SlideShare ist ein Scribd-Unternehmen logo
Martin Koch
Sen. Coach eBusiness Solutions
Jasmin Bleich
Inbound Marketing Specialist
Die neue Recommendation Engine von
FACT-Finder
Die neue Recommendation Engine
2
JasminBleich
InboundMarketingSpecialist
@bleich_j
Die neue Recommendation Engine
3
MartinKoch
Sen.CoacheBusinessSolutions
Empfehlungen auf der PDS
Und im Warenkorb
Durchschnittliche Warenkörbe
FACT-Finder Recommendation Engine
Kontextbezogene
Empfehlungen
Personalisierte &
kontextbezogene
Rankings
Generische
Empfehlungen
Personalisierte
Rankings
Idealer Mix
BENUTZERPROFIL
unbekannt bekannt
unbekanntbekannt
KONTEXT
Recommendation Personalisierung
Hart codierte Empfehlungen
Beispiel:
www.eddiebauer.de
Beispiel: www.otto-office.com
Wichtig – Blacklisting
Gute Empfehlungen – jetzt echt schnell
• Recommendation Engine 2 – mehr als zehnmal schneller
• Passende Empfehlungen zu (fast) allen Produkten
• Aus Kombi-Verkäufen, Kategorien und gewünschten Merk-
malen erzeugt FACT-Finder blitzschnell passende Vorschläge
• Wenig Konfigurations-, geringer Steuerungsaufwand
Empfehlungen koppeln an …
• … das aktuell betrachtete Produkt (Produktdetailseite) oder
• … den aktuellen Warenkorb oder
• … die Startseite.
Ganz einfach per Kampagne oder Empfehlungsabruf
Es braucht nur …
• Vollständige Tracking-Integration
• Historische Daten kombinierter Verkäufe zum Start
• Die FACT-Finder Recommendation Engine 2.0 (ab FF 6.11)
Alles basiert auf Beziehungen
• Produktbeziehungen aus kombinierten Verkäufen erkennt
FF automatisch (Tracking)
• Zusätzlich festlegen, worauf die Empfehlungen zielen: Nur
Cross- oder auch Up-Selling (Nutzung über Kampagnen-
Manager)
• Unpassende Empfehlungen lassen sich vermeiden
Ausgangspunkt Produktbeziehung
• Grundlage: reale Verkäufe („harte“ Beziehung zwischen
Produkt x und Produkt y), Historie
• Darstellung: Matrix, grüne Felder zeigen Verkäufe
• Beispiel: Kunde kauft ein Hemd und eine Krawatte, die „harte“
Beziehung lautet: Art. 12345 passt zu Art. 23456
Art. 23455 Art. 23456 Art. 23457
Art. 12343 0 0 0
Art. 12344 0 0 0
Art. 12345 0 1 0
Art. 12346 0 0 0
Weitere Verkäufe – die ReCo lernt dazu
• Im weiteren Verlauf werden verschiedene Hemden-Krawatten-
Kombinationen verkauft:
Art. 23455 Art. 23456 Art. 23457
Art. 12343 1 0 2
Art. 12344 0 2 1
Art. 12345 0 0 0
Art. 12346 3 1 0
Was würde ein Verkäufer zum Art. 12346 empfehlen?
Harte Beziehungen werden weich
• Produktbeziehungen sind recht oft gut, aber nicht flexibel:
Ohne Kombinationen gibt es keine Empfehlungen …
• Daher: Beziehungen auf Kategorieebene darstellen
Aus der Produktbeziehung ist zusätzlich eine Kategoriebeziehung
geworden, Empfehlungen sind damit unabhängig von Produkten
möglich, Produktbeziehungen werden weiter gespeichert.
Hemden Blusen Krawatten Schals
Hemden 2 0 14 0
Blusen 0 3 0 4
Krawatten 2 0 1 0
Schals 0 2 0 1
Ausbau der Empfehlungen
• Nahezu jeder Shop hat mehr als zwei Kategorien, dennoch
sollte man eine einfache Ebene vorgeben (Fallback)
• Beziehungen werden vielfältiger, Empfehlungen komplexer:
Cross-Selling (Hemd und Krawatte, Bluse und Schal) und/oder
ähnliche Produkte (Hemd und Hemd, Bluse und Bluse)
• Je feiner die Kategorien, desto vielfältiger werden die
