Daniel Wrigley von SHI wird ein bisschen etwas darüber erzählen warum Recommendations, also gezielte Produktvorschläge, relevant sind. Was man diesbezüglich beachten und tun sollte und was man eher vermeiden sollte. Gezielte Produktvorschläge sind lange kein Nice-To-Have-Feature mehr, sondern sind eigentlich schon vollkommen im e-Commerce angekommen und gehören zur Standard-Palette von Online-Shops. Merkzettel/Wunschliste ist auch ein Feature zusätzlich zu Recommendations, das ich im Shop haben sollte. Conversion Rates steigern sich, wenn den Kunden das vorgeschlagen wird, was sie kaufen wollen. Der Warenkorbwert wird dadurch gesteigert, dass an den richtigen Stellen Vorschläge gemacht werden. Wie beim Einkauf im Supermarkt, in dem kurz vor dem Bezahlen noch Kleinigkeiten angeboten werden: Süßigkeiten, Feuerzeuge, Batterien, … Gute Vorschläge veranlassen Kunden dazu, wieder zu kommen. Denn was einmal gut funktioniert, funktioniert auch zweimal gut. Produktvorschläge erhöhen einfach dadurch die Verweildauer der Kunden, weil ihnen dadurch eine bequeme Möglichkeit geliefert wird, ohne neu suchen zu müssen im Shop zu browsen. Je höhere die Verweildauer desto besser vertraut mit dem Angebot, bedeutet wieder einen Vorteil für den Shop. Passendes Zubehör vorschlagen, höherwertige Produkte vorschlagen, unter Umständen sogar Produkte, von denen die Kunden vorher noch nichts wussten steigern das Potenzial mehr zu verkaufen Auffindbarkeit von Produkten dadurch erhöhen, dass sie vorgeschlagen werden. Der Kunde kann sich besser vertraut machen mit dem Sortiment, indem er Produkte vorgeschlagen bekommt, auf die er normalerweise nicht stoßen würde. Es ist durch vorhandene Techniken und Technologien, die sich im Bereich Data Mining, Machine Learning gebildet haben, kein Hexenwerk mehr, Recommendations umzusetzen. Dazu zählen bestimmte Ansätze wie Collaborative Filtering oder auch Open Soure Projekte wie Apache Mahout, die solche Ansätze versuchen umzusetzen, um Anwendern algorithmisches Handwerkszeug zu geben. Diese Techniken und Technologien machen auch die Verarbeitung großer Datenmengen möglich. Jeder Shop kann seine Recommendations-Funktionen in beliebiger Manier skalieren.

1. TECHNOLOGY
DRIVES
BUSINESS

2. > Consultant für Search & Big Data Technologies
> Zertifizierter Apache Solr Trainer
> Autor des Buchs „Einführung in Apache Solr“
> daniel.wrigley@shi-gmbh.com
> @wrigley_dan
Daniel Wrigley
Zusammen mit Markus Klose ist
er Autor von „Einführung in
Apache Solr“, dem ersten
deutschsprachigen Buch zur
innovativen Suchtechnologie.
07.04.2015 © SHI GmbH & Co. KG Consulting • Software • Development • Training 2

3. UNSERE MISSION
Seit 1994 herstellerunabhängiges Unternehmen für IT Consulting und
Software Engineering.
Wir bieten Lösungen rund um Semantic Search, Big Data und Explorative
Datenanalyse auf der Basis etablierter Open-Source Software.
Wir stellen Werkzeuge bereit, die durch optimale Nutzung der
Technologie und Daten unsere Kunden beim Erreichen Ihrer
Geschäftsziele unterstützen.

4. Mit Customer Journey
Analytics &
Recommendations neue
Potenziale erschließen
Daniel Wrigley
07.04.2015 © SHI GmbH & Co. KG Consulting • Software • Development • Training 4

5. 74% schauen sich
vorgeschlagene
Produkte an...

6. ... 35% kaufen vorgeschlagenen Produkte ...

