Algorithmen für die personalisierte Customer Journey

Der Versuch des Menschen, Daten manuell auszuwerten, war von Anfang an zum Scheitern verurteilt. Das lässt sich auch im Onlinehandel derzeit beobachten: Bisher hatten Onlinehändler das Ziel, so viele verschiedene Kundendaten wie möglich zu sammeln, um ihren Kunden personalisierte Empfehlungen und individualisierte Webshops zu bieten.

Das haben sie nun erreicht – zumindest den Teil mit den Daten. Doch Fakt ist: Die meisten Onlinehändler sind nicht in der Lage, ihre Daten effektiv zu nutzen.

%CAD2%

Der Grund sind manuelle Regeln und Filter. Wenn ein Merchandiser entscheidet, dass alle Produkte im Segment Actionsport nur für die Kundengruppe der 18-39-Jährigen relevant ist, so bekommt ein 60-Jähriger diese Produkte nicht vorgeschlagen. Selbst wenn er sich dafür interessiert und sich bereits neue Ski-Schuhe angesehen hat. Ein Algorithmus würde dieses Nutzerverhalten erkennen und dem Kunden unabhängig von seinem Alter nun die besten Ski-Resorts empfehlen und passende weitere Produkte vorschlagen.

In Zukunft wird die Analyse und Auswertung der Customer Journey in Echtzeit über den Erfolg des Onlinehändlers entscheiden. Doch um für jeden Kunden sofort zu entscheiden, was ihn zum Kauf bewegt, benötigen Händler Algorithmen, die aus der individuellen Customer Journey personalisierte Kundenprofile erstellen. Daraus folgt ein genau passendes Angebot für jeden Kunden. Von Hand kann das kein Merchandiser leisten.

Trotzdem glauben Onlinehändler noch immer, sie könnten Big Data mit reiner Muskelkraft in den Griff bekommen. Das mag begrenzt funktionieren – bis zu einer gewissen Zahl an Kunden – und kostet enorm viel Arbeitszeit. Jeder Kunde hat seine eigene Customer Journey, die ausgewertet werden will. Weil das manuell nicht komplett möglich ist, teilt man die Kunden heute in Gruppen – mit dem Ergebnis aus dem obigen Beispiel: eine beträchtliche Anzahl an Kunden „fällt hinten runter“ und wird ignoriert, obwohl sie Kaufbereitschaft zeigt.

Selbst wenn ein Händler bereit wäre, ein Heer von Merchandisern einzustellen, um manuell alle Customer Journeys auszuwerten, wären sie niemals in der Lage dazu, die richtigen Entscheidungen innerhalb von Sekunden zu treffen. Ein guter Algorithmus dagegen arbeitet in Echtzeit und wertet Verhaltensdaten sofort aus – und entscheidet für alle Kunden, was sie nach ihrem nächsten Klick zu sehen bekommen.

Und nicht nur das. Dank künstlicher Intelligenz lernen die Algorithmen und werden mit der Zeit immer schlauer und können noch bessere Empfehlungen geben. Je eher Händler also damit beginnen, Algorithmen einzusetzen, desto schneller verbessern sie nicht nur das Kundenerlebnis, sondern erlangen auch einen Wettbewerbsvorteil  gegenüber der manuellen Konkurrenz.

Autor: Alex Ciorapciu, Director Global Solution Engineering & Partnerships bei RichRelevance