Beziehungen und damit die Empfehlungen auf der Basis realer
Verkäufe
Empfehlungen festlegen
• Um mehrere Kategorien berücksichtigen zu können, werden
mehrschichtige Strukturen aufgebaut.
• FACT-Finder kann für jede Ebene gezielt konfiguriert werden:
Maximale Anzahl der Vorschläge aus dieser Ebene
Gewichtung der Matrix im Vergleich zu anderen (Multiplikator)
Festlegung Cross-Selling und/oder ähnliche Produkte
Aufbau einer Recommendation
1. Start mit Grundebene (Kategorie: Level 0 oder Level 1), z.B.
vier Produkte, niedrige Gewichtung, Cross-Selling und
ähnliche Produkte  Fallback
2. Nächsthöhere Ebene mit höherer Gewichtung und drei
Produkten, Cross-Selling und ähnliche Produkte  besser
3. Ebene mit feinerer Kategoriestruktur, höhere Gewichtung als
die vorherige, drei Produkte, Cross-Selling  noch näher
Zehn Produkte, wenn alle Beziehungen nutzbar sind, mindestens
drei Cross-Selling-Vorschläge. Fehlt die höchste Ebene, weniger
Vorschläge, sowohl Cross-Selling als auch ähnliche Produkte.
Hilfreich: Feintuning der Matrix
Gewichtung der Beziehungen = Wert aus den Verkäufen
Kann angepasst werden  So werden Beziehungen hergestellt,
für die noch keine Verkäufe vorliegen.
Hier ist auch ein
Ausschluss möglich
Feintuning der Produktempfehlungen
• Für jedes Produkt werden die Empfehlungen angezeigt:
interne Suche, Klick auf ein Produkt, Klick auf den
Konfigurationsmodus und Öffnen des Links Empfohlene
Produkte.
• In der Matrix können Produkte (oben, einzeln) oder Katego-
rien (unten) gezielt auf- oder abgewertet werden. Die Verän-
derungen werden links angezeigt.
Nicht nur Kategorien
Sinnvolle Empfehlungen sind beispielsweise
• Markenbasiert (Fashion): Hilfiger zunächst zu Hilfiger, dann
zu Gant
• Technisch (Elektronik): Apple-Zubehör zum iPhone
• Lieferbarkeit (nur sofort lieferbare Produkte)
• Farbe: Grün zu rot vermeiden
• Größe (Fashion): 3XL-Jacken zum 3XL-Hemd
• Verein: Kein Schalke-Trikot für Bayern-Fans
• Stil (Home): passendes zur Vintage-Kommode
• Produktart: Dekantierer oder Thermometer zum Rotwein,
Kühler zum Weißwein
Up-Selling vollautomatisch
• FACT-Finder erzeugt automatisch höherpreisige Vorschläge
• Der Preisrahmen wird festgelegt
• Nur Minuten später werden die ersten Produkte angeboten –
einfach und schnell
Und das braucht man für Empfehlungen
• Integriertes Tracking (mind. Klick, Cart und Check-out)
• Vorbereitete Templates im Shop-System
• Passende Informationen im Feed (wenn‘s mehr als
Kategorien sein sollen)
• Zum Start ideal: einmalig historische Verkaufsdaten
• Übers Jahr: punktuell Zeit für die Pflege (ungünstige
Beziehungen entfernen)
Zusammenfassung
• Voraussetzungen: FF 6.11 oder höher, Tracking mind. V 1.0,
initiale Befüllung per CSV, Platzhalter in den Shop-Templates
• Einsatzmöglichkeiten: Up-Selling, Cross-Selling per Kampag-
ne, Abruf von Empfehlungen zu Produkte auch ohne Kam-
pagne möglich.
• Integration per Kampagne auf PDS oder Warenkorb-Seite
• Steuerung über Matrizen oder interne Suche möglich
• Gezieltes Blacklisting über Matrizen
So, das war‘s
Schon jetzt vielen Dank, lassen Sie uns noch auf die Fragen
gucken
Vielen Dank
Ihr FACT-Finder Team
Martin Koch
martin.koch@fact-finder.de