7. ... 28% fügen es zu ihrer Wunschliste hinzu

8. Amazon verzeichnete eine Umsatzsteigerung
von 25% nach Einführung ihrer Recommendations Engine…

9. … und viele stimmen dieser Einschätzung zu bzw.
können diese aus Erfahrung bestätigen:
Kommentare aus Shopanbieter.de zu:
2 5 % d e s U m s a t z e s k o m m e n b e i A m a z o n ü b e r E m p f e h l u n g e n z u s t a n d e
Hallo,
Amazon ist Vorreiter in Sachen Personalisierung.
Das Amazon Widget “andere Kunden kauften auch” ist tatsächlich ein Personalisierungstool und hat nicht
zwingend was mit Einkäufen anderer Kunden zu tun.
Zahlreiche Algorithmen berechnen die passenden Produkte.
Dass 1/4 der Sales über die Empfehlungen kommen ist keinesfalls eine Seltenheit sondern eher Normalität.
(durschnittlicher Warenkorb ca. 30 % mehr)
Es gibt diverse Firmen die eine solche Technologie anbieten.
Allerdings ist hier auch darauf zu achten, dass die Firmen Hybride Empfehlungen abgeben. … Kommentar
by Basti Geyer — 8. Mai 2012 @ 09:35
Ein Viertel glauben wir auch nicht. Unsere Messungen sagen aber, dass es Tage gibt, dass Empfehlungen bis
zu 12 % ausmachen. Im Schnitt liegen wir bei 8 – 9 %. Positionierung ist dabei ein wichtiger Punkt und ein
entsprechendes Tool. Gerade hierbei glaube ich aber, dass Amazon hier extrem viel leisten kann aufgrund
deren Traffic und deren IT, denn: Amazon ist kein Händler sondern ein Software-Konzern!
Kommentar by terrific.de — 8. Mai 2012 @ 09:57
http://www.shopanbieter.de/news/archives/5900-25-des-umsatzes-kommen-bei-amazon-ueber-empfehlungen-zustande.html#comments

10. … und viele stimmen dieser Einschätzung zu bzw.
können diese aus Erfahrung bestätigen:
Hallo,
die Quote von 25% stimmt bei uns auf jeden Fall. Wir machen manchmal Stichproben und befragen unsere
Kunden. Entscheidungskriterium “Empfehlung” steht ganz oben, dann vielleicht die Bestseller Listung. Wir
sind zufrieden und freuen uns über unsere Umsatzzuwächse.
Kommentar by aspects — 8. Mai 2012 @ 11:55
Recommendation engines sind schon eine feine Sache, allerdings verfügt kaum ein Shopsystem über solche
Technologie und so werden halt, wenn überhaupt, externe Anbieter eingebunden.
Wie überall wird auch hier mit Studien und Zahlen um sich geworfen die, mit Sachverstand betrachtet,
kaum realistisch sind. Was bei Amazon aufgrund des dort vorhandenen breiten Angebots vielleicht noch
hinhauen kann ist für den normalen Händler mit der deutlich kleineren Angebotspalette schlicht unmöglich
da die commendation engines nunmal lediglich auf eine begrenzte Basis zurückgreifen können und damit
die Empfehlungsmöglihkeiten in Anzahl und Qualität zwangsläufig schlechter sein müssen. Somit bieten
sich Empfehlungen aus recommendation engines primär für Marketingzwecke, ...Wir haben unsere
integrierte recommendation engine beispielsweise mehrfach ans Newslettertool gekoppelt, einmal für die
automatische Erstellung individueller Newsletter und einmal als Analysetool das dem Shopbetreiber
ermöglicht zielgenaue allgemeine Newsletter zu verfassen. Unsere Zahlen belegen das damit die Umsätze
aus dem Marketinginstrument Newsletter durchaus signifikant verbessert werden konnten.
Kommentar by H.P. — 15. Mai 2012 @ 07:06
http://www.shopanbieter.de/news/archives/5900-25-des-umsatzes-kommen-bei-amazon-ueber-empfehlungen-zustande.html#comments

11. Neue Potenziale – Online-Shop
> Steigerung der Conversion Rates
> Höherer Warenkorbwert
> Stärkere Kundenbindung
> Höhere Verweildauer
> Bessere Auffindbarkeit von Produkten
> Ausgereifte Technik & Technologien
Gewinn und Mehrwert
07.04.2015 © SHI GmbH & Co. KG Consulting • Software • Development • Training 11

12. Neue Potenziale – Kunde
> Bessere Auffindbarkeit von Produkten
> Steigerung der Usability
> Inspiration
> Erhöhter Benutzerkomfort
> Gesteigerte Wertschätzung
> Emotionale und psychologische Absicherung
Zufriedenheit und Begeisterung
07.04.2015 © SHI GmbH & Co. KG Consulting • Software • Development • Training 12

