Wer heute einen Online-Shop besucht, wird von Empfehlungen fast erschlagen. Um zusätzlichen Umsatz zu erzielen, bewerben Versender wahlweise zu einem Artikel passende Produkte, analysieren das Kaufverhalten ihrer Kunden oder erstellen Kaufprognosen in Echtzeit. Doch je mehr Versender im Internet auf solche Empfehlungen bauen, umso stärker verfestigt sich der Eindruck: Die besten Empfehlungen werden Shop-Besuchern nicht - wie es heute üblich ist - in einer Standard-Produktleiste angezeigt, sondern sind für Kunden quasi unsichtbar. Denn über Empfehlungssysteme lassen sich Kunden auch zu (Impuls-)Käufen verleiten, ohne dass diese das überhaupt richtig mitbekommen. Intelligente Software macht's möglich.

Für jeden Kunden individuelles Sortiment und Shop-Design

Fakt ist: Vor wenigen Jahren waren Empfehlungssysteme noch sehr starr. Über einfache Wenn-dann-Regeln wurden auf Artikelseiten zum Beispiel solche Produkte als Empfehlung angezeigt, die zum Artikel thematisch passen (Gedanke: "Wenn der Kunde ein Notebook kauft, dann könnte er sich auch für eine Tragetasche interessieren").

Personalisierte Kaufempfehlungen kamen über diesen Ansatz aber nicht zu Stande, stattdessen haben alle Kunden dieselben Vorschläge erhalten. Solche Systeme nutzen auch heute noch viele Shops gerne, da bei diesem Verfahren keine Datenschutzdebatten drohen und sich auch Restposten und Ladenhüter gut vermarkten lassen (Beispiel: "Wenn der Kunde ein Notebook kauft, bekommt er Tasche XY als Empfehlung").

Moderne Empfehlungssystem gehen dennoch ein Stück weiter. So lassen sich Nutzern solche Produkte zum Kauf empfehlen, die zu ihren persönlichen Vorlieben passen. Um passende Produkte zu bewerben, wird wahlweise das bisherige (Kauf-)Verhalten analysiert - oder auf Basis der Klickpfade im Shop eine Prognose erstellt, welche Artikel den Besucher besonders interessieren könnten. Beide Verfahren bilden die Basis von Shops, die sogar komplett personalisiert werden könnten.

Tatsache ist: Wer für Kunden individuelle Kaufvorschläge generiert, muss diese nicht zwangsweise in die derzeit üblichen Empfehlungsleisten packen (Beispiel: "Diese Artikel könnten Ihnen gefallen"). Möglich wäre auch, für jeden Besucher eine komplett personalisierte Version des Online-Shops auszuliefern, die auf Daten von Empfehlungssystemen basiert. Mit diesem Gedanken spielt jedenfalls momentan der Deerberg Versand, der ein höchst interessantes Pilotprojekt gestartet hat.

Pilotprojekt: Deerberg individualisiert Online-Shop

Die beiden Projektverantwortlichen Robert Schleebaum , E-Commerce-Manager von Deerberg  , sowie Jürgen Wachtmeester , Berater bei der Digitalagentur Nexum, wollen künftig mit Hilfe der auf Empfehlungsmarketing spezialisierten Prudsys AG    drei verschiedene Startseiten des Online-Shops ausliefern: wahlweise eine Variante für Bestandskunden (Identifierung über Cookie oder Log-In), eine Version für Neukunden und eine Sonderform für bislang unbekannte Besucher.

Jeder Shop-Besucher wird künftig einer dieser drei Gruppen zugeordnet und erhält daraufhin eine Startseite, die sich sowohl bei der Artikeldichte als auch den im Shop platzierten Bannern voneinander unterscheiden (siehe Abbildung). Deerberg könnte dann im Shop bei Neukunden mit einem Banner für versandkostenfreie Erstlieferungen werben, während Stammkunden auf einen Treue-Rabatt hingewiesen werden.