Weitere ähnliche Inhalte

Andere mochten auch

Nuxeo WebEngine : Etude de cas
Nuxeo WebEngine : Etude de casNuxeo WebEngine : Etude de cas
Nuxeo WebEngine : Etude de cas
Damien Metzler
 
An introduction to Google's App Engine
An introduction to Google's App EngineAn introduction to Google's App Engine
An introduction to Google's App Engine
Stefan Sperber
 
b2performance berth
b2performance berthb2performance berth
b2performance berth
ITB Berlin
 
Google Cloud Platform. Google App Engine
Google Cloud Platform. Google App Engine Google Cloud Platform. Google App Engine
Google Cloud Platform. Google App Engine
Kwaye Kant
 
Search Engine Friendly Design (SEFD) - SMX München 2014
Search Engine Friendly Design (SEFD) - SMX München 2014Search Engine Friendly Design (SEFD) - SMX München 2014
Search Engine Friendly Design (SEFD) - SMX München 2014
Daniel Herndler
 
Google App Engine. Zwei Jahre im Produktiveinsatz
Google App Engine. Zwei Jahre im ProduktiveinsatzGoogle App Engine. Zwei Jahre im Produktiveinsatz
Google App Engine. Zwei Jahre im Produktiveinsatz
Per Fragemann
 
Google App Engine For Java
Google App Engine For JavaGoogle App Engine For Java
Google App Engine For Java
tcouery
 
WordPress State of the Word 2012
WordPress State of the Word 2012WordPress State of the Word 2012
WordPress State of the Word 2012
photomatt
 
Google App Engine
Google App EngineGoogle App Engine
Google App Engine
Publicis Sapient Engineering
 
Introduction à Google App Engine - WAQ 2011
Introduction à Google App Engine - WAQ 2011Introduction à Google App Engine - WAQ 2011
Introduction à Google App Engine - WAQ 2011jimmybourassa
 
Cours Search Marketing - 1 Introduction - IAE Lille
Cours Search Marketing -  1 Introduction - IAE LilleCours Search Marketing -  1 Introduction - IAE Lille
Cours Search Marketing - 1 Introduction - IAE Lille
Renaud JOLY
 
Cloud & Google app engine Presentation by Ngiambus Marcus
 Cloud & Google app engine Presentation  by Ngiambus Marcus Cloud & Google app engine Presentation  by Ngiambus Marcus
Cloud & Google app engine Presentation by Ngiambus Marcus
Marc NGIAMBA
 
Web meets Location - Mobile Social Media Relations
Web meets Location - Mobile Social Media RelationsWeb meets Location - Mobile Social Media Relations
Web meets Location - Mobile Social Media Relations
Sympra GmbH (GPRA)
 
Intellectual Property Rights
Intellectual Property RightsIntellectual Property Rights
Intellectual Property Rights
harshhanu
 
Durchgestartet? Eine Einführung in die Google App Engine / Java - Reloaded!
Durchgestartet? Eine Einführung in die Google App Engine / Java - Reloaded!Durchgestartet? Eine Einführung in die Google App Engine / Java - Reloaded!
Durchgestartet? Eine Einführung in die Google App Engine / Java - Reloaded!
adesso AG
 
SEFD - Search Engine Friendly Design - SMX München 2015 Kai Spriestersbach
SEFD - Search Engine Friendly Design - SMX München 2015 Kai SpriestersbachSEFD - Search Engine Friendly Design - SMX München 2015 Kai Spriestersbach
SEFD - Search Engine Friendly Design - SMX München 2015 Kai Spriestersbach
SEARCH ONE
 
RoomCloud Booking Engine
RoomCloud Booking EngineRoomCloud Booking Engine
RoomCloud Booking Engine
Sylvain Diverchy
 
SEO e Social - Unindo o sentimento das pessoas ao search engine
SEO e Social - Unindo o sentimento das pessoas ao search engineSEO e Social - Unindo o sentimento das pessoas ao search engine
SEO e Social - Unindo o sentimento das pessoas ao search engine
Fabio Ricotta
 
Desenvolvimento de Aplicações para o Google App Engine (CPBR5)
Desenvolvimento de Aplicações para o Google App Engine (CPBR5)Desenvolvimento de Aplicações para o Google App Engine (CPBR5)
Desenvolvimento de Aplicações para o Google App Engine (CPBR5)
Carlos Duarte do Nascimento
 
Search Engine Optimization (SEO)
Search Engine Optimization (SEO)Search Engine Optimization (SEO)
Search Engine Optimization (SEO)
Dennis Deacon
 

Andere mochten auch (20)

Nuxeo WebEngine : Etude de cas
Nuxeo WebEngine : Etude de casNuxeo WebEngine : Etude de cas
Nuxeo WebEngine : Etude de cas
 
An introduction to Google's App Engine
An introduction to Google's App EngineAn introduction to Google's App Engine
An introduction to Google's App Engine
 
b2performance berth
b2performance berthb2performance berth
b2performance berth
 
Google Cloud Platform. Google App Engine
Google Cloud Platform. Google App Engine Google Cloud Platform. Google App Engine
Google Cloud Platform. Google App Engine
 
Search Engine Friendly Design (SEFD) - SMX München 2014
Search Engine Friendly Design (SEFD) - SMX München 2014Search Engine Friendly Design (SEFD) - SMX München 2014
Search Engine Friendly Design (SEFD) - SMX München 2014
 
Google App Engine. Zwei Jahre im Produktiveinsatz
Google App Engine. Zwei Jahre im ProduktiveinsatzGoogle App Engine. Zwei Jahre im Produktiveinsatz
Google App Engine. Zwei Jahre im Produktiveinsatz
 
Google App Engine For Java
Google App Engine For JavaGoogle App Engine For Java
Google App Engine For Java
 
