Se ha denunciado esta presentación.
Se está descargando tu SlideShare. ×

Mit Customer-Journey-Analytics und Recommendations neue Potenziale erschließen

Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio

Eche un vistazo a continuación

1 de 28 Anuncio

Mit Customer-Journey-Analytics und Recommendations neue Potenziale erschließen

Descargar para leer sin conexión

Daniel Wrigley von SHI wird ein bisschen etwas darüber erzählen warum Recommendations, also gezielte Produktvorschläge, relevant sind.

Was man diesbezüglich beachten und tun sollte und was man eher vermeiden sollte.

Gezielte Produktvorschläge sind lange kein Nice-To-Have-Feature mehr, sondern sind eigentlich schon vollkommen im e-Commerce angekommen und gehören zur Standard-Palette von Online-Shops.

Merkzettel/Wunschliste ist auch ein Feature zusätzlich zu Recommendations, das ich im Shop haben sollte.

Conversion Rates steigern sich, wenn den Kunden das vorgeschlagen wird, was sie kaufen wollen.

Der Warenkorbwert wird dadurch gesteigert, dass an den richtigen Stellen Vorschläge gemacht werden. Wie beim Einkauf im Supermarkt, in dem kurz vor dem Bezahlen noch Kleinigkeiten angeboten werden: Süßigkeiten, Feuerzeuge, Batterien, …

Gute Vorschläge veranlassen Kunden dazu, wieder zu kommen. Denn was einmal gut funktioniert, funktioniert auch zweimal gut.

Produktvorschläge erhöhen einfach dadurch die Verweildauer der Kunden, weil ihnen dadurch eine bequeme Möglichkeit geliefert wird, ohne neu suchen zu müssen im Shop zu browsen. Je höhere die Verweildauer desto besser vertraut mit dem Angebot, bedeutet wieder einen Vorteil für den Shop.

Passendes Zubehör vorschlagen, höherwertige Produkte vorschlagen, unter Umständen sogar Produkte, von denen die Kunden vorher noch nichts wussten steigern das Potenzial mehr zu verkaufen

Auffindbarkeit von Produkten dadurch erhöhen, dass sie vorgeschlagen werden. Der Kunde kann sich besser vertraut machen mit dem Sortiment, indem er Produkte vorgeschlagen bekommt, auf die er normalerweise nicht stoßen würde.

Es ist durch vorhandene Techniken und Technologien, die sich im Bereich Data Mining, Machine Learning gebildet haben, kein Hexenwerk mehr, Recommendations umzusetzen. Dazu zählen bestimmte Ansätze wie Collaborative Filtering oder auch Open Soure Projekte wie Apache Mahout, die solche Ansätze versuchen umzusetzen, um Anwendern algorithmisches Handwerkszeug zu geben.
Diese Techniken und Technologien machen auch die Verarbeitung großer Datenmengen möglich. Jeder Shop kann seine Recommendations-Funktionen in beliebiger Manier skalieren.

Daniel Wrigley von SHI wird ein bisschen etwas darüber erzählen warum Recommendations, also gezielte Produktvorschläge, relevant sind.

Was man diesbezüglich beachten und tun sollte und was man eher vermeiden sollte.

Gezielte Produktvorschläge sind lange kein Nice-To-Have-Feature mehr, sondern sind eigentlich schon vollkommen im e-Commerce angekommen und gehören zur Standard-Palette von Online-Shops.

Merkzettel/Wunschliste ist auch ein Feature zusätzlich zu Recommendations, das ich im Shop haben sollte.

Conversion Rates steigern sich, wenn den Kunden das vorgeschlagen wird, was sie kaufen wollen.

Der Warenkorbwert wird dadurch gesteigert, dass an den richtigen Stellen Vorschläge gemacht werden. Wie beim Einkauf im Supermarkt, in dem kurz vor dem Bezahlen noch Kleinigkeiten angeboten werden: Süßigkeiten, Feuerzeuge, Batterien, …

Gute Vorschläge veranlassen Kunden dazu, wieder zu kommen. Denn was einmal gut funktioniert, funktioniert auch zweimal gut.

