Wie viele Kunden nutzen die Suche? Erfahren Sie es in unserem E-Book!

Empfehlungssystem Maschinelles Lernen

Fördern Sie Ihre Verkäufe mit einem Produktempfehlungssystem, das mit Maschinenlernen arbeitet

Verbessern Sie das Nutzerengagement und erhöhen Sie die Umsätze mit einem intelligenten Produktempfehlungssystem, das, basierend auf den Nutzerpräferenzen, relevante Waren vorschlägt.

Luigi's Box Recommender

Was ist ein Empfehlungssystem?

Wie der Name schon sagt, sind Empfehlungssysteme Tools, die Vorschläge für Produkte oder Inhalte liefern, an denen ein bestimmter Kunde vielleicht interessiert ist.

Solche Systeme setzen meist maschinelle Lernmethoden und mehrere Datensätze über Waren und Kunden ein, um ein fortgeschrittenes Netzwerk aus komplexen Verbindungen zwischen Produkten und Kunden herzustellen.

Was empfehlen Empfehlersysteme?

Ein Empfehlungssystem kann verschiedene Dinge wie Produkte, Filme, Bücher, Neuigkeiten, Artikel, Jobs, Werbungen und mehr empfehlen. Netflix verwendet zum Beispiel ein Empfehlersystem, um individuellen Kunden Filme und Serien zu empfehlen.

YouTube empfiehlt Nutzern verschiedene Videos, die auf den Kundenprofilen und dem Verlauf basieren. Auf ähnliche Weise können eCommerce-Webseiten verschiedenen Kunden, basierend auf ihren Präferenzen, verschiedene Produkte empfehlen.

Wie Empfehlersysteme funktionieren

Grundlegende Arbeitsweise
Grundlegende Arbeitsweise

Die Empfehlersysteme verarbeiten eine große Menge von Informationen, indem sie die wichtigsten Informationen, basierend auf Daten, die von individuellen Kunden (wie Kundenbewertungen) bereitgestellt werden und verschiedenen anderen Faktoren filtern, die sich um die Nutzerpräferenzen und das Nutzerinteresse drehen. Empfehlersysteme finden heraus, welche Produkte zu welchen Kunden passen und berechnen die Ähnlichkeiten zwischen Nutzern und Produkten für Empfehlungen.

Rolle des maschinellen Lernens
Rolle des maschinellen Lernens

Empfehlersysteme verwenden spezielle, tiefe Lern-Algorithmen und maschinelle Lern-Lösungen. Sie werden von der automatisierten Konfiguration, Koordination und Verwaltung der prädiktiven Analytikalgorithmen des maschinellen Lernens angetrieben und können auf intelligente Weise wählen, welche Filter sie auf die Situation eines bestimmten Kunden anwenden müssen. Dadurch können Vermarkter die Konversionen und den durchschnittlichen Bestellwert fördern.

Herausforderung von Empfehlersystemen
Herausforderung von Empfehlersystemen

Heutzutage werden verschiedene Empfehlungsansätze verwendet. Jedoch ist es schwer, ihre Wirksamkeit zu vergleichen, da die Bewertungsergebnisse nur selten reproduzierbar sind. Der Mangel an Verständigung und Reproduzierbarkeit in Empfehlersystemen ist eine Herausforderung.

Drei Arten von Empfehlungssystemen

Hier sind einige der gängigsten Empfehlungssysteme:

1. Inhaltsbasierte Empfehlungssysteme

Solche Empfehlungssysteme verwenden Filter, die auf der Ähnlichkeit von Wareneigenschaften basieren, zusammen mit Informationen oder Funktionen, die mit den Produkten selbst zu tun haben, anstatt die Nutzerpräferenzen als Grundlage zu verwenden.

Ein Empfehler verwendet beispielsweise vielleicht das Erscheinungsjahr, die Star-Besetzung oder das Genre, um Filme vorzuschlagen.

2. Kollaborative Filter-Empfehlsysteme

Eine beliebte Empfehlungsmethode ist das kollaborative Filtern. Solche Empfehlersysteme verwenden Filter, die die Wahl und Bewertungen der Nutzer berücksichtigen. Zum Beispiel würden Empfehlersysteme Filme basierend auf den bisherigen Bewertungsdaten vorschlagen, die Zuschauer diversen Filmen gegeben haben.