WordPress State of the Word 2012
WordPress State of the Word 2012WordPress State of the Word 2012
WordPress State of the Word 2012
 
Google App Engine
Google App EngineGoogle App Engine
Google App Engine
 
Introduction à Google App Engine - WAQ 2011
Introduction à Google App Engine - WAQ 2011Introduction à Google App Engine - WAQ 2011
Introduction à Google App Engine - WAQ 2011
 
Cours Search Marketing - 1 Introduction - IAE Lille
Cours Search Marketing -  1 Introduction - IAE LilleCours Search Marketing -  1 Introduction - IAE Lille
Cours Search Marketing - 1 Introduction - IAE Lille
 
Cloud & Google app engine Presentation by Ngiambus Marcus
 Cloud & Google app engine Presentation  by Ngiambus Marcus Cloud & Google app engine Presentation  by Ngiambus Marcus
Cloud & Google app engine Presentation by Ngiambus Marcus
 
Web meets Location - Mobile Social Media Relations
Web meets Location - Mobile Social Media RelationsWeb meets Location - Mobile Social Media Relations
Web meets Location - Mobile Social Media Relations
 
Intellectual Property Rights
Intellectual Property RightsIntellectual Property Rights
Intellectual Property Rights
 
Durchgestartet? Eine Einführung in die Google App Engine / Java - Reloaded!
Durchgestartet? Eine Einführung in die Google App Engine / Java - Reloaded!Durchgestartet? Eine Einführung in die Google App Engine / Java - Reloaded!
Durchgestartet? Eine Einführung in die Google App Engine / Java - Reloaded!
 
SEFD - Search Engine Friendly Design - SMX München 2015 Kai Spriestersbach
SEFD - Search Engine Friendly Design - SMX München 2015 Kai SpriestersbachSEFD - Search Engine Friendly Design - SMX München 2015 Kai Spriestersbach
SEFD - Search Engine Friendly Design - SMX München 2015 Kai Spriestersbach
 
RoomCloud Booking Engine
RoomCloud Booking EngineRoomCloud Booking Engine
RoomCloud Booking Engine
 
SEO e Social - Unindo o sentimento das pessoas ao search engine
SEO e Social - Unindo o sentimento das pessoas ao search engineSEO e Social - Unindo o sentimento das pessoas ao search engine
SEO e Social - Unindo o sentimento das pessoas ao search engine
 
Desenvolvimento de Aplicações para o Google App Engine (CPBR5)
Desenvolvimento de Aplicações para o Google App Engine (CPBR5)Desenvolvimento de Aplicações para o Google App Engine (CPBR5)
Desenvolvimento de Aplicações para o Google App Engine (CPBR5)
 
Search Engine Optimization (SEO)
Search Engine Optimization (SEO)Search Engine Optimization (SEO)
Search Engine Optimization (SEO)
 

Ähnlich wie FACT-Finder Webinar Recommendation Engine 2.0

Findologic-Webinar Analyse-Daten – Noch mehr Umsatz durch optimale Auswertung...
Findologic-Webinar Analyse-Daten – Noch mehr Umsatz durch optimale Auswertung...Findologic-Webinar Analyse-Daten – Noch mehr Umsatz durch optimale Auswertung...
Findologic-Webinar Analyse-Daten – Noch mehr Umsatz durch optimale Auswertung...FINDOLOGIC
 
EBE 2020 Warum Amazon Advertising 2020 unverzichtbar für deinen Erfolg ist
EBE 2020 Warum Amazon Advertising 2020 unverzichtbar für deinen Erfolg istEBE 2020 Warum Amazon Advertising 2020 unverzichtbar für deinen Erfolg ist
EBE 2020 Warum Amazon Advertising 2020 unverzichtbar für deinen Erfolg ist
E-Commerce Berlin EXPO
 
"Verkaufen"_Comosoft
"Verkaufen"_Comosoft"Verkaufen"_Comosoft
"Verkaufen"_Comosoft
Martin.Gro
 
Wieviel Internet braucht der inhabergeführte Handel?
Wieviel Internet braucht der inhabergeführte Handel?Wieviel Internet braucht der inhabergeführte Handel?
Wieviel Internet braucht der inhabergeführte Handel?
Connected-Blog
 
Webinar: Empfehlungsstrategien zur Steigerung des Warenkorbwertes
Webinar: Empfehlungsstrategien zur Steigerung des WarenkorbwertesWebinar: Empfehlungsstrategien zur Steigerung des Warenkorbwertes
Webinar: Empfehlungsstrategien zur Steigerung des Warenkorbwertes
epoq internet services GmbH
 