Produktvorschläge erhöhen einfach dadurch die Verweildauer der Kunden, weil ihnen dadurch eine bequeme Möglichkeit geliefert wird, ohne neu suchen zu müssen im Shop zu browsen. Je höhere die Verweildauer desto besser vertraut mit dem Angebot, bedeutet wieder einen Vorteil für den Shop.

Passendes Zubehör vorschlagen, höherwertige Produkte vorschlagen, unter Umständen sogar Produkte, von denen die Kunden vorher noch nichts wussten steigern das Potenzial mehr zu verkaufen

Auffindbarkeit von Produkten dadurch erhöhen, dass sie vorgeschlagen werden. Der Kunde kann sich besser vertraut machen mit dem Sortiment, indem er Produkte vorgeschlagen bekommt, auf die er normalerweise nicht stoßen würde.

Es ist durch vorhandene Techniken und Technologien, die sich im Bereich Data Mining, Machine Learning gebildet haben, kein Hexenwerk mehr, Recommendations umzusetzen. Dazu zählen bestimmte Ansätze wie Collaborative Filtering oder auch Open Soure Projekte wie Apache Mahout, die solche Ansätze versuchen umzusetzen, um Anwendern algorithmisches Handwerkszeug zu geben.
Diese Techniken und Technologien machen auch die Verarbeitung großer Datenmengen möglich. Jeder Shop kann seine Recommendations-Funktionen in beliebiger Manier skalieren.

Anuncio
Anuncio

Más Contenido Relacionado

A los espectadores también les gustó (20)

Similares a Mit Customer-Journey-Analytics und Recommendations neue Potenziale erschließen (20)

Anuncio

Más de SHI Search | Analytics | Big Data (13)

Más reciente (20)

