Hier wird deutlich wie wichtig es ist, den jeweiligen Kontext und damit die Situation, in der sich ein Shopkunde aktuell befindet, beim Ausspielen der Empfehlungen zu berücksichtigen.
Kompromisse für einzelne Empfehlungskontexte
Können also z. B. auf einer Produktdetailseite nur ein bis zwei Empfehlungskontexte präsentiert werden, muss man einen bestmöglichen Kompromiss wählen. Ein Beispiel hierfür wäre: „Ähnliche Produkte, die dir auch gefallen könnten“. Dabei ist es wichtig, den Begriff „ähnlich“ wirklich ernst zu nehmen. Denn damit erhöht sich signifikant auch die Qualität der Empfehlungen. „Ähnlich“ bedeutet hier, Produkte mit ähnlichen Eigenschaften, wie das vom Shopkunden im Detail betrachtete Produkt, bewertet nach den persönlichen Präferenzen des Kunden.
Beispiel: Zeigt ein Kunde ein besonderes Interesse für schwarze Artikel, werden andere schwarze Artikel als sehr ähnlich angesehen. Ohne diese Information über das Kundenverhalten hätte die Produktfarbe für die Empfehlungen eher keine große Rolle gespielt.
Bleibe up to date in Sachen Personalisierung: Melde dich zum epoq Newsletter an. Jetzt anmelden!
Hybride Empfehlungssysteme
Je nach Kontext kann es erforderlich sein, die so erzeugten Empfehlungen mit durch Collaborative Filtering erzeugten Empfehlungen intelligent zu mischen oder zu modulieren. Werden unterschiedliche Empfehlungssysteme und -komponenten miteinander kombiniert, nennt man dies hybride Empfehlungssysteme. Diese sorgen für bessere Ergebnisse und beheben die Schwächen einzelner Systeme. Durch die Kombination des inhaltsbasierten und kollaborativen Empfehlungssystems kann man beispielsweise das Kaltstartproblem des kollaborativen Systems minimieren. So können schneller relevante Empfehlungen für Shopkunden generiert werden und die Empfehlungsqualität wird gesteigert.
Das bedeutet, dass man wirklich passende Empfehlungen, je nach Empfehlungskontext nicht mit einem universalen Algorithmus erzeugen kann, sondern das dynamische Verschalten von einer ganzen Reihe intelligenter Grundalgorithmen erfordern. Voraussetzung hierfür sind einerseits ein modulares Softwaresystem, das diese Grundalgorithmen zueinander kompatibel bereitstellt und andererseits Experten, die in der Lage sind, solche dynamischen Architekturen zu konfigurieren und zu parametrisieren.
Auswahl des richtigen Empfehlungssystems
Wir haben nun gesehen, dass es ganz verschiedene Empfehlungssysteme gibt, die mit unterschiedlichen Verfahren arbeiten und verschiedene Datengrundlagen nutzen. Abschließend stellt sich die Frage, welches denn nun das „richtige“ System zum Generieren passender Empfehlungen ist.
Empfehlungsstrategie und Personalisierungsart sind kontextabhängig
Diese Frage lässt sich nicht so einfach pauschal beantworten. Denn welches Empfehlungssystem das Richtige ist, hängt von verschiedenen Faktoren ab. Die Entwicklung des E-Commerce zeigt: Ursprünglich statische Strukturen werden zunehmend dynamisch und neben der Produkt- oder Content-Auswahl gewinnt der Kontext, in dem die Auswahl präsentiert wird, zunehmend an Bedeutung. Je nach dem in welcher Phase der Customer Journey sich ein Kunde also gerade befindet und je nach Kontext, in dem er Empfehlungen sieht, ist eine andere Empfehlungsstrategie, Personalisierungsart und damit der Einsatz unterschiedlicher Empfehlungssysteme sinnvoll.
Expertenwissen als Voraussetzung
Um personalisierte Empfehlungen dynamisch im passenden Kontext auszuspielen, erfordert es eine Softwarearchitektur, die kontextabhängig verschiedenste Algorithmen dynamisch zusammenschalten kann. Um diese Architekturen zu konfigurieren benötigt es aber vor allem Expertenwissen. Denn Experten können die Anforderungern der einzelnen Touchpoints identifizieren und daraufhin je nach Kontext das passende Empfehlungssystem und die Personalisierungsart auswählen. Somit können Empfehlungen generiert werden, die individuell auf den Kontext und die Präferenzen der Shopkunden abgestimmt sind.
Fazit: Gezielte Kombination verschiedener Empfehlungssysteme
Es gibt verschiedene Empfehlungssysteme, die jeweils Vor- und Nachteile aufweisen. Die Entwicklung des E-Commerce zeigt: Dynamische Strukturen werden immer wichtiger und Shopkunden erwarten Produktempfehlungen in einem passenden Kontext. Um dieser Entwicklung gerecht zu werden, können je nach Kontext verschiedene Verfahren von Empfehlungssystemen gezielt miteinander kombiniert werden. Da diese hybriden Systeme sehr komplex sind, ist Expertenwissen erfolgsentscheidend. Denn dadurch lassen sich dynamische Architekturen gestalten und somit personalisierte Produktempfehlungen generieren, die nicht nur auf die Präferenzen, sondern auch individuell auf die Customer-Journey-Phase und den Kontext, in dem sich der jeweilige Shopkunde befindet, abgestimmt sind. Diese Maßschneiderung im Online Shop macht den Unterschied und entscheidet darüber, wie gut die präsentierten Empfehlungen sind, was sich wiederum positiv auf die Höhe des Warenkorbwerts auswirkt.