Personalisierung; der Schlüssel zum Erfolg in Q4 auf Shopware
Personalisierung;  der Schlüssel zum Erfolg in Q4 auf ShopwarePersonalisierung;  der Schlüssel zum Erfolg in Q4 auf Shopware
Personalisierung; der Schlüssel zum Erfolg in Q4 auf Shopware
Nosto
 
Internetbriefing: Social Commerce - oder eigentlich: Die (Tupperware) Part...
Internetbriefing: Social Commerce - oder eigentlich: Die (Tupperware) Part...Internetbriefing: Social Commerce - oder eigentlich: Die (Tupperware) Part...
Internetbriefing: Social Commerce - oder eigentlich: Die (Tupperware) Part...
Roger L. Basler de Roca
 
Die ultimative Black Friday & Cyber Monday Checkliste 2020
Die ultimative Black Friday & Cyber Monday Checkliste 2020Die ultimative Black Friday & Cyber Monday Checkliste 2020
Die ultimative Black Friday & Cyber Monday Checkliste 2020
Christian Lemke
 
WEBINAR: Der ultimative E-Commerce Q1 Survival Guide - Erobern Sie 2016
WEBINAR: Der ultimative E-Commerce Q1 Survival Guide - Erobern Sie 2016WEBINAR: Der ultimative E-Commerce Q1 Survival Guide - Erobern Sie 2016
WEBINAR: Der ultimative E-Commerce Q1 Survival Guide - Erobern Sie 2016
Nosto
 
Florian Nottorf (Adference GmbH) - Amazon Advertising Strategien
Florian Nottorf (Adference GmbH) - Amazon Advertising StrategienFlorian Nottorf (Adference GmbH) - Amazon Advertising Strategien
Florian Nottorf (Adference GmbH) - Amazon Advertising Strategien
Yasin Tanriver
 
KONTEXTB2B Vortrag: Inbound Content Marketing, 3. Social Media Breakfast bei ...
KONTEXTB2B Vortrag: Inbound Content Marketing, 3. Social Media Breakfast bei ...KONTEXTB2B Vortrag: Inbound Content Marketing, 3. Social Media Breakfast bei ...
KONTEXTB2B Vortrag: Inbound Content Marketing, 3. Social Media Breakfast bei ...
KontextB2B | Modern Marketing Consultancy, Düsseldorf
 
Affiliate-Marketing in der Nische
Affiliate-Marketing in der NischeAffiliate-Marketing in der Nische
Affiliate-Marketing in der Nische
Markus Kellermann
 
Inbound Marketing: Why Content Matters
Inbound Marketing: Why Content MattersInbound Marketing: Why Content Matters
Inbound Marketing: Why Content Matters
HubSpot Deutschland
 
Barcamp Klu 0209
Barcamp Klu 0209Barcamp Klu 0209
Barcamp Klu 0209dieliste
 
Erfolgsstrategien für Q1: Ihr persönlicher Guide zum E-Commerce-Erfolg
Erfolgsstrategien für Q1: Ihr persönlicher Guide zum E-Commerce-ErfolgErfolgsstrategien für Q1: Ihr persönlicher Guide zum E-Commerce-Erfolg
Erfolgsstrategien für Q1: Ihr persönlicher Guide zum E-Commerce-Erfolg
Nosto
 
Produktsuche: durch eine gezielte Find-Strategie die Konversion steigern
Produktsuche: durch eine gezielte Find-Strategie die Konversion steigernProduktsuche: durch eine gezielte Find-Strategie die Konversion steigern
Produktsuche: durch eine gezielte Find-Strategie die Konversion steigernNamics – A Merkle Company
 
Erfolgreiches Performance Marketing auf Facebook #AFBMC
Erfolgreiches Performance Marketing auf Facebook #AFBMCErfolgreiches Performance Marketing auf Facebook #AFBMC
Erfolgreiches Performance Marketing auf Facebook #AFBMC
AllFacebook.de
 
etailment WIEN 2015 – Reinhard Einwagner & Christian Scharmüller (Smarter Eco...
etailment WIEN 2015 – Reinhard Einwagner & Christian Scharmüller (Smarter Eco...etailment WIEN 2015 – Reinhard Einwagner & Christian Scharmüller (Smarter Eco...
etailment WIEN 2015 – Reinhard Einwagner & Christian Scharmüller (Smarter Eco...
Werbeplanung.at Summit
 
Anleitung zur Suchmaschinenoptimierung
Anleitung zur SuchmaschinenoptimierungAnleitung zur Suchmaschinenoptimierung
Anleitung zur SuchmaschinenoptimierungDaWanda
 

Ähnlich wie FACT-Finder Webinar Recommendation Engine 2.0 (20)

Findologic-Webinar Analyse-Daten – Noch mehr Umsatz durch optimale Auswertung...
Findologic-Webinar Analyse-Daten – Noch mehr Umsatz durch optimale Auswertung...Findologic-Webinar Analyse-Daten – Noch mehr Umsatz durch optimale Auswertung...
Findologic-Webinar Analyse-Daten – Noch mehr Umsatz durch optimale Auswertung...
 