Anuncio

Mit Customer-Journey-Analytics und Recommendations neue Potenziale erschließen

  1. 1. TECHNOLOGY DRIVES BUSINESS
  2. 2. > Consultant für Search & Big Data Technologies > Zertifizierter Apache Solr Trainer > Autor des Buchs „Einführung in Apache Solr“ > daniel.wrigley@shi-gmbh.com > @wrigley_dan Daniel Wrigley Zusammen mit Markus Klose ist er Autor von „Einführung in Apache Solr“, dem ersten deutschsprachigen Buch zur innovativen Suchtechnologie. 07.04.2015 © SHI GmbH & Co. KG Consulting • Software • Development • Training 2
  3. 3. UNSERE MISSION Seit 1994 herstellerunabhängiges Unternehmen für IT Consulting und Software Engineering. Wir bieten Lösungen rund um Semantic Search, Big Data und Explorative Datenanalyse auf der Basis etablierter Open-Source Software. Wir stellen Werkzeuge bereit, die durch optimale Nutzung der Technologie und Daten unsere Kunden beim Erreichen Ihrer Geschäftsziele unterstützen.
  4. 4. Mit Customer Journey Analytics & Recommendations neue Potenziale erschließen Daniel Wrigley 07.04.2015 © SHI GmbH & Co. KG Consulting • Software • Development • Training 4
  5. 5. 74% schauen sich vorgeschlagene Produkte an...
  6. 6. ... 35% kaufen vorgeschlagenen Produkte ...
  7. 7. ... 28% fügen es zu ihrer Wunschliste hinzu
  8. 8. Amazon verzeichnete eine Umsatzsteigerung von 25% nach Einführung ihrer Recommendations Engine…
  9. 9. … und viele stimmen dieser Einschätzung zu bzw. können diese aus Erfahrung bestätigen: Kommentare aus Shopanbieter.de zu: 2 5 % d e s U m s a t z e s k o m m e n b e i A m a z o n ü b e r E m p f e h l u n g e n z u s t a n d e Hallo, Amazon ist Vorreiter in Sachen Personalisierung. Das Amazon Widget “andere Kunden kauften auch” ist tatsächlich ein Personalisierungstool und hat nicht zwingend was mit Einkäufen anderer Kunden zu tun. Zahlreiche Algorithmen berechnen die passenden Produkte. Dass 1/4 der Sales über die Empfehlungen kommen ist keinesfalls eine Seltenheit sondern eher Normalität. (durschnittlicher Warenkorb ca. 30 % mehr) Es gibt diverse Firmen die eine solche Technologie anbieten. Allerdings ist hier auch darauf zu achten, dass die Firmen Hybride Empfehlungen abgeben. … Kommentar by Basti Geyer — 8. Mai 2012 @ 09:35 Ein Viertel glauben wir auch nicht. Unsere Messungen sagen aber, dass es Tage gibt, dass Empfehlungen bis zu 12 % ausmachen. Im Schnitt liegen wir bei 8 – 9 %. Positionierung ist dabei ein wichtiger Punkt und ein entsprechendes Tool. Gerade hierbei glaube ich aber, dass Amazon hier extrem viel leisten kann aufgrund deren Traffic und deren IT, denn: Amazon ist kein Händler sondern ein Software-Konzern! Kommentar by terrific.de — 8. Mai 2012 @ 09:57 http://www.shopanbieter.de/news/archives/5900-25-des-umsatzes-kommen-bei-amazon-ueber-empfehlungen-zustande.html#comments
  10. 10. … und viele stimmen dieser Einschätzung zu bzw. können diese aus Erfahrung bestätigen: Hallo, die Quote von 25% stimmt bei uns auf jeden Fall. Wir machen manchmal Stichproben und befragen unsere Kunden. Entscheidungskriterium “Empfehlung” steht ganz oben, dann vielleicht die Bestseller Listung. Wir sind zufrieden und freuen uns über unsere Umsatzzuwächse. Kommentar by aspects — 8. Mai 2012 @ 11:55 Recommendation engines sind schon eine feine Sache, allerdings verfügt kaum ein Shopsystem über solche Technologie und so werden halt, wenn überhaupt, externe Anbieter eingebunden. Wie überall wird auch hier mit Studien und Zahlen um sich geworfen die, mit Sachverstand betrachtet, kaum realistisch sind. Was bei Amazon aufgrund des dort vorhandenen breiten Angebots vielleicht noch hinhauen kann ist für den normalen Händler mit der deutlich kleineren Angebotspalette schlicht unmöglich da die commendation engines nunmal lediglich auf eine begrenzte Basis zurückgreifen können und damit die Empfehlungsmöglihkeiten in Anzahl und Qualität zwangsläufig schlechter sein müssen. Somit bieten sich Empfehlungen aus recommendation engines primär für Marketingzwecke, ...Wir haben unsere integrierte recommendation engine beispielsweise mehrfach ans Newslettertool gekoppelt, einmal für die automatische Erstellung individueller Newsletter und einmal als Analysetool das dem Shopbetreiber ermöglicht zielgenaue allgemeine Newsletter zu verfassen. Unsere Zahlen belegen das damit die Umsätze aus dem Marketinginstrument Newsletter durchaus signifikant verbessert werden konnten. Kommentar by H.P. — 15. Mai 2012 @ 07:06 http://www.shopanbieter.de/news/archives/5900-25-des-umsatzes-kommen-bei-amazon-ueber-empfehlungen-zustande.html#comments