Doch solche Konzepte sind erst der Anfang. Denn die Vision von Wachtmeester ist, Shops in Zukunft komplett zu personalisieren. Ein Beispiel: Wer bei Amazon immer nur Bücher und CDs kauft, bekommt künftig auf Shop-Seiten nur noch solche Werbebanner zu sehen, die ihn in sein Lieblingssortiment führen ("Hier gibt es die neuen Bestseller von Dan Brown").

Ebenfalls denkbar wäre, die Navigationsleisten in einem Shop zu personalisieren. Der Gedanke: Wer nie weiße Ware bei einem Versender geordert hat, braucht keinen entsprechenden Menüpunkt in der Navigation. Sinnvoller wäre, diesen Menü-Punkt mit einem anderen Sortimentsreiter zu betiteln: zum Beispiel mit 'Krimis', wenn der Kunde gerne Bücher kauft. So etwas wäre Software-Experten zufolge mit gängigen Shop-Systemen möglich - und damit eine Überlegung wert. Denn Ziel von Personalisierungen ist, den Kunden zielgenauer anzusprechen und so den Umsatz zu steigern. Doch es lauern auch einige Fallstricke.

Problem: Empfehlungen liegen oft daneben. Wer etwa das Kaufverhalten analysiert, braucht die Einwilligung seiner Kunden - schließlich handelt es sich um personenbezogene Daten. Weitere Hürde: Um den Kunden zu erkennen, ist ein Log-In nötig. Kunden melden sich aber oft erst an, wenn sie bezahlen wollen. Eine Alternative wäre, Kunden anonym über einen Cookie zu identifizieren und bei einem späteren Shop-Besuch das Klickverhalten aus vorherigen Sessions zu berücksichtigen. Möglich wäre auch, wie Prudsys die Klickpfade in Echtzeit zu tracken und aufgrund von mathematisch-statistischen Verfahren gut verkaufende Shop-Designs zu prognostizieren (Motto: "Wer sich für Dan Brown interessiert, liest auch Steven King").

Solche Prognosen sind aber oft unscharf, da sie auf Wahrscheinlichkeiten basieren. Doch auch wer das Kaufverhalten analysiert, liegt oft daneben - wenn der Kunde beworbene Artikel längst woanders gekauft hat. Dennoch kann es sinnvoll sein, Shops komplett zu personalisierten. Wer nämlich heute Kunden konkrete Produkte empfiehlt, kann immer falsche Vorschläge generieren. Wenn allerdings die Navigation künftig an Kundenbedürfnisse angepasst wird (z.B. 'Krimis' statt weißer Ware), kann man Nutzer zielgenauer ansprechen - ohne bestimmte Produkte empfehlen zu müssen.

Ansatz	Produkt-Targeting	Profil-Targeting	Klickpfad-Targeting
Beispiel-Shop	Schlecker	amazon.de	Conrad
Prinzip	Systeme zeigen Produkte an, die zum jeweiligen Hauptartikel auf einer Shop-Seite passen.	Software generiert Vorschläge, die zu bisher gekauften Artikeln in einem Online-Shop passen.	Systeme analysieren Klickpfade im Shop und prognostizieren, was Kunden gefallen könnte.
Vorteile	Beim Produkt-Targeting drohen keine Datenschutzdebatten, da kein Kaufverhalten analysiert wird.	Empfehlungen sind personalisiert und können damit für Kunden eine höhere Relevanz haben.	Bei dieser Variante drohen keine Debatten, da keine personenbezogen Daten analysiert werden.
Nachteile	Jeder Kunde bekommt im Shop die gleichen Empfehlungen, eine Personalisierung findet nicht statt.	Viele Empfehlungen sind ungenau - weil Produkte bereits in anderen Online-Shops gekauft wurden.	Prognosen basieren immer auf Wahrscheinlichkeiten und sind damit ein Stück weit ungenau.

---

iBusiness-Autor Stephan Randler ist Chefredakteur des Branchendienstes Versandhausberater, in dem diese Analyse zuerst erschienen ist.