EBE 2020 Warum Amazon Advertising 2020 unverzichtbar für deinen Erfolg ist
EBE 2020 Warum Amazon Advertising 2020 unverzichtbar für deinen Erfolg istEBE 2020 Warum Amazon Advertising 2020 unverzichtbar für deinen Erfolg ist
EBE 2020 Warum Amazon Advertising 2020 unverzichtbar für deinen Erfolg ist
 
"Verkaufen"_Comosoft
"Verkaufen"_Comosoft"Verkaufen"_Comosoft
"Verkaufen"_Comosoft
 
Cps vortrag 19 6-2013
Cps vortrag 19 6-2013Cps vortrag 19 6-2013
Cps vortrag 19 6-2013
 
Wieviel Internet braucht der inhabergeführte Handel?
Wieviel Internet braucht der inhabergeführte Handel?Wieviel Internet braucht der inhabergeführte Handel?
Wieviel Internet braucht der inhabergeführte Handel?
 
Webinar: Empfehlungsstrategien zur Steigerung des Warenkorbwertes
Webinar: Empfehlungsstrategien zur Steigerung des WarenkorbwertesWebinar: Empfehlungsstrategien zur Steigerung des Warenkorbwertes
Webinar: Empfehlungsstrategien zur Steigerung des Warenkorbwertes
 
Personalisierung; der Schlüssel zum Erfolg in Q4 auf Shopware
Personalisierung;  der Schlüssel zum Erfolg in Q4 auf ShopwarePersonalisierung;  der Schlüssel zum Erfolg in Q4 auf Shopware
Personalisierung; der Schlüssel zum Erfolg in Q4 auf Shopware
 
Internetbriefing: Social Commerce - oder eigentlich: Die (Tupperware) Part...
Internetbriefing: Social Commerce - oder eigentlich: Die (Tupperware) Part...Internetbriefing: Social Commerce - oder eigentlich: Die (Tupperware) Part...
Internetbriefing: Social Commerce - oder eigentlich: Die (Tupperware) Part...
 
Die ultimative Black Friday & Cyber Monday Checkliste 2020
Die ultimative Black Friday & Cyber Monday Checkliste 2020Die ultimative Black Friday & Cyber Monday Checkliste 2020
Die ultimative Black Friday & Cyber Monday Checkliste 2020
 
WEBINAR: Der ultimative E-Commerce Q1 Survival Guide - Erobern Sie 2016
WEBINAR: Der ultimative E-Commerce Q1 Survival Guide - Erobern Sie 2016WEBINAR: Der ultimative E-Commerce Q1 Survival Guide - Erobern Sie 2016
WEBINAR: Der ultimative E-Commerce Q1 Survival Guide - Erobern Sie 2016
 
Florian Nottorf (Adference GmbH) - Amazon Advertising Strategien
Florian Nottorf (Adference GmbH) - Amazon Advertising StrategienFlorian Nottorf (Adference GmbH) - Amazon Advertising Strategien
Florian Nottorf (Adference GmbH) - Amazon Advertising Strategien
 
KONTEXTB2B Vortrag: Inbound Content Marketing, 3. Social Media Breakfast bei ...
KONTEXTB2B Vortrag: Inbound Content Marketing, 3. Social Media Breakfast bei ...KONTEXTB2B Vortrag: Inbound Content Marketing, 3. Social Media Breakfast bei ...
KONTEXTB2B Vortrag: Inbound Content Marketing, 3. Social Media Breakfast bei ...
 
Affiliate-Marketing in der Nische
Affiliate-Marketing in der NischeAffiliate-Marketing in der Nische
Affiliate-Marketing in der Nische
 
Inbound Marketing: Why Content Matters
Inbound Marketing: Why Content MattersInbound Marketing: Why Content Matters
Inbound Marketing: Why Content Matters
 
Barcamp Klu 0209
Barcamp Klu 0209Barcamp Klu 0209
Barcamp Klu 0209
 
Erfolgsstrategien für Q1: Ihr persönlicher Guide zum E-Commerce-Erfolg
Erfolgsstrategien für Q1: Ihr persönlicher Guide zum E-Commerce-ErfolgErfolgsstrategien für Q1: Ihr persönlicher Guide zum E-Commerce-Erfolg
Erfolgsstrategien für Q1: Ihr persönlicher Guide zum E-Commerce-Erfolg
 
Produktsuche: durch eine gezielte Find-Strategie die Konversion steigern
Produktsuche: durch eine gezielte Find-Strategie die Konversion steigernProduktsuche: durch eine gezielte Find-Strategie die Konversion steigern
Produktsuche: durch eine gezielte Find-Strategie die Konversion steigern
 
