dmc ImpulsWebinar am 25.08.11 - Mehr Erfolg durch Personalisierung im E-Commerce

Webinar: Mehr Erfolg durch Personalisierung im E-Commerce © dmc digital media center GmbH 2011| 25.08.2011 || Folie 1

ImpulsWebinar

Mehr Erfolg durch Personalisierung im E-Commerce


Vorstellung Moderatoren

Moderator Co-Moderatorin

Maritta Schröder

dmc Consultant E-Commerce

Studium: Medienwirtschaft (B.A.)

Schwerpunkte:

− Multichannel Retailing

− Mobile Commerce

− Social Commerce

− Digitale Markenführung

Eduard Vinokurov

dmc Head of Business Development

Studium: Mathematik (Dipl.),

Medizinische Informatik

Schwerpunkte:

− Strategie E-Commerce

− E-Commerce-Lösungen

− Multichannel Retailing

− Mobile Commerce

− Innovationsmanagement

− Prozessmanagement


Daten und Fakten 1995 in Stuttgart gegründet

2010: 21 Mio. € Umsatz

500 TEUR Stammkapital

Inhabergeführte GmbH

Über 200 Mitarbeiter

Marktposition

Nr. 1 im E-Commerce-Dienstleister-Ranking 2010

Größter unabhängiger E-Commerce-Dienstleister in

Deutschland

Nr. 5 im Internetagentur-Ranking 2010

dmc auf einen Blick

Management Managing Partner

Andreas Schwend und

Daniel Rebhorn

Managing Director

Andreas Magg


Vorstellung / Agenda

Eduard Vinokurov

dmc Head of Business Development

Maritta Schröder

dmc Consultant E-Commerce

Erfahrungswerte – Personalisierung

Lösungsansätze

Checkliste für die Auswahl einer

passenden Software

Geplante Themen dieser Präsentationdmc digital media center GmbH


Warum ist Personalisierung so sinnvoll und wichtig?

Warum?

Warum?

Wo soll die Personalisierung am besten eingesetzt werden? Wo?

Wie kann man Personalisierungen durchführen?Wie?

Worauf muss man bei der Systemauswahl achten?Worauf?


Verteilung der Conversion Rates

0%

5%

10%

15%

20%

25%

30%

35%

40%

45%

50%

unter 1% 1,0% - 2,9% 3,0% - 4,9% 5,0% - 7,9 % 8 % - 20% > 20 %

Quelle: Web Arts AG, 2008

19%

43%

21%

8% 7%

3%

Heterogenes Sortiment

Nischen-Shops


Erfolgskonzept

Nischen-Shops

Fokussierung des Angebotes auf…

−eine spezielle Zielgruppe

−mit einem bestimmten Interesse

Folgen:

−Convesion Rate bis zur 25%

−Niedrigere Kosten für die Neukundengewinnung


Tipp für Anbieter mit breitem Produktsortiment

“If I have 3 million customers on the Web,

I should have 3 million stores on the Web.”

(Jeff Bezos)


Tipp für Anbieter mit breitem Produktsortiment

“If I have 3 million customers on the Web,

I should have more than 3 million stores

on the Web.”

Personalisierung des Angebotes auf die

Userprofile und aktuelle Situation/Kontext


Erfahrungswerte – Personalisierung

Was bringt Personalisierung?

Amazon generiert über Empfehlungssysteme 20% Umsatzwachstum

Umsatz über Empfehlungen 5-25%

Steigerung der Bewertungen über personalisierte Newsletter um Faktor 10

100%-Umsatzsteigerung durch personalisierte Newsletter



Wo?

Warum?





Personalisierung und Empfehlung

Klassische Beispiele

20-30%

Exit / Drop out!

Allgemeine Empfehlungen, Cross-Selling und Up-Selling


Exte

rne S

eiten

Suchm

aschin

en

New

sle

tter

Dir

ekte

r Z

ugang

Erläuterung zu „Conversion Rate“

Produktübersichten

Produktdetails

Produktinspirationen

Pro

dukt-

Deta

ils

Ware

nko

rb

Hom

epag

e

Produktberatung

100%

50-9

0%

Exit / Drop out! Exit / Drop out!

20-3

0%

11-48%

8-36%

Exit / Drop out!

50-7

0%

1,6-17%

Exit / Drop out!

40-5

0%

Checkout /

Kauf

0,8-6,5%

Conversion Rate: 0,8 - 6,5%


PersonalisierungWo soll die Personalisierung eingesetzt werden?