Der kollaborative Filteralgorithmus, der oft in Empfehlersystemen verwendet wird, heißt Matrixfaktorisierung. Die Algorithmen der Matrixfaktorisierung zerlegen die Nutzer-Waren-Vektor-Interaktionsmatrix in ein Produkt aus zwei niedrigen rechteckigen Dimensionalitätsmatrizen.

3. Hybrid-Empfehlungssysteme

Die meisten modernen mobilen Empfehlungssysteme verbinden diese beiden Ansätze und werden Hybrid-Empfehlungssysteme genannt.

Dadurch erbringen sie bessere Leistungen als inhaltsbasierte und kollaborative Filtermethoden. Hybrid-Empfehlungssysteme generieren für jedes Produkt Markierungen basierend auf der natürlichen Sprachverarbeitung (NLP) und verwenden Vektorgleichungen, um die Ähnlichkeit zwischen zwei Produkte zu berechnen.

Wer Empfehlungssysteme verwendet

Hier sind einige Industrien und Unternehmen, die Empfehlungssysteme weitläufig einsetzen:

Streaming-Daten

Multimedia-Streamingdienste nutzen sitzungsbasierte Empfehlungen, die, basierend auf der Abfolge der zuletzt angesehenen Medien in der Sitzung, die nächsten Medien voraussagen sollen. Netflix verwendet beispielsweise sitzungsbasierte Empfehlersysteme, um individuellen Nutzern Filme und Webserien vorzuschlagen.

Das ist das perfekte Beispiel von Hybrid-Empfehlungssystemen, da sie sowohl die Interessen des Nutzers (kollaborativ), also auch die Beschreibungen oder Funktionen des Films (inhaltsbasiert) berücksichtigen. Laut der Forschung von McKinsey stammen 75% der Inhalte, die auf Netflix angesehen werden, von ML-basierten Filmempfehlungen.

Dating-Webseiten

Viele Dating-Seiten wie Tinder verwenden Empfehlersysteme, um Menschen einander vorzuschlagen. Die Hauptfaktoren sind die Menschen, bei denen man nach rechts gewischt hat (die Menschen, die einem gefallen haben), die Reaktivierungsstatistiken, der Standort, das Profile und noch mehr.

Tinder ist eines der größten Empfehlungssysteme, das derzeit in Verwendung ist. Seine geschätzte Nutzerbasis betrug 2020 weltweit 50 Millionen Menschen.

Soziale Medien

Facebook ist ein weiteres Beispiel, das Produktempfehlungsmaschinen verwendet, um jedem Nutzerprofil personalisierte Inhalte zu empfehlen. Es nutzt mehrere Empfehlungsalgorithmen für verschiedene Bereiche.

Der News Feed verwendet zum Beispiel eine bestimmte Weise, während der Bereich “Menschen, die du vielleicht kennst” eine andere verwendet. Neuigkeiten, Marketplace, Facebook-Videos etc. sind verschiedene Bereiche von Facebook, die alle unterschiedliche Dinge empfehlen, welche von den Präferenzen abhängen.

eCommerce

Viele Online-Stores wie Amazon, eBay und Walmart verwenden Empfehlersysteme, um individuellen Kunden Produkte vorzuschlagen, die auf Kundenprofilen, was ihnen eventuell gefällt und ihrem Kaufverlauf basieren.

35% der Waren, die Konsumenten auf Amazon kaufen, stammen von mit maschinellen Lernalgorithmen erstellten Produktempfehlungen.

Vorteile von Empfehlersystemen für eCommerce-Unternehmen

Sie sind nicht sicher, ob eCommerce-Unternehmen Empfehlersysteme implementieren sollten? Hier sind einige Gründe, die Ihnen bei der Entscheidung helfen können:

Bessere Nutzererfahrung

Bessere Nutzererfahrung

Mit effektiven Produktempfehlungssystemen erhalten Nutzer personalisierte und präzise Empfehlungen, die auf ihre Bedürfnisse zugeschnitten sind. Dadurch haben sie eine gute Erfahrung und kehren mit höherer Wahrscheinlichkeit zu Ihrem Store zurück. Das wirkt sich nicht nur positiv auf die Verkäufe und die Kundenzufriedenheit aus, sondern kann auch das Ranking Ihres Online-Stores in den Suchmaschinen verbessern.