Erfolgreiches Performance Marketing auf Facebook #AFBMC
Erfolgreiches Performance Marketing auf Facebook #AFBMCErfolgreiches Performance Marketing auf Facebook #AFBMC
Erfolgreiches Performance Marketing auf Facebook #AFBMC
 
etailment WIEN 2015 – Reinhard Einwagner & Christian Scharmüller (Smarter Eco...
etailment WIEN 2015 – Reinhard Einwagner & Christian Scharmüller (Smarter Eco...etailment WIEN 2015 – Reinhard Einwagner & Christian Scharmüller (Smarter Eco...
etailment WIEN 2015 – Reinhard Einwagner & Christian Scharmüller (Smarter Eco...
 
Anleitung zur Suchmaschinenoptimierung
Anleitung zur SuchmaschinenoptimierungAnleitung zur Suchmaschinenoptimierung
Anleitung zur Suchmaschinenoptimierung
 

FACT-Finder Webinar Recommendation Engine 2.0

  • 1. Martin Koch Sen. Coach eBusiness Solutions Jasmin Bleich Inbound Marketing Specialist Die neue Recommendation Engine von FACT-Finder
  • 2. Die neue Recommendation Engine 2 JasminBleich InboundMarketingSpecialist @bleich_j
  • 3. Die neue Recommendation Engine 3 MartinKoch Sen.CoacheBusinessSolutions
  • 7. FACT-Finder Recommendation Engine Kontextbezogene Empfehlungen Personalisierte & kontextbezogene Rankings Generische Empfehlungen Personalisierte Rankings Idealer Mix BENUTZERPROFIL unbekannt bekannt unbekanntbekannt KONTEXT Recommendation Personalisierung
  • 10. Gute Empfehlungen – jetzt echt schnell • Recommendation Engine 2 – mehr als zehnmal schneller • Passende Empfehlungen zu (fast) allen Produkten • Aus Kombi-Verkäufen, Kategorien und gewünschten Merk- malen erzeugt FACT-Finder blitzschnell passende Vorschläge • Wenig Konfigurations-, geringer Steuerungsaufwand
  • 11. Empfehlungen koppeln an … • … das aktuell betrachtete Produkt (Produktdetailseite) oder • … den aktuellen Warenkorb oder • … die Startseite. Ganz einfach per Kampagne oder Empfehlungsabruf
  • 12. Es braucht nur … • Vollständige Tracking-Integration • Historische Daten kombinierter Verkäufe zum Start • Die FACT-Finder Recommendation Engine 2.0 (ab FF 6.11)
  • 13. Alles basiert auf Beziehungen • Produktbeziehungen aus kombinierten Verkäufen erkennt FF automatisch (Tracking) • Zusätzlich festlegen, worauf die Empfehlungen zielen: Nur Cross- oder auch Up-Selling (Nutzung über Kampagnen- Manager) • Unpassende Empfehlungen lassen sich vermeiden
  • 14. Ausgangspunkt Produktbeziehung • Grundlage: reale Verkäufe („harte“ Beziehung zwischen Produkt x und Produkt y), Historie • Darstellung: Matrix, grüne Felder zeigen Verkäufe • Beispiel: Kunde kauft ein Hemd und eine Krawatte, die „harte“ Beziehung lautet: Art. 12345 passt zu Art. 23456 Art. 23455 Art. 23456 Art. 23457 Art. 12343 0 0 0 Art. 12344 0 0 0 Art. 12345 0 1 0 Art. 12346 0 0 0
  • 15. Weitere Verkäufe – die ReCo lernt dazu • Im weiteren Verlauf werden verschiedene Hemden-Krawatten- Kombinationen verkauft: Art. 23455 Art. 23456 Art. 23457 Art. 12343 1 0 2 Art. 12344 0 2 1 Art. 12345 0 0 0 Art. 12346 3 1 0 Was würde ein Verkäufer zum Art. 12346 empfehlen?
  • 16. Harte Beziehungen werden weich • Produktbeziehungen sind recht oft gut, aber nicht flexibel: Ohne Kombinationen gibt es keine Empfehlungen … • Daher: Beziehungen auf Kategorieebene darstellen Aus der Produktbeziehung ist zusätzlich eine Kategoriebeziehung geworden, Empfehlungen sind damit unabhängig von Produkten möglich, Produktbeziehungen werden weiter gespeichert. Hemden Blusen Krawatten Schals Hemden 2 0 14 0 Blusen 0 3 0 4 Krawatten 2 0 1 0 Schals 0 2 0 1
  • 17. Ausbau der Empfehlungen • Nahezu jeder Shop hat mehr als zwei Kategorien, dennoch sollte man eine einfache Ebene vorgeben (Fallback) • Beziehungen werden vielfältiger, Empfehlungen komplexer: Cross-Selling (Hemd und Krawatte, Bluse und Schal) und/oder ähnliche Produkte (Hemd und Hemd, Bluse und Bluse) • Je feiner die Kategorien, desto vielfältiger werden die Beziehungen und damit die Empfehlungen auf der Basis realer Verkäufe