50 – 90% steigen sofort bei der Homepage aus

20 – 30 % steigen bei der Produktübersicht aus

50 – 70% steigen bei den Produktdetailseiten aus


Erfolgsfaktor Personalisierung

Einsatzbereiche der Personalisierung nach Wirkungsgrad

Start- u. Landingpages

Produktübersicht / Shop-Navigation

Suchergebnisseiten bzw. -listen

Newsletter

Produktdetailseiten

WarenkorbTipp:

Kontinuierliches Messen

und Optimieren


Beispiele

Best Practice:

Personalisierung der Landingpage

Verbesserung der Conversion Rate bei einem

Reiseanbieter um 117%

Tipp:

Kontinuierliches Messen

und Optimieren

Trend:

Personalisierung der Navigation

Navigation wird dynamisch aufgebaut abhängig von:

Besucherprofile

Suchverhalten

Kontext

vor

Optimierung

nach

Optimierung

Conversion Rate +117%



Wie?

Warum?





Kontext

Kundensegment,

Demografische Daten

Historische Daten

Empfehlungssystem

Daten & Regel

Produktdaten

Kategoriedaten

Content

Navigation

Empfehlungen

Produkt- & Content-Daten


Empfehlungssysteme und Kundendaten

Populärste Produkte Persönliche Empfehlungen

Kontextbezogene

Empfehlungen

Ko

nte

xt

Bekannt

Unbekannt

Profil

BekanntUnbekannt

Kontextbezogene

Empfehlungen basierend

auf Profilinformationen


1:1 Profiling

1:1 Profilbildung

Kunde mit Profile ID 12

(männlich, 35, mag unauffällige Farben,

neue Business Anzüge gekauft)

graue Tasche empfehlen

Durch eine festgelegte Regel und Profile

bekommt der Kunde eine graue Tasche.


1:1 Profiling Lösungsansätze

Data Mining / OLAP Recommendation Engine

Vorteile

+ Vom Shopbetreiber manuell bedienbar

(Kundendaten über CRM-System)

+ Algorithmen vollständig unter eigener

Kontrolle

Nachteile

- Zeit- und Kostenaufwändig

- Großes Datenvolumen verursacht

Performanceverluste im Livebetrieb

- Verschlechterung der Conversion Rate

Vorteile

+ Personalisierung in Echtzeit ohne

Performanceverluste

+ Situative Beweggründe können einfach in

Echtzeit berücksichtigt werden

+ Implementierung ist schnell und

kostengünstig realisierbar

+ Personalisierung durch wenige Klicks

möglich

Nachteile

- Lizenzkosten

- Keine vollständige Kontrolle über

Algorithmen zu Empfehlungen


Alternative zur 1:1 Personalisierung

Segmentierung von homogenen Besuchergruppen

Zuordnung zur Gruppe der Männer mit grauen Tasche


Tipps für Profiling

Profiling-Variante auf eigenes

Geschäftsmodell ausrichten.

1:1 Profiling nicht selbst umsetzen, sondern

immer Recommendation Engine verwenden!



Worauf?

Warum?





Arten von Empfehlungssystemen

Clickstream-basierte Systeme

Empfehlung

Repeat Buying-basierte Systeme

Empfehlung

Zahlt ein auf:

Anzahl angelegter Warenkörbe

Durchschnittlicher Warenkorbwert

Marge

Anzahl abgeschlossener Transaktionen

Anzahl Retouren

Umsatz pro Kopf

Kundenzufriedenheit

Kundenbindung

Newsletter Conversion

Zahlt ein auf:

Anzahl angelegter Warenkörbe

Durchschnittlicher Warenkorbwert

Marge

Reduzierung der Bestellabbrüche

Newsletter Conversion


Warenkorbanalyse - Repeat Buying System

Kunden die A kauften, kauften auch B

Customer 1

Customer 2

Customer 3

Marketing

Machine

66% =

33% = ?