Verbessern Sie die Verkaufszahlen und Konversionsraten

Verbessern Sie die Verkaufszahlen und Konversionsraten

Produktempfehlungsmaschinen helfen Online-Einzelhändlern, ihre Verkaufszahlen zu fördern und die Konversionsraten zu erhöhen. Einzelhändler können mit ihren Produkten Upselling oder Cross-Selling betreiben, um die Umsätze zu erhöhen. Beim Cross-Selling von Produkten kann ein eCommerce-Store seine Verkäufe um 20% und seinen Gewinn um 30% steigern.

Verringern Sie den Warenkorbabbruch

Verringern Sie den Warenkorbabbruch

Laut dem Baymard Institute beträgt die durchschnittliche Warenkorbabbruchrate über alle Industrien hinweg 69,99%. Ein bedeutender Faktor bei Warenkorbabbrüchen sind unpassende Empfehlungen oder überhaupt keine Empfehlungen. Personalisierte Produkte vorzuschlagen oder Kunden mitzuteilen, welche Add-Ons sie bei einem Produkt vielleicht brauchen, kann Ihnen helfen, dieses Problem zu beseitigen.

Erhöhter durchschnittlicher Bestellwert

Erhöhter durchschnittlicher Bestellwert

Ein Produktempfehlungssystem kann helfen, den durchschnittlichen Bestellwert von eCommerce-Stores zu erhöhen, indem seinen Nutzern personalisierte Shopping-Erfahrungen ermöglicht werden. Statistiken zufolge ist der durchschnittliche Bestellwert eines Stores, der keine Produktempfehlungen anzeigt, $44,41. Wenn Sie jedoch beginnen, Produktempfehlungen anzuzeigen und wenn Interessenten mit nur einer einzigen Empfehlung interagieren, steigt diese Zahl um 369%.

Besseres Kundenengagement

Besseres Kundenengagement

Kundenbeziehungen sind auf Vertrauen aufgebaut. Ihre Kunden möchten das Gefühl haben, dass Ihr Unternehmen sie versteht. Die richtigen Produkte zu empfehlen, die auf Kundenprofilen basieren, hilft, Markentreue zu kultivieren, mehr Webseitenbesuche anzuregen, die Klickrate zu erhöhen und mehr Interaktionen mit Ihrer eCommerce-Marke zu veranlassen.

Buchen Sie einen Demoanruf, um den Empfehler in Aktion zu sehen

Entdecken Sie, wie unsere Empfehlerwidgets es Ihnen ermöglichen, Ihre eCommerce-Verkäufe mit höchst personalisierten und genauen, von Maschinenlernen unterstützten Produktempfehlungen zu fördern.

Luigi's Box verbessert die Kundenerfahrung

Der wichtigste Beitrag von Luigi's Box war für uns die Verbesserung der Kundenerfahrung. Je schneller sie das finden, wonach sie suchen und je relevanter die Suchanfrage ist, desto höher ist die Wahrscheinlichkeit, dass...

Juraj Giacko
Head of E-Commerce, EXIsport

Die Extrameile gehen, um die Geschäftsergebnisse zu verbessern

Luigi's Box hat unseren Kunden das Einkaufen massiv erleichtert. Außerdem hat das Unternehmen mehrere Funktionen für uns entwickelt, die helfen, die Produkte in unserem E-Shop zu verwalten.

Piotr Maciążka
Implementation Team Manager, Answear

Anstieg der Konversionsrate um 600%

Wir verwenden Luigi's Box schon seit 2017. Zusätzlich zu der 600%-igen Steigerung der Konversionen aus der Suche, hat es uns auch einen schnelleren Kundenservice in unseren physischen Geschäften ermöglicht.

Martin Derňar
Chief Omnichannel Officer, Nay

Anstieg der Suchkonversionsraten um 33%

Die Autovervollständigungsfunktion von Luigi's Box hat unsere Konversionen um 33% gesteigert, selbst als seine Verwendung um 30% gesunken ist.

David Linhart
Head of E-Commerce, Mountfield

Der Warenkorbwert ist drastisch angestiegen

Der Empfehler ist ein inspirierendes und wichtiges Werkzeug, mit dem unsere Kunden die Produkte von Powerlogy entdecken können. Wie wir das wissen? Der durchschnittliche Warenkorbwert ist seit der Einführung von Luigi's Box drastisch...

