echtzeit ausgewertet werden. Ein Beispiel: Im Newsletter gibt es nach den ersten Klicks bereits eine Tendenz, nach weiteren Klicks kann das Regelwerk "live" angepasst werden.So können wichtige Fragen beantwortet werden: Welche Regel ist wie erfolgreich? Welches Produkt generiert an welcher Stelle die meisten Klicks, welches die meisten Bestellungen? Und viele weitere mehr. Auf diese Weise findet man schnell heraus, welche Parameter am besten greifen, und kann sich für die effizienteste Regel entscheiden.

Unsere Erfahrungen im Modehandel zeigen: Insgesamt können durch optimal personalisierte Empfehlungen und aktives Empfehlungsmanagement mehr Klicks, mehr Bestellungen und damit rund ein Drittel mehr Umsatz erzielt werden. Nutzen auch Sie das Potenzial von personalisierten Empfehlungen, indem Sie aktiv und kontinuierlich an den richtigen Produktvorschlägen für Ihre Kunden arbeiten. Defacto realations unterstützt Sie hierbei gerne.

defacto realations GmbH91058 Erlangen
09131/97120
kontakt@defacto-ai.de
www.defacto-realations.de