  11. 11. Neue Potenziale – Online-Shop > Steigerung der Conversion Rates > Höherer Warenkorbwert > Stärkere Kundenbindung > Höhere Verweildauer > Bessere Auffindbarkeit von Produkten > Ausgereifte Technik & Technologien Gewinn und Mehrwert 07.04.2015 © SHI GmbH & Co. KG Consulting • Software • Development • Training 11
  12. 12. Neue Potenziale – Kunde > Bessere Auffindbarkeit von Produkten > Steigerung der Usability > Inspiration > Erhöhter Benutzerkomfort > Gesteigerte Wertschätzung > Emotionale und psychologische Absicherung Zufriedenheit und Begeisterung 07.04.2015 © SHI GmbH & Co. KG Consulting • Software • Development • Training 12
  13. 13. Data Processing Platform MarketingTraffic Returns 3rd Party Data User Events Social Media Recommen- dations Statistiken Visualisierung Customer Insights Etwas mehr Struktur, bitte…
  14. 14. Daten- kreislauf 07.04.2015 © SHI GmbH & Co. KG Consulting • Software • Development • Training 15
  15. 15. Mathe?
  16. 16. Wer hat was gekauft? Was wurde zusammen gekauft? Welche Werte sind "interessant"?
  17. 17. Erfolgsvoraussetzungen > Kontrolle & Management > Daten & Informationen > Messen & Bewerten 07.04.2015 © SHI GmbH & Co. KG Consulting • Software • Development • Training 19
  18. 18. Kontrolle!
  19. 19. Datenquellen und Kanäle miteinander kombinieren Social Media, Retouren, Clicks, Bestellungen, Views, Ratings, … 07.04.2015 © SHI GmbH & Co. KG Consulting • Software • Development • Training 21
  20. 20. Skalierbarkeit
  21. 21. Aktivitäten mit allen Touchpoints messen
  22. 22. Kosten? Umsetzungsdauer?
  23. 23. A Long Story Cut Short > Verarbeitung von Datenmengen > Machine Learning Algorithmen > Maschinengestützte Kontrollinstanz > Nutzung aller Funktionen und Maßnahmen messen und bewerten > Verwendung und Kombination unterschiedlicher Datenquellen > Skalierbarkeit 07.04.2015 © SHI GmbH & Co. KG Consulting • Software • Development • Training 25
  24. 24. Bildernachweis> Spending: https://www.flickr.com/photos/68751915@N05/6355231757 > DSCN3434: https://www.flickr.com/photos/leedman/2061058702 > Computer Mann Arbeitsplatz Geschäft: http://pixabay.com/de/computer-mann-arbeitsplatz-gesch%C3%A4ft-303129/ > money: https://www.flickr.com/photos/fsecart/549277847/ > blue: https://www.flickr.com/photos/pauldineen/4529213297/ > Maths: https://www.flickr.com/photos/ajc1/8144344750/ > Time is Money: https://www.flickr.com/photos/76657755@N04/7214596024/ > Gummibärchen: http://pixabay.com/de/gummib%C3%A4rchen-fruchtgummis-b%C3%A4ren-359950/ > Facebook Touchgraph: https://www.flickr.com/photos/bike/3293404080/ > British Museum: https://www.flickr.com/photos/moria/29210441/ > Wachstum Finanzen Gewinne: http://pixabay.com/de/grafik-wachstum-finanzen-gewinne-163509/ > Thumbs Up: https://www.flickr.com/photos/vegaseddie/5700609302/ > Scared Cat: https://www.flickr.com/photos/kindacat/8297887165 > Chemistry: https://www.flickr.com/photos/horiavarlan/4273225057/ > Customer Journey: https://www.flickr.com/photos/lauradinneen/7365351290/ > Lizenzen: – Lizenz: https://creativecommons.org/licenses/by-sa/2.0/ – Lizenz: https://creativecommons.org/licenses/by/2.0/ – Lizenz: http://creativecommons.org/publicdomain/zero/1.0/deed.de 07.04.2015 © SHI GmbH & Co. KG Consulting • Software • Development • Training 26
  25. 25. Quellen > "Why Personalisation Should Be at the Heart of a Retailer's Customer Strategy". 11/2013. IDC Report > Kommentare aus Shopanbieter.de http://www.shopanbieter.de/news/archives/5900-25-des-umsatzes- kommen-bei-amazon-ueber-empfehlungen-zustande.html > "Amazon's recommendation secret". Mangalindan, JP. http://fortune.com/2012/07/30/amazons-recommendation-secret/. 30. Juli 2012. > "Practical Machine Learning". Ted Dunning & Ellen Friedman. https://www.mapr.com/practical-machine-learning. 2014 07.04.2015 © SHI GmbH & Co. KG Consulting • Software • Development • Training 27
  26. 26. KONTAKT SHI GmbH & Co. KG Curt-Frenzel-Str. 12 D - 86167 Augsburg info@shi-gmbh.com +49.821.74 82 633 - 0 @SHIEngineers 07.04.2015 © SHI GmbH & Co. KG Consulting • Software • Development • Training 28

×