14. Data Processing Platform
MarketingTraffic Returns
3rd Party
Data
User
Events
Social
Media
Recommen-
dations
Statistiken Visualisierung
Customer
Insights
Etwas mehr Struktur, bitte…

15. Daten-
kreislauf
07.04.2015 © SHI GmbH & Co. KG Consulting • Software • Development • Training 15

17. Mathe?

18. Wer hat was gekauft?
Was wurde zusammen
gekauft?
Welche Werte sind
"interessant"?

19. Erfolgsvoraussetzungen
> Kontrolle & Management
> Daten & Informationen
> Messen & Bewerten
07.04.2015 © SHI GmbH & Co. KG Consulting • Software • Development • Training 19

20. Kontrolle!

21. Datenquellen und Kanäle miteinander
kombinieren
Social Media, Retouren, Clicks,
Bestellungen, Views, Ratings, …
07.04.2015 © SHI GmbH & Co. KG Consulting • Software • Development • Training 21

22. Skalierbarkeit

23. Aktivitäten mit allen
Touchpoints messen

24. Kosten?
Umsetzungsdauer?

25. A Long Story Cut Short
> Verarbeitung von Datenmengen
> Machine Learning Algorithmen
> Maschinengestützte Kontrollinstanz
> Nutzung aller Funktionen und Maßnahmen messen und bewerten
> Verwendung und Kombination unterschiedlicher Datenquellen
> Skalierbarkeit
07.04.2015 © SHI GmbH & Co. KG Consulting • Software • Development • Training 25

26. Bildernachweis> Spending: https://www.flickr.com/photos/68751915@N05/6355231757
> DSCN3434: https://www.flickr.com/photos/leedman/2061058702
> Computer Mann Arbeitsplatz Geschäft: http://pixabay.com/de/computer-mann-arbeitsplatz-gesch%C3%A4ft-303129/
> money: https://www.flickr.com/photos/fsecart/549277847/
> blue: https://www.flickr.com/photos/pauldineen/4529213297/
> Maths: https://www.flickr.com/photos/ajc1/8144344750/
> Time is Money: https://www.flickr.com/photos/76657755@N04/7214596024/
> Gummibärchen: http://pixabay.com/de/gummib%C3%A4rchen-fruchtgummis-b%C3%A4ren-359950/
> Facebook Touchgraph: https://www.flickr.com/photos/bike/3293404080/
> British Museum: https://www.flickr.com/photos/moria/29210441/
> Wachstum Finanzen Gewinne: http://pixabay.com/de/grafik-wachstum-finanzen-gewinne-163509/
> Thumbs Up: https://www.flickr.com/photos/vegaseddie/5700609302/
> Scared Cat: https://www.flickr.com/photos/kindacat/8297887165
> Chemistry: https://www.flickr.com/photos/horiavarlan/4273225057/
> Customer Journey: https://www.flickr.com/photos/lauradinneen/7365351290/
> Lizenzen:
– Lizenz: https://creativecommons.org/licenses/by-sa/2.0/
– Lizenz: https://creativecommons.org/licenses/by/2.0/
– Lizenz: http://creativecommons.org/publicdomain/zero/1.0/deed.de
07.04.2015 © SHI GmbH & Co. KG Consulting • Software • Development • Training 26

27. Quellen
> "Why Personalisation Should Be at the Heart of a Retailer's Customer
Strategy". 11/2013. IDC Report
> Kommentare aus Shopanbieter.de
http://www.shopanbieter.de/news/archives/5900-25-des-umsatzes-
kommen-bei-amazon-ueber-empfehlungen-zustande.html
> "Amazon's recommendation secret". Mangalindan, JP.
http://fortune.com/2012/07/30/amazons-recommendation-secret/. 30. Juli
2012.
> "Practical Machine Learning". Ted Dunning & Ellen Friedman.
https://www.mapr.com/practical-machine-learning. 2014
07.04.2015 © SHI GmbH & Co. KG Consulting • Software • Development • Training 27

28. KONTAKT
SHI GmbH & Co. KG
Curt-Frenzel-Str. 12
D - 86167 Augsburg
info@shi-gmbh.com
+49.821.74 82 633 - 0
@SHIEngineers
07.04.2015 © SHI GmbH & Co. KG Consulting • Software • Development • Training 28