Personalisierte Relevanz
Wozu Personalisierung
Personalisierte Relevanz oder „Die Sicht auf das Wesentliche“
Im Grunde weiß das jeder, nur muss man dieses Wissen auch nutzen. Relevante Ergebnisse für den Kunden sind das Ziel und der erste Schritt ist seine Kunden zu kennen. Wenn man seine Kunden kennt, bedeutet es aber im Gegenzug noch nicht gleich ihnen auch das Richtige anzubieten. Wie man beides zusammenbringt ist nicht einfach und auch der Grund dafür, warum es nicht jeder umsetzt.
Der klassische Onlineshop kategorisiert die Artikel in erster Instanz nach weiblich und männlich. Das ist heutzutage gang und gäbe und wird wahrscheinlich auch noch für längere Zeit so bleiben.
Wir wissen allerdings auch, dass diese Aufteilung nicht immer ganz einfach ist. Wie ist es zum Beispiel bei Sportartikeln? Ist ein Longboard für einen Mann oder eine Frau? Vielleicht gibt es hier gar nicht diese Aufteilung oder vielleicht gibt es Merkmale, die uns bisher nicht aufgefallen aber real existent sind. Möglich ist auch, dass das Merkmal einem Wandel unterliegt und sich im Laufe der Zeit verändert. Selbst einfache Beziehungen sind also nicht in allen Fällen zuordenbar. Wieso also die Entscheidung nicht auf der Grundlage von Daten fällen bzw. Mitentscheiden lassen?
Auf den ersten Blick mag diese Unterscheidung noch immer recht einfach wirken und nicht wirklich den weiteren Nutzen versprechen. Doch diese einfache Unterscheidung lässt sich mit Weiteren kombinieren, z. B. Altersgruppen. Wenn man die möglichen Suchergebnisse auch noch „klassisch“ mit einer Alterskategorie versehen hat, werden die Probleme schon deutlicher und man stellt sich die Fragen: Trennt man bei Kindern auch in Jungs und Mädchen? Lohnt sich der Aufwand in mehr als Erwachsene und Kinder zu trennen?
Das theoretische Problem dahinter ist der sogenannte „Fluch der Dimensionen“: man hat eine kombinatorische Explosion. Nehmen wir an, es gibt drei Altersklassen; dann ist mit dem Geschlecht und dem Alter die Menge aller möglichen Kombinationen 2×3 und nicht 2+3. Der Unterschied ist minimal, aber steigt mit jeder weiteren Kategorie oder Entscheidungsmerkmal rasant an. Daher ist es menschlich nicht mehr möglich diese Fülle an Information zu warten und vor allem auch aktuell zu halten.

Mehr Relevanz im Shop durch Personalisierung

Was früher nur durch Experten möglich war, die manuell Daten ausgewertet und mit großen Mühen personalisiert haben, funktioniert heute ganz einfach und automatisiert mit Machine Learning. Die Daten haben Sie in der Regel schon, aber vielleicht nutzen Sie noch nicht das volle Potenzial. Denken Sie jetzt um!

Fazit
Wollen Sie mehr erfahren zum Thema Data Analytics, speziell für den Bereich E-Commerce? Dann könnte die Studie Data Analytics im E-Commerce für Sie interessant sein!
**Quelle: Hitmeister.de über blog.wiwo.de beliebteste Shoppingzeiten

Newsletter
Anmelden |
