Empfehlungssystem

Was ein Empfehlungssystem tut

Ein Empfehlungssystem schlägt Produkte vor, die zu einem Kunden oder zu einem Artikel passen. Es arbeitet mit Ähnlichkeit aus Verhalten, nicht mit Regeln. Zwei Grundverfahren sind verbreitet. Beim einen wird Ähnlichkeit zwischen Artikeln berechnet: Wer A gekauft hat, kauft häufig auch B. Beim anderen wird Ähnlichkeit zwischen Kunden berechnet: Kunden, die sich ähnlich verhalten haben wie Sie, kaufen diesen Artikel.

Die beiden Verfahren liefern unterschiedliche Ergebnisse. Das artikelbasierte Verfahren ist einfacher, stabiler und funktioniert schon mit wenigen Bestellungen. Das kundenbasierte Verfahren ist genauer, braucht aber mehr Daten und ist schwerer zu erklären.

Wann die Ergebnisse brauchbar werden

Die entscheidende Größe ist nicht die Zahl der Besucher, sondern die Zahl der Bestellungen. Ein System, das Zusammenhänge aus Käufen lernt, kann mit hundert Besuchern nichts anfangen. Erst bei einigen tausend Bestellungen entstehen Muster, die sich wiederholen und nicht auf Zufall beruhen.

Ein zweiter Faktor ist die Breite des Sortiments. In einem engen Sortiment findet auch eine einfache Regel brauchbare Empfehlungen. In einem breiten Sortiment wirkt ein gutes System deutlich stärker, weil die Auswahl für den Kunden schwieriger ist.

Wie sich die Wirkung messen lässt

• Klickrate auf die Empfehlung: Zeigt, ob die Vorschläge überhaupt beachtet werden. Allein sagt sie wenig.
• Anteil der Bestellungen mit empfohlenem Artikel: Die aussagekräftigere Zahl, weil sie den tatsächlichen Kauf betrifft.
• Warenkorbwert der betroffenen Gruppe: Steigt er, hat die Empfehlung gewirkt. Verglichen wird gegen eine Gruppe ohne Empfehlung, nicht gegen den Vormonat.
• Abdeckung: Welcher Anteil des Sortiments wird überhaupt empfohlen. Ein System, das immer dieselben zwanzig Artikel zeigt, hilft nur diesen.

Welche Effekte den Nutzen aufheben

Der erste Effekt ist die Verstärkung. Ein System, das nur bestätigt, was schon gekauft wurde, schlägt dasselbe wieder vor und verhindert die Entdeckung anderer Artikel. Über die Zeit sinkt die Vielfalt im Warenkorb.

Der zweite Effekt sind Vorschläge zur falschen Zeit. Eine Empfehlung unmittelbar vor dem Abschluss lenkt vom Kauf ab. Ein Hinweis auf passende Zubehörteile vor dem Kauf bringt mehr als eine Liste ähnlicher Produkte daneben.

Der dritte Effekt sind sichtbare Fehler. Ein Vorschlag, der einen bereits gekauften Artikel erneut anbietet oder Zubehör für eine Retoure zeigt, wirkt unaufmerksam und senkt das Vertrauen. Der vierte Effekt ist die fehlende Erklärung. Wer nicht sagen kann, warum etwas gezeigt wird, hält die Anpassung eher für Zufall als für Service, und Widerstand entsteht dort, wo Vorhersehbarkeit fehlt.

In der Praxis folgt daraus eine Regel: Empfehlungen dort einsetzen, wo der Nutzen unmittelbar einleuchtet, etwa beim passenden Zubehör, und den Rest der Seite unangetastet lassen. Wenige gute Vorschläge wirken besser als viele beliebige.

Häufige Fragen

• Brauche ich dafür ein Werkzeug? Für einfache Regeln nicht. Ab einigen tausend Bestellungen lohnt ein System.
• Wie viel Daten braucht es? Einige tausend Bestellungen, damit Muster belastbar sind.
• Ersetzt es Cross-Selling von Hand? Nein, die kuratierte Auswahl bleibt bei erklärungsbedürftiger Ware besser.