1 2 3

Mathematical Modeling to improve Targeting

Predict next likely product to buy

Predict customer value potential

Predict customers likely to churn


Warenkorbanalyse - Repeat Buying System

Herausforderungen

Mögliche Lösungsansätze

Analyse von Vergangenheitsdaten

Einführung der Personalisierung

Warenkorbanalyse innerhalb eines Kundensegmentes

Änderung des Einsatzszenarios

Kunden die A kauften, haben auch B angeschaut

Long-Tail-Effekt

Große Produktsortimente

Sortimentswechsel

Lange Lernzeit

Einseitige Produktkombinationen

in > 60% der Fälle

keine oder ungenaue

Empfehlungen

in > 20% der Fälle werden

Topseller empfohlen

(selbsterfüllende Prophezeiung)


Collaborative Filtering

Gleiche Herausforderungen wie bei Warenkorbanalyse

ähnlich

bewerten

empfehlen


Beispiel: lernendes System

(Hierarchisches) Reinforcement Learning - prudsys RDE

Kurze Offline-Lernphase durch Analyse von Historischen-Daten

Regeloptimierung beim Echtzeit-/Online-Lernen

Selbstoptimierendes System


Beispiel: lernendes System

Reinforcement Learning

prudsys RDE

1:1 Profiling

Automatische und personalisierte

Generierung einer Taktik zur

Zielwertmaximierung:

− Umsatz

− Marge

− Absatz von bestimmten Produkten

Gewichtung von Produktempfehlungen

Gewichtung von Empfehlungsregeln

Überprüfung der Gewichtung von

Produktempfehlungen und

Empfehlungsregeln in 10% der Fälle


Manuelle Übersteuerung

Möglichkeiten für manuelle Übersteuerung beachten!

Warum?

−Kurzfristig pushen von bestimmten Produkten

−Nicht vertretbare Produktkombinationen vermeiden

Kriterien

−Produktattribut (Kategorie, Preis, Farbe u.a.)

−Kundenprofil (Bsp. Geschlecht, Umsatzhistorie)

−Zeit (Tages- oder Jahreszeit)


Checkliste

Software

Hohe Performance und Skalierbarkeit

Integrierte Erfolgsmessung (Bsp. integrierte A-/B-Test-Funktionen, umfangreiche Statistiken)

Vielfältige und relevante Empfehlungstypen (Listensortierung, Bannersteuerung u.a.)

Selbstlernendes System, möglichst ohne manuellen Aufwand – auch Initial nicht

Passende Empfehlungen auch nach einem Sortimentswechsel

Umfangreiches Filterframework zum Einstellen von Business-Logiken

Mehrfachzuordnung von Produkten zu Kategorien müssen adequat gehandhabt werden

Gute Mechanismen für „Sparse Data“ (insbesondere im Longtail und für neue Artikel)

Unterstützung des MCR-Ansatzes: Verwendung der Empfehlungen in anderen Kanälen


FAZIT

Größter Nutzeneffekt vom Einsatz der Empfehlungsmaschinen

Optimierung/Personalisierung der Rankings von Produkten in Produktübersichtslisten

Optimierung/Personalisierung der Rankings von Produkten in Suchergebnislisten

Personalisierung der Produktempfehlungen in Newslettern

Personalisierung von Bannern

Profiling

Profiling anhang des Geschäftsmodells definieren

Bei 1:1 Profiling sofort auf Personalisierungs-/Empfehlungsengine setzen

Auswahl Recommendation Engine

Auswahlkriterien beachten

Selbstlernende Systeme bevorzugen

Evaluationszeit mit dem Anbieter aushandeln (mind. 3 Monate).


Profiling

Dynamische Navigation

Meine Produktwelten


Fredhopper: Produkt-Retargeting im Newsletter

[email protected]

Your-shop.com suggestions

Your-shop.com created a new suggestions based on the articles you

bought and visited earlier.

m

Robert

Cavalli

290 EUR

User leaves your website…

…and gets your newsletter


Sieht so die Zukunft aus?

Echtzeit-Empfehlungen aufgrund von Social-Media-Beiträgen


Herzlichen Dank für Ihre Aufmerksamkeit,

gibt es denn noch irgendwelche Fragen?

E-Mail: [email protected]

Webinar Video: http://www.dmc.de/360-e-commerce/impulswebinar.html

mailto:[email protected]








http://www.youtube.com/watch?v=gJHF6yYkRgY


dmc digital media center GmbH

Rommelstraße 11

70376 Stuttgart

Telefon: +49 711 601747-0

Mail: [email protected]

Web: www.dmc.de

Blog: www.kawumba.de


http://www.dmc.de/

http://www.dmc.de/

http://www.dmc.de/

dmc ImpulsWebinar am 25.08.11 - Mehr Erfolg durch Personalisierung im E-Commerce

Technology

Transcript of dmc ImpulsWebinar am 25.08.11 - Mehr Erfolg durch Personalisierung im E-Commerce