  • 18. Empfehlungen festlegen • Um mehrere Kategorien berücksichtigen zu können, werden mehrschichtige Strukturen aufgebaut. • FACT-Finder kann für jede Ebene gezielt konfiguriert werden: Maximale Anzahl der Vorschläge aus dieser Ebene Gewichtung der Matrix im Vergleich zu anderen (Multiplikator) Festlegung Cross-Selling und/oder ähnliche Produkte
  • 19. Aufbau einer Recommendation 1. Start mit Grundebene (Kategorie: Level 0 oder Level 1), z.B. vier Produkte, niedrige Gewichtung, Cross-Selling und ähnliche Produkte  Fallback 2. Nächsthöhere Ebene mit höherer Gewichtung und drei Produkten, Cross-Selling und ähnliche Produkte  besser 3. Ebene mit feinerer Kategoriestruktur, höhere Gewichtung als die vorherige, drei Produkte, Cross-Selling  noch näher Zehn Produkte, wenn alle Beziehungen nutzbar sind, mindestens drei Cross-Selling-Vorschläge. Fehlt die höchste Ebene, weniger Vorschläge, sowohl Cross-Selling als auch ähnliche Produkte.
  • 20. Hilfreich: Feintuning der Matrix Gewichtung der Beziehungen = Wert aus den Verkäufen Kann angepasst werden  So werden Beziehungen hergestellt, für die noch keine Verkäufe vorliegen. Hier ist auch ein Ausschluss möglich
  • 21. Feintuning der Produktempfehlungen • Für jedes Produkt werden die Empfehlungen angezeigt: interne Suche, Klick auf ein Produkt, Klick auf den Konfigurationsmodus und Öffnen des Links Empfohlene Produkte. • In der Matrix können Produkte (oben, einzeln) oder Katego- rien (unten) gezielt auf- oder abgewertet werden. Die Verän- derungen werden links angezeigt.
  • 22. Nicht nur Kategorien Sinnvolle Empfehlungen sind beispielsweise • Markenbasiert (Fashion): Hilfiger zunächst zu Hilfiger, dann zu Gant • Technisch (Elektronik): Apple-Zubehör zum iPhone • Lieferbarkeit (nur sofort lieferbare Produkte) • Farbe: Grün zu rot vermeiden • Größe (Fashion): 3XL-Jacken zum 3XL-Hemd • Verein: Kein Schalke-Trikot für Bayern-Fans • Stil (Home): passendes zur Vintage-Kommode • Produktart: Dekantierer oder Thermometer zum Rotwein, Kühler zum Weißwein
  • 23. Up-Selling vollautomatisch • FACT-Finder erzeugt automatisch höherpreisige Vorschläge • Der Preisrahmen wird festgelegt • Nur Minuten später werden die ersten Produkte angeboten – einfach und schnell
  • 24. Und das braucht man für Empfehlungen • Integriertes Tracking (mind. Klick, Cart und Check-out) • Vorbereitete Templates im Shop-System • Passende Informationen im Feed (wenn‘s mehr als Kategorien sein sollen) • Zum Start ideal: einmalig historische Verkaufsdaten • Übers Jahr: punktuell Zeit für die Pflege (ungünstige Beziehungen entfernen)
  • 25. Zusammenfassung • Voraussetzungen: FF 6.11 oder höher, Tracking mind. V 1.0, initiale Befüllung per CSV, Platzhalter in den Shop-Templates • Einsatzmöglichkeiten: Up-Selling, Cross-Selling per Kampag- ne, Abruf von Empfehlungen zu Produkte auch ohne Kam- pagne möglich. • Integration per Kampagne auf PDS oder Warenkorb-Seite • Steuerung über Matrizen oder interne Suche möglich • Gezieltes Blacklisting über Matrizen
  • 26. So, das war‘s Schon jetzt vielen Dank, lassen Sie uns noch auf die Fragen gucken
  • 27. Vielen Dank Ihr FACT-Finder Team Martin Koch martin.koch@fact-finder.de

Hinweis der Redaktion

  1. We have great examples from clients and scenarios for creating outstanding customer experience At the core of everything we do is solid data
  2. Kurzvorstellung -> seit 2008 dabei, berät Pure Player aber auch Retailer zur optimalen Abbildung von Sortiment und Online-Strategie mit FACT-Finder.