Skip to main content
predictive-personalisierung
27 February 2019

Predictive-Personalisierung: Echtzeit-Targeting Ihrer Sonderangebote!

Autor

  Abdel el Ouazzani

Heute erklärt AI-Consultant Abdel El Ouazzini aus unserem Pariser Büro die Vorteile der Predictive-Personalisierung.

 

1 Von Verhandlungen im Laden zu personalisierten Online-Angeboten

marchand_offres_promotionnelles

 

Saïd verkauft Lederschuhe in den engen Gassen des Souks von Marrakesch. Wie seine Kollegen in den benachbarten Läden hat er keine festen Preise. Je nach Kunden kosten die berühmten "babouches" mal mehr, mal weniger. Der Preis hängt davon ab, wie er den Kunden und seine Kaufkraft einschätzt.

Jede Einzelheit zählt: Kleidung, die Art sich auszudrücken, Einstellung (Neugier oder festes Kaufvorhaben), sowie das Kaufverhalten und die Verhandlungsbereitschaft von alten Kunden. Nichts wird dem Zufall überlassen. Mit seiner Methode führt Saïd eine althergebrachte Tradition fort. Und ist ohne es zu wissen der Preisfindungsmethode von E-Merchants sehr nahe.

Dass der E-Commerce rapide wächst, weiß jeder. Weniger bekannt ist, dass dieses Wachstum mit einem starken Trend der Personalisierung der gesamten User Journey einhergeht. Der oberste Reifegrad von E-Commerce-Webseiten bezieht die Nutzung von Predictive-Personalisierung mit ein. Wie das Urteilsvermögen unseres Schuhverkäufers ermöglicht diese Methode die Personalisierung von Sonderangeboten.

Hinter diesem Ausdruck steht ein recht einfaches Konzept: die Anpassung von Sonderangeboten auf E-Commerce-Webseiten an die Kaufwahrscheinlichkeit jedes Besuchers. Anders ausgedrückt: Kommt ein potenzieller Käufer mit einer durch Algorithmen ermittelten hohen Kaufwahrscheinlichkeit auf die Webseite, sieht er nicht das gleiche Angebot wie jemand, der sich erst einmal über die Produkte des E-Merchants informiert und Preise vergleichen möchte. In manchen Fällen ist es vielleicht sinnvoll, dem ersten Kundentypen keine Coupons zu unterbreiten, weil das seine User Experience beeinträchtigen könnte.

Wie Saïd sammeln, bearbeiten und analysieren die Algorithmen eine große Zahl von Daten, die der User während seines Besuchs hinterlässt und ermitteln so das Angebot, das den Besucher am ehesten zum Kauf motiviert.

Neugierig? Dann erkläre ich Ihnen anhand eines konkreten Beispiels, wie die Umsetzung solcher Aktionen funktioniert.

2 Wie geht das konkret?

Ein effizienter Discount ist umgekehrt proportional zur Kaufwahrscheinlichkeit. Je mehr Interesse für einen gegebenen Besucher identifiziert wurde, desto niedriger fallen die angebotenen Preisnachlässe aus. Ermittelt wird das Interesse durch Kameleoons Predicitive Targeting-Algorithmus. Er ermöglicht ein Wahrscheinlichkeits-Scoring zwischen 0 und 1, je nach definiertem Conversion-Ziel.

Je nach Scoring werden die Besucher in unterschiedliche Kategorien eingeteilt. Bei Sonderangeboten ist das Ziel logischerweise ein Kauf. Der Algorithmus kann sehr leicht in eine E-Commerce-Webseite integriert werden (mit nur wenigen Zeilen JavaScript). Die Umsetzung ist ebenfalls problemlos. Sie läuft über die Kennzeichnung per Tags auf der Webseite, die Definition eines oder mehrerer Ziele sowie einer Lernphase, in der Künstliche Intelligenz dank der erhobenen Daten die Besucherkenntnis kontinuierlich steigert.

Am Ende dieser Phase kann das Segment ermittelt werden, das für ein gegebenes Sonderangebot am interessantesten ist - meistens sind es die sogenannten "unentschlossenen" Besucher. Diese Gruppe umfasst nicht Besucher, die

  • rein zufällig oder aus Neugierde auf Ihren Seiten gelandet sind (sehr niedrige Kaufwahrscheinlichkeit)
  • oder ein festes Kaufvorhaben an den Tag legen (sehr hohe Kaufwahrscheinlichkeit).

Auf diese beiden Gruppen hätte ein Sonderangebot eher negative Auswirkungen: Beeinträchtigung der User Experience für zufällige Besucher, niedrigere Margen für den E-Merchant, wenn Besucher mit sehr hoher Kaufwahrscheinlichkeit auch ohne Rabatt gekauft hätten.

Dieser ersten Einteilung kann eine feinere Unterteilung in Unter-Segmente erfolgen, für die spezifische Sonderangebote erstellt werden. So gibt es zwischen den unentschlossenen Besuchern "kalte" (niedrige Conversion-Wahrscheinlichkeit), "lauwarme" (mittlere Wahrscheinlichkeit) und "heiße" Kandidaten (hohe Kaufwahrscheinlichkeit).

Im Fall eines Sonderangebots ab einem bestimmten Einkaufswert (z.B. 10€ Discount ab 100€ Warenwert) kann in einer Testphase ermittelt werden, welche Kombination von Schwellenwert und Preisnachlass am effizientesten ist.

Mehrere Indikatoren könnten während der Testphase in Betracht gezogen werden: Kosten der Aktion, zusätzlicher Umsatz und ROI. Ist die Wahl getroffen, können Sie die Entwicklung der Aktion in den verschiedenen Dashboards des Kameleoon Back-Office überwachen.

Besucher, Conversion-Rate, durchschnittlicher Warenkorb, gefiltert je nach Kategorien der Kaufwahrscheinlichkeit und einer nahezu unbegrenzten Anzahl weiterer KPIs können von Ihnen über bestimmte Zeiträume verfolgt werden. Die Berechnung des Zuwachses und des ROI wird dank der verschiedenen Tabellen des Back-Office zum Kinderspiel.

Zum Schluss

Sie fragen sich vielleicht, ob sich Ihre Besucher nicht hintergangen oder manipuliert fühlen. Aber hier geht es nicht wie bei Saïd, unserem Schuhverkäufer, um den Preis an sich, sondern einzig um Sonderangebote. E-Merchants sind natürlich verpflichtet, einen Basispreis anzugeben, der für alle Besucher ihrer Webseite gilt. Auch darf das Sonderangebot nicht zu stark vom Preis abweichen, den andere E-Merchants angeben.

Wirklich aufpassen muss der Besucher deshalb eher auf dem Souk während seines nächsten Marrokko-Urlaubs!