Michal Dodok
Head of Marketing, Powerlogy

Luigi's Box hat uns die Augen geöffnet

Luigi's Box hat uns die Augen geöffnet und uns das versteckte Potenzial der Suche gezeigt. E-Tailer investieren oft hauptsächlich in Werbung, achten jedoch nicht genug auf den Kaufvorgang. Luigi's Box hat uns gezeigt,...

Soňa Fialková
CEO, SpokojenýPes

Wir lieben Luigi's Box & seine Tools

Luigi's Box half unserem Shop sehr und unser Unternehmen liebt ihre Tools.

Michal Slovák
Product and SEO Manager, Pro-Tech shop

Dank Luigi's Box mehr als €100.000/Jahr

Aufgrund unserer Größe bringt uns Luigi's Box ohne viel harte Arbeit jährlich mehr als €100.000 zu einem Preis ein, der sich sofort um das Vielfache ausgezahlt hat.

Jakub Žilinčan
Chief Marketing Officer, Electronic-star

Professionelles Spezialistenteam

Luigi's Box ist eine Garantie eines professionellen Ansatzes. Als Suchspezialisten führen Sie uns viel schneller an unsere Ziele.

Tomáš Bzirský
Performance Marketing Manager, Košík

Warum Sie den Empfehler nutzen sollten

Der Empfehler zeigt AI-unterstützte Produktvorschläge, die, basierend auf den Präferenzen und dem bisherigem Online-Verhalten, auf jeden Besucher zugeschnitten werden.

Mehr Konversionen und wiederholte Besuche

Erhöhen Sie die durchschnittlichen Warenkorbkonversionen um mindestens 13%. Wenn die Bedürfnisse von Kunden schnell erfüllt werden, kehren sie mit einer höheren Wahrscheinlichkeit zu Ihrem E-Store zurück.

Besserer durchschnittlicher Bestellwert

Erhöhen Sie den durchschnittlichen Bestellwert um mindestens 35%. Der Empfehler bietet Produkttipps an, die davon abhängen, was sich bereits in dem Warenkorb des Kunden befindet.

Verbesserte Kundenerfahrung

Schlagen Sie individuellen Nutzern Waren vor, die sie, basierend auf ihren Präferenzen und Ähnlichkeiten zu bisher angesehenen Produkten, vielleicht zusätzlich noch brauchen.

Mehr als 3.000 Online-Unternehmen vertrauen uns

Was Luigi’s Box sonst noch anbietet

Analytik

Erhalten Sie Einblicke darüber, wonach Ihre Kunden suchen, was sie nur schwer finden und wie Sie die allgemeine Sucherfahrung verbessern können.

Analytik entdecken

Suche mit Auto-Vervollständigung

Bringen Sie eine intelligente Suchbox auf Ihre Seite, die gängige grammatische Fehler, Tippfehler, Slang-Begriffe und diverse Synonyme verarbeiten kann, um ergebnislose Suchanfragen zu vermeiden.

Suche entdecken

Produktaufistung

Organisieren Sie Ihre Produkte und ranken Sie sie automatisch, basierend auf Beliebtheit, persönlichem Geschmack, Ziel der Besuchersitzung und Geschäftslogik.

Produktaufistung entdecken

Luigi's Box ist mit jeder Webseite kompatibel

Sie können Luigi’s Box Ihre Produktdaten auf drei Wege überliefern.

Über Inhalts-API synchronisieren

Die Daten werden an unsere Server gesendet. Deshalb senden Sie nur dann Updates an Produkte, wenn sich etwas ändert. Wenn Sie eine unterstützte Plattform nutzen, können wir Datenkonnektoren einrichten.

Für Sie gibt es dabei keine Entwicklungskosten und wir können alle Daten abrufen, die wir brauchen. Luigi’s Box ist mit jeder eCommerce-Plattform kompatibel.

Pro Tip: Wenn Sie eine unterstützte Plattform verwenden, können wir die Datenkonnektoren einrichten. Für Sie gibt es dabei keine Entwicklungskosten und wir können die Daten abrufen, die wir brauchen.

Plattformkonnektoren

Wenn Sie eine unterstützte Plattform verwenden, können wir die Datenkonnektoren einrichten, sodass Sie keine Entwicklungskosten haben.

Wir können alle erforderlichen Daten abrufen und Sie können mit Schritt vier weitermachen. Falls Sie keine dieser Plattformen nutzen, können Sie entweder über API oder Feeds synchronisieren.

