Im Webinar lernen Sie, welche Möglichkeiten FACT-Finder mit der Recommendation Engine 2.0 bietet, mit wenig Aufwand passende Empfehlungen zu erzeugen. Auch wenn Sie nur einen geringen Anteil kombinierter Verkäufe in Ihrem Shop haben, kann FF sinnvolle Zusatz- und Alternativ-Vorschläge ausspielen. Denn die neue Recommendation Engine berücksichtigt auch Beziehungen zwischen Kategorien und ausgewählten Produktmerkmalen. Martin Koch, Senior Coach eBusiness Solutions, zeigt Ihnen live, wie Sie relevante Empfehlungen mit minimalem Aufwand und innerhalb von Minuten im Online-Shop einbetten.

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

4. Empfehlungen auf der PDS

5. Und im Warenkorb

6. Durchschnittliche Warenkörbe

7. FACT-Finder Recommendation Engine
Kontextbezogene
Empfehlungen
Personalisierte &
kontextbezogene
Rankings
Generische
Empfehlungen
Personalisierte
Rankings
Idealer Mix
BENUTZERPROFIL
unbekannt bekannt
unbekanntbekannt
KONTEXT
Recommendation Personalisierung

8. Hart codierte Empfehlungen
Beispiel:
www.eddiebauer.de

9. Beispiel: www.otto-office.com
Wichtig – Blacklisting

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