Pro Tip: Wenn Sie eine unterstützte Plattform verwenden, können wir die Datenkonnektoren einrichten. Für Sie gibt es dabei keine Entwicklungskosten und wir können die Daten abrufen, die wir brauchen.

Synchronisierung über Feeds

Die Daten werden von Ihren Servern heruntergeladen. Wenn es bei einem Produkt eine Veränderung gibt, erfahren wir es erst, wenn der Feed das nächste Mal verarbeitet wird. Die Datenaktualisierung wird meist sechs Mal am Tag durchgeführt.

Um die Daten zu synchronisieren, können Sie API oder Feeds verwenden. Erfordert aktuelle Daten über Produkte, Kategorien, Marken und (wahlweise) Artikel.

Pro Tip: Wenn Sie eine unterstützte Plattform verwenden, können wir die Datenkonnektoren einrichten. Für Sie gibt es dabei keine Entwicklungskosten und wir können die Daten abrufen, die wir brauchen.

Starten Sie noch heute mit Luigi’s Box

Erstellen Sie ein Konto und nutzen Sie das volle Potenzial Ihres E‑Shops.

FAQ

Häufig gestellte Fragen

Wie funktionieren Produktempfehlungssysteme, die mit Maschinenlernen zusammenarbeiten?

Produktempfehlungssysteme verwenden fortgeschrittene maschinelle Lernalgorithmen und Deep Learning-Methoden, um Kunden, basierend auf ihren Nutzerdaten und Verhaltensmustern (wie Kauf- und Aufrufverlauf, Likes oder Bewertungen), zu trennen und ihnen personalisierte Produkt- und Inhaltsvorschläge zu zeigen.

Drei der am häufigsten verwendeten Empfehlungsrahmen sind inhaltsbasiert, kollaborativ und Hybrid-Filterung.

Was sind die Vorteile von Empfehlersystemen?

Ein Produktempfehlungssystem hilft Ihnen, die Nutzerfahrung und das Kundenengagement auf Ihrer Seite zu verbessern, indem Sie personalisierte Empfehlungen bereitstellen, die auf die Bedürfnisse Ihrer Kunden zugeschnitten sind. Wenn sie eine gute Erfahrung haben, ist es wahrscheinlicher, dass sie zu Ihrem Store zurückkehren.

Was macht ein gutes Empfehlungssystem aus?

Einige Richtlinien für Empfehlersysteme sind:

  • Sie sollten keine Produkte empfehlen, die dem zu ähnlich sind, was sich Kunden zuvor bereits angesehen haben.
  • Die Empfehlungen sollten abwechslungsreich und gut personalisiert sein.
  • Sie sollten nach zeitlicher Vielfalt streben, was bedeutet, dass sie die gleichen Empfehlungen nicht in jeder aktuellen Nutzersitzung anzeigen sollten.

Woher erhalten Empfehlungssystem ihre Daten?

Empfehlersysteme erhalten oft Daten von Bewertungen, die abgegeben werden, nachdem Kunden ein Produkt gekauft, sich einen Film angesehen oder sich ein Lied angehört haben; von impliziten Suchmaschinenanfragen und dem Kaufverlauf oder von anderen kategorischen Variablen über den Kunden (wie das Nutzerprofil) oder Produkte selbst.

Manche Empfehlersysteme bauen eine Nutzungsmatrix auf, die die Bewertung (oder Präferenz) jedes Nutzer-Produkt-Paares enthält.

Wer ist der beste Anbieter von Produktempfehlungssystemen?

Die Antwort hängt von verschiedenen Faktoren ab, wie Ihren Bedürfnissen, Ihrem Budget und Ihren Zielen. Während Sie auf dem Markt viele verschiedene Empfehlersysteme finden, verwendet das Empfehlungswidget von Luigi’s Box fortgeschrittene AI-Algorithmen, um die Personalisierung auf ein höheres Niveau zu befördern und Ihnen zu helfen, einen Anstieg der durchschnittlichen Verkaufszahlen von +35% und einen Anstieg der durchschnittlichen Warenkorbkonversionen von +13% zu erzielen.

Sie können unser Empfehlerwidget überall auf der Webseite platzieren. Es wird immer wie ein natürlicher Teil aussehen, egal, welche eCommerce-Plattform Sie verwenden.